早报｜15999起，苹果发布M6 MacBook Pro/张一鸣以6700亿元登顶胡润百富榜/电视新规：不得播放开机广告
· IDC：中国手机 Q3 出货下滑 15.2%，折叠屏连续四季度下降 · 邓煜：AI 公司应公开证明思路，让用户决定数据是否用于训练 · 研究：豆包引用抖音的权重升至 31.8%#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
AI NEWS JOURNAL
搜索 AI 资讯
检索标题、摘要与正文，把分散的信息连起来。
导入AI 478：对齐数学；ProgramBench；以及Mirendil展示了RSI的含义
对机器而言，“夜晚”是什么？
斯坦福大学与加州大学伯克利分校的研究人员推出 TokenGate：基于令牌的注意力机制使长上下文预填充速度提升高达 11.3 倍
斯坦福大学与加州大学伯克利分校研究人员提出TokenGate——一种可即插即用的学习型令牌剪枝模块，适用于现有大语言模型（LLM）。该方法在不损失准确率的前提下，将长上下文预填充的首字生成时间（TTFT）加速1.4至11.3倍，峰值内存降低1.5至3.4倍。相关代码与检查点已开源。
Sebastian Raschka发布八视频课程《从零构建推理模型》
Sebastian Raschka于2026年10月24日在Ahead of AI杂志（magazine.sebastianraschka.com）发布一套共八讲、超11小时的Python与PyTorch实操视频课程，系统讲解推理模型的评估、推理时扩展、强化学习（RLVR）与知识蒸馏，基于预训练Qwen3-0.6B模型实现全部方法。
推荐理由：该课程是作者继《从零构建大语言模型》后推出的进阶技术教育内容，聚焦当前主流LLM的核心演进方向——推理能力增强，覆盖从基础环境搭建到GRPO强化学习、自蒸馏等完整技术链，且明确声明所有实现均‘从零手写’、可复现，具备强教学性与工程参考价值。
Amazon SageMaker上线Kokoro-82M TTS模型，支持AI语音代理低延迟流式语音合成
AWS发布技术方案，利用SageMaker托管的Kokoro-82M文本转语音模型，通过双向WebSocket实现AI代理边生成文本边合成语音，显著降低端到端语音响应延迟；方案提供Base64-SSE与统一二进制传输两种音频回传方式，并明确标注为‘价值验证型’（proof-of-value），尚未进入生产就绪状态。
TorchNeuron系统级性能分析（第一部分）：基于AWS Trainium芯片的端到端剖析
本文为Hugging Face与Amazon联合发布的技术博客系列首篇，系统介绍如何在AWS Trainium AI加速芯片上使用TorchNeuron进行PyTorch模型推理性能分析，涵盖Neuron后端集成原理、torch.profiler配置方法、NeuronConfig与NeuronProfiler工具使用、Neuron Explorer可视化追踪，并以RMSNorm为例对比三种实现（朴素PyTorch、torch.rms_norm内置融合、torch.compile自动融合）的设备耗时差异。
i14发布Laplace 3B线性注意力模型：基于AWS Trainium2与原生PyTorch实现固定状态内存推理
i14推出30.28亿参数的Laplace 3B模型，采用门控线性注意力（GLA）替代Softmax注意力，其推理时每序列递归状态恒为29.5 MB，与上下文长度无关；该模型在单台AWS trn2.48xlarge（16颗Trainium2芯片）上完成训练与服务验证，训练吞吐达12万token/秒，服务吞吐11544 output token/秒（1280并发序列），所有性能数据均为i14与AWS GenAIIC团队内部实测结果。
Hugging Face 推出 TorchTPU：PyTorch 原生支持 Google TPU
Hugging Face 发布 TorchTPU，为 PyTorch 提供原生 TPU 后端支持，使 Transformers、Diffusers 等库可直接在 TPU 上运行，无需依赖 torch_xla 或迁移到 JAX。
PyTorch 2.15 正式支持 MPS：FP8、MoE 加速与 Metal 内核全面升级
PyTorch 2.15 为 Apple Silicon Mac 带来重大 MPS 后端升级，首次在 macOS 上原生支持 FP8 张量运算，MoE 模型解码速度提升 5–6.5 倍，视频 VAE 解码峰值显存从 270 GiB 降至 8 GiB，并将大量算子从 MPSGraph 迁移至专用 Metal 内核。
TorchNeuron发布公测：Hugging Face模型原生支持AWS Trainium训练与推理
Hugging Face联合AWS推出TorchNeuron——PyTorch原生Trainium后端，自2026年10月20日起开放公测。该技术使Transformers、Diffusers等主流库无需修改即可直接运行于Trainium芯片，显著提升文本生成与图像生成模型的易用性与兼容性。
用PyTorch(第2部分)进行剖析:来自nn. 折叠 MLP 的线性
用PyTorch(第2部分)进行剖析:来自nn. 折叠 MLP 的线性