CreativeGame通过机制规划、代理奖励和谱系记忆，让AI游戏生成从一次性Prompt输出走向可验证、可迭代的玩法进化。

Richard Sutton参与的新论文提出“意图更新”，用期望输出变化反推步长，在无回放、批量为1的流式强化学习中显著提升稳定性。

多家企业正在从Suno迁移到国产AI音乐Mureka。本文拆解Sondo、快歌和海外头部平台的选择逻辑，以及V8/V9如何推动AI音乐进入企业可用阶段。

Thinking Machines发布首个交互模型TML-Interaction-Small，以200ms微回合、早期多模态融合和后台agent实现实时自然协作。

Dexbotic正式支持RLinf作为分布式强化学习后端，打通VLA模型SFT与RL后训练流程，推动具身智能研发走向一体化。

字节开源DreamLite，0.39B轻量统一扩散模型可在手机端同时实现文生图与图像编辑，iPhone 17 Pro上约3秒出图，支持离线运行。

D-OPSD将在线策略自蒸馏引入少步扩散模型，无需奖励模型即可在保持少步采样能力的同时学习新概念、新风格，支持LoRA与全量微调。

前谷歌 TPU 架构师 Reiner Pope 解析大模型推理为何会卡顿：显存带宽、批处理、KV Cache、长上下文和 MoE 通信墙如何共同限制速度与成本。

arXiv发布新规：若论文中AI生成内容未经核查（如虚构引用），将禁投一年，且后续需经同行评议。同时，多位AI顶会已出台类似惩罚措施，学术界对AI滥用进入实操治理阶段。

亚马逊将Token消耗纳入KPI，员工为刷榜滥用AI工具，催生‘Tokenmaxxing’荒诞现象。背后是2000亿美元投资焦虑，还引发安全隐患。