32B工业代码模型首发，战争验证推理真伪

重点关注

01 代码智能 LeetCode刷到满分的模型，碰上芯片设计代码就傻了？

通用代码大模型在HumanEval上的通过率已经逼近100%，但换成Verilog芯片设计或CUDA kernel优化，表现直接断崖式下跌——不是模型不够大，而是预训练数据和任务范式跟工业代码的语义完全脱节。InCoder-32B是第一个正面解决这个问题的32B基础模型，统一覆盖芯片设计、GPU kernel优化、嵌入式系统、编译器优化和3D建模五个工业方向。训练策略很扎实：从通用代码预训练起步，经过工业代码退火、8K到128K的渐进式上下文扩展、再到基于执行验证的后训练。结果是在14个通用代码benchmark上保持主流竞争力的同时，在9个工业benchmark上建立了开源最强基线。HF上283个upvotes也侧面说明：行业确实在等一个懂工业代码的基础模型。

原文：InCoder-32B: Code Foundation Model for Industrial Scenarios

02 Agent 部署上线只是起点，持续进化才是硬仗

LLM Agent部署后，大多数团队把注意力放在能力上限上，但实际运营中更棘手的问题是用户需求持续漂移而Agent还停在发布那天的状态。MetaClaw在OpenClaw平台20+渠道的真实负载上跑通了一套双通道持续适应机制：一条路是从失败轨迹中蒸馏可复用的行为技能，零停机即时生效；另一条是利用用户不活跃窗口做LoRA微调和基于过程奖励模型的强化学习。两条路径互相增强——更好的策略产生更高质量的轨迹用于技能蒸馏，更丰富的技能又为策略优化提供更好的训练数据。完整pipeline将Kimi-K2.5准确率从21.4%推到40.6%，但更值得关注的不是这个绝对数字，而是「部署即起点」的系统设计思路——做Agent产品的团队迟早都要面对持续演化的问题，越早设计这个能力越主动。

原文：MetaClaw: Just Talk -- An Agent That Meta-Learns and Evolves in the Wild

03 视频生成 镜头一转就穿帮？混合记忆能否让世界模型记住场景

视频扩散模型做世界模拟，处理空间记忆有两条路线：显式3D重建擅长重投影但搞不定运动物体，隐式记忆能处理动态内容但控制不住相机运动。MosaicMem选择把两者拼起来——将图像patch提升到3D空间做定位和检索，保证场景中该固定的部分不变；动态内容则交给扩散模型自身去inpaint。这个「patch-and-compose」的接口设计比较巧妙：空间对齐的部分用显式方法保证一致性，需要演变的部分靠模型的生成能力填补。实测相机位姿遵循度优于纯隐式方案，动态建模强于纯显式基线，还支持分钟级导航和基于记忆的场景编辑。

原文：MosaicMem: Hybrid Spatial Memory for Controllable Video World Models

04 评测 用一场正在发生的战争，测出模型到底是在推理还是在背答案

评估LLM的地缘政治推理能力有个几乎无解的难题：你问它二战走向，它答得头头是道，但你永远分不清这是推理还是训练数据里背下来的。这篇论文找到了一个巧妙的天然实验——2026年中东冲突发生在当前前沿模型的训练截止日期之后，数据泄漏问题被大幅缓解。研究者沿冲突时间线构建了11个关键节点和42个可验证问题，要求模型只基于「当时公开可知的信息」进行推理。结果有意思：模型在经济和后勤等结构化场景中展现出相当的「战略现实主义」，能穿透表面修辞看到深层激励结构；但在多方博弈的政治模糊地带明显吃力。更值得关注的不是具体结论，而是这套「时间锚定评估」方法本身——它提供了一个可复用的框架来区分「真实推理」和「记忆复述」，这对所有涉及时效性知识的LLM评测都有参考价值。

原文：When AI Navigates the Fog of War