Berkeley AI Research 与 IBM Research 合作扩展了 K-Search 框架，新增 MLX 后端以自动将 CUDA 内核优化知识迁移至 Apple Silicon。
推荐理由：原文展示了通过结构化翻译层将 CUDA 内核知识迁移至 Apple Silicon 的方法，并给出了在 Attention 和 Mamba SSM 内核上的具体性能提升数据。
Google Research 在 CIDR 发表线性弹性缓存方案，将页面驱逐建模为滑雪租赁问题，利用轻量级机器学习动态调整缓存大小。该技术在 Spanner 生产环境中使内存使用降低 15.5%，总拥有成本（TCO）减少约 5%，且 I/O 成本影响仅 0.5%。
Google Research 发布 TurboQuant 压缩算法，通过结合 PolarQuant 和 QJL 技术消除向量量化中的内存开销。该算法在 Gemma 和 Mistral 等开源 LLM 的 LongBench、RULER 等基准测试中，实现了 KV 缓存压缩且无精度损失，显著降低内存成本并提升检索速度。
Google Research 发布名为 Project Suncatcher 的研究项目及相关预印本论文，提出构建由自由空间光链路连接的太阳能卫星星座以承载 Google TPUs 进行 AI 计算。
推荐理由：Google Research 发布关于太空 AI 基础设施的预印本论文，详细论证了利用太阳能卫星星座承载 TPU 进行大规模计算的可行性与挑战。