NVIDIA 技术博客给出在单台 DGX Spark 上加速 Ling-3.0-flash 这个 124B 参数、5.1B 激活 MoE 模型推理的三项叠加优化，在全部 1,319 道 GSM8K 题上解码吞吐从 37.81 提升到 53.89 tokens/s，涨幅 42.5%，平均延迟下降 24.5%，准确率 96.89% 对 96.82%。
可照搬三项叠加做法，换 Humming MXFP4 kernel、开 SGLANG_ENABLE_FP8_LM_HEAD=1、用模型自带 NEXTN 做 MTP 投机解码；坑是 FP8 LM head 与 MTP 同开必须共享完整 LM head 模块，否则静默回退、接受长度掉到 1.00。
Hugging Face 发布 transformers-mic，提出模型集成契约（MIC）标准，把真实 checkpoint 缩成小 fixture 并在 CPU 上跑固定用法路径，与人工审核过的基线比对。
可照搬的是一套缩小真实 checkpoint 做 CPU 快速集成测试的配方，含四步缩模型、冻结基线、按改动文件选测试，代价是基线需人工审核且目前不阻塞 PR。
作者 maxdemarzi 公开了一套在单张 GPU 上构建巴西柔术领域 AI 教练的完整配方，基于 Qwen2.5-7B-Instruct 训练出 bjj-coach-7b-v3，在自建 BJJ-Bench-250 上运动学精度达 5.00/5.0、幻觉通过率 100%。
可复用的完整配方，含上下文头、知识图谱互斥惩罚、CLIP+VLM 视觉块、5 路 listwise 重排、2.5x 决策权重 QLoRA 与 disable_adapter 零额外显存 DPO，单卡约 30 分钟跑完，代价是要自建领域词典和标注基准。
雷峰网解读逐际动力开源的具身智能工程底座 FluxVLA Engine 技术报告，该底座贯通数据、训练、评测、推理与真机部署，10 月 22 日完成重要更新。报告称在英伟达 AGX Orin 64GB 上 GR00T 推理频率从 3.2Hz 提升到 7.4Hz、π0.5 从 1.4Hz 提升到 4.4Hz，并引入 RTC 与轨迹后处理解决时序错位和物理约束问题。
能拿走的是三层真机落地机制，CUDA Graph 加速、RTC 前缀条件、轨迹后处理限速限加速度，可直接套到自家 VLA 部署链；代价是各模型仍需适配器与动作空间转换，RL 效果依赖奖励设计。
作者用 1M 参数的 Indra OCR 给本地求职记录工具加截图识别岗位功能，最终能识别出公司、岗位、薪资、地点、学历和 HR 并自动填表。
能拿走 Indra OCR 的本地接入做法，包括用 INDRA_OCR_MODEL_DIR 指定离线模型目录、补 script.onnx/rec_cjk.onnx/lm_cjk.npz 三个 CJK 文件，落到本地模型部署和截图录入流程，代价是国内直连 HuggingFace 超时、镜像大文件走 xethub CDN 会 401。
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的 1/0 可执行校验直接当作 RL 奖励。
可复用离线策略相对难度筛选，用 Beta 后验把任务分五档，只留 0.08 到 0.90 区间做 GRPO，代价是每个候选任务要先跑 n 次探测，且训练与评测的解析器必须对齐。