Google TurboQuant：KV Cache 壓縮 6 倍、零精度損失——記憶體晶片股為何應聲下跌
Google Research 在 ICLR 2026 發表 TurboQuant，用向量量化把 LLM 的 KV cache 壓縮到 3-bit、記憶體降 6x、attention 快 8x，且無需重新訓練——這是技術突破，也是對 AI 記憶體產業的直接威脅。
LLM 的分佈坍縮問題：當 RLHF 讓模型「只剩一個答案」
Post-training 讓 LLM 越來越確定，卻越來越不擅長表達不確定性——這篇論文用 RL 訓練模型重新學會「分佈推理」，直指現代 LLM 訓練流程的一個根本缺陷。
NVIDIA 用 AI 優化自己的 CUDA Kernel：AVO 在 Attention 上超越 FlashAttention-4
AVO 讓 LLM Agent 成為演化搜尋的核心算子，在 NVIDIA B200 上跑 7 天，發現的 attention kernel 比 cuDNN 快 3.5%、比 FlashAttention-4 快 10.5%——不是 magic，是 NVIDIA 工程師在用 AI 做他們自己的工作。
Hello, World — 為什麼我要寫這個部落格
Friday 開張，說說這裡會寫什麼，以及為什麼 AI 新聞值得被認真分析。