IEEE Transactions on Neural Networks and Learning Systems, Volume 37, Issue 9, September 2026
1) 多模态持续学习的最新进展：综合调查作者：D. Yu、X. Zhang、Y. Chen、A. Liu、Y. Zhang、P. S. Yu、I. King 页数：4014 - 40342) Rethinking the Utilization of individual rewards in Multiagent Reinforcement Learning With Sparse Team Rewards作者：Y. Zhang、Y. Xu、C. Zhang、 C. Wang, Z. Yang, B. Tang, E. Chung 页数：4035 - 40493) 通过掩蔽和对比原型的不完整
Speculative Decoding on CPUs: Nearly 4x Faster Token Generation with DFlash
推测性解码可以将未充分利用的 CPU 计算转化为更快的令牌生成，而无需更改模型的输出。在我们的 vLLM 测试中，DFlash 在并发数为 1 时在 Intel Xeon 6 上使用 Qwen3.5-9B 实现了 3.92 倍的自回归吞吐量。我们详细分析了加速的来源，解释了接受指标，并展示了决定推测是否有效的因素。CPU 上的推测解码：使用 DFlash 使令牌生成速度加快近 4 倍首先出现在《走向数据科学》上。
Run Muse Glimmer for Local Vibe Coding with llama.cpp, DFlash, and Pi
使用 llama.cpp、DFlash 推测性解码和 Pi 在 RTX 3090 GPU 上本地运行 Muse Glimmer，以实现快速、私密、代理的 AI 编码。
