Firefly 反轉合成流程，從真實 MCP 生成 5144 條可驗證工具呼叫任務
NeurIPS 2026 論文 Firefly 把 tool-call 訓練資料的合成順序反過來：先在真實 MCP Server 上探索，再根據觀察到的結果出題，最終在 240 個 server、993 個工具上生成 5,144 個可驗證任務。
把「先探索後出題」的反向合成從小的固定工具空間擴充套件到 240 個真實 MCP server、993 個工具，並給出可離線復現的 Simulator，對需要大批次 RL 訓練資料的 agent 開發者有用。
原標題：NeurIPS 2026 | 从「先出题」到「先探索」：重新思考Tool-Calling Agent的训练数据合成
閱讀原文
| 評分 | 70 / 70（平均 70，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
Recursive 發布免費編碼模型 Flint，可在筆記本本地執行
Recursive 發布免費編碼模型 Flint，以 Apache 2.0 許可在 Hugging Face 開放下載，可在筆記本上離線執行。它是 40B 引數的混合專家模型，每次只啟用 2.5B 引數；在搭載 M4 Pro 的 MacBook Pro 上約 131 tokens/秒，約為同機 Gemma 4、Nemotron 3.5 Lightning 的兩倍；在 SWE-Bench Verified 上優於所有 50B 以下模型。
面壁智慧 ForgeKernel 直播自寫運算元，反超 DeepSeek FlashMLA 9.8%
面壁智慧的運算元生成系統 ForgeKernel 在無原始碼、無參考實現的情況下，通過直播自進化 22.5 小時，在輝達 B200 上把 DeepSeek-V4.1 的 FlashMLA Prefill 運算元做到 472 微秒，比人類手寫的 518 微秒快 9.8%。全程 42 輪迭代、留下 32 個版本，只用了 1 張 B200 和 22 個 GPU 小時，人工編寫 0 行程式碼。它此前已登頂昇騰 CANNBench 950DT、950PR、A3 三張榜單第一，並在直播結束後開源；
NeurIPS 2026 論文 ReSFlow 讓離散資料一步生成
被 NeurIPS 2026 接收的 ReSFlow 把類別機率經平方根對映投到球面，在 Fisher–Rao 幾何下重新配對、整流生成軌跡，使字元、二值畫素和 DNA 鹼基等離散資料只需一次模型呼叫就能生成。在二值化 MNIST 上，它一步取樣的 FID 為 5.973，接近 SFM（Statistical Flow Matching）呼叫 34 次的 5.922；
Anthropic 開源 FlashProve，用零知識證明核驗模型身份
Anthropic 開源可驗證推理系統 FlashProve，讓服務商在不公開模型權重的情況下，用零知識證明某條回答確實由指定模型生成。該系統在 4000 億引數的 Llama 4 Maverick 上測試，單張 H100 每秒可生成約 110 Token 的證明，每 1024 Token 請求的證明檔案約 19 MB，24 執行緒 CPU 驗證約需 17 秒。
王琰發布 TraceForge：自生成思維鏈反超蒸餾原版
獨立研究員王琰發布技術報告 TraceForge，提出用同族模型自行生成思維鏈、只向閉源模型借答案的合法路徑。以 Qwen3.5-9B-Base 做學生、5,000 條題目訓練後，自生成思維鏈在 HumanEval+ 比直接蒸餾 Claude Fable 5 真實思維鏈高 3.7 分、MBPP+ 高 7.1 分，且 MBPP+ 領先在每個 checkpoint 上都成立。報告還給出更徹底的變體：連答案也交給同族最強模型生成，全程不讓任何閉源 token 進入梯度；