● AdamW 和 Muon 的失稳根源有解了，港中文新优化器 Pion：在等谱流形上更新大模型

📌 一句话摘要 香港中文大学等机构提出 Pion 优化器，通过在等谱流形上更新参数，从根源上解决大模型训练中的谱结构失控和稳定性问题。 📝 详细摘要 本文介绍了由香港中文大学等机构提出的新型优化器 Pion。该优化器的核心创新在于，它不再像 AdamW 或 Muon 那样采用加法更新范式，而是直

● 全面梳理 Muon 优化器的工业挑战及应用实践

📌 一句话摘要 本文系统梳理了 Muon 优化器的数学原理、分布式训练工程挑战及工业落地案例，涵盖 Moonlight、Kimi K2、GLM-4.5、DeepSeek-V4 等主流大模型的应用实践。 📝 详细摘要 本文对 Muon 优化器进行了全面而深入的技术梳理。文章首先从数学原理出发，解释

● 详解 DeepSeek V4：Infra 巨鲸 “四连击”，百万上下文走进现实

📌 一句话摘要 本文通过深度访谈两位一线 AI 从业者，详细解析了 DeepSeek-V4 在混合注意力、mHC 残差、Muon 优化器和 FP4 训练等四个层面的系统级创新，并探讨了其百万上下文效率提升背后的工程挑战与行业影响。 📝 详细摘要 本文是《晚点 LatePost》对 UCLA 博士

● 163: 详解 DeepSeek V4：Infra 巨鲸、百万上下文走进现实、极致效率优化

📌 一句话摘要 邀请一线 AI 从业者深度拆解 DeepSeek V4 技术报告，探讨混合稀疏注意力、Muon 优化器、MHC 残差连接及 FP4 训练等组合创新，如何让百万上下文从理论走向实用。 📝 详细摘要 本期播客邀请 RadixArk 工程师（SGLang 核心开发者）赵晨阳和 UCLA

● DeepSeek V4 报告太详尽了！484 天换代之路全公开

📌 一句话摘要 DeepSeek V4 系列模型正式发布，通过 mHC 架构、混合注意力机制和 Muon 优化器，实现了百万 token 上下文下 KV cache 仅为 V3.2 的 10%，并全面开源、支持国产芯片。 📝 详细摘要 本文详细解读了 DeepSeek V4 系列模型的技术报告。

● 扒完 DeepSeek V4 报告，我翻出了这个隐藏彩蛋

📌 一句话摘要 本文深入分析了 DeepSeek V4 与 Kimi K2.6 在技术架构上的相互借鉴与五次「撞车」发布，揭示了中国开源 AI 双子星在技术路线、国产芯片适配和开源生态上的协同进化。 📝 详细摘要 文章以 DeepSeek V4 发布为引，发现其训练方案中采用了 Kimi 率先验

● AI 驱动的数据库心脏：如何让云原生「自我进化」

📌 一句话摘要 本文深度解析了腾讯云自研的云原生数据库 TDSQL-C，重点介绍了其如何通过 Serverless 架构、AI 预测式弹性、智能分层存储、自学习 AI 优化器以及全球化部署能力，实现数据库的智能化、弹性化和成本优化。 📝 详细摘要 文章系统性地介绍了腾讯云 TDSQL-C 云原生

● 不加算力，只改一个算法：Muon 在万亿 MoE 模型中最高 2 倍加速

📌 一句话摘要 本文介绍了 Gram Newton-Schulz 算法，通过将 Muon 优化器的迭代过程转移到更小的 Gram 矩阵上，在万亿级 MoE 模型训练中实现了最高 2 倍的优化器加速。 📝 详细摘要 普林斯顿大学和纽约大学的研究者（包括 Tri Dao）提出了 Gram Newto

● 中国 AI 创业者重登 GTC 舞台：杨植麟用技术语言讲了一个智能上限突破的浪漫故事｜甲子光年

📌 一句话摘要 月之暗面创始人杨植麟在 GTC 2026 上分享了 Kimi 在 Token 效率、长上下文、智能体集群及 Attention Residuals 架构方面的核心技术创新，旨在通过基础设施级的开源推动 AI 模型能力上限。 📝 详细摘要 本文详细报道了月之暗面（Kimi）创始人杨