DeepSeek發布了旗艦開源模型V3.2，性能直逼頂級閉源模型。本文深入解析其技術核心，包括從V3到V3.2的轉變，特別是引入的DeepSeek稀疏注意力（DSA）如何優化長上下文處理，以及RLVR訓練流程的革新，特別是參考DeepSeekMath V2的自我驗證機制。這些技術細節展示了DeepSeek在LLM架構設計上的務實與創新，鞏固其在開源界的領先地位。

本文探討了當前AI領域中，超越傳統Transformer架構的關鍵新趨勢。重點分析了線性注意力混合架構（如Kimi Linear的KDA）如何解決長上下文的計算複雜度問題。同時介紹了Qwen3-Next採用的狀態空間模型（SSM）融合，以及文本擴散模型在並行生成上的嘗試。此外，還深入分析了代碼世界模型（CWM）在提升代碼理解深度上的突破，和小型遞迴Transformer在特定任務上的高效能表現，總結了AI發展正從單一內捲走向多樣化探索的新階段。

預印本平台arXiv正面臨由生成式AI驅動的「資訊汙染」危機。為遏制大量AI生成的低品質綜述與立場性文章湧入，arXiv宣布不再接受這些類型的投稿（除非附帶同行評審證明）。此決策是平台對舊規則的強化執法，以減輕審核負擔，並將資源集中於實質新研究。此事件凸顯了學術界在AI時代下，如何平衡開放性與品質控制的嚴峻挑戰，並可能引發其他學科跟進。