这条新闻是过去半年 frontier AI 在纯数学领域最具体的一次产出。和 AlphaProof / AlphaGeometry 的 IMO 级别工作不同，单位距离问题在组合几何里被 Brass / Moser / Pach 的 Research Problems in Discrete Geometry 标注为"可能是最广为人知、最易陈述的开放问题"，被 Erdős 本人悬赏，多年来研究主要在常数项收缩，没人能击穿渐近上界。这次的 n^(1+δ) 改进意味着对一个 80 年的渐近瓶颈做出了 polynomial 突破，而不是常数优化。

更重要的是方法路径。证明没有走几何或组合本身，而是借用了代数数论里的 class field tower 与一条 1960s 偏门定理，把"在平面上构造大量等距点对"映射到"构造特殊群塔"。这种跨领域桥接历史上常常依赖少数数学家的直觉，AI 系统在 free-form proof search 中找到这条路径，与"在大量备选工具中持续尝试且能局部理解"高度相关。对 reasoning model 训练而言，这是一次很强的证据，说明长程 reasoning 训练带来的"工具组合能力"已经超过"在熟悉模板内推导"，开始接近真正研究层面的 hypothesis generation。值得注意的是 OpenAI 并未声称模型独立完成全部细节，外部数学家做了 verification 与 refinement，这正是 [[ai-driven-formal-proof-search]] 路线（Lean + LLM 闭环）的实际工作模式——AI 给出建设性构造，形式化或人工验证给出可靠性。

RLVR（GRPO、DAPO、PPO-VR 等）已经是 reasoning model post-training 的标准 recipe，但 token-level credit assignment 一直是工程默认值——很多实现把 trajectory-level 的 verifiable reward 平均摊到所有 token，等于假设每个 token 对最终成败的贡献是均匀的。DelTA 的贡献是把这一假设显式建模：先证明现有 RLVR 变体都是 token-weighted centroid 估计的特例，再把 weighting 替换为 discriminative 的 soft assignment，关键 token 拿到更大梯度、辅助 token 被抑制。

这条工作有两个直接价值。第一是工程接入低门槛——论文核心是改 advantage 计算，可以叠加到任何 GRPO/DAPO 实现上，不增加 rollout 成本。第二是和 [[delkv]]、[[mint-million-llm-policies]] 等近期 RL 系统侧工作互补——后者解决 rollout 经济性，DelTA 解决信号利用效率。后训练栈正在从"算法换皮"转向"分摊既有 RL 框架内每个 step 的边际收益"，这种逐 token 加权重新引起关注，与近期 reasoning model 长 trajectory 训练里"少数关键步骤决定全局成败"的观察一致。

过去一年的 sparse attention 路线大多走两条路：原生 sparse pre-training（NSA、InfLLMv2、MoBA）成本高且不易和现有 ckpt 复用，或者推理期 heuristic eviction（H2O、StreamingLLM 类）准确性常有损耗。RTPurbo 走第三条：承认 frontier full-attention 模型内部本来就已经稀疏，因此只需轻量改造，便宜地把现成 ckpt 转成长上下文 sparse 推理形态。

三条观察值得展开。1. "只有少数 head 真正需要 full long-context"和 [[dashattention]]、KV head clustering 工作一致，说明 head-level 异构是长上下文优化的核心 lever。2. 16 维 retrieval indexer 暗示 long-range 检索的本质维度远低于 attention 本身，是一个工程上可缓存可批量的旁路。3. dynamic top-p 比固定 top-k 更适配 query-dependent budget，呼应近期 attention sparsity 必须按 query 自适应的趋势。9.36× 是 1M context prefill 的极端数字，但即便在 128K 量级也意味着推理成本结构会被改写——很多原本因为成本上限只能上 RAG 的应用，可以转向更长的 in-context retrieval，序列长度的工程意义被重新放大。

3D 生成上一波（Genie、CAT3D、Trellis、Hunyuan3D 等）多数把目标定在视觉质量与几何合理性，物理属性常被当作下游团队的 retargeting 任务。但任何想用 3D 生成结果驱动机器人、仿真训练或 embodied agent 的团队，都会撞上"生成的物体不能直接放进 Isaac Gym / MuJoCo / Bullet"的问题：质量分布缺失、碰撞 mesh 不闭合、关节 / 软体参数不存在。

PhysX-Omni 的"simulation-ready"标签是这一类工作里相对少见的明确承诺。把 rigid / deformable / articulated 三类用同一框架统一处理意味着用户不需要为不同物体类型走不同生成 pipeline，更重要的是输出可以直接喂给现有物理引擎跑动力学 rollout。这条路线和 [[physbrain]]（5/18 收录的物理属性预测世界模型）形成互补——前者给"如何生成可仿真的物体"，后者给"如何理解已有场景的物理属性"。两条加起来，embodied AI 训练数据生成的物理桥接才算完整。

vLLM 已经从"OSS 推理框架"扩成完整的 serving + post-training + KV cache 生态。Artificial Analysis 排名最直接——三个旗舰开放模型的最快部署都是 vLLM，意味着对自建 inference 的团队，frontier 开放模型默认 stack 已经收敛。PegaFlow 是更值得关注的工程信号：长上下文 + 多租户 + 高 QPS 场景下，KV cache 不能再放在 worker 进程内存里，必须有一个外部、可持久化、可跨节点 share 的服务，而 PegaFlow 用 Rust 独立进程做这件事，等于把 KV cache 从"GPU 显存附属"升级为一类"独立的数据服务"。

VeRL-Omni 把 vLLM 的 rollout 引擎扩展到 diffusion 与 omni-modal，是和 NVIDIA Nemotron Omni、Lance 等模型形成训练-服务闭环的关键。TurboQuant 的低 bit KV-cache 量化补齐了显存压力链路。整体看，vLLM 这条线和闭源 frontier 厂商的 inference 优化路径越来越像——只是开源化、组件化、多 vendor 都能用。这对 Anthropic Stainless / OpenAI Tooling 等闭源平台是一个生态压力源：自建团队的差距正在缩小，频繁更新的 vLLM 已经能复刻很多 frontier inference 工程。

这条不是单纯的 GitHub trending 事件，而是把 Claude Code / Claude.app 的 plugin 形态正式统一进一个 schema。过去半年 Claude 平台同时支持 MCP、Slash Commands、Skills、Subagents 四类扩展，但没有公开的 packaging 标准，开发者要写四份说明、四套安装路径。.claude-plugin/plugin.json + 四个目录的结构等于把这些扩展点合并成一个 plugin 概念，类似 VSCode extension manifest 之于编辑器扩展。/plugin install foo@claude-plugins-official 是 npm-like 寻址，把 plugin 集成做成单命令。

仓库一周内 27k stars 是不寻常的——这种增速通常只在主流社区已经形成"plugin 平台必然出现"共识后才会发生。MCP 在 2025 年定义协议、2026 年 Q1 大量厂商发布 MCP server，这次 plugin 目录是把"server / skill / agent / command 分散的扩展点"封装成可发现、可审计、可一键安装的资产层。对 Claude 生态而言，意味着竞争点从"哪家厂商 MCP server 多"转向"哪家在 Anthropic 官方目录里被推荐、被审核、被默认安装"。对开发者，下一阶段值得关注的是 plugin 之间的依赖、版本、安全审查策略，这通常是 plugin marketplace 走向成熟的下一个矛盾点。

agent self-improvement 历来有两条主流路径：fine-tune 模型参数（Voyager / Hexagen），或更新外部 memory / skill 库（[[skillsvote]]、Reflexion）。MOSS 走第三条——直接改写 agent 本身的 Python / TypeScript 源代码，等于把 agent 的"代码 = 行为"看成最终的可学习对象。从 0.25 到 0.61 的 grader 提升是一个非常大的相对收益，前提是单轮演化、固定任务。

这条路线在工程上的风险显而易见：agent 可能改坏自己、可能引入安全漏洞、可能在多 agent 协作时漂移到不兼容的接口。但优势同样明显——LLM 已经擅长写代码，与其让它通过 prompt / memory 间接影响行为，不如让它直接修改自身实现。在闭环 review / sandbox / rollback（参考 [[deltabox]]）配合下，self-rewriting agent 是一种相对"语义清晰"的 self-improvement。这条研究路线和 OpenAI 数学突破中的 reasoning model 跨工具组合能力一脉相承——agent 的能力提升越来越来自系统层的可重写性，而不只是 prompt 层的 hand-tuned scaffold。