MarkTechPostMeta FAIR 发布 e-means：一种在 10 倍更少迭代中超越 k-means 的算法
Meta FAIR 发布的 e-means 算法在 1.4 到 2.6 个迭代内达到 k-means 25 个迭代的损失水平，GPU 速度提升 10-45 倍、CPU 速度提升 8-15 倍，无需超参数调整，已集成于 FAISS 1.16.0
实时
#Meta
- MarkTechPost
Meta Engineering精选6666Meta 将 JiTTesting 投入生产：用 LLM 生成测试在代码合入前抓 Bug
Meta公布Catching JiTTests已在内部投入生产，用LLM为待合入的diff自动生成可执行测试，在代码落地前暴露行为差异
推荐理由: Meta 公开了 JiTTests 的生产部署细节与量化结果，可供评估 LLM 生成测试在超大规模代码库中的落地方式。
- Meta Engineering
2026 Python 类型提示调查：AI 工具与检查器格局变化
2026 Python 类型提示调查收到 1794 份回复，检查器选择出现显著变化，半数受访者使用多个检查器，缺失库类型信息仍是主要困难。AI 工具在类型提示中的使用率大幅提升，从 18.5% 增至 38.4%，其中 42.5% 的受访者由 AI 生成类型提示，61.0% 使用 AI 修复检查器错误，但 29.8% 对 AI 辅助编码的实用性表示不确定。
- Meta Engineering
Meta 的 PrivacyLib：在数据访问边界实现隐私控制
Meta 的 PrivacyLib 通过一个通用库在数据访问点实现隐私控制，替代了以往在各系统中单独实现相同逻辑的方式。该库每秒执行数十亿次检查，支持内部 AI 智能体在受支持路径上传递上下文以监控数据访问。系统只需集成一次，新的隐私能力即可作为模块复用，无需每个系统单独开发。
Hugging Face Daily Papers6565Meta Expert: 跨层元专家共享实现存储与检索高效 MoE 模型
Meta Expert 模型通过跨层共享元专家减少冗余，相比层内局部专家的 MoE 模型参数冗余更低、交叉熵损失更低且下游任务准确率更高。在激活量和专家粒度固定时，该模型仅用 70-80% 的专家即可达到与 Vanilla MoE 相当的性能，显著提升模型扩展潜力。理论分析显示，元专家提供更灵活的残差通路，从而提高信息检索效率。
Meta AI BlogMeta AI 发布 Brain2Qwerty v2，非侵入式脑机接口实时解码句子
Meta AI 发布 Brain2Qwerty v2，非侵入式脑机接口实时解码句子，词准确率达 61%；v1 训练代码及数据集开源，v1 数据集由合作方 BCBL 发布。
