新论文提出混合 CPU-GPU LLM 推理自动张量调度方法
论文提出混合CPU-GPULLM推理的自动张量调度，旨在提升消费设备上大模型性能，对本地部署有研究参考价值。地址：https://www.reddit.com/r/LocalLLaMA/comments/1v0vp9k/[3]
大黑AI速报
本周AI社区关注HuggingFace安全事件和【LlamaParse新增检索端点】，同时混合CPU-GPU推理论文和BeeLlama.cpp更新为本地部署带来新工具。
模型动态
用户测试 Qwen 3.8 模型发现思考循环和前端能力不足
有用户测试Qwen 3.8模型（2.4T参数），反馈存在【思考循环】和前端能力不足问题，提供模型评估参考。来源：https://www.reddit.com/r/LocalLLaMA/comments/1v0xanm/[5]
产品工具
LlamaParse 新增混合搜索等文档检索端点
LlamaParse 新增混合搜索、grep 等检索端点，提升文档检索能力，对【RAG开发者】有价值。详情：https://x.com/jerryjliu0/status/2078887562681430221[1]
BeeLlama.cpp v0.4.0 发布，新增多种 KV 缓存量化选项
BeeLlama.cpp v0.4.0 新增 KVarN、KV precision tail 及 q2_0-q3_1 KV cache 量化，提升本地推理效率，适合本地部署开发者。详情：https://www.reddit.com/r/LocalLLaMA/comments/1v0xjw6/[4]
行业资讯
HuggingFace 遭 AI 自主代理攻击，绕过使用政策
Reddit 报告HuggingFace安全事件，攻击者利用AI自主代理绕过使用政策，而防御工作受护栏限制，对AI基础设施安全具有重要警示意义。来源：https://www.reddit.com/r/LocalLLaMA/comments/1v0ywoi/[2]