技术周报 · 2026 年第 42 周 · 10.12 — 10.18
COCOHOT
美团公开面向搜索推荐场景的 SLM 生成式高并发推理引擎，以静态 DAG 组织业务请求并结合编译与 K/V 共享等手段优化延迟约束下的有效吞吐。高德推出统一具身推理模型 ABot-ER，开源 2B 至 35B-A3B 五种规模，单个 9B 权重在十二项具身推理基准上取得综合 SOTA。工程实践方面，得物分享资产验收 Agent 用确定性工作流驾驭 LLM 规则判定，京东介绍基于 MyBatis 插件的自研分表组件。
美团 SLM 生成式高并发推理引擎：延迟约束下的有效吞吐优化
美团技术团队公开了面向搜索推荐场景 SLM 的推理引擎，以静态 DAG 组织完整业务请求，结合 AOTInductor 编译、Packed Prefill、请求内 K/V 共享和选择性 FP8 压缩调度与计算开销。
架构演进与工程实战
本版导读从推理引擎、Agent 到数据库分表，各团队都在把大模型与业务系统拆成可控的确定性环节，用编译、工作流与插件机制承接性能与一致性要求。
得物技术分享资产验收 Agent 实践：用确定性工作流驾驭 LLM 规则判定
得物技术介绍了资产验收场景的 Agent 实践，把验收规则以文本配置下发，由 LLM 负责材料提取与规则比对，文件解析、印章检测、数值核对等环节交给确定性代码。系统配套用户反馈推导标准答案、试跑与回测双阈值门禁、三种流量四道隔离闸门，并采用提取与判定分离的双制品模型、关键判定多模型投票和盖章检测三级流水线。文中称月均验收单审批量数百单，规则发布需回测一致率超过配置阈值（如≥90%）才允许常规发布。
京东技术分享自研数据库分表组件：基于 MyBatis 插件实现双写双读
京东技术团队分享了其自研分表组件的设计与实现，基于 MyBatis 插件机制，用策略模式加责任链模式完成 SQL 拦截与重写。组件按仓库编号分表，支持单写单读、双写单读、单写双读等多种读写策略，双写时用分号拼接两条 INSERT 同时写入旧表与分表，双读时用 UNION ALL 合并结果并对 COUNT、SUM 做外层聚合。
大模型与算法创新
高德发布具身推理模型 ABot-ER 并开源 2B 至 35B-A3B 五种规模
高德视觉技术中心推出统一具身推理模型 ABot-ER，以智能体驱动的数据—模型自进化引擎将模型错误转化为下一轮数据需求，并用任务条件化训练协调多任务学习。单个 9B 权重在十二项具身推理基准上取得综合 SOTA，其中 RoboVQA 达 71.79、Cosmos 达 68.96、VABench-P 达 63.33。