Gate News 消息，3 月 17 日，Tether 旗下 QVAC Fabric 推出全球首个面向微软 BitNet（一比特 LLM）的跨平台 LoRA 微调框架，大幅降低大模型训练的显存和算力门槛。该框架支持在 Intel、AMD、Apple Silicon M 系列及移动 GPU（包括 Adreno、Mali、Apple Bionic）上进行 LoRA 微调与推理加速。

Sentry 联合创始人 David Cramer 表示，大语言模型并未提升生产力，反而导致复杂代码的产生，拖慢开发速度。他质疑自动生成代码的方式，认为产出质量较差，尤其在增量开发和风格一致性上表现不足。他根据个人经验指出，软件构建依然困难，心理层面的变化影响了他的贡献。

中国信通院与高校团队审计开源框架OpenClaw时发现其bash-tools模块存在LLM驱动型命令注入漏洞，攻击者可通过诱导命令执行远程代码并窃取数据。已启动漏洞披露流程并提交修复建议。

谢赛宁在采访中批评当前以大语言模型为主的AI发展路线，认为其限制了AI对真实世界的学习，并强调世界模型的优势。他认为打造能在现实中生存的智能体更具挑战，提到AMII Labs专注于真实数据收集，计划未来推出AI智能眼镜和机器人。

Bittensor子网Templar于3月10日完成了720亿参数的去中心化语言模型Covenant-72B的预训练，该模型在MMLU测试中表现优异，超越了多个集中式基线模型。该项目吸引了70多个节点的合作，所有权重和检查点已根据Apache许可证发布。受此消息影响，Bittensor及其代币普涨。

OpenClaw 于 3 月 8 日发布 v2026.3.8 版本，新增本地状态备份、Talk Mode 自动转录及 Brave 网页搜索 LLM Context 模式等功能，修复多个问题，共有 43 名贡献者参与开发。

苏黎世联邦理工学院研究团队测试了LLM Agent的拜占庭共识能力，发现即使没有恶意节点，有效共识率也仅为41.6%。随着节点增加，达成一致的难度加大，且加入恶意节点后状况进一步恶化。研究结论指出，当前LLM Agent在可靠共识方面尚不可靠，去中心化部署应谨慎对待。

Eureka Labs创始人Andrej Karpathy于3月8日开源项目autoresearch，采用「人写Markdown，AI写代码」模式，允许开发者通过program.md定义研究方向，AI自主优化代码。每小时可进行约12次实验，展示中83次实验中有15次有效改进，该项目基于NVIDIA GPU和PyTorch，已在H100测试并遵循MIT协议。

Clawnch与Bankr达成战略合作，Bankr将成为Clawnch及其代币发行的底层平台。同时，Bankr的LLM网关将是Clawnch新项目OpenClawnch的核心部分。此次合作旨在强化Clawnch的基础设施，项目发行费用将适度上调。

Minara发布了Minara Skill v2，升级了AI Agent的数字金融能力，支持多链资产管理、信用卡入金等功能，并实现Gasless交易，降低使用门槛。同时，集成本地LLM，提升私密对话和交易决策能力。