所有文章 · SURL AI News

T1 回放 MoE 路由穩定長序列強化學習，Terminal-Bench 2.1 解題率升至 64%

T1 在每個 token 記錄並重播 MoE 專家選擇，避免 rollout 與訓練端因數值差異走向不同子網路。公開權重可自行部署，但基準與競品比較仍主要來自團隊自評。

GitHub 把最低成本的 Lite review 改成多代理集成，官方實驗中高嚴重度意見的採納數增加 47%。審查代理如今也能執行 shell 工具，因此 runner 隔離、提示注入與自動結案紀錄變得更重要。

小鵬以行為探針、跨尺度蒸餾及 LoRA，把 Qwen3-ASR-0.6B 的音訊編碼器由 18 層縮至 14 層。權重與推論程式已公開，但完整蒸餾流程及逾 28 萬小時訓練資料仍未釋出。

公開測試版代管工作階段、上下文壓縮、工具協調與子代理分工，讓開發者不必自行維護代理迴圈。執行環境可選 OpenAI 沙箱、自有基礎設施或合作供應商，但版本、權限與用量成本仍須個別控制。

Cursor 將 coding agent 的工作單位從單次對話擴大為可跨越多個 PR、持續數月的 Project。協調代理會保存共享檔案、分派雲端與本機代理，並依 Slack、排程或 PR 事件自動啟動工作。

GitHub 新增組織與儲存庫層級 REST API，讓安全團隊能以程式批次部署 PR 的 AI 弱點掃描。掃描可補足 CodeQL 未覆蓋的語言與框架，但結果目前僅屬建議、消耗 AI credits，也不能納入 ruleset 作為合併門檻。

Sakana AI 推出 Fugu Max 與 Fugu Ultra v2，分別把多模型編排最佳化為低成本與高能力兩條路線。兩者沿用 OpenAI 相容介面，但官方基準仍混合自有測試與供應商成績，尚不足以證明實際工作負載的成本優勢。

Anthropic 的新威脅報告顯示，多類攻擊者已把 Claude 從程式助手升級為可排程、具持久記憶的攻擊編排層。部分工作流會在惡意程式遭偵測後自動修改、重建並重新部署，但目標選擇與贓物審查仍主要由人類掌握。

ARCHE 將文獻檢索、競爭假設、電子結構計算與反思審查放進可恢復的閉迴路，並公開 65 種動作及三個案例資料。儲存資料與論文數字已有差異，專用模型權重、訓練資料及部分化學證據也未隨程式釋出。

Auto-RecSys 將研究構想、分散式訓練、故障恢復與結果分析串成可跨工作階段延續的雙迴圈。31 輪內部實驗顯示操作修復次數由每輪 4.0 次降至 0.5 次，但尚未證明代理提出的模型改動能穩定改善推薦品質。

Wiz 掃描 3,074 個公開 LiteLLM 實例，發現 294 個接受 `sk-1234` 或完全沒有驗證，其中 191 個未設定認證。新揭露的實地量測顯示，舊版 MCP 驗證繞過、可執行 Python 的 guardrail 與雲端中繼資料存取可被串成跨層攻擊路徑。

Microsoft 更新託管式 LLM Speech，主打混合語言、專有名稱與數字辨識，並宣稱部分情境延遲較 2605 版最多降低三倍。新版沿用現有 Fast 與即時 API，卻會在服務端自動部署，因此既有語音代理也需要自行建立回歸測試與版本觀測。