所有文章 · SURL AI News

Hermes Agent 0.21.1 一週捲入逾五千項提交，補丁版已接近重新驗證級升級

Nous Research 以 0.21.1 補丁標籤交付代理框架一週內的大規模主幹變更，涵蓋 MCP 授權、排程、桌面會話及子代理可靠度。官方尚未提供逐項整理或效能數據，生產部署不能依「patch release」假設相容性與風險有限。

LG AI Research 以因果卷積與群組感知 MLP 取代自注意力，讓時間長度及變量數的計算成本線性成長。模型在自家 FinVerse 評測領先 43 個基線，但非商用權重與未獨立重現的投資績效限制了立即部署價值。

Qwen Code 0.23.1-preview.2 新增工作流視覺化、即時子代理狀態、worktree 隔離任務及工作階段資源目錄。新版亦以租約與訊息拒收機制處理並行寫入，但仍是缺乏效能及可靠度數據的預覽版本。

KVMem 不再把溢出的代理歷史壓成摘要，而是保留已計算的 KV 狀態，依查詢載入相關區塊。作者以 Qwen 27B 在 RTX 5090 Laptop GPU 展示百萬 token 邏輯工作區，但支援範圍與效能數據仍高度綁定自製執行期。

一項受控研究顯示，代理保留原有記憶庫並不代表模型升級後仍能正確使用它。固定 schema 知識圖幾乎不受寫入模型更換影響，自然語言摘要與混用新舊 embedding 的索引則可能無聲退化。

NVIDIA 彙整 9 月首週 Megatron-LM 變更，將資料平行推論前端、前綴快取與可變長序列處理推進至更完整的服務路徑。新功能改善混合 Transformer／SSM 模型的狀態重用，但官方尚未公布吞吐量、首 token 延遲或跨節點擴展數據。

VLM Run 開放一套相容 OpenAI Chat Completions 的視覺模型閘道，讓 OCR、圖像描述、影片理解與專用 ViT 共用端點及 MCP 介面。它試圖揭露量化與服務設定差異，但效能、視覺準確率及供應商支援比例目前主要來自發布者自己的測試。

Sierra 的新基準不再只測試成品代理，而是要求程式代理從零散業務資料、客戶訪談與既有程式碼建成可部署的客服系統。最佳組合在隱藏模擬流量只通過 23.9%，暴露需求發掘、架構探索與驗證不足。

騰訊發布 EVIE-8B 與 EVIE-4.5B，直接以頁面影像建立逐 token 表徵，避免先做 OCR 再檢索。4.5B 版可在執行期調整向量維度並將每頁壓至 32 個向量，但領先成績目前仍主要來自團隊自己的評測。

清華大學多代理教室 OpenMAIC 修補無需驗證即可觸發的 SSRF，以及儲存型 XSS、路徑穿越和重新導向驗證缺口。升級同時收緊本機模型與開發驗證設定，自架使用者不能只替換容器而忽略環境變數。

OpenBMB 發布具 131K 上下文的 MiniCPM5-2B，並同步開放約 8.6 萬筆可驗證強化學習資料。官方綜合成績高於比較表內部分 4B 模型，但評測由發布者執行，尚待獨立重現。

新基準只提供研究目標與凍結資料，不向代理透露原論文結論或預定分析路徑。四套程式代理雖能執行分析，卻普遍缺少對照實驗、穩健性檢查、可證偽條件與跨資料集驗證。