所有文章 · SURL AI News

Headlong 以 Bash 無限迴圈實作持續代理，沒有人提問時仍會自行思考與執行

Laude Institute 與 MIT 公開不足一萬行 Bash 的 Headlong，把訊息視為持續思考軌跡中的非同步觀察，而非新工作階段。這種設計可研究長期記憶與自發行動，但也把 token 成本、權限隔離及跨使用者資料邊界變成常駐風險。

Microsoft 新增可供 Claude Code、Codex 與 GitHub Copilot 使用的 Agent Lightning Skill，讓程式代理在固定 benchmark 上修改另一個可編輯代理。它是一套受預算約束的實驗規則，不會自動替目標代理進行強化學習。

Ray Serve LLM 現在把提示詞 token 化、快取命中估算與副本選擇集中在 ingress，並把 token 直接傳給推論引擎。設計可減少重複 prefill 與 token 化，但官方未公布新版效能數據，控制平面亦帶來額外同步成本。

研究團隊用八個開放模型家族產生約 20 萬筆受壓情境資料，再以 LoRA 訓練模型判斷自己是否說謊。偵測器主要學到諂媚、能力否認等表面模式，面對未見類型時僅略勝提示式基線。

ReWorld 把短期動作控制與長期場景記憶分配給不同注意力範圍，再以固定容量的地標庫保存歷史。作者展示 704×1280 即時串流及 64 秒返回軌跡，但目前只有論文和示範頁，尚未發布權重或程式碼。

Prime Agent 以常駐 IPython、daemon 工作階段及可版本化的 Continual Harness 支援長時間程式代理。作者報告 ARC-AGI-3 RHAE Best@1 從 30% 升至 95.5%，但成績反映整套模型與 harness，不能當作底層模型能力的單獨比較。

新基準以私有科學測試檢查單位、數值不變量、檔案語義與跨模組資料流，而不只判斷程式能否編譯。Claude Code 搭配 Opus 5 的整體 pass@1 為 47.90%，實驗也顯示加入領域知識有時反而令代理錨定錯誤方向。

DeepSeek Harness 主套件的 `latest` 已指向 0.1.1-rc.2，但多個底層套件仍把早期版本標成最新。直接安裝外掛 API 可能報出 peer dependency 衝突，甚至無聲建立版本錯配的依賴樹。

新功能讓執行中的代理讀取 PR 評論並按 `steer` 指示修正工作，同時要求明確的讀取權限。官方周報卻建議從較早建立的 v0.87.4 試用；固定該標籤的部署實際上拿不到功能。

Groq 3 LPX 將 256 顆 LP30、128GB SRAM 與編譯器預排的晶片間傳輸整合成低延遲解碼系統。第三方測試顯示長上下文速度領先現有公開端點，但成本、併發吞吐與生產服務表現仍未公開。

Rails Foundation 公開用於 Agents on Rails 榜單的 Ruby 評測框架 lemans，支援 Daytona 與本機 Docker 沙盒。框架會隔離驗證程式、保存可重播證據，並在評分前還原受保護檔案。

Slack Code 以專案專用頻道集中代理對話、計畫、程式差異、逐行評論及即時 HTML 預覽。它沿用 Slack 的頻道治理與稽核能力，但程式庫權限和實際部署副作用仍由各代理整合控制。