所有文章 · SURL AI News

LongEarth-R1 用最長 30 幀衛星序列推理，12 項時空任務均勝比較模型

LongEarth-Bench 將 117,000 張遙測影像整理成約 120,000 組長序列問答，要求模型追蹤地貌演變、異常與缺失狀態。以 Qwen2.5-VL-7B 為底的 LongEarth-R1 加入幀編號、結構化推理及時空獎勵，但資料、權重與程式尚未公開。

AutoDesign 以外層代理分析執行軌跡、修改生產系統，再由獨立開發集決定是否接納更新。開源 DesignHarness 在作者的 PosterBench 超越多個商用系統，但自動分數與人類偏好的相關係數只有 0.34。

V-RAE 不再只為像素重建訓練影片 VAE，而是在 DINOv3、SigLIP2 或 V-JEPA 2.1 等語意特徵上加入時間壓縮與解碼器。作者測得新 latent 可同時改善生成與未來畫面預測，但目前只展示低解析度、短片段及類別條件生成。

丹麥 Foundation Models 團隊從零訓練 Mimir v1，利用 HRM 的高、低層循環，在作者測試的 20 項基準上逼近部分 4B 模型。權重已公開，但「可允許資料」不等於完全開放資料，部分語料只依協議或歐盟研究例外使用。

一項重測發現，改寫探針的情境包裝，就能把模型規模相關係數由 +0.94 移至 −0.82。研究建議至少跨九至十組提示詞量度，否則單一 activation direction 不足以比較模型。

ReFind 保留未改寫的對話紀錄，讓代理反覆使用關鍵字、時間及 session 篩選蒐集證據。在約 2,800 題測試中，它以 58.2% 平均準確率超過最強結構化記憶基線的 53.2%，但比較並未統一所有控制器與工具預算。

DARTree 把擴散草稿模型的因果校正由單一路徑延伸至多分支，並把逐節點 heap 搜尋改成按深度批次展開。單張 RTX 6000 Ada 測試中，七項任務的平均加速均勝過 DFlash、DDTree 與 Domino，但程式尚未公開。

新技術報告把科學 PDF、時間序列、工具操作及長時代理任務納入同一訓練管線，並公開 Apache 2.0 權重。獨立的 Memory Decoder 可在凍結 397B 主幹下加入領域能力，但目前只以生物學模組示範。

Vero 要求代理同時實作多模組程式並提交機器可驗證的正確性證明，而非只通過單元測試。四組前沿代理中，最佳設定仍有 16 個儲存庫未能完整解決，10 個更令所有設定失敗。

OmniScientist 讓代理直接檢視影像、訊號、影音、3D 結構及軌跡，再完成構思、實驗與論文寫作。36 個案例全部產生完整稿件，但案例數、程式公開狀態與自動評審設計仍有待釐清。

StateBridge 用正交 Procrustes 轉換，把發送代理的末層隱藏狀態映射至接收代理的輸入嵌入空間，毋須訓練投影器。四款模型的平均成績比最強基線高 2.4 至 2.9 點，但目前只支援使用相同模型權重的代理。

AlayaWorld 重寫互動式世界模型的空間記憶與條件管線，讓攝影機控制、歷史畫面及生成內容使用對齊的因果 VAE 表徵。新報告在 WBench 取得最高一致性總分，但新版權重與推論程式尚未同步公開。