所有文章 · SURL AI News

QuantWAMs 讓世界動作模型以 4-bit 為主運行，目標模組記憶體降至 FP16 的 29%

QuantWAMs 針對同時生成未來畫面與機器人動作的模型，將量化校準改成結構、聯合目標與閉環軌跡三層決策。兩款模型的模擬成功率與 FP16 相差 0.2 至 0.7 個百分點，但速度數據只涵蓋特定運算模組，真機比較也只有每項十次試驗。

一項 OSWorld 實驗顯示，本機 GUI 代理加入少量畫面歷史可明顯降低重複操作，但繼續延長上下文或步數主要是在改變失敗型態。兩階段規劃架構也因格式與協調成本落後單一代理，平行產生更多計畫只能以高昂 token 成本追回部分差距。

AISPA 將系統提示詞拆成八項使用者權益維度，審核 88 款商用 AI 產品中的 3,249 條指令。98.9% 的產品至少含一項保護規則，但只有 24% 覆蓋全部維度，約四成同時存在被判定為有問題的指令。

Qwen 團隊提出跨手機、桌面、網頁與深度搜尋環境的統一 GUI 代理，並讓畫面操作與 CLI 指令共用同一動作空間。技術報告宣稱其在 OSWorld-Verified 達 79.5%，但模型權重、訓練資料與完整軌跡尚未公開。

OSReward 以 1,019 條人工複核的跨平台軌跡測試 27 款視覺語言評審，發現主要錯誤是把未完成任務判成成功。移除逐步文字使準確率平均下降 7.2 點，改動畫面輸入影響較小，暴露現有「視覺評審」對代理自述的依賴。

Tycho 把未知遊戲規則寫成可執行的狀態轉移模型，再依驗證結果決定修正或繞過模型。GPT-5.6 Sol 與 Claude Opus 5 在一次公開集測試中完成全部 183 個關卡，但結果仍高度依賴前沿 API、單次執行與公開題目。

微軟的 Echoverse 不再追求大量淺層網站複製品，而是建立具資料庫狀態、因果後果與可驗證任務的合成應用。以十二個環境訓練後，9B 模型跨十四個測試切分由 36.5% 提升至 67.1%，但公開版本只包含其中四個環境。

新版 MCP 將協定版本、能力與客戶端資訊放進每次請求，移除 `initialize` 握手及 `Mcp-Session-Id`。這能簡化水平擴展，卻是需要同步升級客戶端、伺服器與閘道規則的破壞性變更。

Moonshot AI 從 42 個既有基準的最早失敗點建立感知分類，再以 3,000 道短答案題隔離十項基本視覺能力。結果顯示整體分數相近的模型可能具有完全不同的感知缺口，但測試集源自更大的內部題庫，仍需防範污染與評測者偏差。

Home Assistant 新增 llama.cpp 與 LiteLLM 對話整合，可為不同模型建立各自的代理與指令。更新降低本地模型接入門檻，但目前仍是 beta，端到端工具呼叫可靠性取決於模型、schema 與硬體。

MemChain 不把向量檢索結果直接塞給語言模型，而是先規劃、排序並壓縮成具來源依據的主動記憶。研究在 LoCoMo 與 LongMemEval-S 報告領先結果，但尚未公開完整程式與實際延遲成本。

HiFi-UMI 將離線立體慣性 SLAM、微秒級同步與雙手六視角整合成可攜式資料系統，使純人類操作資料能直接用於機器人後訓練。三種 VLA／世界動作模型的實機成功率接近場內遙操作基線，但結果仍集中於單一團隊的受控任務。