所有文章 · SURL AI News

LLaDA 2.2 讓擴散模型在生成途中增刪 token，瞄準可反覆修正的代理迴圈

inclusionAI 開放 100B 級 LLaDA2.2-flash，以 Levenshtein Editing 讓平行解碼可插入、刪除及替換內容。模型在部分代理測試與吞吐上勝過自家自回歸基線，但程式修復與函式呼叫準確率仍落後，服務支援也尚未齊備。

FluxBench 以統一提示、工具與製程庫測試代理從 RTL 生成一路完成合成、布局繞線及 ECO，而非只評單次程式輸出。作者報告相同基礎模型搭配不同代理框架可出現 86.27% 的效能差距，但商用 EDA 實驗範圍狹窄，論文版本也曾撤回後重發。

ForecastBench 7 月 27 日更新的初步榜單顯示，前三名全由 Torchcast AI 專用代理取得，最高 Brier Index 為 65.6。GPT-5.5 搜尋代理與超級預測者中位數落在相近區間，但題目數、提交時間及置信區間差異限制了直接排名解讀。

Rust 工具 dcg 在 AI 程式代理執行命令前，攔截可能破壞 Git、檔案系統、資料庫與雲端資源的操作。專案 7 月 26 日單日新增約 497 顆星，但它仍是模式比對防線，不能取代沙箱、權限隔離與備份。

AMD 釋出 ROCm Hyperloom 1.0.0a1，讓代理從效能剖析一路執行核心與主機程式修改，再以正確性及速度測試決定是否保留變更。首版只支援三款 Instinct GPU，且「數週縮至數小時」仍是官方說法，導入者需要以自身模型重現。

新基準以 3,300 道六語言平行題及 5,340 道法文題，檢查模型能否跨語言取用相同的日常與長尾知識。較大模型整體更準，卻仍無法消除流行文化、近期事件及語言切換造成的落差。

新研究不再替每道題固定生成相同數量的推理軌跡，而是把額外運算集中到獎勵分歧較大的樣本。作者在數學與程式任務上報告更高的 rollout 效率，但尚未公開程式碼，實際 GPU 時間與大模型擴展性仍待驗證。

Google 修正 Antigravity CLI 停用外掛後仍載入 hooks、規則及其他客製元件的問題，避免失效或不受信任的腳本繼續介入代理流程。新版也完整顯示需要核准的複合 shell 命令，但為相容非標準 MCP 供應商而放寬 OAuth issuer 驗證，值得部署者另行審查。

AMD 釋出 Instella-MoE 的預訓練、長上下文、SFT、DPO 與強化學習等六階段檢查點，並同步公開訓練框架、資料配方及推論程式。模型以 Gated MLA 和 FarSkip-Collective 降低注意力與跨 GPU 通訊成本，但正式技術報告及獨立評測仍未完成。

Induction Labs 發表 106B-A5B 稀疏 MoE 模型 Photon-1，預訓練時只觀看螢幕影片，不需要滑鼠與鍵盤動作標籤。模型先預測下一個潛在畫面狀態，再生成抵達該狀態的操作，但目前效能證據主要來自團隊內部評測。

Cursor 將 Auto 模式改為逐請求分類與選模的 Router，企業可在品質、平衡及成本三種策略間切換。官方宣稱線上測試可節省六成費用，但模型預設隱藏及特定路由選項的強制需求，讓可稽核性成為部署重點。

新登錄的 CVE-2026-17434 指向 NanoClaw 2.0.64 以前的授權缺口：管理員看到的 MCP 伺服器核准卡，未完整顯示實際套用的參數與環境變數。修補已改為呈現完整負載、遮蔽祕密值並限制輸入大小，但受影響部署仍須確認版本及既有設定。