所有文章 · SURL AI News

Ripwire 0.4 以程式圖替代理縮小搜尋範圍，但省 token 未必降低任務成本

Ripwire 用 tree-sitter、符號關係圖與 Personalized PageRank，為程式代理產生可重現的檔案排名及變更影響範圍。首方測試顯示定位率優於五種比較工具，獨立檢視卻指出壓縮上下文後的答案品質與整體代理成本仍可能倒退。

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。

ACE 從 SwiGLU 權重與路由器方向預估專家貢獻，不需重訓模型或使用校正資料。作者在三款 MoE 模型上取得較佳的高跳過率品質，但速度數據仍限於單機 A100 與工作負載相符的門檻設定。

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。

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。