所有文章 · SURL AI News

CLAP 統一異構機器人的動作空間，將影片世界模型用作跨形態模擬器

CLAP 先以潛在動作從無標註影片學習物理規律，再把表徵接回機器人末端執行器座標。研究團隊已開放程式碼與多種 checkpoint，但生成影片的物理幻覺仍限制其直接參與安全關鍵控制。

PRAXIST 讓多個研究代理分代提出改動，再把評測結果、機制與血緣寫入可稽核證據圖，避免每輪重新探索。作者在 75 項 MLE-bench 報告 60 面獎牌及 3,054 美元模型費用，但系統剛公開，成績與成本仍主要由開發團隊量測。

TTPO 不把多數決答案直接當真，而是蒸餾與共識一致的軌跡，再以群組強化學習懲罰高信心的分歧錯誤。作者報告 Qwen3-1.7B 在三項數學競賽的 Avg@12 由 38.0 升至 45.2，但這仍是直接使用測試題更新參數的轉導式設定。

Prefix Sliding 在生成期間淘汰中段推理 token，只保留系統提示、任務前綴及最近數千個 token，毋須重新訓練即可套用。研究報告長推理的整體思考時間可縮短約三倍，但現有實作依賴分支版 vLLM 與 FlashAttention，短輸出及需回看早期細節的任務收益有限。

LeVJEPA 以單一編碼器、跨視圖不變性損失及 SIGReg 防止表徵坍塌，不再依賴 EMA 目標網路、stop-gradient 或像素解碼器。作者在相同資料與訓練週期下報告 5.6 至 20.8 倍算力差距，但結果仍限於團隊重訓的凍結編碼器基準。

FreeToken 不再以固定規則卸載 MoE 專家，而是按實測記憶體及 PCIe 頻寬，在 CPU 執行與 GPU 快取之間動態分工。作者報告 RTX 5090 可用每秒 22 至 25 token 執行 284B 模型，但測試仍由開發團隊完成，且完整權重依然需要大量主記憶體。

Meta 的 MTIA 300 將 1.2TB/s 網路 I/O 與十六個訊息引擎直接整合進加速器，讓 collective 不再佔用主要計算陣列。官方在 150B 推薦模型上報告通訊時間較對照 GPU 叢集縮短 3.9 倍，但尚未提供足以比較整體訓練成本的完整系統資料。

Anthropic 的自動對齊研究代理可自行查文獻、設計資料及後訓練模型，在十類安全問題上關閉 26% 至 96% 的評測差距。結果亦優於受限的人類提案基線，但比較給代理更長迭代時間，且只能證明可量測失敗的修補能力。

Stanford 主導的開放基準把資料分析、模擬、定理證明及儀器校準等科研工作封裝成可重跑的終端任務。Claude Opus 5 配合 Claude Code 居首，但三次試跑後的解題率仍只有 30%，顯示一般 coding benchmark 高分不能直接外推至科學工作。

DeepChart 以 1,482 個實例分別評測資料擷取、數值推導及圖表渲染，揭露外觀評分掩蓋的數據幻覺。超長 10-K 輸入令平均來源資料 F1 由 0.385 降至 0.167，顯示擴大上下文視窗不足以取代證據定位。

GitHub 預定最早於 9 月 28 日統一網頁、行動版與 cloud agent 的體驗及政策，並預設啟用。同期 Copilot code review 的預設分析由 Lite 升至 Balanced，單次估算 AI credits 成本區間也明顯提高。

Anthropic 在 2.1.248 restricted 模式後，再修補五類檔案、外掛與設定信任邊界問題。新版同時開放模型切換 hook 與 prompt cache 指標，讓企業閘道可攔截切換並追蹤重新快取成本。