Archive

GitHub Repo

GitHub 熱門專案、開源工具、框架、runtime 與重要 release。

TensorRT Model Connect 將模型 checkpoint 編成原生 C++ bundle，但介面尚未定版

NVIDIA 公開 TensorRT Model Connect，透過 Python 建置工具把支援的 Hugging Face checkpoint 封裝成可由 C++ 載入的 TensorRT bundle。專案已宣告 84 個模型家族與 221 組端到端 manifest，但仍採 nightly 開發模式，支援表不等於每款硬體均已通過驗證。

Thomson-1.0-Small 以 200B token 持續訓練強化專業能力，但權重授權限制生產使用

Thomson Reuters 以 Qwen3.6-35B-A3B 為基礎，公開具 35B 總參數、每次啟用 3B 的 Thomson-1.0-Small。模型在法律、稅務與研究代理評測有所提升，但成績主要由開發團隊量測，PolyForm Strict 授權也不是一般開源授權。

偽造的專業儀表板令 LLM 代理更敢下注，12 款模型行動承諾率升至 36.8%

新研究發現，無法預測的問題只要配上權威感十足的數據面板，LLM 代理便更容易作出方向性決策，即使全部數字都是捏造。以 540 筆合成案例微調可暫時修正行動閘門，但強制輸出格式會令效果失效。

機器人與具身 AI

Isaac 0.5 統一影片理解與機器人控制，但關鍵未來感知訓練目標仍未開放

Perceptron AI 釋出 360 億參數 Isaac 0.5 權重及 LeRobot 整合，讓同一稀疏骨幹輸出語言、空間座標與連續或離散動作。官方宣稱一般影片可大幅減少遙操作資料需求，但這是離線 action loss 的換算，且核心自監督目標仍屬專有技術。

Qwen3.8-Flash-Next 用區塊稀疏注意力與 n-gram 參數擴展，為 Qwen4 預演新架構

阿里巴巴公開 Qwen3.8-Flash-Next 權重，以 Qwen Sparse Attention、Gated Residual 與 510 億個 n-gram embedding 參數降低長上下文運算成本。模型原生支援 26.2 萬 token，但效能數字主要來自官方評測，授權亦不是常見的 Apache 2.0。

MLflow 3.15.2 加入多評分器集成，資料集不可變版本目前僅限 Databricks

新版可用投票、平均值或自訂函式合併多個 LLM 評分器，並保留各子評分的理由與來源。發布說明所稱的不可變評測資料集版本目前只支援 Databricks，開源追蹤後端仍未具備同等能力。

D2C-Routing 將 AI 文字偵測拆成內容與表達來源，低誤報四分類 TPR 達 0.8603

北航團隊不再只問文字是否由 AI 生成，而是分別判斷內容構思與表面表達的來源。系統在重建的 MixD2C 測試集領先同資料切分的 RACE 重跑，但跨資料集泛化與完整重現仍有限。

LoopHarness 保留跨迭代風險狀態，五類代理攻擊的整體 ASR 降至 0.1%

新研究指出，逐軌跡重設的 guardrail 無法辨識被拆散到多次迭代的攻擊證據，單純讓風險分數隨時間衰減亦可被等待繞過。LoopHarness 在作者控制的 1,000 個攻擊 episode 中保留 96.9% 乾淨任務完成率，但結果尚待獨立重現與真實系統驗證。

Copilot CLI 1.0.81 支援無狀態 MCP，企業政策刷新失敗時改採封閉模式

GitHub 將 MCP 2026-07-28 帶入 CLI、SDK 與 IDE，並新增跨 hook 的 OpenTelemetry trace 關聯。新版同時移除舊 `/plugins` 入口，升級前須檢查外掛管理、自動更新及企業政策行為。

AI 基礎設施

ROCm 10 將代理式核心最佳化推向正式版，但升級同時帶來 ABI 斷裂與已知故障

AMD 發布 ROCm 10，並讓整合 Hyperloom、AMD Skills 與統一 CLI 的 ROCm.AI 正式可用。官方宣稱同硬體推論與訓練平均提升 3.3 倍及 2.4 倍，但數字涵蓋整套最佳化流程，不能視為單純升級執行環境的收益。

Claude Code 2.1.248 加入 restricted 模式，預設移除命令執行與 WebFetch

新旗標把檔案工具限制在工作目錄，並略過使用者與專案設定，方便評測平台或共享主機執行代理。它仍可由啟動參數重新加入工具，也不是作業系統層級的沙箱。

Atlas 以純 Rust／CUDA 推論引擎在單顆 GB10 對決 vLLM，高併發吞吐最高快 22.5%

Atlas 公開 Qwen3.8-27B-NVFP4 的可重跑測試，在 DGX Spark 的 1 至 128 路併發均領先 vLLM。結果只涵蓋單一模型與短輸入、長輸出負載，尚不能推廣至一般資料中心部署。