所有文章 · SURL AI News

DiffusionOPSD 將影像獎勵改造成逐步去噪目標，訓練 GPU 時數最多減少 63%

ByteDance Seed 的方法不再把終點獎勵直接套到所有去噪步驟，而是以獎勵梯度建立正負乾淨影像預測目標。它在兩種骨幹的 20 組配對測試中取得 19 組最佳成績，但結果仍主要依賴自動獎勵模型及作者自行量測。

新版同時加入 Decode Context Parallel、融合式 FlashKDA 核心及自適應推測 token 預算，並讓 DeepSeek V4 的稀疏 MLA 貫通一般與推測解碼。部分速度數字只量度個別核心或特定 DSpark 配置，升級前亦須處理預設值與外掛介面的破壞性變更。

MLCommons 新增端到端 RAG 推論基準，分別量度向量資料庫建置與多跳問答吞吐量。為控制生成的不確定性，效能測試重播預先記錄的各階段輸入，因此不能完全代表線上 RAG 的動態行為。

GlanceWAM 每約三秒在背景生成一次未來影像的潛在表示，供多個 0.8 秒動作段重複使用。論文在 RoboCasa 報告 72.2% 成功率，但目前證據仍集中於模擬環境及作者自行量測。

阿里巴巴 MAI 團隊以可變應用程式資料庫、權限錯誤及工具依賴測試手機中央規劃代理，不再只比對靜態 function call。最佳模型在直接工具使用較強，但記憶套用與跨代理協作仍明顯落後。

Prime Intellect 補發完整技術報告，說明如何把上下文、子代理與可修改 Harness 分層保存，並統一計算整棵代理樹的成本。實驗亦揭露持久學習的反面：代理曾把規格漏洞保存為可重用技能。

新基準把完整易受攻擊程式、模糊測試介面及 sanitizer 封入離線 Docker 映像，依可重現的不同崩潰簽章評分。設計可計入模型意外找到的缺陷，但現有難度係數由同一組受測模型產生，排名仍帶有循環性。

NVIDIA 為 COMPASS 加入代理驅動工作流程，讓 coding agent 協助驗證環境、準備場景、訓練 residual policy 及比較 checkpoint。代理只負責開發編排，實際導航仍由匯出的視覺策略與 ROS 2 控制器執行。

京都大學團隊以四個月真實部署建立 MemUse，將「能否找回記憶」與「是否在適當回應中使用記憶」分開評估。結果顯示擴大記憶容量可明顯改善直接問答，卻未同步提高自然整合率或整體滿意度。

上海人工智能實驗室等團隊發布 4B 參數 StepGuard，以成對的安全／危險軌跡和 Balance-GRPO 校準過度攔截與漏攔截。它在兩項代理環境大幅降低攻擊成功率，但訓練語料及資料生成器尚未公開，對規範性違規亦仍會漏判。

SemiAnalysis 開放長上下文、多回合及子代理並發的 AgentX，讓推論系統不再只以固定長度提示詞比較吞吐量。資料保留請求時序與 KV-cache 重用形狀，但來源集中於 Claude Code，且量測的是服務系統效率而非程式任務正確率。

Portable Computer 在本機運行 27B 模型、規劃器、工具路由、持久任務佇列與搜尋索引，並以權限提示控制資料外傳。首版僅支援 Linux 與 DGX Spark，官方成績來自尚未公開的內部工作負載，不能視為獨立驗證。