所有文章 · SURL AI News

DreamX-Phi 以 SE(3)軌跡約束雙臂影片預測，WorldArena 2.0 暫居第一

DreamX-Phi 將兩支機械臂的剛體變換直接寫入注意力，並以深度、物件遮罩及 V-JEPA 特徵約束生成影片。它在 WorldArena 2.0 快照取得60.65分，但權重與推論程式要等挑戰賽結束才公開，真實機器泛化仍未驗證。

開源 MARC v1 用 YAML 定義抽取、推理與輸出代理，並支援 Gemini API 或 Ollama 本機部署。它改善錯誤定位與資料控制，卻只展示三類使用案例，未證明多代理比單一提示更準確。

一項新研究發現，稀疏自編碼器的消融評估通常讓每套字典自行選擇最高啟用 token，導致看似相同的 latent 實際在不同位置受測。固定共同位置後，受控實驗中原本歸因於字典差異的 7.6%與11.9%變異幾乎消失。

VALG 把機器學習理論研究拆成問題形式化、證明依賴圖、局部推導與多角度審查，並按失敗層級決定修補或另開放寬分支。系統在 9 個 COLT 2026 開放子題產生 22 個內部定稿候選，但只有 2 次執行得到符合原始問題範圍的結果。

研究團隊從 FineWeb‑Edu 篩出 880 億 token 的 K–5 語料，並從零訓練 0.6B、1.3B 與 5B 模型及同算力對照組。實驗顯示擴大模型、SFT＋GRPO 和上下文示例主要喚起已有能力，未明顯突破預訓練知識邊界。

Synthetic Persona Pretraining 把依據「價值憲章」生成的第一人稱反思寫入約 10% 預訓練文件，再以後訓練把該人格綁定至助理身份。新公開的完整實驗、權重與資料顯示，提早介入主要改善價值泛化，抵抗一般 jailbreak 則未必需要從零開始。

PlayWorld 用可觀察畫面的代理動態修正控制指令，避免不同世界模型的移動幅度令固定軌跡失去可比性。171 個場景顯示，現有模型雖能生成流暢畫面，卻仍難以保存全域空間與視野外持續演變的狀態。

OpScale 不再複製整個模型，而是按流量與序列長度，只擴充當下成為瓶頸的 attention、MLP 等算子。作者在 A100 與 GB200 叢集重播 92.9 萬個請求，最高以少 36.3% GPU 達到相同延遲目標，但原型程式尚未公開。

TsuGO 用 600 道可驗證圍棋死活題，量度模型是否把推理資源投向正確分支，而不只計算答案與 token 數。移除四選一候選後，多款推理模型的準確率與搜尋效率同步急跌，與神經網路引導的 KataGo 仍有明顯距離。

LongEarth-Bench 將 117,000 張遙測影像整理成約 120,000 組長序列問答，要求模型追蹤地貌演變、異常與缺失狀態。以 Qwen2.5-VL-7B 為底的 LongEarth-R1 加入幀編號、結構化推理及時空獎勵，但資料、權重與程式尚未公開。

AutoDesign 以外層代理分析執行軌跡、修改生產系統，再由獨立開發集決定是否接納更新。開源 DesignHarness 在作者的 PosterBench 超越多個商用系統，但自動分數與人類偏好的相關係數只有 0.34。

V-RAE 不再只為像素重建訓練影片 VAE，而是在 DINOv3、SigLIP2 或 V-JEPA 2.1 等語意特徵上加入時間壓縮與解碼器。作者測得新 latent 可同時改善生成與未來畫面預測，但目前只展示低解析度、短片段及類別條件生成。