所有文章 · SURL AI News

RAGSieve 以檢索結果自身作基準，雙層過濾把 RAG 投毒成功率由 67.4% 壓至 14.0%

RAGSieve 不需要可信語料庫或預先標註的毒化樣本，而是分別比較查詢排名尾端與文件的局部語意鄰域。開源實驗涵蓋三個問答集、三款檢索器及六種攻擊，但單篇流暢毒文與已污染的檢索尾端仍可能繞過偵測。

丹麥 Foundation Models 團隊從零訓練 Mimir v1，利用 HRM 的高、低層循環，在作者測試的 20 項基準上逼近部分 4B 模型。權重已公開，但「可允許資料」不等於完全開放資料，部分語料只依協議或歐盟研究例外使用。

一項重測發現，改寫探針的情境包裝，就能把模型規模相關係數由 +0.94 移至 −0.82。研究建議至少跨九至十組提示詞量度，否則單一 activation direction 不足以比較模型。

ReFind 保留未改寫的對話紀錄，讓代理反覆使用關鍵字、時間及 session 篩選蒐集證據。在約 2,800 題測試中，它以 58.2% 平均準確率超過最強結構化記憶基線的 53.2%，但比較並未統一所有控制器與工具預算。

DARTree 把擴散草稿模型的因果校正由單一路徑延伸至多分支，並把逐節點 heap 搜尋改成按深度批次展開。單張 RTX 6000 Ada 測試中，七項任務的平均加速均勝過 DFlash、DDTree 與 Domino，但程式尚未公開。

TEMPO 不再只平衡 token 或啟用專家數，而是同時估算 HBM 權重載入與 GEMM tile padding。SGLang 原型在部分 Qwen3‑235B 流量提高 4%至6%吞吐，但對通訊受限的 DeepSeek‑V3 反而只留下額外成本。

Vero 要求代理同時實作多模組程式並提交機器可驗證的正確性證明，而非只通過單元測試。四組前沿代理中，最佳設定仍有 16 個儲存庫未能完整解決，10 個更令所有設定失敗。

OmniScientist 讓代理直接檢視影像、訊號、影音、3D 結構及軌跡，再完成構思、實驗與論文寫作。36 個案例全部產生完整稿件，但案例數、程式公開狀態與自動評審設計仍有待釐清。

StateBridge 用正交 Procrustes 轉換，把發送代理的末層隱藏狀態映射至接收代理的輸入嵌入空間，毋須訓練投影器。四款模型的平均成績比最強基線高 2.4 至 2.9 點，但目前只支援使用相同模型權重的代理。

FlashDrive 同時處理視覺編碼、LLM prefill、推理 token 與軌跡去噪四個瓶頸，在 RTX PRO 6000 上把 Alpamayo 1.5‑10B 單窗口延遲由 717 降至 151 毫秒。開源實作接近即時推論，但仍經過專門微調，閉環測試規模亦只有 100 段模擬片段。

AlayaWorld 重寫互動式世界模型的空間記憶與條件管線，讓攝影機控制、歷史畫面及生成內容使用對齊的因果 VAE 表徵。新報告在 WBench 取得最高一致性總分，但新版權重與推論程式尚未同步公開。

GCache 不再以相鄰去噪步驟的局部相似度決定是否重算，而是搜尋對最終畫質影響最低的快取重用序列。它在 Wan2.1 維持 2.17 倍加速時大幅降低偏差，但策略搜尋需要多張 H100，實作亦尚未公開。