所有文章 · SURL AI News

ChemWorld 將化學流程編譯成可重播代理環境，失敗操作也保留交易收據

ChemWorld 以型別化操作、相容性編譯器及私有化學定律，讓研究者在相同公開介面下只替換單一世界規則。開源版本通過 52 種生成組合與八條完整流程，但它驗證的是軟體執行語義，並非真實化學準確度。

EvoMem 從成功的程式突變中抽取具來源紀錄的策略卡，再於後續任務檢索最多三張卡引導 LLM。九類測試的平均目標指標提高 6.40%，但結果變異大，且實驗仍限於小型研究型工作負載。

Agentic Configuration Management 把代理、提示、模型、工具與工作流正規化成可獨立版本控制的設定項目。參考實作支援 LangGraph、CrewAI 與 OpenAI Agents SDK，但目前驗證集中於小型合成案例及作者自訂 oracle。

MISA-T 不只依前綴命中選擇推論節點，還限制不同工作負載可同時占用 KV 快取的 session 數量。作者在 Step3.7 與 Qwen3.6-35B-A3B 測得 43.6% 至 53.3% 的 rollout 吞吐增益，但實作尚未公開。

UniF-MoE 不再分別決定共享專家、FFN 寬度與啟用專家數，而是讓每個 token 先選共享通道，再按剩餘需求累積路由機率。它在作者的 DeiT 與 BERT 實驗中改善準確率及 MoE 推論成本，但尚未在生成式大型語言模型或分散式 expert parallelism 上驗證。

微軟研究團隊以 238 萬次 rollout 比較 41 種語言，發現相同任務換語言後，即使採貪婪解碼，代理仍會改走不同工具路徑。研究亦顯示非英語任務高度依賴先轉成英語，但目前工具只是符號化呼叫，尚未涵蓋真實 API 的錯誤與副作用。

ReRound 不使用校正語料，而是從模型自身權重訓練條件式擴散模型，重新判斷接近量化區間中點的權重應向上或向下捨入。部署時維持原有低位元格式且沒有額外推論負擔，但每款模型須先支付數小時的專屬重建成本。

研究者在固定 GPT‑5‑mini 與兩小時預算下，讓除錯顧問跨搜尋分支共享執行環境限制，使 AIDE 的 90 次執行全部產生有效提交。成果顯示代理外殼仍有大量可回收算力，但實驗只涵蓋九項表格預測競賽。

研究者讓本機模型只讀取 Python 重構前後的 diff，從 217 組 Rope 轉換中歸納出 13 類行為改變。維護者接受其中 12 項為缺陷，但模型精確率僅 0.67，尚不足以取代測試或靜態分析。

REDAgentBench 在工作區、郵件、瀏覽器、銀行與外部檔案沙箱執行 1,661 個攻擊案例，不再只憑代理回答判斷是否造成傷害。同一批執行改用服務收據與最終狀態評分後，六款模型的攻擊成功率均較純軌跡評分高 7.73 至 11.72 個百分點。

第八屆 LSVOS 的 MeViSv2-Audio 冠軍報告把語音轉寫、視覺定位、分割與目標存在判定拆成多階段流程，再以候選遮罩間的一致性選出軌跡。系統最終分數為 0.769589，但官方公開排行榜仍標示待公布，程式與完整消融資料亦未釋出。

Open-Ended Optimization 固定目標、資料邊界、互動權限與評測，但不預先規定代理應如何蒐證及修改技能。GPT‑5.5 擔任優化器時多數設定勝過 SkillOpt 與 GEPA 類流程，但中等與較弱模型無法維持同樣優勢。