所有文章 · SURL AI News

InvokeAI 6.14.1 修補外部圖片下載信任邊界，並校正 VAE 與 FP8 記憶體預留

InvokeAI 的修補版收緊 Alibaba Cloud 圖片下載與注入工作階段的信任檢查，同時修正 FP8、FLUX.2 和 VAE 的記憶體估算。新版亦支援帶 DoRA magnitude 的 Krea-2 LoRA，但官方沒有提供漏洞編號或可量化的顯存比較。

新版把模型存取群組的共用預算改為可按週期持久計算，並為 MCP 工作階段加入 RS256 簽章與 RFC 7662 introspection。它也擴充 Vertex AI、Bing grounding 與語音模型路由，但刪除既有 token 計算函式，升級前必須檢查直接匯入與資料庫遷移。

Salesforce AI Research 團隊把目前模型與落後錨點之間的更新位移向前外推，合成會隨訓練更新的「未來策略」教師。方法在數學與代理基準勝過純 GRPO，但增加 1.3 至 1.6 倍牆鐘時間，且依賴訓練軌跡局部近似線性的假設。

研究者發現，部分模型在分子性質回歸測試中可能不是預測，而是逐位重現訓練資料裡的答案。提高推理強度後，檢索跡象增加 89%，顯示推理設定本身也會改變基準污染程度。

Qwen與清華團隊不再把終端代理軌跡只當成一次性示範，而是倒轉檔案操作、補齊相依項目，重建可反覆查詢的工作區。以產生的資料微調 Qwen3.5-27B 後，兩項終端代理評測分別提升 11.9 與 13.8 分，但任務、解答及驗證器可能共享同一教師偏誤。

新方法先以教師模型合成任務資料，再微調小型直譯器的適配器，把文字規格封裝成可版本化的 `.paw` 函式。它在困難模糊文字任務取得 83.6%語意準確率，但編譯需外部模型、約 40GB 加速器記憶體，亦不能提供傳統程式的形式保證。

Soup 的文字、視覺與音訊載入器未指定 dtype，導致不參與最佳化的基礎模型仍以 fp32 常駐顯存。修正後官方 H100 測試由 48,241 MiB 降至 18,658 MiB，但 2.59 倍改善尚不能外推至所有模型與硬體。

研究者只修改外掛中繼資料與鉤子設定，便能讓已受信任的代理外掛在主機權限下執行惡意命令。1,000 次實驗涵蓋的七款代理均曾遭攻破，但成功率與防毒漏報數據尚未經獨立重現。

Google DeepMind 的新模型不再只模仿六小時一次的再分析資料，而是把低延遲衛星影像納入預報初始條件。它提高降水與測站級預測能力，但高山、極區及強降雨評估仍暴露資料稀疏與指標限制。

新版讓符合條件的代理預設取得 Swarm 協作能力，並可在重新啟動後恢復部分中斷任務。更重要的遷移風險是兩項未明示設定改為允許跨代理讀取與通訊，共用 Gateway 的部署者必須重新檢查權限。

新研究讓小型草稿模型在隔離環境快照中預跑多步工具操作，再由大型權威模型確認第一步後一次提交整段結果。方法在兩項代理基準降低延遲，但需要三張 GPU，且 AppWorld 的任務完成率由 41.67%降至 40.48%。

Z1T 以固定四路稀疏投影、動態 tanh 與卷積式注意力，把部分解碼運算映射至 Extropic 的 Z1 機率位元晶片。程式與一組權重已公開，但節能和吞吐數字主要來自硬體模型，尚非完整端到端實測。