所有文章 · SURL AI News

CLAP 統一異構機器人的動作空間，將影片世界模型用作跨形態模擬器

CLAP 先以潛在動作從無標註影片學習物理規律，再把表徵接回機器人末端執行器座標。研究團隊已開放程式碼與多種 checkpoint，但生成影片的物理幻覺仍限制其直接參與安全關鍵控制。

Puro-2B 把兩階段資料課程、區塊式 FP8 與 MuonH 最佳化整合到消費級 GPU 叢集。作者報告 4,370 美元的縮短訓練版本已超越 Qwen2-1.5B 平均分，但成本只計加速器租用等價值。

PRAXIST 讓多個研究代理分代提出改動，再把評測結果、機制與血緣寫入可稽核證據圖，避免每輪重新探索。作者在 75 項 MLE-bench 報告 60 面獎牌及 3,054 美元模型費用，但系統剛公開，成績與成本仍主要由開發團隊量測。

TTPO 不把多數決答案直接當真，而是蒸餾與共識一致的軌跡，再以群組強化學習懲罰高信心的分歧錯誤。作者報告 Qwen3-1.7B 在三項數學競賽的 Avg@12 由 38.0 升至 45.2，但這仍是直接使用測試題更新參數的轉導式設定。

LeVJEPA 以單一編碼器、跨視圖不變性損失及 SIGReg 防止表徵坍塌，不再依賴 EMA 目標網路、stop-gradient 或像素解碼器。作者在相同資料與訓練週期下報告 5.6 至 20.8 倍算力差距，但結果仍限於團隊重訓的凍結編碼器基準。

FreeToken 不再以固定規則卸載 MoE 專家，而是按實測記憶體及 PCIe 頻寬，在 CPU 執行與 GPU 快取之間動態分工。作者報告 RTX 5090 可用每秒 22 至 25 token 執行 284B 模型，但測試仍由開發團隊完成，且完整權重依然需要大量主記憶體。

Meta 的 MTIA 300 將 1.2TB/s 網路 I/O 與十六個訊息引擎直接整合進加速器，讓 collective 不再佔用主要計算陣列。官方在 150B 推薦模型上報告通訊時間較對照 GPU 叢集縮短 3.9 倍，但尚未提供足以比較整體訓練成本的完整系統資料。

Anthropic 的自動對齊研究代理可自行查文獻、設計資料及後訓練模型，在十類安全問題上關閉 26% 至 96% 的評測差距。結果亦優於受限的人類提案基線，但比較給代理更長迭代時間，且只能證明可量測失敗的修補能力。

Pandex 發現企業的 AI 導向文件含有數百個指向未註冊套件或網域的安裝指令，Claude、Codex、Hermes 隨後在真實企業環境執行研究人員設置的信標。問題不在 llms.txt 格式本身，而是代理把可信文件直接升格為可執行命令，繞過套件所有權與來源驗證。

Stanford 主導的開放基準把資料分析、模擬、定理證明及儀器校準等科研工作封裝成可重跑的終端任務。Claude Opus 5 配合 Claude Code 居首，但三次試跑後的解題率仍只有 30%，顯示一般 coding benchmark 高分不能直接外推至科學工作。

Google DeepMind、MLCommons 等機構把 Gemini 2.5 Flash Lite 與未公開安全題庫送入同一個可驗證安全飛地，雙方只能取得受限結果。這套設計降低基準污染風險，但信任仍落在硬體根金鑰、可信運算基礎與跨機構程式碼審查上。

OpenAI 因 Cursor 被 SpaceX 收購而啟動合約終止程序，並表示不再向 Cursor 提供未來模型。Cursor 目前的路由、企業白名單與自備 API key 文件尚未說明終止後的確切行為，工程團隊不宜把模型替換視為無痛切換。