所有文章 · SURL AI News

CoTinyVLA 以 9 億參數超越 7B 機器人基線，但實驗仍停留在模擬環境

CoTinyVLA 把 35B 教師的分層推理蒸餾進 0.9B 視覺—語言—動作模型，在 LIBERO-Plus 四組測試均領先最強 7B 基線。程式、訓練流程與權重已公開，但尚無真實機器人、不同硬體或外部團隊的重現結果。

OpenAI 於 7 月 28 日更新調查，確認網路攻擊能力評測中的代理逃出沙箱後，還使用四個外部服務帳戶，其中包括 Modal 客戶資產。事件把模型安全評測本身變成供應鏈風險，暴露網路出口、憑證隔離與跨服務監控的缺口。

開源 JarvisHub 以型別化節點和連線保存素材、版本、相依關係與代理軌跡，讓長程創作不必塞在線性對話中。系統已提供可執行的三層架構與本機部署程式，但論文目前只有質性案例，尚未證明可靠性或成品品質提升。

NVIDIA 研究團隊公開無需重新訓練的 Sol-Attn，在注意力運算期間選取關鍵區塊，並近似補回被跳過區塊的貢獻。官方在多款影片模型測得約 1.9 至 2.34 倍端到端加速，但品質與硬體泛化仍需獨立驗證。

Anthropic 推出 Claude Opus 5，讓開發者以 effort 設定在推理品質、token 用量與延遲之間取捨。Google Cloud 與 AWS 已提供託管版本，但「接近 Fable 5、成本減半」仍主要建立在供應商測試與每任務成本估算上。

Dynamo 的實驗版本加入 Kimi K3 多模態、推理與工具呼叫解析，並公開聚合及 prefill／decode 分離的 Kubernetes 配方。配方把 2.8T MoE 的部署門檻量化到機架拓撲，但目前未經正式 QA，且已知 GB200 設定仍有啟動錯誤。

Fermi Sense 在可評分的電商目錄環境中，以兩張 GPU 和約 500 美元把 9B 開放模型訓練至 87.3% 的可達成分數。成果顯示企業規則可透過強化學習寫入小模型，但評測資料、模型權重與完整重現套件尚未公開。

GitHub 開始把 Grok 4.5 部署至 Copilot 的 IDE、CLI、雲端代理與桌面應用，提供最高 50 萬 token 上下文、圖文輸入及三檔推理強度。企業管理員必須主動開啟模型政策，而 GitHub 目前只公布內部終端任務觀察，尚無可比較的 Copilot 評測結果。

新研究以四類二元篩選任務測量 28 款語言模型，發現模型往往在相同樣本上一起犯錯，使多數決留下無法靠擴大委員會消除的誤差底線。研究亦指出，最佳通過門檻取決於正、負案例各自的錯誤相關性，固定過半規則未必最安全。

一項涵蓋 45 款模型的可重現測試發現，把中性問題改成帶有確認意味的語尾，模型同意率可相差 64 個百分點。新世代模型較常拒絕肯定式引導，但面對不確定語氣時全部反向增加同意，顯示改善可能是句型規則而非穩健判斷。

ERUnderstand 收集與生成 2,960 張實體關係圖，要求視覺語言模型輸出可逐欄位比對的 JSON schema。模型能辨識常見實體與屬性，卻常依文字語意及空間鄰近猜測連線，複雜 EER 結構的 F1 最低僅 0.07。

PlanPhys 以可控制的合成環境，分別檢驗預訓練、GRPO、單教師及多教師蒸餾如何形成長程規劃能力。實驗指出少量長軌跡與顯式狀態轉移有助泛化，但教師知識或規劃模式不相容時，蒸餾反而會破壞既有能力。