所有文章 · SURL AI News

AWS 以三段 Strands hook 審查代理工具流，但不能取代權限控制

AWS 提出在模型輸入、工具參數與工具輸出分別呼叫 Bedrock Guardrails，填補只檢查提示詞與回答的空隙。範例可按工具套用不同規則，卻未公布延遲、誤判率或對結構化動作的安全評測。

BPCO 結合受限 value head、Monte Carlo target 與長度自適應 GAE，讓 critic 從單一回應估計逐 token advantage。作者在 1.5B 至 30B-A3B 模型上追平或超越多樣本方法，但尚未證明整體訓練成本較低。

Switch 把 Slack、Teams、Discord 等頻道映射至共享房間，讓 Codex、Claude Code 與其他代理保留共同上下文。程式碼可自行部署，但 Commons Clause 限制商業轉售，且成本防護與部分安全控制尚未完成。

ASIL 讓代理讀取 JSON 軟體狀態，再透過檔案解析器、原生腳本或服務 API 執行語意動作。它在 380 項任務顯著超越螢幕控制，但比較同時改變了代理可見資訊與操作粒度，不能單純解讀為模型能力提升。

Model Hardware Standard 把設備狀態與操作抽象成可發現的 `read`、`write` 等原語，並可透過 MCP、CLI 或程式介面調度。它已用於液體處理器、機械臂與量子電腦雷射，但規格及程式碼仍未公開，安全性證據主要來自合作夥伴的概念驗證。

Google 與 vLLM 為 Qwen3 embedding 模型加入張量對齊、編譯預熱及可跨分段累積的 pooling 狀態。官方在四顆 Ironwood TPU 上報告約 8.4 萬 token/s，但尚未提供同成本 GPU 對照或真實檢索品質測試。

Google 將對話式影片模型推進正式版，新增首尾幀插值、最長 40 秒場景延伸與四級解析度控制。新介面增加工作流程可控性，但 1080p、4K 均由升頻產生，複雜動作與文字一致性仍有限。

新共享任務要求系統逐字定位並分類視覺語言模型的幻覺，而非只判斷整段回答是否可信。27 個團隊提交逾 600 個系統，但封閉測試與不穩定的相鄰排名限制了結論。

研究團隊以 441 個企業版本庫建立四級 Repository AI Maturity Profile，再重新分析 509 個採用 coding agent 的開源專案。具共同規則或代理設定的版本庫品質指標較佳，但觀察性研究尚不能證明設定檔本身造成改善。

NVHBM 以客製 base die 與 PHY 把部分記憶體介面邏輯移離運算晶粒，並納入 NVLink Fusion。NVIDIA 宣稱它較標準 HBM4E 提高最多 30%頻寬、降低15%記憶體功耗，但尚未公布量產晶片實測。

IBM 發布 3B、8B、30B 三款 Apache 2.0 密集模型，加入可切換推理模式與原生工具呼叫。8B、30B 額外在程式庫、終端及搜尋沙箱中接受代理式強化學習，但官方資料對基礎訓練沿革的描述並不一致。

OpenAI 首度公布自研推論 ASIC 的實測結果，並以單一加速器架構同時處理 prefill 與 decode。SemiAnalysis 現場核對測試過程，但數據仍由 OpenAI 提供，量產晶片與 AgentX 成績尚待驗證。