所有文章 · SURL AI News

TRACE 從成功與失敗軌跡改寫代理 Skills，隱藏測試一致通過率升至 70%

小米團隊提出 TRACE，以成功／失敗軌跡的對比結果迭代可檢索 Skill Bank，不修改底層模型權重。它在 CAR-bench 隱藏集提高三次皆成功的比例，但平均 token、成本及延遲亦同步增加。

Gradio 正式介紹內建的 `gr.Workflow`，同一份節點圖可供視覺化除錯、部署至 Spaces，並自動產生 REST 端點。互動畫布能平行執行同層節點，但經生成的 API 呼叫時目前仍會依序執行，效能測試不能直接沿用畫布結果。

Dify 1.17.0 新增 E2B 執行後端、建置期 home snapshot、版本化 Skills 與分層上下文壓縮，讓代理每次啟動可取得一致的工具和檔案狀態。這不是無痛小版本更新：資料庫遷移、Compose 配置及多個環境變數都已改動，自架用戶須重新核對部署。

Laude Institute 與 MIT 公開不足一萬行 Bash 的 Headlong，把訊息視為持續思考軌跡中的非同步觀察，而非新工作階段。這種設計可研究長期記憶與自發行動，但也把 token 成本、權限隔離及跨使用者資料邊界變成常駐風險。

新管線把 NASA GCN Circulars 的測光、紅移與觀測時間轉成事件層級結構化資料，並已投入即時運作。內部稽核錄得 99.80% 欄位判定正確率，但時間與觀測設施歸屬仍是主要錯誤來源，研究用途須回查原文。

H3 Super Acceleration 先以低解析度、四步去噪建立草稿，再交由 LTX 與 Sol-Attn 用三步完成高解析度細化。官方測得 768p、10 秒影片較 SGLang 基準快 27.7 倍，但加速改變了取樣路徑，並非等品質的純核心最佳化。

Microsoft 新增可供 Claude Code、Codex 與 GitHub Copilot 使用的 Agent Lightning Skill，讓程式代理在固定 benchmark 上修改另一個可編輯代理。它是一套受預算約束的實驗規則，不會自動替目標代理進行強化學習。

Ray Serve LLM 現在把提示詞 token 化、快取命中估算與副本選擇集中在 ingress，並把 token 直接傳給推論引擎。設計可減少重複 prefill 與 token 化，但官方未公布新版效能數據，控制平面亦帶來額外同步成本。

新架構在檢索與主模型之間加入一次低成本模型呼叫，只保留與問題相關的原文片段及來源識別碼。AWS 的內部測試錄得約三成成本下降，但評分依賴單一企業語料與 LLM judge。

研究團隊用八個開放模型家族產生約 20 萬筆受壓情境資料，再以 LoRA 訓練模型判斷自己是否說謊。偵測器主要學到諂媚、能力否認等表面模式，面對未見類型時僅略勝提示式基線。

ReWorld 把短期動作控制與長期場景記憶分配給不同注意力範圍，再以固定容量的地標庫保存歷史。作者展示 704×1280 即時串流及 64 秒返回軌跡，但目前只有論文和示範頁，尚未發布權重或程式碼。

Prime Agent 以常駐 IPython、daemon 工作階段及可版本化的 Continual Harness 支援長時間程式代理。作者報告 ARC-AGI-3 RHAE Best@1 從 30% 升至 95.5%，但成績反映整套模型與 harness，不能當作底層模型能力的單獨比較。