所有文章 · SURL AI News

VALG 以型別化證明圖追蹤定理改寫，9 個 COLT 開放子題僅 2 組維持原始範圍

VALG 把機器學習理論研究拆成問題形式化、證明依賴圖、局部推導與多角度審查，並按失敗層級決定修補或另開放寬分支。系統在 9 個 COLT 2026 開放子題產生 22 個內部定稿候選，但只有 2 次執行得到符合原始問題範圍的結果。

CAPRI 將「證明可被 Isabelle 接受」與「模型只修改獲授權區域」拆成兩項獨立判定。180 次修補實驗中，144 個可建置候選有 6 個改動受保護文字，限制模型只回傳證明本體後則未再出現違約。

研究團隊從 FineWeb‑Edu 篩出 880 億 token 的 K–5 語料，並從零訓練 0.6B、1.3B 與 5B 模型及同算力對照組。實驗顯示擴大模型、SFT＋GRPO 和上下文示例主要喚起已有能力，未明顯突破預訓練知識邊界。

Synthetic Persona Pretraining 把依據「價值憲章」生成的第一人稱反思寫入約 10% 預訓練文件，再以後訓練把該人格綁定至助理身份。新公開的完整實驗、權重與資料顯示，提早介入主要改善價值泛化，抵抗一般 jailbreak 則未必需要從零開始。

Reduced Matrix Multiplication 不改權重，而是按當前 activation 的欄範數，只計算矩陣乘法中分數最高的共享維度。A100 測試顯示收益隨序列增長，但短上下文的選擇與 kernel 啟動成本幾乎抵消節省。

PlayWorld 用可觀察畫面的代理動態修正控制指令，避免不同世界模型的移動幅度令固定軌跡失去可比性。171 個場景顯示，現有模型雖能生成流暢畫面，卻仍難以保存全域空間與視野外持續演變的狀態。

OpScale 不再複製整個模型，而是按流量與序列長度，只擴充當下成為瓶頸的 attention、MLP 等算子。作者在 A100 與 GB200 叢集重播 92.9 萬個請求，最高以少 36.3% GPU 達到相同延遲目標，但原型程式尚未公開。

TsuGO 用 600 道可驗證圍棋死活題，量度模型是否把推理資源投向正確分支，而不只計算答案與 token 數。移除四選一候選後，多款推理模型的準確率與搜尋效率同步急跌，與神經網路引導的 KataGo 仍有明顯距離。

一項 Qwen3-8B 蒸餾實驗發現，完整深度共同訓練時兩種正規化位置幾乎沒有差別，但逐階段加入 Transformer block 後，Post-Norm 明顯勝出。結果顯示正規化位置不能脫離模型成長策略單獨選擇。

Linux 7.2-rc7 在發布週期後段仍由逾 230 名貢獻者送入超過 400 項修正，部分問題源自 AI 審查工具。AI 並未取代核心維護流程，但 Sashiko 等代理已把找錯速度推到人工分流與驗證能力之前。

LongEarth-Bench 將 117,000 張遙測影像整理成約 120,000 組長序列問答，要求模型追蹤地貌演變、異常與缺失狀態。以 Qwen2.5-VL-7B 為底的 LongEarth-R1 加入幀編號、結構化推理及時空獎勵，但資料、權重與程式尚未公開。

AutoDesign 以外層代理分析執行軌跡、修改生產系統，再由獨立開發集決定是否接納更新。開源 DesignHarness 在作者的 PosterBench 超越多個商用系統，但自動分數與人類偏好的相關係數只有 0.34。