https://ainews.surl.tw/article/brain-researcher-將腦影像代理首步工具選擇率由-23-3-提高至-93-6-9d4ee16f SURL AI News zh-tw 2026-08-22T16:02:15.133Z Brain Researcher 將腦影像代理首步工具選擇率由 23.3% 提高至 93.6% https://ainews.surl.tw/article/safebranch-在相同狀態配對安全分岔-is-bench-安全成功率由-0-031-升至-0-281-99280b27 SURL AI News zh-tw 2026-08-22T16:03:10.424Z SafeBranch 在相同狀態配對安全分岔，IS-Bench 安全成功率由 0.031 升至 0.281 https://ainews.surl.tw/article/conceptguard-配對同一概念的善惡用途-最佳情境分離分數僅-0-38-cb44042c SURL AI News zh-tw 2026-08-22T14:03:18.654Z ConceptGuard 配對同一概念的善惡用途，最佳情境分離分數僅 0.38 https://ainews.surl.tw/article/formaltcs-以-175-個-lean-題目測試研究流程-自動形式化最高僅-11-5-分-7d1c0f57 SURL AI News zh-tw 2026-08-22T14:02:02.675Z FormalTCS 以 175 個 Lean 題目測試研究流程，自動形式化最高僅 11.5 分 https://ainews.surl.tw/article/forge-0-18-1-為-mcp-加入逐使用者-oauth-工具呼叫可等待授權後續跑-68d14ca3 SURL AI News zh-tw 2026-08-22T12:03:24.010Z Forge 0.18.1 為 MCP 加入逐使用者 OAuth，工具呼叫可等待授權後續跑 https://ainews.surl.tw/article/anthropic-python-sdk-1-0-改用-httpx2-舊追蹤與-mock-可能靜默失效-c12d80d8 SURL AI News zh-tw 2026-08-22T12:02:29.994Z Anthropic Python SDK 1.0 改用 httpx2，舊追蹤與 mock 可能靜默失效 https://ainews.surl.tw/article/daedalus-150m-以卷積取代三分之二注意力層-2k-上下文-cpu-解碼加速-1-76-倍-966fa3d0 SURL AI News zh-tw 2026-08-22T10:02:14.505Z Daedalus-150M 以卷積取代三分之二注意力層，2K 上下文 CPU 解碼加速 1.76 倍 https://ainews.surl.tw/article/maliciousskillbench-彙整-9-740-個代理技能-跨來源偵測-macro-f1-跌至-0-665-25d0f6ac SURL AI News zh-tw 2026-08-22T10:03:13.928Z MaliciousSkillBench 彙整 9,740 個代理技能，跨來源偵測 Macro-F1 跌至 0.665 https://ainews.surl.tw/article/nemoclaw-0-0-113-強化本地推論驗證-沙盒重建後可重發-mcp-憑證-554ca8ce SURL AI News zh-tw 2026-08-22T08:03:31.133Z NemoClaw 0.0.113 強化本地推論驗證，沙盒重建後可重發 MCP 憑證 https://ainews.surl.tw/article/八款閉源模型的正常回覆可暗藏上下文祕密-四位數精確還原率達-82-271c75dc SURL AI News zh-tw 2026-08-22T08:02:20.193Z 八款閉源模型的正常回覆可暗藏上下文祕密，四位數精確還原率達 82% https://ainews.surl.tw/article/swe-bench-science-收錄-20-個科學領域-最佳程式代理-119-題僅解出-47-90-09949118 SURL AI News zh-tw 2026-08-22T06:03:28.479Z SWE-bench Science 收錄 20 個科學領域，最佳程式代理 119 題僅解出 47.90% https://ainews.surl.tw/article/thinkingbox-以後端狀態驗證-507-個企業流程-最佳代理連續-20-次全對僅-25-25-2cb146c8 SURL AI News zh-tw 2026-08-22T06:02:33.019Z Thinkingbox 以後端狀態驗證 507 個企業流程，最佳代理連續 20 次全對僅 25.25% https://ainews.surl.tw/article/task-coevolve-只抽-20-驗證任務-harness-搜尋-token-成本降低-67-至-80-dbcfb861 SURL AI News zh-tw 2026-08-22T04:03:14.344Z Task-CoEvolve 只抽 20% 驗證任務，harness 搜尋 token 成本降低 67% 至 80% https://ainews.surl.tw/article/keysandvalues-讓-4b-模型用固定-32k-kv-cache-微調-128k-上下文-564fb3a6 SURL AI News zh-tw 2026-08-22T04:50:09.097Z KeysAndValues 讓 4B 模型用固定 32K KV cache 微調 128K 上下文 https://ainews.surl.tw/article/recache-將工具-schema-拆成可重用-kv-區塊-配置記憶體減少-92-43-923be168 SURL AI News zh-tw 2026-08-22T04:02:18.532Z ReCache 將工具 schema 拆成可重用 KV 區塊，配置記憶體減少 92.43% https://ainews.surl.tw/article/flashprefill-v2-將區塊稀疏注意力接入-sglang-128k-預填-ttft-最多降低-4-8-倍-ef92a43e SURL AI News zh-tw 2026-08-22T02:02:03.845Z FlashPrefill V2 將區塊稀疏注意力接入 SGLang，128K 預填 TTFT 最多降低 4.8 倍 https://ainews.surl.tw/article/forking-fast-以變點偵測重建推理分岔-分析-token-預算可縮至八分之一-6da63e6f SURL AI News zh-tw 2026-08-22T02:03:00.325Z Forking Fast 以變點偵測重建推理分岔，分析 token 預算可縮至八分之一 https://ainews.surl.tw/article/eximo-以-vlm-編排探索再蒸餾進-3b-vla-無需新增遙操作示範-d6a0ac3f SURL AI News zh-tw 2026-08-22T00:03:29.399Z EXIMO 以 VLM 編排探索再蒸餾進 3B VLA，無需新增遙操作示範 https://ainews.surl.tw/article/envharness-不改驗證器即可重塑代理訓練環境-alfworld-域外成績提高-9-點-afbf6953 SURL AI News zh-tw 2026-08-22T00:02:24.041Z EnvHarness 不改驗證器即可重塑代理訓練環境，ALFWorld 域外成績提高 9 點 https://ainews.surl.tw/article/nvidia-推出-cuda-mcp-與自託管-nsight-blueprint-四模型後端可留在內網-9c759f70 SURL AI News zh-tw 2026-08-21T22:03:04.058Z NVIDIA 推出 CUDA MCP 與自託管 Nsight Blueprint，四模型後端可留在內網 https://ainews.surl.tw/article/ornith-1-5-將自產任務納入強化學習-397b-模型自報-terminal-bench-2-1-達-86-1-分-e9e7c41e SURL AI News zh-tw 2026-08-21T22:02:13.539Z Ornith-1.5 將自產任務納入強化學習，397B 模型自報 Terminal-Bench 2.1 達 86.1 分 https://ainews.surl.tw/article/claude-將電腦操作-skills-與-files-api-轉為-ga-瀏覽器代理改用元素級控制-9524bc64 SURL AI News zh-tw 2026-08-21T20:01:50.154Z Claude 將電腦操作、Skills 與 Files API 轉為 GA，瀏覽器代理改用元素級控制 https://ainews.surl.tw/article/nvidia-avo-完成-arc-agi-3-公開集全部-183-關-動作數較-vista-少約-12-f8d61190 SURL AI News zh-tw 2026-08-21T20:02:50.648Z NVIDIA AVO 完成 ARC-AGI-3 公開集全部 183 關，動作數較 VISTA 少約 12% https://ainews.surl.tw/article/policyguide-以持久化流程圖約束客服代理-四次全過率由-0-42-升至-0-62-160428ee SURL AI News zh-tw 2026-08-21T18:03:07.953Z PolicyGuide 以持久化流程圖約束客服代理，四次全過率由 0.42 升至 0.62 https://ainews.surl.tw/article/pandora-router-把模型評分成本納入路由-embedllm-綜合損失降至-0-386-e6558b9c SURL AI News zh-tw 2026-08-21T18:01:58.377Z Pandora Router 把模型評分成本納入路由，EmbedLLM 綜合損失降至 0.386 https://ainews.surl.tw/article/mojo-開放編譯器與工具鏈原始碼-單一-bazel-指令可由源碼建置-4ec0bd26 SURL AI News zh-tw 2026-08-21T16:02:50.024Z Mojo 開放編譯器與工具鏈原始碼，單一 Bazel 指令可由源碼建置 https://ainews.surl.tw/article/waymo-公開-5-奈米車載-asic-前端感測運算逾-1-000-tops-2cd7317c SURL AI News zh-tw 2026-08-21T16:02:00.045Z Waymo 公開 5 奈米車載 ASIC：前端感測運算逾 1,000 TOPS https://ainews.surl.tw/article/三段式自路由讓-1-5b-推理模型在-math-500-減少-41-輸出-token-129096f3 SURL AI News zh-tw 2026-08-21T14:02:21.213Z 三段式自路由讓 1.5B 推理模型在 MATH-500 減少 41% 輸出 token https://ainews.surl.tw/article/代理記憶拆成子任務後轉移較可靠-文字技能平均領先程式碼-2-9-點-56a621c6 SURL AI News zh-tw 2026-08-21T14:03:15.003Z 代理記憶拆成子任務後轉移較可靠，文字技能平均領先程式碼 2.9 點 https://ainews.surl.tw/article/deepseek-pro-再傳灰測-一句-i-m-doing-讓社群聞到新模型氣味-230fcacd SURL AI News zh-tw 2026-08-21T11:54:06.043Z DeepSeek Pro 再傳灰測：一句「I’m doing」讓社群聞到新模型氣味 https://ainews.surl.tw/article/memtrapbench-加入相關記憶後-五種代理記憶策略反而至少掉-10-66-分-2fa098bf SURL AI News zh-tw 2026-08-21T12:03:35.388Z MemTrapBench：加入相關記憶後，五種代理記憶策略反而至少掉 10.66 分 https://ainews.surl.tw/article/sapo-讓單一自回歸模型兼任-actor-與-critic-代理-rl-每輪訓練快-33-2-8b82c475 SURL AI News zh-tw 2026-08-21T12:02:26.212Z SAPO 讓單一自回歸模型兼任 actor 與 critic，代理 RL 每輪訓練快 33.2% https://ainews.surl.tw/article/decowam-拆分機器狗底座與手臂表徵-只更新-2-595-萬參數便將動作-mse-降低-21-7-4033e4d3 SURL AI News zh-tw 2026-08-21T10:03:20.635Z DECOWAM 拆分機器狗底座與手臂表徵，只更新 2,595 萬參數便將動作 MSE 降低 21.7% https://ainews.surl.tw/article/axon-以強型別-dsl-生成五種-llm-後端-mlx-中位延遲降至-transformers-的-48-3-61fe50e6 SURL AI News zh-tw 2026-08-21T10:02:23.806Z Axon 以強型別 DSL 生成五種 LLM 後端，MLX 中位延遲降至 Transformers 的 48.3% https://ainews.surl.tw/article/限制模組可見資訊促成可重用潛在通訊-10-組配對實驗有-9-組領先至少-20-點-f02b7f48 SURL AI News zh-tw 2026-08-21T08:04:28.790Z 限制模組可見資訊促成可重用潛在通訊，10 組配對實驗有 9 組領先至少 20 點 https://ainews.surl.tw/article/midtool-將工具使用前移至中期訓練-qwen3-4b-的-bfclv3-總分提高-10-5-點-f13ce5a3 SURL AI News zh-tw 2026-08-21T08:03:03.395Z MidTool 將工具使用前移至中期訓練，Qwen3-4B 的 BFCLv3 總分提高 10.5 點 https://ainews.surl.tw/article/凍結的-qwen3-8b-也會產生-能力擴張-研究要求自我改進評測加入實測虛無基線-89eb20b9 SURL AI News zh-tw 2026-08-21T06:02:39.953Z 凍結的 Qwen3-8B 也會產生「能力擴張」，研究要求自我改進評測加入實測虛無基線 https://ainews.surl.tw/article/pilot-以確定性護欄管理淘寶推薦實驗-搜尋效率由-53-3-升至-93-3-769dffaf SURL AI News zh-tw 2026-08-21T04:04:00.238Z PILOT 以確定性護欄管理淘寶推薦實驗，搜尋效率由 53.3% 升至 93.3% https://ainews.surl.tw/article/centaurbench-最會獨立解題的模型-未必最會指導另一個代理-6ace4574 SURL AI News zh-tw 2026-08-21T04:02:54.387Z CentaurBench：最會獨立解題的模型，未必最會指導另一個代理 https://ainews.surl.tw/article/ai4ai-bench-要代理重寫十類訓練演算法-最佳系統平均僅達-0-250-701e7a63 SURL AI News zh-tw 2026-08-21T02:01:50.021Z AI4AI-Bench 要代理重寫十類訓練演算法，最佳系統平均僅達 0.250 https://ainews.surl.tw/article/trueforge-開源代理執行框架-14-項企業任務成本宣稱較受管服務低-30-至-75-87824230 SURL AI News zh-tw 2026-08-21T00:03:50.172Z TrueForge 開源代理執行框架，14 項企業任務成本宣稱較受管服務低 30% 至 75% https://ainews.surl.tw/article/slack-code-將程式代理搬進共享頻道-支援差異檢視-即時預覽與人工核准-251b0006 SURL AI News zh-tw 2026-08-21T00:02:41.793Z Slack Code 將程式代理搬進共享頻道，支援差異檢視、即時預覽與人工核准 https://ainews.surl.tw/article/afanet-以-6-5-萬可訓練參數診斷多代理故障-域內推論由-199-秒縮至-1-16-秒-7d627edf SURL AI News zh-tw 2026-08-20T22:03:27.003Z AFANet 以 6.5 萬可訓練參數診斷多代理故障，域內推論由 199 秒縮至 1.16 秒 https://ainews.surl.tw/article/deepweaver-先編織證據再生成答案-deepseek-v4-flash-論據充分度由-75-4-升至-86-5-7f757988 SURL AI News zh-tw 2026-08-20T22:02:11.402Z DeepWeaver 先編織證據再生成答案，DeepSeek-V4-Flash 論據充分度由 75.4% 升至 86.5% https://ainews.surl.tw/article/liquid-ai-為-lfm2-5-加入-dspark-草稿模型-單張-h100-解碼最高加速-3-18-倍-a24576db SURL AI News zh-tw 2026-08-20T20:02:10.456Z Liquid AI 為 LFM2.5 加入 DSpark 草稿模型，單張 H100 解碼最高加速 3.18 倍 https://ainews.surl.tw/article/skillforge-先用專案測試合成故障-兩款程式代理的-swe-bench-verified-均提高逾-5-點-fbb67dec SURL AI News zh-tw 2026-08-20T18:02:23.524Z SkillForge 先用專案測試合成故障，兩款程式代理的 SWE-bench Verified 均提高逾 5 點 https://ainews.surl.tw/article/open-mopd-重配多教師蒸餾的-token-預算-能力整合率由-35-6-升至-83-4-e0977c7d SURL AI News zh-tw 2026-08-20T18:03:20.626Z Open-MOPD 重配多教師蒸餾的 token 預算，能力整合率由 35.6% 升至 83.4%