新聞雷達
更新
新增：31 則
新聞總數：2,150 則

AI 新聞雷達

新聞雷達整理全球 AI 模型、開源工具、研究、產業與政策消息，提供繁體中文摘要與原始來源連結。

晶體核心整合圖像、聲音與資料並生成新內容的示意插畫
今日焦點

Allen Institute for AI (AI2) 發布新基準 StateBench，用於評估大型語言模型在處理長篇文件時追蹤實體狀態變化的準確度。測試結果顯示，當輸入長度增加且任務複雜度提高時，包括 Gemini、Claude 和 GPT 系列在內的頂尖模型表現顯著下降，而特定架構的混合模型在直接訓練後展現出較強的泛化能力。

官方StateBench: Testing how language models track state changes over long documents部分確認
  • StateBench 將狀態追蹤問題分為四個難度等級，從不變量到涉及變數引用的複雜依賴鏈，以模擬真實世界中如程式碼執行或敘事邏輯的資訊更新場景。
  • 頂尖閉源模型（如 Gemini 3.8 Flash、Claude Opus 5.5、GPT-6 Sol/Luna）在處理簡單狀態追蹤時表現良好，但在需要自我參照更新或變數引用的複雜任務中，隨著輸入長度增加準確率跌至 13% 以下。
  • 研究發現，傳統 Transformer 架構即使在直接訓練下也無法解決最難的狀態追蹤等級，而採用 Gated DeltaNet 的混合架構在特定條件下能泛化至比訓練數據長 250 倍的序列長度。
  • 測試結果表明，部分模型在預訓練階段未能學會處理複雜狀態變化，而非單純受限於架構理論極限；這為未來開發具備更強狀態追蹤能力的新型架構提供了評估基準。
閱讀完整新聞

最新新聞

查看全部新聞 →

SGLang v0.5.23 發布：新增多模型支援與 TPU 原生整合，提升 DeepSeek-V4.1 推理效能

開源推理框架 SGLang 推出 v0.5.23 版本，透過合併來自 257 位貢獻者的 1007 個 Pull Request，大幅擴展對 Muse Spark、MiniMax-M3.1 等新模型的支援。此次更新重點在於優化 DeepSeek-V4.1 在 NVIDIA GB300 與 AMD MI350X 上的推理速度，並首次透過 SGLang-TorchTPU 插件原生支援 Google TPU7x 硬體。

GitHub部分確認

研究部落格指出 Astra 改善 Qwen 數學表現的實驗並非僅靠讀取權重，而是依賴程式碼輔助

一篇針對「Astra 能讀寫權重以改進 Qwen」文章的技術評論指出，該文章摘要容易讓人誤以為模型僅透過觀察原始權重就能提升大型語言模型的數學能力。實際上，涉及真實語言模型（如 Qwen3.5-0.8B）的實驗均使用了 Python 程式碼輔助分析與執行，且關鍵結果是修復了推理迴圈問題，而非單純的數學邏輯增強。

媒體部分確認

研究顯示：1996年商用硬體搭配現代演算法可擊敗卡斯帕羅夫

Nicholas Carlini 透過移植現代國際象棋引擎至 1995 年發布的 Pentium Pro 處理器，證實僅需當時的商用硬體與現代軟體技術即可超越 Deep Blue 的表現。實驗數據顯示，現代引擎在老舊硬體上的 Elo 評分可達 3300 左右，遠高於卡斯帕羅夫約 2800 分的歷史紀錄。

媒體部分確認

NVIDIA 推出 Auto Ontology：開源工具協助 AI 代理理解企業資料語義

NVIDIA 發布了名為 Auto Ontology 的開源函式庫，旨在為 AI 代理建立一個基於企業元數據的上下文層。該工具透過整合分散在不同系統中的定義與血統資訊，讓代理能更準確地查詢資料庫並理解業務指標的真實含義。

GitHub部分確認

CWE-bench v2 發布公開評測集，測試 AI 代理修復資安漏洞能力

Collinear AI 推出 CWE-bench v2，開放包含 100 個任務的公開評測集，讓開發者能評估模型在真實開原始碼庫中發現並修復安全弱點的能力。目前最高分由 Gemini 4 Argon 取得 pass@1 67.8%，但即使是領先模型仍有 19% 的任務無法解決，顯示長尾問題尚未克服。

官方部分確認

Hugging Face 推出模型整合合約標準，以縮小版測試捕捉 Transformers 回歸錯誤

Hugging Face 提出「模型整合合約」（Model Integration Contracts, MIC）標準，透過建立基於真實架構但參數大幅縮小的測試模型（fixture），在 CPU 上快速執行關鍵使用路徑的基準測試。此方法旨在於程式碼合併前捕捉如 UMT5 注意力機制錯誤等回歸問題，解決傳統全量整合測試因資源限制而無法即時執行的困境。

官方部分確認

LLM直接讀寫神經網路權重：Weight Space Programming讓RSI繞過傳統訓練迴圈

研究人員提出「Weight Space Programming」，讓大型語言模型（LLM）能直接讀取並修改較小模型的參數權重，無需透過編寫程式碼或觀察損失曲線等傳統流程。此方法在簡單遊戲與強化學習策略上展現了從零到一的突破，且已有獨立團隊成功重現該結果。

媒體部分確認

Legora CTO Jacob Lauritzen：在無法檢視數據的情況下構建法律智能代理

Legora 是一家快速成長的法律科技公司，其核心挑戰在於隱私保護：由於數據屬於律師事務所客戶所有，Legora 無法讀取其智能代理為律師執行的任何單一日誌（trace）。Legora CTO Jacob Lauritzen 解釋了團隊如何在這種「黑盒」環境下構建和測試智能代理。團隊最初在斯德哥爾摩的地下室以 ChatGPT、瑞典法律和搜尋工具起步，如…

媒體部分確認

傳 DeepSeek V5 將採用華為昇騰晶片進行預訓練

據產業供應鏈消息，DeepSeek 下一代模型 V5 計畫使用華為昇騰晶片進行預訓練，這將是首次嘗試在國產硬體上完成頂級大模型的預訓練階段。此前，昇騰晶片主要用於 DeepSeek 的推論任務，且雙方已於近期合作完成基於昇騰平台的基礎設施開源與部分後訓練工作。

社群訊號部分確認

研究發現前沿LLM可直接讀寫神經網路權重，無需訓練即可優化模型

最新研究指出，GPT-6 Astra等前沿大型語言模型具備直接讀取與修改神經網路權重的能力，甚至能透過編輯極少數參數顯著提升特定任務表現。這種被稱為「權重空間編程」的方法顯示LLM可無需傳統訓練迴圈或環境回饋，即能從零開始生成高效網路或修復現有模型的推理缺陷。

社群訊號部分確認

清大與柏克萊開發 uni-robot-agent，讓 Qwen3.8 無需微調即可控制實體機器人

由清華大學與加州大學柏克萊分校研究人員組成的團隊推出開源工具 uni-robot-agent，使通用大型語言模型能透過工具呼叫直接操作實體機器人。測試顯示，Qwen3.8-Flash-Next 在此架構下無需針對機器人進行微調，即可在真實世界任務中取得超越部分閉源系統與經過微調模型的成績。

社群訊號部分確認

Palette：訓練小型模型以您的設計語言製作簡報

IBM Research 發布了名為 Palette 的新方法，旨在讓小型開源權重模型能夠根據使用者的特定設計語言生成高品質的簡報。傳統的大型前沿模型雖然能生成美觀的簡報，但往往會回歸到預設的「AI 風格」，且無法處理機密資料或自訂模板需求。然而，適合本地部署的小型開放權重模型在生成簡報時常出現排版錯誤，如文字溢出、圖形重疊等問題。 Palette …

官方部分確認

使用者發現 OpenAI Codex 對話訓練選項疑似被重新啟用

有企業用戶反映，在已手動關閉資料共享設定後，OpenAI Codex 的「改善所有人的模型」選項似乎被系統自動重新開啟。此情況引發社群對 AI 服務預設隱私設定變動的關注，並促使使用者檢查個人帳戶中的數據控制選項。

社群訊號部分確認

Heimstaden 導入 OpenAI 工具優化房地產管理，虛擬佈置成本降低逾 99%

歐洲住宅房地產營運商 Heimstaden 自 2025 年 6 月起採用 OpenAI 的 ChatGPT Enterprise 與 Codex，將房屋出租流程中的圖片製作成本從約 50 歐元降至低於 0.1 歐元。該公司同時利用 Codex 讓非技術背景員工完成超過兩萬個資產的環境風險評估，大幅縮短專案交付時間並減少對外部顧問的依賴。

官方部分確認

LLM 0.37 版本發布：預設模型改為 gpt-6-luna，新增 OpenAI 相容端點設定指令

開發者 Simon Willison 發布 LLM CLI 工具與 Python 函式庫的 0.37 版本，將未自訂預設值時的模型改為價格較低的 gpt-6-luna。此次更新還加入了新增 OpenAI 相容端點模型的指令，並擴充了對多模態嵌入內容類型的支援。

媒體部分確認

LightMIS推出輕量醫療影像分割模型，參數較nnWNet減少98%

研究團隊發表僅含13萬參數的2D二值醫療影像分割架構LightMIS，在相同訓練協議下，其平均Dice與IoU指標接近較重的nnWNet模型。該模型在Arm Mali-G52 MC2 GPU上執行速度比nnWNet快約10.5倍，且無需CPU輔助即可完全由GPU運算。

社群訊號部分確認

研究發現LLM評估論點時，無關領域專家的背書反而降低可信度

一項未經同儕審查的研究測試了大型語言模型在評估相同論點時，是否會因來源歸屬不同而改變評價結果。結果顯示，將論點歸因於不相關領域的專家，比完全不標示來源更能顯著降低模型對該論點可信度的評分。

社群訊號部分確認