AI技术追踪

Dynamo 更新 worker 过载提示过期机制与多模态入口校验，明确 Qwen3-VL 视频限制、出站代理信任和已知后端问题。

沙丘判断：网关需要同时验证路由新鲜度、外部内容入口和后端兼容，不能把安全修复当成全面可用。

TRL 修复 GRPO、RLOO 和蒸馏流程的多 EOS 停止条件、提示边界错配与 vLLM 统计问题，减少静默错误训练。

沙丘判断：训练框架的小版本也可能改变优化目标，应把生成停止与样本遮罩纳入升级回归。

llama.cpp 在 b11445—b11476 合并同日更新：优化 GLM-5 MTP，修复 Metal 残差融合，并提升特定 SYCL MLA 预填充路径。

沙丘判断：按硬件与模型分别评估才有意义；已回退优化和仅算子级加速不能混入总体性能结论。

DatologyAI 公开 Zephon，将数据混合与转换流水线分离，以固定 canonical lanes 保持 GPU 数变化后的全局 batch 数据一致。

沙丘判断：数据加载恢复应保持样本与打包顺序，确定性数据不等于跨硬件完全相同的模型权重。

Microsoft 公开可自带模型与数据的推荐理由审计工具，用改义编辑与同义改写对照测量决策敏感性。

沙丘判断：推荐理由是否影响决策，应通过干预和同义对照测量；理由写得合理不等于行为忠实。

连接原生请求转发、账户亲和性、整数预留结算、持久化管理与独立协议一致性测试。

沙丘判断：协议测试、模拟测试和真实供应商验收分开，适合模型服务的接入与结算验收。

编码Agent生成核函数组件，经可信构造器验证、任务评价和多样性归档，再测试冻结候选的迁移。

沙丘判断：把可执行、经验检查和契约认证分开，适合科学Agent的产物验收与复用。

AWS 发布 Strands Box 开发者预览，以操作系统限制和外部 Dogwood 引擎统一执行代码、MCP、网络及时间条件策略。

沙丘判断：语义策略可约束跨工具动作历史，但直接文件授权与解释器路径不同，部署时必须核对边界。

首个公开版本提供Lean形式化库、固定工具链和Comparator验证入口，可检验形式化陈述与目标结论的对应关系。

沙丘判断：可借鉴陈述比对和固定依赖的验证入口，Lean编译成功仍不保证原自然语言问题已被完整形式化。

Google 开放740M参数的 EmbeddingGemma 2，将文本、图像、音频映射到共同向量空间，支持端侧与可截断嵌入。

沙丘判断：统一嵌入可简化多模态检索，端侧采用仍要分别核验向量维度、量化和模态内存成本。

GitHub 为Agent规模开发拆分引用协调与对象服务，将权威对象放到Azure Blob并独立扩展读缓存，减少完整副本写放大。

沙丘判断：Agent 会放大提交和分支负载，协调状态与不可变对象分离值得借鉴，但内部测试不能当作全面上线收益。

E2B 将秘密值保留在沙箱之外，通过目的地和请求头规则注入 HTTPS 请求，支持项目级轮换而无需重启沙箱。

沙丘判断：凭据应在可信出口注入，目的地规则和返回内容也要检查，避免把秘密重新暴露给运行环境。

OpenAI 开放 Decisions API 公测，以 gpt-6-luna 返回谓词、选项和分级评分概率；共同输入上的判断独立执行。

沙丘判断：概率判断可替代短答案生成，串联依赖仍应拆请求，并按真实决策质量而非速度宣传验收。

FluidPD结合短暂预填充卸载与长期在位worker角色重配，以压力指标改善固定资源下服务SLO。

沙丘判断：固定 GPU 预算下可调角色与短时卸载，部署前需用实际延迟压力验证触发条件。

AMBER端到端强化训练网页Agent仅追加记忆，避免稀疏结果奖励下反复覆写遗失证据与纠错反馈。

沙丘判断：长期操作需要保留失败与纠错证据，只追加记忆值得与反复压缩覆写做同预算比较。

Cascadia将975B MoE驻留11台共享CPU-GPU内存AI PC，定制OpenVINO专家执行及流式并发管线，并拆分吞吐与延迟。

沙丘判断：共享内存集群提供新的大模型部署路径，但并发吞吐与单请求延迟须分别衡量。

MemMux为并行编码Agent提供可验证内存归属、子进程回收、逃逸检测及超额准入，含真实Claude Code运行验证。

沙丘判断：并行度需要依据真实进程资源控制，子进程逃逸和回收应纳入容量管理。

CMM通用循环架构，分离矩阵短期与长期记忆，以Transformer联合读写两者，在算法、上下文学习和循环推理任务对比十类架构。

沙丘判断：短期计算与长期保留分离提供新架构实验路径；当前算法与小规模任务结果尚不足以证明大规模语言训练收益。

SquidAgent用输出token预测并行关键路径与协调开销，继承编排者会话并预先统一约定，再确定性调度是否并行。

沙丘判断：并行不总能省时，输出预测、共享上下文和约定成本应纳入调度判断。

ParanoiaEval用200仓库配对任务仅改变风险处理决定性证据，评测编码Agent过度防御及证据响应，含人工校准判断。

沙丘判断：风险处理应响应决定性证据，最小配对任务可检验过度防御造成的浪费。

ScienceClaw跨23学科持续自演化Agent评测，技能更新须源任务重放复现且独立科学任务改善，控制保留、迁移与成本。

沙丘判断：技能更新需重放可复现并改善独立任务，持续评测应同时跟踪迁移、遗忘与成本。

BOTTLED在时间计算API统一预算下评测Agent将整批任务蒸馏成小模型或程序的能力，区分零样本能力与可摊销产物质量成本。

沙丘判断：单次能力与可摊销产品不同，统一预算下的产物质量和推理成本更接近复用价值。

Transformers 新版本增加 EmbeddingGemma 2 支持，修正 MoE 专家分派、连续批处理缓存和 OWLv2 对象查询相关行为。

沙丘判断：模型接入之外，缓存布局和并行分派也要按具体运行路径验证，避免升级后结果错配。

SeshBuddy 增加 OpenCode SQLite 直接读取和子任务聚合，统一文件与数据库会话定位，纳入本地全文索引及终端打开。

沙丘判断：会话管理应尊重工具的真实存储格式，统一定位与索引有助于减少跨 Harness 的历史断裂。

MLflow 支持 TypeSafe Jev 判断与模型网关追踪，并更新子资源权限及可选 SQL 日聚合；升级仍需要停写与迁移。

沙丘判断：新增评审能力与数据库升级须分开验收，混合版本滚动运行可能破坏追踪系统的兼容性。

Langfuse 新版完善 trace 主题归组、外部媒体信息与会话转写，帮助检查多模态和长会话 Agent 的执行记录。

沙丘判断：长会话监控需要把媒体与文本轨迹串起来，才便于定位模型调用之外的流程问题。

iphone-use 将真实 iPhone 操作迁到自建 XCTest 运行器，加入 USB 管理、任务指标、失败反馈与免费开发证书续签。

沙丘判断：真机 Agent 需要明确动作是否落地，恢复与签名管理也是长时间自动化的关键环节。

LangGraph CLI 新增 --image-uri 部署已推送镜像及 listeners list，并拒绝携带凭据的 Git 依赖，完善部署入口。

沙丘判断：部署工具应减少镜像重建与凭据暴露，采用时需核验监听器状态和依赖校验的实际行为。

Agent Control Plane 通过 MCP 与统一 Driver 调用多家编码 Harness，加入厂商异构约束、worktree隔离、预算和客观命令验收。

沙丘判断：异构评审应按实际模型厂商判断，并用可执行验收确认结果，避免只靠模型彼此宣布完成。

SoulsBench 用统一战斗状态、16种动作和200ms决策预算比较决策模型，记录超时、执行回退、成本与逐回合结果。

沙丘判断：实时决策评测需要同时记录延迟、回退和环境随机性；同一 adapter seed 并不能固定游戏运行。