AI Daily ·
AI 代理評測與架構雙向突破，訓練效率顯著提升
Today’s AI Highlights
今日 AI 要聞聚焦於代理模型的創新評測與效率優化。Hugging Face 推出的 ThinkingBox 透過檢驗後端狀態來真實評估代理表現，同場亮相的 Holo4 則整合 GUI、代碼與 API，實現強大的電腦操作能力。此外，KV-streams 技術大幅加速強化學習訓練，而自適應循環架構 TaH2 與社交智慧框架 TACT，也同步提升了推理擴展與通訊效率。
01Hugging FaceAI 代理為什麼 Agent 的對話會騙人？微軟與 HF 推出 ThinkingBox 評測真實資料庫狀態
ThinkingBox 是一個專為 Agent 設計的沙盒評測機制，包含 507 個狀態化業務流程。研究發現，在 67.24% 的失敗案例中，Agent 表面上都順利執行完畢且無錯誤訊息，但實際檢查資料庫時卻發現了錯誤欄位或多餘副作用。藉由重複執行各任務 20 次，ThinkingBox 揭示了部分模型（如 Kimi-K3）雖有極高的解題覆蓋率，但在「每一次都做對」的穩定度上，仍大幅落後於 Claude Opus 5.5 等模型。
- 02arXivAI 研究
KV-streams：透過快取串流突破代理型強化學習的上下文壓縮瓶頸
在訓練代理型（Agentic）大型語言模型時，為管理記憶體開銷，通常會採用「上下文壓縮」技術，但這伴隨著頻繁且重複預填（prefill）的代價，嚴重拖慢訓練效率。為解決此問題，研究團隊開發了「KV-streams」。該技術不但在每次壓縮後保留並向前串流 KV 快取（而非直接清除），更能與多種壓縮策略無縫相容。實驗顯示，KV-streams 帶來了 2.6 至 5 倍的實際訓練加速。更特別的是，串流下來的 KV 快取能自發作為「循環狀態」運作，僅憑強化學習（RL）就能保留已在上下文視窗中消失的長期資訊。
- 03arXivAI 研究
自適應循環 Transformer 突破測試時縮放瓶頸：清華團隊提出 TaH2 架構
循環 Transformer 透過重複使用網路層來提高參數效率。然而，傳統方法對所有 token 進行相同次數的循環迭代，導致在相同計算量下表現反而不如非循環基準模型。為解決此痛點，研究團隊推出 TaH2。TaH2 在後訓練階段聯合訓練模型骨幹與一個「迭代決策器」，利用線上標籤評估進一步迭代是否能改善預測。在 challenging 的 AIME 數學基準測試中，TaH2 的「準確度-計算量」縮放斜率比基準模型提升了 53%，並在相同計算量下超越基準模型 3.4 個百分點。
- 04arXivAI 代理
打造精鍊社交智能：TACT 框架如何讓 AI Agent 用最少 Token 達成談判目標
在進行談判或協調時，AI Agent 往往難以兼顧「達成目標」與「簡潔溝通」。本文提出「教師輔助溝通訓練」（TACT）框架。當學生模型生成行動後，由「表達專家」去除贅字、「策略專家」提出替代方案，接著透過模擬夥伴反應來評估各方案，在「社交目標達成度」與「Token 消耗」之間取得最佳平衡。最後，以此最佳參考對話引導學生模型進行同策略蒸餾，使其在部署時能獨立進行高效且得體的社交互動。
- 05arXiv影像 AI
複製相同、蒸餾相異：為線性視覺 Transformer 注入預訓練威力的全新初始化策略
線性視覺 Transformer（Linear ViTs）雖然擁有優異的 $O(N)$ 線性複雜度，但過去缺乏有效的預訓練權重初始化方式，常需從頭訓練且效能不佳。本研究打破了過去認為「只要轉移注意力即可」的迷思，發現 Softmax 與線性注意力權重高度特定，直接複製效果極差。相對地，MLP 權重屬於算子無關，可以直接複製以保留核心特徵表示。結合「直接複製 MLP」與「蒸餾引導線性注意力路由」的 CSDD 策略，成功讓線性 ViT 追平甚至超越原有的 Softmax ViT。
06Hugging FaceAI 代理Holo4 登場：融合 GUI、程式碼與 API 的全能型電腦操作 AI 代理
H company 推出全新 Holo4 代理模型（包含 27B 與 35B-A3B MoE）以及輕量化的 Holotron4 Nano。不同於以往僅侷限在單一介面的代理，Holo4 具備「全功能操作」能力，可在桌面、網頁、Android 與沙盒中執行螢幕點擊、代碼撰寫及 API 呼叫。在 OSWorld 2.0 及 AutomationBench 等高難度基準測試中，以極低的推理與代打成本，展現出直逼一線閉源模型的強大競爭力。
- 07arXiv機器人
基於收縮動力學表徵學習的複合自適應控制框架
本文提出一種新型的表徵學習框架，用於解決動態耦合擾動下的複合自適應追蹤控制問題。研究團隊將傳統的擾動容許控制（DAC）與現代最後一層自適應擾動抑制方法相結合，透過「硬性期望最大化」（hard-EM）程序與卡爾曼平滑器，識別出具備均勻收縮特性的隱含動態擾動表徵。該方法在攜帶晃動液體與擺錘負載的打滑地面車輛，以及杜芬振盪器系統上完成了實驗驗證，展現出優於傳統 LTI 基準與 PD 控制的預測精度與追蹤性能。