今日刊

看影片對AI來說很吃資源，但VideoChat3就像一個「輕功高手」——只用4B參數（約為其他模型十分之一）就能在理解力上超越更大模型。它的秘訣有兩個：一是全新3D視覺變壓器I3D-ViT，能像人一樣流暢感知影片中的動態；二是自適應幀率，只挑關鍵畫面處理，省力又精準。再加上三個高質量訓練集（共2M+樣本），讓它無論是短片還是長片都能應對。這項進展讓高效能影片AI不再只是大公司的專利，一般研究者也能複現與擴展。

想像AI做完任務後自己寫檢討報告，提煉出「下次要怎麼做」的小撇步——這就是SEED。它讓模型分析自己完成的任務，自動產生自然語言技能，然後在後續決策時，比較有無技能提示的差異，把這個差異變成密集的學習訊號。由於技能分析師就是AI自己，這套機制會隨著AI成長而進化。這讓AI在稀疏獎勵的長程任務中，能自給自足地進步，特別適合多輪互動或工具使用等複雜場景。

想像一下，你查資料時把查到哪、還缺什麼都寫在便條紙上，跟夥伴共享——這就是SearchOS的核心：把隱形的搜尋進度變成明確、持續、共享的狀態。傳統AI搜尋常常繞來繞去重複問，SearchOS把它們串成「關聯式表格補完」任務，每條答案都附引用。在多個基準測試中，SearchOS在所有單一與多智能體方法中拿下第一。為什麼重要？它讓資訊搜尋更可靠、更有效率，減少白做工，提升答案品質。

想像你要訓練一個AI智能體閱讀長篇小說再決策，但目前的RL訓練就像只能用短句練習——上下文一長就爆記憶體。LongStraw提出「先評估共享提示（不計算梯度），再逐一重播回應分支」的策略，讓訓練圖動態縮減。結果在8張H20 GPU上，分組Qwen模型就能處理210萬個位置的評分與反向傳播；每增加一組，峰值記憶體只多0.21GB。這項架構感知執行法，為AI代理的長上下文決策開啟了實用的大門。

就像你看著綠燈卻踩煞車，世界模型在BadWAM攻擊下，想像中的未來與實際動作完全錯位。研究人員利用微小視覺擾動，破壞模型「想像」與「執行」的同步。在模擬中，純動作攻擊讓任務成功率從96.5%暴跌至43.1%。模型看似想像出合理的下一步，但實際執行的動作卻已歪斜。這暴露了世界模型在安全性和可解釋性上的致命弱點——它們可能看起來強健，卻容易被騙去做錯事。