ai-powered-markdown-translator本文由 gpt-6.1-sol 从法语翻译为中文。
阿比谢克·森沙尔马在 Hugging Face 社区博客上发布了一个世界模型(world model),可根据玩家按键逐帧生成 GTA V,其权重采用 Apache-2.0 许可证。在编程智能体方面,Devin 支持配置每项 MCP 工具,Qwen Code v0.27.4 允许其托管智能体访问本地文件夹,Codex CLI 的一个预览版则向 MCP 服务器提供的状态行传递费用和使用限额信息。此外,还有一个纳西语翻译模型,以及在 Lexsi Labs 黑客松上展示的隐藏验证器。
一个拥有 6.3 亿参数的世界模型根据玩家按键逐帧生成 GTA V
11 月 15 日 — 阿比谢克·森沙尔马以 lucidml 的名义发布了一个 GTA V 世界模型。据他介绍,这是一个从零训练的 Transformer:从一张初始图像和 WASD 按键输入出发,无需游戏引擎即可逐帧生成游戏画面。权重和推理代码采用 Apache-2.0 许可证,并提供可玩的演示;训练代码未公开。模型完整保留最近两帧图像,对于更早的图像,则只保留由模型自行生成的摘要。
| 模型特性 | 作者提供的数值 |
|---|---|
| 参数量 | 630 205 008 |
| 较早图像的摘要 | 96 tokens,原为 1 008 |
| 专项训练数据 | 约 800 小时的游戏过程 |
这是一个个人项目,与 Rockstar Games 无关。作者说明,由于预算不足,该检查点尚未训练至收敛,模型目前也无法长时间维持上下文。
简讯
编程智能体与 CLI
- Codex CLI 0.171.0-alpha.6 — 该预览版的发布说明为空;从相较 alpha.5 新增的 73 次提交来看,MCP 服务器提供的状态行现已能够接收已消耗的 tokens、上下文占用、预估费用以及 Codex 的使用限额。最新稳定版仍为 11 月 13 日发布的 0.169.0。🔗 来源
- Qwen Code v0.27.4 — 在 v0.27.3 发布两天后,这个稳定版新增了仅用于发送的 Feishu 和 WeCom webhooks,允许托管智能体(Managed Agent)会话访问通过浏览器授权的本地文件夹,Auto 模式还会检查高风险操作是否已获得明确授权。91 条变更记录中没有已知的破坏性变更。🔗 来源
- Devin 11 月 11 日发布说明 — Devin 可以自行设置提醒,以便稍后继续任务,包括由自动化流程启动的会话;设计模式(Design Mode)支持五种颜色的铅笔标注,安全配置中的一项选项则会要求在加载外部内容前先征求确认。🔗 来源
- Devin 11 月 12 日发布说明 — 现在可以将 MCP 服务器中的每项工具分别设为允许、需要批准或阻止(Allow、Needs approval、Block);重新设计的 Devin Review 页面向所有组织开放,Devin 还在封闭测试中支持导入 Veracode 和 Black Duck 的检测结果。🔗 来源
开放模型与研究
- 纳西语翻译 — 哈佛大学人类学研究者安德鲁·彼得斯针对这种约有 300 000 名使用者的语言,使用约 50 000 行数据对 Qwen3.5-4B-Base 进行微调,并配有一本包含 3 619 个词条的词典。据作者介绍,相比被替换的模型,提升并不显著,而且 446 行测试数据中有 276 行与训练数据重叠。许可证为 CC BY-NC 4.0。🔗 来源
- Lexsi Labs 黑客松上的 Harel — 在总计 24 项任务中,智能体有 11 项通过了可见测试,但一个对智能体隐藏的验证器仅认可其中 4 项;据作者介绍,经过一轮 DPO 后,在八项保留任务上,这些测试的通过率从 45 % 升至 55 %,但通过验证的回答比例仍为 12 %。🔗 来源
这意味着什么
lucidml 的博文将记忆置于可玩世界模型的核心。作者表示,以完整分辨率保存全部历史记录需要过多计算,难以维持可玩性;采用他称为 Summaryformer 的方案后,较早的图像只以摘要形式保留,初始图像作为永久锚点,注意力缓冲区中的键数量也从 26 208 降至 6 528,约为原来的四分之一。作者对结果仍持谨慎态度:检查点尚未收敛,上下文仍较短,会话默认在 180 秒后停止,而且每位玩家都需要一块 CUDA GPU。
这个项目也展示了个人作者能够发布怎样的成果:一个据称从零训练的模型、采用宽松许可证的权重,以及可玩的演示,但不包含训练代码,因此可复现的范围仅限于推理。11 月 15 日的另外两篇社区博文也表现出同样的谨慎:纳西语模型作者主动指出测试集存在污染,Harel 的作者则说明,这只是未经调优的一轮 DPO。在这三个案例中,所有数据均由作者提供。
在编程智能体方面,这些更新让用户更能掌控智能体的操作与费用。Devin 现在支持逐一配置每项 MCP 工具,Qwen Code 的 Auto 模式会检查高风险操作是否已获得明确授权,而仍处于预览阶段的 Codex CLI 则向 MCP 服务器提供的状态行传递费用和使用限额信息。Harel 的结果提醒人们这些控制措施为何重要:测试通过并不能证明代码正确。