← 回 AI 研究列表

2026 年 10 月 15 日（四）

NVIDIA NeMo Gym 晶片設計 Agent 評估

NVIDIAGoogle DeepMind／Google ResearchDartmouth／CMU 研究者新架構雷達

AI 研究與效率每日追蹤｜2026-10-15

今日重點

今天值得注意的不是更大的模型，而是如何讓 Agent 把工作做對：NVIDIA 用最終產物驗證來改善晶片設計流程，Google 則公開了分段審閱與地理分析兩種專用 Agent。三者都顯示，工具設計、驗證器與推理預算分配，可能比單純增加模型呼叫更重要。但數字來自不同任務與評分方式，不能互相比快慢。 developer.nvidia.com

重要更新

1. NVIDIA｜NeMo Gym 晶片設計 Agent 評估｜10 月 14 日，技術實例

方法：以驗證器檢查 Agent 產出的完整 Liberty 檔，再根據失敗軌跡修改技能與工具描述；不是訓練出新模型。
數據：固定使用 Claude Opus 4.8／Claude Code；在兩個標準元件、36 組製程／電壓／溫度條件的開發測試中，約 25 次 rollout 後，綜合驗證分數由約 55% 升至 95%，平均回合數 155→53、輸出 token 約 8.1 萬→2.9 萬。完整資料集有 229 個元件，不是上述成績的測試範圍。官方未公布 GPU 配置與跨任務結果。
實際意義：工程 Agent 的效率改善可以來自更清楚的工具介面，同時以成品驗證避免「步驟看似成功、結果卻有錯」。
限制與疑點：單一領域、小範圍開發測試，尚不能推論到完整晶片流程或其他模型。 developer.nvidia.com
一手來源：NVIDIA 技術文章

2. Google DeepMind／Google Research｜Deep Review｜10 月 14 日，正式發布

方法：先把長文件分段，依複雜度分配推理預算，再由平行 Agent 查核，最後跨段整合與查證。
數據：前身 PAT 曾提供超過 1.6 萬份自願參與的投稿審閱。先前版本在 SPOT 的 26 篇數學／資工論文、29 個方程或證明錯誤子集中，以 Gemini 3.1 Pro 得到 89.7% 錯誤檢出率，單次模型生成為 55.2%；這不是今天新版 Gemini 4 Argon 的測試成績。官方未公布新版的平均推理成本、延遲或同條件檢出率。
實際意義：長篇技術文件可先做有結構的預審，把人力集中在需判斷的問題。
限制與疑點：舊測試只涵蓋特定錯誤類型；論文亦指出其評分器與原 SPOT 研究不同，數字不能直接跨研究比較，更不能取代人工審稿。 research.google
一手來源：Google 公告、PAT 論文

3. Google DeepMind／Google Research｜Geospatial Reasoning Agent｜10 月 14 日，預覽

方法：讓 Gemini 先規劃分析步驟，再調用地理資料、專用模型及空間工具；目前擴大實驗性存取。
數據：在 76 題開放式 GeoExpertQueries 測試集、每種設定跑三次的條件下，Gemini 3.8 Flash 加基本工具得 3.3±0.8 分，加地理專用工具但不加前置規劃得 52.2±5.4，完整 Agent 得 62.7±2.5（滿分 100）。差異主要是工具與流程，不是模型本身加速；官方未公布可通用的延遲或硬體成本。
實際意義：對需要串接衛星、地圖與其他資料的工作，專用工具可能是能力關鍵。
限制與疑點：評分依專家工作流程而非最終答案；換用 Gemini 3.1 Pro 時，前置規劃未帶來同樣增益，結果仍須專家覆核。 research.google
一手來源：Google 公告、技術報告

新架構雷達

Dartmouth／CMU 研究者｜AnchorDLM｜10 月 10 日

這是什麼：替擴散式語言模型加上一個「錨點產生器」，學習先放入哪段短文字、放在哪個位置，再讓固定不變的擴散模型完成去噪生成。符合門檻 ①不同於傳統逐字生成的架構做法、②有公開技術論文；它是既有擴散模型上的新框架，不是全新的基底模型。
作者宣稱：五種擴散模型基底、30 組可控性設定中，較各基底最強對照平均高 11.30 個 G-mean 分點；測試含數學與程式任務，訓練及評估使用 NVIDIA L40。
第三方驗證：目前未見獨立重測，也沒有足以主張推論速度或成本改善的對照數據。 arxiv.org
一手來源：AnchorDLM 論文

趨勢整理

值得追蹤