PyTorch Dynamo 修正測試互相影響與設定還原問題
PyTorch Dynamo 的測試放在同一個程式裡跑時,會互相影響,原本有 63 個測試失敗。這次修改了測試共用的程式,讓設定能還原、只有能重新載入的函式才會寫進重現問題用的程式碼,也避免載入測試檔時就先執行整套測試設定。修改後只剩 1 個失敗,而且那個測試單獨執行也會失敗,與這次問題無關。這表示測試彼此幹擾的情況大多獲得修正。
PyTorch Dynamo 的測試放在同一個程式裡跑時,會互相影響,原本有 63 個測試失敗。這次修改了測試共用的程式,讓設定能還原、只有能重新載入的函式才會寫進重現問題用的程式碼,也避免載入測試檔時就先執行整套測試設定。修改後只剩 1 個失敗,而且那個測試單獨執行也會失敗,與這次問題無關。這表示測試彼此幹擾的情況大多獲得修正。
PyTorch Dynamo 原本無法處理 bytearray 的 strip、lstrip 和 rstrip,使用這些功能時可能會卡住。這次更新讓它能處理這三種去除字元的方法:可以不給引數、給 None,或給 bytes 型別的資料,而且結果會是新的 bytearray,不會改掉原本的內容。用 str 或整數當引數時,會出現和 CPython 一樣的錯誤;遇到無法直接處理的引數時,則會改走一般的 graph break。測試確認這些方法能在 torch.compile 中使用,也修正了 4 個不再需要跳過的測試標記。
AI 助理要替公司做事,光有模型和資料還不夠,還得知道公司的做事規矩、資料放在哪裡,以及該怎麼查。LangChain把這套整理流程稱為知識工廠:AI 助理工作時遇到缺資料或錯誤,可以先回報問題,再由背景執行的整理助理檢視檔案、資料來源和工作紀錄,更新相關指引。以營收報表為例,助理發現資料欄位改名時會回報,也能把財務主管提供的新格式要求整理進報表指引,讓之後的工作更順。LangChain建議從一項常做的工作開始,觀察 AI 助理卡在哪裡,再逐步補上缺少的知識。
推薦理由:LangChain以營收報表為例,說明如何讓AI助理回報知識缺口,再由整理助理依據資料來源與工作紀錄更新指引。
要在 Transformers 裡使用新模型,或讓不同模型共用一套程式,開發者常得處理各自不同的介面。v5.24.0 加入 Inkling 2 Mini、Apertus 1.5、Dory 和 Omnilingual ASR 等模型支援,也把原本依模型而異的 past_key_values 和 cache_params 統一改叫 cache;舊名稱目前仍可使用,但會出現棄用提醒。這次更新也修正了文字串流在中文、日文和韓文內容中可能漏空格或變慢的問題。
推薦理由:Transformers v5.24.0 一次加入多種模型支援,也統一了快取名稱;更新內容能幫開發者掌握新模型接入與舊程式需要調整的地方。
用 PyTorch Dynamo 編譯的程式原本無法正確處理 bytearray 的 8 種文字判斷方法,例如檢查內容是不是字母、數字,或是不是小寫。這次更新讓這些方法能在編譯後正常使用;測試也確認,空的 bytearray 只有用 isascii() 檢查時會得到 True,而且在程式裡修改內容後,判斷結果會跟著更新。這讓使用 bytearray 的程式更容易順利交給 PyTorch Dynamo 編譯。
Cline Desktop v0.0.50 修正了幾個會讓 AI 助理卡住或無法工作的問題:手動輸入 /compact 遇到卡住時可以停止;模型切換或整理對話後,Reflection Beam 不再因缺少資料而每回合都失敗。讀取的檔案內容也不會再被截短,現在最多可送出 2000 行或約 48k 個字元。 這次更新也調整了模型選擇方式:沒有儲存模型時,Cline 會先使用第一個免費模型;各模型可用的推理強度也會依照支援情況設定。模型清單新增 94 個服務商,並調整多個模型的預設選擇;使用者已儲存的模型選擇則會保留。
PyTorch 原本會在處理每個資料時,重複計算一個其實整次運作都不會變的除法,白白多花時間。這次修改讓 PyTorch 先算好這個數字,再交給後續運算使用。在 GB200 上測試 GLM-5.3 的 FP8 權重時,速度快了 1.17 到 1.22 倍;例如其中一種權重,單次運算時間從 739.2 微秒降到 607.8 微秒。測試結果在修改前後都和 eager 的結果一致。
瀏覽器操作如果超過使用者端的等待時間,呼叫就可能逾時,使用者拿不到結果。browser-use 1.0.7 調整了 MCP 呼叫的回覆方式:長時間執行的 browser_exec 會在 50 秒內先回傳目前輸出,工作仍會繼續;之後再次呼叫 browser_exec 並留空程式碼,就能取回剩下的結果。原本 50 秒內完成的呼叫則維持原樣。這項調整讓有 60 秒限制的 Cursor 等使用者端也能先收到回覆。
OpenHands Agent Canvas 的 v1.43.0 加入多項新功能,例如在設定精靈中建立自動化、對話反應,以及顯示 AI 助理修改過的訊息。實驗性功能可從設定頁面檢視;聊天訊息清單也改成只載入目前需要顯示的內容,讓操作更順。這次更新還修正切換對話時自動化設定表單會消失的問題。macOS 下載版尚未取得 Apple Developer ID 簽章,系統可能會把它標示為「已損毀」;說明指出,這是 Gatekeeper 的隔離標記,移到「應用程式」後可用提供的指令清除。
在 MoE 裡,有時一批資料不會分到任何專家,讓輸入的 token 數變成 0;這時 PyTorch 的 XPU 版 grouped_mm 會出錯。問題是底層 oneDNN 無法處理某些維度為 0 的分組資料。這次修正會在輸出沒有元素時直接結束;如果 K 維度是 0、但輸出仍有內容,就把輸出設為全 0,因為這時沒有任何數值可以加總。測試涵蓋這兩種情況,讓空輸入也能得到正確結果。
llama.cpp 的 OpenVINO 支援在不同提示詞長度或輸出數量改變時,可能得重新編譯模型,或重用不合適的舊模型,造成速度變慢甚至執行失敗。這次更新調整 GPU 的 KV 長度、改善提示詞處理階段的模型重用方式,也讓系統確認輸出數量相符才沿用編譯結果;模型快取也會把輸出設定納入檢查。更新還修正多種模型在 GPU、NPU 和靜態形狀設定下的問題,並加入 Falcon-H1 的 OpenVINO 驗證資料。
PyTorch 的 macOS 建置工作有時會卡住,讓等待中的程式碼合併一直停著。這次修改替建置步驟加上 90 分鐘限制,整個工作則設為 120 分鐘;如果建置超時,清理工作仍會執行,後續測試工作會跳過。過去 60 天,成功的 macOS 建置最久花了 50 分鐘,因此新限制能讓卡住的工作提早結束,減少它阻擋合併的時間。不過,造成卡住的 sccache 問題本身還沒有修好。
使用 CPUOffloadPolicy 時,FSDP 會把引數從主記憶體搬到 GPU;如果另一段程式同時搬回啟用函式需要的資料,兩邊會搶同一條傳輸通道,引數可能因此晚到,後續工作也跟著延遲。PyTorch FSDP2 新增 get_all_gather_copy_in_stream(),讓程式等引數複製完成後再搬回啟用函式需要的資料,讓兩種工作能重疊進行。這個方法要等 FSDP 完成延遲初始化後才能呼叫;若改用目前的資料流處理引數複製,等待它就不會改變執行順序。
PyTorch Inductor 把多個小型運算合在一起跑時,可能讓不同運算共用同一組執行設定;如果其中有加總運算,設定不同就可能改變加總順序,讓結果和單獨執行時出現些微差異。這次修改會按各運算調好的設定拆分組合,並讓含加總運算的組合跳過執行時再次調整設定。測試中,原本 32 個輸出有 22 個和單獨執行不同;修正後,結果能逐位元相同。實際測試的 7 組圖表,執行時間變化平均為 +0.09%,落在每次測量的自然波動範圍內。
團隊花錢使用程式開發 AI 助理後,常很難看出這些花費帶來了什麼成果。LangSmith 新增報表,把 Claude Code、OpenAI Codex 等 AI 助理的使用花費連到它們參與的 PR,並按 PR 狀態、工作型別和使用的模型整理資料。團隊可以檢視每個 PR 花了多少、哪些工作沒有產生 PR,也能點進對話瞭解原因,並比較更換模型前後的花費與合併成果。這項功能目前在 LangSmith Cloud 公開測試。
推薦理由:LangSmith把程式開發 AI 助理的花費連到合併的 PR 與工作內容,能協助團隊比較模型調整前後的成本和成果。
備份資料庫時,如果要讓備用伺服器讀到新的記錄,過去可能得先把檔案搬到指定位置。WAL-G 3.0.10 新增 PostgreSQL 的 wal-send,可以透過串流複寫協定,讓備用伺服器直接從物件儲存讀取 WAL,並在新片段到達時接著讀取。這次也改善了備份上傳、S3 傳輸和 Greenplum、Cloudberry 的備份還原流程;要留意的是,永久備份雖然仍不會因保留期限而刪除,但指定刪除目標時可以刪掉。
惡意程式若把聯絡伺服器寫死在網域或 IP,防守人員找到後就能設法封鎖;藏在公有區塊鏈裡的聯絡資料,卻很難從帳本上刪除。Cisco Talos 說明,駭客會把加密過的伺服器位置放進 Bitcoin 交易、EVM 智慧合約、TRON 錢包交易或 Solana 備忘錄,再讓受感染的電腦透過公開 RPC 查詢並取出資料。攻擊者更新鏈上的位置後,惡意程式就能取得新位置,不必重新安裝。文章建議企業留意異常頻繁的 JSON-RPC 查詢、檢查端點記憶體,並在業務不需要時限制連往公開區塊鏈節點的流量。
MCP 伺服器在處理 Git 專案、列出資料夾內容和連線網址時,可能讓外部設定或特殊路徑觸發不該發生的操作,甚至讀到允許範圍外的資料。Anthropic MCP v2.5.0 修補了三個伺服器的八項漏洞:mcp-server-git 升級至 2026.11.18、@modelcontextprotocol/server-filesystem 升級至 2.4.0、@modelcontextprotocol/server-everything 升級至 2.3.1。修正內容包括阻止 Git 自動執行外部程式、拒絕索引中指向工作資料夾外的路徑,以及檢查 NAT64 網址內藏的 IPv4 位址。使用日期版本的 filesystem 使用者需明確安裝 2.4.0;Windows 上的資料夾列舉限制仍未修正。
llama.cpp 的 CUDA 卷積運算原本要反覆做整數除法,處理資料越多,這些運算越容易拖慢速度。這次改用事先算好的除法資料來找出每筆資料的位置;測試中,RTX PRO 6000 上一種卷積運算的時間從 221 微秒降到 138 微秒,其他測試案例也都變快。這表示 llama.cpp 能更快完成這類 CUDA 運算。
不同資料型態一起做加減時,框架需要處理多種運算組合,也得避免整數轉換出錯。PyTorch 這次把部分加減運算改成共用的 FP32 FMA CUDA 核心,涵蓋原地修改和輸出為 FP32 兩種情況,並保留涉及 FP32 的資料型態組合。更新也調整了 alpha 的轉換順序,避免整數 0、INT64_MIN 和 UINT64_MAX 遇到取負問題。測試涵蓋兩種運算模式及整數 alpha;提供的測試結果顯示,18 個 CUDA 測試案例通過,另有 1,296 組原始位元結果相符。
推薦理由:這次更新整理了混合資料型態加減運算的 CUDA 核心,並用浮點結果與整數 alpha 的測試檢查不同情況下的結果是否一致。
PyTorch 這次的更新調整了 activation checkpointing 的判斷方式,讓系統在決定哪些內容需要重新計算時,不把 graph 的輸入也算進去。這項修改是為了避免重新計算判斷受到 graph 輸入影響;頁面沒有提供更多細節。
llama.cpp 的 b12494 加入 Kokoro 文字轉語音支援,並補上把文字轉成語音時需要的文字整理與發音處理,也調整了聊天功能和批次處理的程式。這次更新也列出多種作業系統與硬體的版本,例如 macOS、Linux、Android 和 Windows,可搭配 CPU、CUDA 或 Vulkan 等環境使用。
靜態網站以前用 Vercel 單秒部署時,只能帶 HTML 和 Markdown,樣式、圖片等檔案還不在支援範圍內。現在符合條件的網站可以連同 CSS、圖片、字型、檔案和音訊等檔案一起部署,也能透過 Vercel CLI 或 REST API 操作,不需要另外設定。每次部署最多可有 100 個檔案,總大小不超過 25 MB;含 JavaScript、由 Git 觸發,或使用框架預設和特定建置設定的專案,仍會照原本方式建置。
AI 助理如果綁在單一程式裡,關掉視窗或換裝置時,工作就難以接續;每個應用程式各自串接,也讓開發者不容易把 AI 助理帶進自己的工具。GitHub 說明 Agent Host Protocol(AHP)如何讓 VS Code、GitHub Copilot app 和其他使用者端共用工作階段、歷史紀錄與狀態。使用者端送出操作後,由伺服器更新狀態;遇到網路中斷時,使用者端可以重新送出排隊中的操作,等伺服器確認。VS Code 和 GitHub 也用不同語言各自實作主機,藉此找出協定需要補足的地方。
推薦理由:AHP以獨立協定連線不同裝置與兩種獨立實作,文中也整理了跨網路中斷、重連與功能差異時的設計取捨。
這次 PyTorch 更新調整了 CPU 和 GPU 一起運算時的處理方式:在把運算合併到 GPU 之前,先完成 CPU 上的純量運算。這項修改記在版本 viable/strict/1794910847 的發布內容中。頁面沒有提供更多細節,因此無法從中判斷它會改善哪些使用情境或帶來多大差異。
開發者發現 Dynamo 在處理只有一行的函式或類別時,會因為沒有「縮排結束」的標記,導致名稱快取沒被清除,後面的程式碼會被誤判成屬於前一個名稱(例如 def f(): 內的 return 1 被記成 E.f)。這次的修正在偵測到新行後,如果下一個重要符號不是縮排,就把那個名稱的作用域移除,同時保留原本的名稱本身,並正確忽略註解與空白行。開發團隊也加了回歸測試,確保單行函式、類別、疊加定義、裝飾器等情況都能正常運作。這樣一來,Dynamo 的程式分析就不會再因為單行定義而產生錯誤的名稱標記。
llama.cpp 這次加入 Fish Audio S2 支援,也加入聲音複製功能。更新內容還提到改用新的 batch API;簡單來說,這次更新讓 llama.cpp 多了支援這款音訊模型和複製聲音的能力。
矩陣運算有些工作會用到比較窄的資料,原本的設定不一定適合。llama.cpp 這次替 Vulkan 新增適合 N≤32 的運算設定,也加入一項處理方式,希望讓這類工作跑得更合適。發布頁沒有提供速度提升的數字,因此無法從這段內容看出實際快了多少。
PyTorch 的 C++ FakeTensor 遇到某些運算時,需要知道結果的形狀和資料型態,卻不必真的執行運算。這次修改讓它在完成拆解後,直接呼叫對應的 prim 中繼資料實作來產生假結果;如果選中的實作回報「不支援」,就直接報錯,不再悄悄改走其他路徑。像是建立空張量、算術運算和轉換資料型態都納入測試。這讓 C++ 模式能沿用這些運算的結果資訊,也能避免錯誤被其他路徑掩蓋;隨機數相關運算則因為還需要處理張量,暫時不做這項改動。
PyTorch 的 AOT 執行時包裝程式和 Dynamo 互相匯入時,可能讓 Dynamo 還沒準備好就被其他程式使用,之後呼叫 torch.compile 便可能失敗。這次修改把部分匯入延後到擷取反向計算圖時才進行,避免兩邊卡在彼此載入的狀況,也不改變反向計算。維護者用新的程式執行環境重現並檢查這個問題,確認修正後能順利匯入;CUDA 和完整的 PhysicsNeMo 流程則沒有測試。
llama.cpp 重新整理 DFlash 家族的推測解碼程式,讓不同草稿模型各自使用對應的讀取和執行方式。新增的 draft-dflash2 和 draft-lilicorr 可指定 DFlash2 與 LiliCorr;原有的 draft-dflash 也會依草稿模型的資料自動選擇 DFlash、DFlash2 或 LiliCorr。若型別和模型不相符,或同一次執行混用多種 DFlash 家族型別,系統會拒絕開始推測解碼。這次整理也讓 DSpark 使用自己的讀取方式,並把共用的程式拆分整理。
攻擊者若把偵察、找漏洞和後續入侵交給自動化工具,防守人員可能來不及發現並阻止。Cisco Talos 分析 ARTEX 及相關攻擊案例:操作者設定目標後,AI 助理會拆分工作、呼叫資安工具,並記錄發現;研究人員也觀察到攻擊者利用外洩憑證、應用程式弱點和雲端設定問題,進一步取得資料或擴大存取。Talos 建議監看異常登入與許可權變更、保護憑證、修補對外系統,並預先準備撤銷憑證和隔離裝置的應變流程。
推薦理由:Talos 彙整多起 ARTEX 相關活動,呈現自動化工具如何串起弱點利用、憑證濫用與資料外洩,並列出防守方可採取的監測與應變措施。
PyTorch 為 CppFakeTensorMode 加入具執行緒區域堆疊的 context 管理,追蹤模式進入、巢狀重入與還原狀態,並要求同一執行緒依反向順序退出。
PyTorch Inductor 調整 MPS 後端,讓外部範本核心能透過 emit_kernel_override 輸出自身的 Python 原始碼,並避免不安全的核心融合造成錯誤程式碼或排程失敗。
GitHub 以 Proof Agent 與 Data Forge 示範如何設計可跨 Agent 重用的技能,並透過專案設定檔、共用執行路徑與審核檢查串接工作流程。
推薦理由:文章以 Proof Agent 與 Data Forge 說明如何拆分技能、共享專案脈絡並加入人工審核,呈現跨 Agent 重用指令時的實作邊界。
PyTorch 標籤 viable/strict/1794475282 收錄 ATen 對混合資料型別原地 _foreach_add_ 操作的融合 CUDA 核心。 標籤資訊:由 bobrenjc93 標記,附有原始碼 ZIP 與 tar.gz 下載檔。
Apache HTTP Server 的 HTTP/2 模組存在 CVE-2026-119618,未經驗證的遠端攻擊者可利用競態條件造成堆積記憶體損毀,進而執行任意程式碼。
推薦理由:文章說明漏洞觸發條件、目前利用情況與修補版本,並提供停用 HTTP/2 的暫時緩解方式,便於安全團隊安排處置。
llama.cpp 在 b12300 移除 build_delta_net_chunking 與 build_delta_net_autoregressive,並一律使用 fused gated delta net,讓 graph_max_nodes 不再受 ubatch 大小影響。 其他變更:移除 fused GDN probes 與 fused node tags。