InferNews

如果你一直好奇不同 AI 工具背後是怎樣被「設定」出來，這個 GitHub 專案正正提供了一個集中參考點。它主要收集各類 AI 產品的系統提示與所用模型資料，讓人可以從實際例子觀察這些工具如何定義角色、限制回應方式，以及安排功能邏輯。

對一般讀者來說，上手方式不算複雜：直接按工具名稱瀏覽內容，對比不同產品的寫法與模型選擇即可。即使你不寫程式，也可以把它當成一份 AI 產品觀察筆記，了解一個聊天機械人或助理服務背後，原來有不少隱藏規則在控制輸出表現。

這個專案最有價值的地方，在於它把分散、難找、而且經常變動的資料集中整理，節省搜尋時間。它同時提醒了一個現實問題：不少 AI 產品的內部設定一旦外洩，就可能暴露產品策略、安全風險，甚至提示設計上的弱點。

• 集中收錄多款 AI 工具的系統提示與模型線索
• 適合做產品研究、提示工程參考及競品觀察
• 可用來比較不同工具的語氣、限制與任務設計
• 亦反映 AI 產品在保安與資料外洩上的風險

從儲存庫名稱可見，內容焦點不只在提示文字，亦包括模型資訊；相關例子大致圍繞各類 AI tools 使用的模型配置，但具體覆蓋名單可能會持續更新。若你是開發者、研究 AI 產品的人、內容團隊，甚至單純想更懂 AI 回應為何有某種風格，這個專案都值得收藏，但閱讀時仍要保持審慎，因為部分資料的時效性與來源背景可能需要自行核實。

網址： https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools

如果你對 AI 生成影片有興趣，Causal-Forcing 最值得留意的地方，不只是「出片快」，而是它特別著重動作變化是否合理。很多影片模型可以生成靚畫面，但人物移動、鏡頭轉換或物件軌跡，往往會有忽快忽慢、前後不連貫的情況；呢個專案正正是針對這類動態問題下手。

它的核心想法，是用更符合時間先後關係的方法，去引導自回歸式影片生成。簡單講，模型不只是學每一格畫面「似唔似」，而是更重視每一步動作點樣接續上一刻，令運動軌跡更穩定。README 亦明確指出，Causal Forcing 在視覺品質之外，對 motion dynamics 的表現比 Self Forcing 更好，而且訓練成本與推理效率大致維持同一水平。

對一般使用者而言，上手方向算清晰：它已提供推理與訓練流程，並支援文字生成影片，以及由圖片延伸成影片的形式。特別是 frame-wise 版本，因為按逐格方式處理，較容易理解為直接面向每個時間步，對需要細緻控制動作延續的人會更有吸引力。

• 重點放在動作連貫性，不只追求單幀畫面靚
• 支援 chunk-wise 與 frame-wise 兩類模型設計
• 涵蓋 T2V、I2V，實用場景較廣
• Causal Forcing++ 再進一步提供 1-step、2-step frame-wise 模型
• 相關版本可留意 Causal Forcing、Causal Forcing++，以及 README 提到的 Self Forcing 作比較對象

再看它的創新位，關鍵在於用 Causal ODE，或在 Causal Forcing++ 中改用 causal Consistency Distillation，去做一個更合理的初始化，再配合 asymmetric DMD。從專案說明可見，作者很強調「生成軌跡要對齊」這件事，亦因此在某些階段要使用自回歸老師模型，這對保持動作隨時間推進的一致性尤其重要。

如果你的重點是互動式影片、角色連續動作、長一點的鏡頭推進，呢個專案比起只看單張效果的模型更值得研究。它未必是最易即學即用的大眾化工具，但對於想改善 AI 影片「會動但唔自然」這個老問題的人，方向相當明確。

網址： https://github.com/thu-ml/Causal-Forcing

網址： https://arxiv.org/pdf/2605.15141

如果你有留意大型語言模型，應該知道文字愈長，運算成本往往升得愈快。Lighthouse Attention 針對的正正是這個痛點：在極長上下文訓練時，用分層挑選的方法，先縮細需要重點處理的內容，再交回現成的高效注意力流程處理。

這個儲存庫不是一個即開即用的聊天程式，而是建基於 PyTorch 的 torchtitan 訓練框架之上，以補丁形式整合。換句話說，較適合本身已經做模型訓練、想比較不同注意力機制的人；一般用家未必會直接跑起，但讀它的設計仍很有參考價值。

它較特別的地方，在於不是把稀疏機制硬塞進自訂核心，而是先做選擇，再沿用現有的 FlashAttention 密集計算路線。這樣的好處是較易受惠於上游優化，也減少為新方法重寫整套底層核心的負擔。資料顯示，它提供 norm、dilated 和 gla 三種評分變體，亦支援可選的 context parallel 路徑。

如果你想上手，較實際的做法是先把它當成研究原型：按版本要求準備好 torchtitan、對應提交版本、兩個額外原始檔及補丁，再用 configs 內不同設定比較 top-K、pool、大細層數與 scorer 差異。官方資訊亦提到，它曾在 530M Llama-3 規模、以及最高百萬 token 訓練情境下驗證。

重點可以這樣看：
– 主要用途是降低超長上下文訓練時的注意力成本
– 核心做法是分層挑選重要片段，再交由密集注意力計算
– 已列出多組可比較設定：top-K、pool、levels、scorer、CP
– 相關評分或路線包括 norm、dilated、gla
– 較適合模型研究、訓練基建開發及長文本實驗場景

只要是標準的 decoder-only Transformer / causal LM，基本都可以替換它的 Q/K/V self-attention 層。

判斷標準
只要模型滿足下面幾點，就通常能做這種替換：
有 self-attention 層，而不是依賴複雜的外部編碼器。
層裡能清楚找到 q_proj / k_proj / v_proj 或等價實現。
是 decoder-only 架構，使用 causal mask。
沒有把 attention 邏輯寫死成特別難拆的自定義模塊。

最適合的模型類型
Llama 系列：最常見，結構標準，Q/K/V 分明，最容易改。
Qwen 系列：也是標準 decoder-only 路線，通常同樣適合做 attention 替換。
Mistral 系列：同樣屬於 decoder-only LLM，理論上也適合。
GPT-style / LLaMA-style 自回歸模型：只要是單向 causal attention，一般都能改。

整體來說，Lighthouse Attention 最吸引之處，不只是追求更快，而是嘗試在訓練期保留與現有生態的相容性。對需要探索 98K、512K 甚至更長上下文訓練的人，它是一個值得細看、但明顯偏研究與工程用途的專案。

網址： https://github.com/ighoshsubho/lighthouse-attention

網址： https://nousresearch.com/lighthouse-attention

如果你曾經試過為一個新題目做簡報，就會知道最花時間的往往不是排版，而是先找資料、定重點、再把內容講清楚。PresentAgent-2 想處理的，正正是由一句自然語言提問開始，逐步變成一段有旁白的簡報影片，而不是假設你一開始已經有一份完整文件。

這個專案的流程相當清晰：先把模糊問題收窄成較聚焦主題，再整理候選來源，抽取文字、圖片、GIF 甚至影片素材，之後才規劃簡報結構、生成投影片與講稿，最後合成音畫對齊的影片。對一般用家來說，可以理解為把「搜集資料、寫大綱、做 slides、配音」串成一條自動化工作流。

較有意思的是，它不只做單一講者式內容，還支援多講者討論，以及有根據的互動問答三種形式。另一方面，動態素材會盡量保留為 GIF 或影片，而不是全部截成靜態圖，這令最後成品更接近真正可觀看的解說片，而不只是會動的投影片。

如果你想了解它是否適合自己，較合用的情境包括教學短片、研究題目導讀、產品介紹，或需要快速把一個概念講清楚的內容製作。現階段它更像研究型框架，較適合 AI、多模態內容生成、代理式工作流的開發者與研究者參考，而非即開即用的普通消費工具。

• 由短查詢出發，不需要先準備完整原稿
• 可產出投影片、講稿、旁白與最終影片
• 支援單人講解、多人討論、互動問答
• 能保留 GIF 與影片等動態素材，表達力較強
• 評估方式包含選擇題測試與主觀打分，重視內容與呈現效果

相關模型方面，倉庫資料提到以 VLM 參與評估，扮演觀眾回答問題及進行評分，但公開資訊未見完整列出所有底層模型名稱。若你關心的不是單一模型，而是「怎樣把多個能力串成可交付影片」，PresentAgent-2 的參考價值會比單看文字或圖像生成工具更高。

網址： https://github.com/AIGeeksGroup/PresentAgent-2

如果你對「AI識答數學題」有興趣，SU-01是一個幾有代表性的案例。它是一個 30B-A3B 推理模型，目標不是單靠背答案，而是嘗試完成較長步驟、較講求證明結構的數學與科學題目，尤其接近競賽題風格。

對一般讀者而言，最易理解的用法，是把它當成一個專注於複雜解題的模型來看，而不是萬能聊天機械人。官方資訊顯示，模型已公開權重，亦有技術報告與專案頁面；如果你本身會用 Hugging Face 一類平台，就可以進一步了解它的輸出表現與測試方式。

SU-01較特別的地方，在於它不依賴外部工具、寫程式執行，或者專門符號求解器，仍然想把長鏈條推理做好。訓練上，它用了較有策略的資料排序方式，以及分兩階段強化學習，先追求可驗證答案，再逐步改善證明質素，這點對處理多步驟題目尤其重要。

• 重點放在數學、物理等需要嚴謹步驟的解題
• 嘗試處理長篇推理與證明修正，而非只輸出最終答案
• 在 IMO 2025（第66屆國際數學奧林匹亞）、USAMO 2026(美國數學奧林匹亞）、IPhO 2024/2025 有高水準成績
• 相關模型可留意同類推理系統，例如 DeepSeek-R1、OpenAI o1 類型模型，以及其他數理導向大型語言模型

如果你是研究員、教育科技開發者，或者想比較不同推理模型在高難度題目的差異，SU-01很值得觀察。對一般學生來說，它未必是即開即用的溫習工具，但作為理解 AI 如何由「識答題」走向「識證明」的例子，參考價值相當高。

整體來看，SU-01吸引之處不只在分數，而是在方法上走一條相對簡潔統一的路線。從公開資料判斷，它更像是一個展示「後訓練如何提升嚴謹推理」的研究型專案，適合關心 AI 推理上限的人細看。

網址： https://github.com/Simplified-Reasoning/SU-01

如果你對 AI 影片生成有興趣，但又覺得「要大量素材先訓練」門檻太高，Warp-as-History 的吸引力正在於它嘗試只用一段訓練影片完成相機視角控制。簡單講，它想做的是讓系統學會原片中的空間與運鏡關係，再按你指定的鏡頭路徑生成新畫面。

對一般使用者來說，理解這個專案的最好方法，不是把它當作普通文字生片工具，而是視為一個偏向「鏡頭操控」的研究型方案。你需要先準備一段帶有相機資訊的影片，再配合指定模型做推理或訓練；官方列出的預設組合包括 Helios-Distilled、Warp-as-History LoRA，而 Helios-Mid 主要用於訓練，另外 README 亦提到 Pi3X。

它解決的重點問題，是生成影片時常見的視角不穩、鏡頭移動不連貫，以及難以精準控制觀看方向。這個方法特別強調互動式鏡頭軌跡跟隨與視點調整，定位上與 HappyOyster、Genie 3 這類方向相近，但賣點是把所需訓練資料壓到單一範例，這點相當有研究價值。

• 一段訓練影片 已是核心設定，對資料收集要求較低
• 重心不在純文字生成，而在鏡頭路徑與視角控制
• 相關模型包括 Helios-Distilled、Warp-as-History LoRA、Helios-Mid、Pi3X
• 較適合研究實驗、效果驗證，未必是即開即用的消費級工具

如果你是做生成式影像研究、互動敘事、虛擬攝影，這個專案值得留意；若你只是想快速剪片或一鍵出成品，可能會覺得前置準備仍然偏技術性。整體來看，Warp-as-History 最有意思的地方，是把「影片歷史資訊」由單純上下文提升為可延續的視角依據，令相機控制這件事更像真正可操作的生成條件。

網址： https://github.com/yyfz/Warp-as-History

MoCam 是一個針對影片「重新取景」的方法，重點是由原有影片生成新的觀看角度。它主打在幾何先驗不完整、失真，甚至場景有動態變化時，仍能產生較連貫而且接近真實感的畫面。

這個方法的核心做法，是把生成過程分成較有結構的去噪步驟：先處理初步的幾何對齊，再逐步修正外觀細節。簡單理解，就是先盡量擺正場景與視角，再補回畫面的質感，藉此減少新視角常見的破碎、跳動或不自然問題。

對一般讀者而言，它適合用來理解新一代影片視角生成技術如何改善傳統方法的限制，特別是面對複雜鏡頭移動，例如大幅度運鏡、推拉鏡，以及 bullet time 一類效果。網站展示亦顯示，它同時面向靜態與動態場景，而不只限於單一物件或簡單背景。

重點可留意：
– 可由影片生成新的鏡頭角度與運鏡效果
– 幾何資訊不足時，仍嘗試維持畫面穩定性
– 以分階段去噪流程兼顧對位與外觀修飾
– 展示涵蓋大幅移動、複雜軌跡、Dolly Zoom 等情境

目前公開頁面以研究簡介和示範效果為主，GitHub 與 Hugging Face 模型仍標示為即將推出，因此暫時未見完整上手文件、安裝方式或量化評測數字。若你是做電腦視覺、影片生成、虛擬攝影，或想了解擴散模型如何應用在新視角合成，這個項目值得持續留意。

網址： https://orange-3dv-team.github.io/MoCam/