面向 AI 智能体的以记忆为中心的持续学习（MCCL）
论文提出 Memory-Centric Continual Learning（MCCL），主张记忆应以能否改进未来行动而非检索命中来评判。MCCL 包含三轴记忆分类法与内外双环生命周期、衡量干扰下保持、变化适应与任务迁移的评估协议，以及刻画智能体性能随经验、存储容量与算力预算变化的记忆扩展框架。
全部动态
按时间排列的全部内容。默认只显示通过双重评分的入选条目；切换到“全部收录”可以检索所有抓到的资料。
679 条收录动态，更新于 17:06
全部收录包含没有通过评分的资料，标题以常规字体显示并标为“未入选”，只供检索，不写入选理由。
10月21日
星期三，4 条TraceForge：用模型自身风格生成推理轨迹以蒸馏训练数据
TraceForge 提出一种替代方案：不依赖教师模型返回的隐藏推理，而是以上下文和教师答案生成符合学生模型家族风格的推理轨迹，训练分监督与对抗两阶段。独立评审给出的真实性得分为生成轨迹平均 0.68、真实轨迹 0.66、评审从四个候选中选出的轨迹 0.82。
多模态具身智能体：从计算机使用到机器人使用的统一能力视角框架 PAPAV
研究者提出 PAPAV 能力中心框架，将多模态具身智能体（MMEA）拆解为感知状态、预判动作效果、规划可行路径、通过接口或本体执行、验证结果五项功能，并据此比较 MMEA 与多模态智能体及机器人系统。在 64 个基准中，显式评估集中在“执行”一项，仅 5 个评估“预判”、3 个评估“验证”，后两者多被任务成功率掩盖。
Claude 在 Claude Science 中自主设计蛋白结合体，靶向蝎毒神经毒素
Anthropic 的 Claude 在面向研究者的 Claude Science 环境中，针对 4 种蝎子的 5 种毒素自主生成 318,484 个蛋白结合体设计，首次提示后自行工作 24 小时，随后由研究团队追加指令引导。
入选理由材料给出从设计到湿实验验证的完整链条与命中率，研究者可据此判断自主智能体在蛋白设计中的实际位置。
10月22日
星期四，7 条Frontiers in Science：靶向 GPCR 网络或可延缓衰老
研究人员在 Frontiers in Science 发表论文提出，靶向 G 蛋白偶联受体（GPCR）信号网络的疗法有望同时干预多种衰老相关疾病。作者认为，AI、系统生物学与精准医学的进展可支持基于个体衰老生物标志物的个性化治疗，并与代谢疗法、再生医学等长寿策略互补。该方案目前仍属研究构想，尚待验证。
超越来源归属：LLM 构建的学术知识图谱中的作者身份与可比性决策
针对 LLM 抽取并核验后进入知识图谱的论断，PaRAGraph Casebook 用四个可复跑案例展示：同一地名在不同文献分类方案中的归属与层级差异，无法靠核对引文或检索冲突值发现。平台现将记录地址（地名在各来源方案中的位置、名称指单位而非地点的判定、地址来源）作为可比性一个维度的决策对象存储，使工作分类可随新来源修订，而每条比较到证据的路径保持固定。
面向合金合成研究的开源数据基础设施：第一阶段——成分筛选与文献交叉比对
一位材料科学研究者独立开发了面向单一合金合成实验室的开源数据基础设施第一阶段，包含成分与合成记录的关系型数据库模式、成分/质量计算器、VEC、原子尺寸失配与混合焓三项筛选指标及熔点/沸点合成可行性检查。
MultiphaseHUB：面向多相数据证据化元数据整理与任务感知压缩的社区基础设施
美国多所高校研究者提出 MultiphaseHUB，一个用于组织、发现和复用多相输运数据的社区基础设施与集成框架，将外部托管数据集与模态专属元数据、论文、分析工具及复用边界关联。框架含两部分：LLM 辅助的元数据抽取与从图表提取定量值的智能体文献分析，以及按下游分析所需物理量引导的模态专属科学数据压缩。研究以公开多相数据集作示例，并给出跨设施协调、多模态对齐与任务感知检索等路线图。
腾讯混元推出 WorkForge 框架，从真实工作流构建 16.7K 个可验证智能体训练环境
腾讯混元推出 WorkForge 框架，从真实世界资源为长程工作智能体构建可验证的训练环境，做法是从专家工作流出发搭建真实工作空间、抽取可核查事实，并据此生成任务和程序化与语义双重验证器。
米哈游联合清华北大等高校开源 GameScaling 系列游戏模型，覆盖 0.8B 至 27B 参数
米哈游崩坏 AI 研发团队联合清华大学、北京大学等机构开源 GameScaling 系列游戏模型，共 8 个检查点，覆盖 0.8B、2B、9B、27B 四种参数规模，每种分 S1、S3 两个版本。
腾讯混元发布 WorkForge 框架，从真实资源构建长程工作智能体训练环境
腾讯混元发布 WorkForge，一个从真实世界资源为长程工作智能体构建可验证训练环境的可扩展框架。该框架从专家工作流出发搭建真实工作空间、抽取可核查事实，并据此派生任务与程序化加语义的双重验证器；已扩展到覆盖 40 个专业领域、60 种文件类型的 16.7K 个环境，论文称随数据量和交互时长增加，长程工作基准上取得一致提升。
10月21日
星期三，2 条NVIDIA 与华盛顿大学蛋白设计研究所发布开放蛋白设计模型 RFD4-Proteina
NVIDIA 与 UW Medicine 蛋白设计研究所（Institute for Protein Design）在 GTC Berlin 发布开放模型 RFD4-Proteina，把可编程蛋白设计与搜索能力结合，可按分子输入、约束和打分目标生成并优化设计。
入选理由蛋白质设计模型与放疗规划两条线同时落地，研究者可据此判断开放模型能接入哪些现有科研与临床工作流。
OpenAI 与 PerturbAI、Scripps Research 用数千个 AI 智能体分析小鼠脑细胞数据
OpenAI、PerturbAI 和 Scripps Research 用数千个由 GPT‑Rosalind 驱动的 AI 智能体并行分析已有的小鼠全脑 CRISPR 图谱数据，在 32 分钟内把基因扰动效应与文献发现连接起来，形成可检索的 reasoning atlas。
入选理由材料给出分布式智能体在真实脑细胞数据上产出可检验线索的具体流程与对照结果，研究者可据此判断这类分析能否接入自己的实验数据。
10月22日
星期四，14 条Mirendil 发布千亿参数代码基座模型
Mirendil 发布 Mirendil-Base：一名研究员带一群 Agent，3.5 个月、不到 1,000 万美元，从零预训练出 1,000–5,000 亿参数代码基座模型，仅用公开数据、不蒸馏、不用合成数据，99% 以上代码由 Agent 写成。
Recursive 发布首个模型 Flint：400 亿参数本地编程 MoE，由自动化研究系统 Eureka Machine 参与训练
Recursive 发布首个模型 Flint，这是一个总参数 400 亿、每 Token 激活 25 亿参数的 MoE，面向本地 Agent 编程，权重以 Apache 2.0 在 Hugging Face 开源。
引用Richard Socher@RichardSocherIntroducing Flint, @Recursive_SI’s first model: a fast local coding model built with our automated research system, the Eureka Machine. • Best-in-class fast local coding • Up to 2x faster than comparable models: 125+ tokens/sec on a MacBook Pro, 150+ on RTX Spark • Built from scratch in under 4 months Private, unmetered intelligence on your own machine. Open weights available now on @huggingface, run it locally on your favorite framework or try it for free on @opencode or @pidotdev.
Librarian Agents：优化信息组织提升LLM上下文
如何扩展大语言模型的上下文？ 智能体搜索可扩展到任意规模的信息量，但很容易遗漏相关信息。 想法💡：针对下游效用优化信息组织方式。即使在分布外领域也能带来30%以上的提升 论文+代码：https://librarian-agents.github.io/
引用Anikait Singh@Anikait_Singh_LLMs deployed in specialized domains, from enterprise codebases to law firms, dig through a mountain of unstructured context! Our new paper, Librarian Agents, asks: can an agent adapt by curating its own long-context workspace, anticipating queries before they arrive? 🧵⬇️
Base Labs 发布 mammoth-1 与 elephant-1
Base Labs 发布 release mammoth-1 和 elephant-1，超越 Jev，继续向前推动 decision model 最重要的： 开放权重和 technical report！
引用Base Labs@baselabsToday we release mammoth-1 and elephant-1! We post-trained mammoth-1, the #1 ranked best decision model in the world, and elephant-1, which is the best model under 15B (and beats Jev). We're open-sourcing all model weights and provide a technical report detailing all our training and data methods.
Perplexity 与 NVIDIA 提出 JOLT 自蒸馏训练法
Perplexity 与 NVIDIA AI 提出后训练方法 JOLT，让同一模型同时充当教师与学生，并训练教师依据自身尝试的奖励学习、惩罚偏离学生行为的漂移。在 MATH 基准上，JOLT 以少 6.5 倍的训练 token 达到与 GRPO 相当的准确率；JOLT+ 额外给学生模型结果奖励，在数学、编程、终端任务和工具使用基准上明显优于 GRPO。
引用Perplexity@perplexity_aiNew research: We developed JOLT, a post-training method where one model acts as both teacher and student, with the teacher trained to give feedback the student can use. On MATH, it matched GRPO's accuracy with 6.5x fewer training tokens. https://www.perplexity.ai/hub/blog/a-good-teacher-meets-the-student-where-they-are
R^2Orch：通过技能内化循环中的自我对弈实现智能体编排的递归自我改进
R^2Orch 提出“递归自我对弈编排”范式，内层循环让编排器在自选任务上自我对弈提升，外层循环改进内层循环的改进方式。配套的 Recursive Learnability 训练目标奖励 Proposer 选择技能撤除后结果仍分化的任务，Skill Withdrawal 则在受控评估显示撤除某技能后表现不变时将其移除，两循环形成闭环并趋向零技能部署。
Claude Sonnet 5.5 在 ARC-AGI 基准上的成绩
来自 @AnthropicAI 的 Claude Sonnet 5.5 在 ARC-AGI（已验证）上的表现： - ARC-AGI-3：72.4%，$8.2K（provider adapter harness），24.3%，$7.4K（标准 harness） - ARC-AGI-2：83.9%，$0.55/任务 - ARC-AGI-1：96.5%，$0.14/任务 Sonnet 5.5 在 ARC-AGI-3 上取得 72.4% 的成绩，值得关注。
Recursive发布开源编码模型Flint
Recursive发布了Flint，这是其首个开放权重编码模型，采用Apache 2.0许可证，速度比同类替代方案快2倍。 > Flint是一个40B参数的混合专家模型，用于本地编码。 > Recursive报告称在64GB RTX Spark上达到每秒超过220个token。 > Recursive的Eureka Machine——一个用于运行AI研究实验的系统——编写了自定义GPU代码，在不改变权重的情况下使Flint在RTX Spark上提速55%。
引用Richard Socher@RichardSocherIntroducing Flint, @Recursive_SI’s first model: a fast local coding model built with our automated research system, the Eureka Machine. • Best-in-class fast local coding • Up to 2x faster than comparable models: 125+ tokens/sec on a MacBook Pro, 150+ on RTX Spark • Built from scratch in under 4 months Private, unmetered intelligence on your own machine. Open weights available now on @huggingface, run it locally on your favorite framework or try it for free on @opencode or @pidotdev.
Perplexity 推出 JOLT 训练方法
新研究：我们开发了 JOLT，一种后训练方法，让一个模型同时充当教师和学生，教师经过训练以提供学生可用的反馈。 在 MATH 上，它以少 6.5 倍的训练 token 达到了与 GRPO 相同的准确率。 https://www.perplexity.ai/hub/blog/a-good-teacher-meets-the-student-where-they-are
Gemini 4 Argon 构建人体解剖3D可视化
Gemini 4 Argon 结合三个开源数据集，构建了人体解剖学的交互式 3D 可视化。 可动态切换不同图层、单独查看肌肉，或放大进入跳动的心脏内部。
OpenAI 称 GPT-Rosalind 智能体提出神经退行性疾病药物新线索
OpenAI 的 Greg Brockman 转发介绍，GPT-Rosalind 在药物发现上给出新线索：与 Perry 综合征相关的基因 DCTN1 在小鼠脑数据中被破坏后，胆固醇合成相关基因表达上升，GPT-Rosalind 据此提出胆固醇可能未到达神经元所需位置的机制解释。OpenAI 称与 PerturbAI 和 Scripps Research 合作，数千个 GPT-Rosalind 智能体并行工作，在 32 分钟内把数百万个小鼠脑细胞的基因表达结果与科学文献关联起来，该机制尚待科学家验证，合作正在扩展以寻找新药物靶点。
引用OpenAI@OpenAIGPT-Rosalind surfaced a new lead for drug discovery: could restoring cholesterol transport protect neurons from degeneration? DCTN1 is a gene linked to Perry syndrome, a rare neurodegenerative disorder. In mouse-brain data, disrupting it increased expression of genes involved in making cholesterol. GPT-Rosalind suggested a possible explanation: cholesterol may not be reaching where neurons need it. That gives scientists a specific mechanism to test and, if confirmed, a direction for developing new treatments for neurodegenerative disorders. With @perturbai_tx and @scrippsresearch, a team of thousands of GPT-Rosalind agents worked in parallel, connecting gene-expression results from millions of mouse brain cells with scientific literature in just 32 minutes. We’re now expanding this collaboration to identify new drug targets. https://openai.com/index/scaling-ai-research-for-complex-biological-data/
Google 盲扫超声 AI 跨场景泛化
我们的新研究显示，盲扫超声 AI 如何泛化到新的医疗场景，使非超声技师操作者借助低成本探头即可完成临床级孕龄评估，从而在全球扩大挽救生命的孕产妇护理。阅读博客：http://goo.gle/3VR2R45
Microsoft Research 宣布解决 KLS 猜想
Microsoft Research 宣布其新研究解决了 KLS 猜想，这一关于高维计算难题的关键问题此前数十年未获证明。该结果移除了理解科学与计算中随机算法效率的一大障碍。原文链接：https://msft.it/6011aar01
10月21日
星期三，3 条Sakana AI 开源 QD-Rec 推荐系统，用质量与多样性演化推荐理由
Sakana AI 开源 QD-Rec，把开放式搜索用于推荐任务，同时搜索推荐什么以及为什么推荐，为每个候选配上解释其为何契合决策者目标的自然语言假设。系统由上下文赌博机、LLM 生成假设和存档三部分组成，在收购标的发现、客户定位和论文推荐三类任务上评测，多数设置下 LLM 评分平均质量最高，存档通常也最大。
GPT-Rosalind 提出神经退行性疾病新线索：恢复胆固醇转运或可保护神经元
OpenAI 称 GPT-Rosalind 在药物发现中提出一条新线索：恢复胆固醇转运是否可能保护神经元免于退化。与 Perry 综合征相关的基因 DCTN1 在小鼠脑数据中被破坏后，参与胆固醇合成的基因表达上升，GPT-Rosalind 据此推测胆固醇可能没有到达神经元所需的位置，为科学家提供了可检验的具体机制。
Google Harness²：递归智能体框架自我改进
Google 提出 Harness²，用两层递归自我改进让智能体框架适配开放世界任务：针对当前任务提出、测试并组合对提示、工具与工作流的修改，再把实验经验存储下来用于改进未来的框架调整。