跳到正文

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。

430 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19日

星期一,3 条
  1. TreeOPSD:长程智能体强化学习新方法

    推荐阅读! TreeOPSD: 面向长程智能体强化学习的树感知后验蒸馏

    引用Dr. Cheems Wang 🏡@AlbertW24045555

    (1/5) New preprint: TreeOPSD, critic-free RL for long-horizon LLM agents 🌳 Long-horizon agents receive a single outcome reward after many turns, and each rollout batch feeds several sequential mini-batch updates while the policy drifts from the one that sampled it. TreeOPSD backs terminal rewards up a rollout tree and splits each update into two steps: construct a target for every turn, then match the current policy to it with forward KL. This leads to: • closed-form, bounded turn targets that commute with tree backup, so shared prefixes are trained once with no loss of credit • the exact tree policy gradient on the first mini-batch, and updates that stop at the target and reverse after overshoot • consistent gains over GRPO, GSPO and a matched tree baseline, largest on the longest-horizon tasks On Deep Research, TreeOPSD lifts Qwen3-30B-A3B-Thinking-2507 from 16.23 (GRPO) to 21.20 average accuracy. Title: Tree-Aware Posterior Distillation for Long-Horizon Agentic Reinforcement Learning Paper: https://arxiv.org/pdf/2610.23181 Together with @TencentHunyuan #LLM #RLVR #AIAgents

    Dongxi 东锡 NLP预印本未入选重要性 45

10月18日

星期日,1 条

10月17日

星期六,1 条
  1. Retraction Watch 周末阅读:计算机科学会议因 AI 投稿潮设限、Lancet 罢工继续、OpenAI 新成果引发“数学末日”争论

    面对 AI 引发的投稿潮,计算机科学会议开始对投稿数量设限。Lancet Group 工会成员在上月首次罢工后计划再罢工三天,理由是雇主未采取行动。OpenAI 最新成果引发数学家震动,相关预印本已被撤回。

    Retraction Watch预印本未入选重要性 22

10月19日

星期一,4 条

10月18日

星期日,4 条
  1. Épi 自主研究智能体产出 120 项纪录结果并给出 Tuza 猜想新证明

    研究团队发布技术报告,介绍跨会话持续运行的自主研究智能体 Épi,它结合分层记忆、版本化分支和独立评审,在固定验证规则下产出 120 项纪录结果,包括 20 项数值界纪录和 100 项构造纪录,其中 n-queens 常数区间收窄约 84 倍,四次 Feigenbaum 吸引子维数的严格区间收窄超过 360 万倍。

    入选理由作者团队公开了可核查的构造与证书,研究者能据此判断自主研究智能体在数学与算法设计上已能产出何种可检验结果。

    arXiv 科研构思与自主科研代理预印本重要性 88
  2. HybridResearcher:4B 模型跨结构化与非结构化数据源做深度研究

    作者提出 HybridResearcher,一个 4B 智能体,用于在结构化数据与无结构数据之间衔接证据。其做法是从已验证的单源任务出发,围绕桥接实体合成缺失的另一侧数据,只保留两侧单独都不足以回答的样本,再用监督微调加强化学习训练。

    arXiv 科研构思与自主科研代理预印本未入选重要性 58
  3. Deep Fusion Memory:面向大语言模型的块级参数化记忆架构

    Deep Fusion Memory(DFM)是一种块级参数化记忆架构,通过因果记忆预测器从上下文生成记忆,并以门控交叉注意力融入隐藏状态,推理时无需显式检索。其构建训练数据所需的检索查询减少32倍、检索条目减少2048倍。在六个问答任务上,DFM 在 Mistral-7B-v0.3 和 Qwen3-8B-Base 上分别比最强基线提升12.71%和11.19%。

    Hugging Face Daily Papers预印本未入选重要性 50

10月17日

星期六,1 条

10月15日

星期四,5 条
  1. 华为等提出 SwarmRSI:让科研智能体群体通过继承研究状态实现递归自我改进

    华为、莱顿大学与格罗宁根大学团队在 arXiv 预印本提出 SwarmRSI,让科研智能体群体通过演化彼此继承的研究状态(假设、程序与实验证据)实现递归自我改进,包含反馈引导的群体变异、互补群体重组与递归群体演化三个机制。

    arXiv 科研构思与自主科研代理预印本未入选重要性 71
  2. FDE-Gym:AI 交付的最后一公里基准

    FDE-Gym 是包含 95 个端到端交付任务的基准,取自 20 个客户场景、覆盖 18 个行业,由行业专家改编自真实交付项目,在模拟客户环境中评估智能体能否交付有效方案。对 7 家提供商的 13 种模型配置评测显示,最佳配置平均得分仅 0.56,95 个任务中只解决 14 个;发现未明说的约束是主要瓶颈,即便在 23 个任务中已获取全部关键事实,也仅 10 个达到 0.8 以上的业务提升。

    Hugging Face Daily Papers预印本未入选重要性 50
  3. Data World:从零合成数据环境训练数据分析智能体

    研究团队提出 Data World,一个多智能体引擎,先指定文件背后的世界机制,再合成环境、任务与评分标准,用于训练数据分析智能体。引擎通过独立审计检查目标可从观测文件中恢复,评分标准用于评估和强化学习奖励;经人类偏好筛选出覆盖 50 个留出世界、16 个领域的 100 个任务构成 DataWorld-Bench,并从 1,037 个不相交世界生成 2,135 个训练任务。

    Hugging Face Daily Papers预印本未入选重要性 62
  4. OneWM:统一因果训练下世界建模与动作建模能否互惠?

    研究团队提出 OneWM 统一因果训练框架,将动作同时作为世界预测的条件和策略学习的目标,在共享的视频-动作架构中训练。在 LIBERO、LIBERO-Plus 和 RoboCasa365 具身测试平台及真实世界策略实验中,学习指定动作的视觉后果提升了策略性能与跨场景泛化能力,动作学习也提升了多视角世界预测的保真度。结果表明,统一因果训练下世界建模与动作生成可相互受益。

    Hugging Face Daily Papers预印本未入选重要性 38

10月14日

星期三,1 条

10月15日

星期四,1 条

10月16日

星期五,9 条
  1. 独自更快还是结伴更远:研究者应对社会危机的速度与影响力

    一项未发表手稿分析了 25 场社会危机中 3,262,152 名研究者的 1,537,284 篇发表回应,发现独自发表更快,但学术、新闻与政策关注度更低。团队规模扩大与影响力提升相关,但存在收益递减,且在不同危机间差异显著。多元机器学习建模显示,政府效能与团队负责人专业水平等情境因素同样重要。

    arXiv cs.DL 数字图书馆预印本未入选重要性 38
  2. Claude 自主设计出更省资源的量子电路,八项任务均优于已发表方案

    Anthropic 用自然语言规格和自动评分器让 Claude 在闭环中设计量子电路,在化学、优化、量子模拟、数论和数值计算共八项任务上给出比已发表最优方案使用更少量子比特和门的新设计,部分提升达一个数量级以上。

    入选理由Anthropic 让 Claude 在闭环中自主设计量子电路,八项任务均优于已发表设计,为量子算法资源估算提供了可复用的自动化路径。

    Anthropic Research官方预印本重要性 78
  3. Sakana AI 发布 The Agentic Scientist,用编码智能体做共同发现并开源

    Sakana AI 发布第三阶段系统 The Agentic Scientist,把 Codex、Claude Code 等现成编码智能体包进一套 scaffold,由它控制智能体看到什么、写什么、如何评估以及结果如何交给下一阶段,覆盖课题设定、假设探索、实验、验证到论文写作。

    引用Sakana AI@SakanaAILabs

    The Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery Blog: https://pub.sakana.ai/agentic-scientist/ GitHub: https://github.com/SakanaAI/AI-Scientist-v3 arXiv: https://arxiv.org/abs/2610.18933 Since 2024, we’ve used The AI Scientist as a way to test how far AI alone can take scientific research, from v1 to v2 to the paper published in Nature earlier this year. The Agentic Scientist is the next step in that line of work, built for the era of coding agents. Coding agents such as Codex and Claude Code now carry out long software tasks on their own. Handing them a research problem, however, tends to produce a strong hyperparameter optimizer rather than a scientist: scores go up, but ideas stay narrow, and the reasons for the gain are rarely examined. The Agentic Scientist makes the research loop explicit. It wraps off-the-shelf coding agents in a scaffold that controls what they see, what they write, how they are evaluated, and how results are handed to the next stage. Parallel workers test hypotheses against rubrics defined before any experiment runs, share successes and failures through a common memory, and then ablate the winning program to generate evidence. We used an early version of the system to study Error Diffusion, a biologically motivated alternative to backpropagation. Our researchers set the question and the rubric, chose directions at each stage, and verified the results, references, and claims before submission. The resulting paper was accepted as an oral presentation at ALIFE 2026. In autonomous runs, the system also raised Doc-to-LoRA retrieval accuracy from 52% to 98% on multi-needle tasks and designed a learned evolution strategy that improves over its CMA-ES reference on unseen tasks. Alongside it we release AutoIllustrate, a pipeline for scientific figures that keeps an editable http://draw.io file as the source of truth, so every diagram can be corrected by hand. Humans define the question and the standards of evidence; agents expand the experiments researchers can run. We call this Co-Discovery, and we are releasing both systems as open source for the community to build on.

    入选理由Sakana AI 公开了把编码智能体组织成科研流程的开源框架,研究者可以据此判断人机分工的边界。

    Sakana AI预印本重要性 78
  4. NoveltyScope:面向科学论文证据支撑新颖性评估的多智能体科研助手

    纽卡斯尔大学团队提出原型系统 NoveltyScope,可将论文 PDF 或 URL 与本地语料中的先前工作对比,输出结构化报告和 1-5 级新颖性评分。系统由 Prosecutor、Defender、Judge、Critic 四个角色评分,引文需与缓存原文核对。

    arXiv 关键词查询 · AI 科学家/同行评审/文献预印本未入选重要性 42
  5. EvalResearchBench:AI 智能体能否自建评测反馈实现递归自我改进

    研究者提出 EvalResearchBench(ERB),用于考察 AI 智能体能否自主完成评测研究:给定目标材料、开发参考、候选 API 以及固定的时间和 API 预算,名为 researcher 的智能体会选择或合成任务、实现评分器,并在试点测试中修订后冻结成可执行评测器,覆盖编程、协作与推理。

    Hugging Face Daily Papers预印本未入选重要性 58