全部动态

MPT：让去中心化智能体群体联合学习动作与自组织协调

研究提出基于市场的后训练框架 MPT，让去中心化智能体群体通过出价决定谁参与行动，并据此获得局部训练信号，从而在不设中心协调者的情况下联合学习动作策略与自组织协调。

SciΠvot 基准：用 248 个真实纠错案例评测 AI 科研智能体的科学判断力

研究团队构建了 SciΠvot，一个基于人类纠错记录的 248 案例科学判断基准，素材来自资深研究者六个月内在 26 个项目、六个科学领域中对 LLM 智能体的反复干预。

Terminal-RSI：通过递归自改写与策略精炼实现递归自我改进的终端智能体

Terminal-RSI 通过交替进行已验证轨迹的递归自改写（RSR）与继承评论家的递归策略精炼（RPR），从 Qwen3.8-27B 基座模型经五阶段训练得到 Terminal-RSI-27B，在 Terminal-Bench 4.0 上达 19.84%、Terminal-Bench 2.1 上达 86.52%。

3DCodeVerse：将 3D 世界作为代码探索

研究团队推出 3DCodeVerse 研究生态，让编程智能体大规模生成可编辑、可验证的 3D 内容，包含 3DCodeVerse-2M 可执行 3D 代码数据集、用于空间推理与自动验证的 3DCodeVerse Harness 多智能体 DAG 框架，以及 3D 编程实践指南。

JevAgentHarness：让决策模型与 LLM 共享智能体控制权

研究团队提出 JevAgentHarness，把智能体每步的工具选择等选择题交给决策模型 Jev 处理，仅在置信阈值以下才调用大语言模型，以降低长任务的时间与费用。

ACT3D：用结果奖励让视觉语言模型学会在 3D 环境中主动探索

研究团队提出 ACT3D，让视觉语言模型保持单张图像的原始视觉输入，把 3D 表示当作可交互环境，模型通过移动、转向等动作获取新视角后再作答。方法先做轨迹监督微调，再用以最终答案正确性为主要奖励的强化学习训练，不对访问哪些视角或采取哪些动作提供直接监督。

Google 称自我改进型 AI 仍遥不可及

Google 工程师 Haydn Belfield 表示，Google DeepMind 未观察到 AI 自身驱动 AI 研究出现可测量的加速，AI 目前承担超过 75% 的生产代码编写，但约 88% 的代码改动仍需人工监督或审核。

Meta 用 AI 辅助医学专家产出 10 篇研究稿件，覆盖心脏病学与肿瘤学等

Meta 表示其构建了一套由人类主导的研究框架，由 Muse Spark 1.3 与 Muse Wonder 驱动，可访问 500 万份回顾性去标识电子健康记录及公开数据。一组医学专家用该系统开展原创研究，在假设生成、代码执行和稿件撰写上提速，同时保留对科学决策的全部决定权。Meta 此次公开了由此产出的 10 篇研究稿件，涵盖心脏病学、肿瘤学、传染病、急诊医学等方向，详情见其研究博客。

K-Dense公布首批Hypothesis to Evidence资助名单

我们很高兴地宣布首批获奖者名单！

华为等提出 SwarmRSI：让科学智能体群体通过共享研究状态递归自我改进

华为、Leiden University 等机构的研究者提出 SwarmRSI 框架，让科学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，代码已在 GitHub 公开。

SwarmRSI 框架让科学智能体群体递归自我改进

作者提出 SwarmRSI 框架，通过 Feedback-Guided Swarm Mutation 和 Complementary Swarm Recombination 两个机制，让科学智能体群体利用彼此的实验反馈修正假设与实现，并把保留的假设和互补程序组件复用到新研究中。

Google Research 发布十项科研工具进展，Deep Review 开放公众使用

Google Research 在 Research@ 活动上公布十项科研相关工具进展，其中智能体审稿系统 Deep Review 从早期版本扩展至面向公众开放，用于核查技术文档的逻辑一致性与事实依据。

入选理由Google 公布十项科研相关工具进展，其中 Deep Review 已用于审阅逾 1.6 万篇会议投稿，研究者可据此判断 AI 审稿辅助的可用范围。

Amp 用 OpenAI 模型让 AI 智能体走出代码场景

Amp 借助 GPT-6 Astra、Ultrafast、GPT-Live-1 及 Sign in with ChatGPT，把 AI 智能体的能力拓展到代码之外的场景。该消息由 OpenAI 发布，展示的是 Amp 在这些 OpenAI 模型上的应用方式。

Euler：面向人类理解的多智能体数学发现系统

作者提出 Euler，一个以共享结构化研究状态为核心的多智能体数学发现系统，记录精确命题与假设、命题间依赖、备选证明路线、失败尝试及每条结论的证据，供研究者和智能体共同使用。

K-Dense Web 公布 Hypothesis-to-Evidence Grant 首批研究员，资助端到端智能体科研

K-Dense Web 公布 Hypothesis-to-Evidence Grant 首批入选者：香港大学 Joy-Yan Lam 与 MIT 的 Alexander Reading、Daniel Pascal 团队，项目从计算结果出发，经 K-Dense Web 形成假设与实验方案，再由 Litmus Science 完成湿实验室检测。

vLLM 开源训练推理逐位一致配方与智能体技能，加速 RL 训练

vLLM 团队发布 train-inference-consistency 技能与配套代码，让训练前向直接调用 vLLM 推理内核并改造高性能内核，使 rollout 与训练对每个采样 token 的 logprob 逐位相同（diff = 0）。

入选理由vLLM 团队公开了让训练与推理逐位一致的算子级配方和智能体技能，可迁移到新模型与低精度部署。

Google DeepMind 发布 Gemini 4 Argon 机器人物理推理模型

Google DeepMind 发布 Gemini 4 Argon，定位为通用物理推理模型，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，称超过其他前沿模型。

入选理由材料给出 Argon 在机器人全流程的提示词示例与开放渠道，研究者可据此判断它能否接入自己的仿真与真机工作流。

JevGPT：用快慢双系统架构做自主研究，在 BrowseComp-Plus 与 NeuCLIRBench 上取得领先

KAUST 等机构的研究者提出 JevGPT，把自主研究拆成两个系统：System Two 负责设定证据目标并整合发现，System One 基于 Jev 模型并行判断来源相关性、定位原文段落并主动发现候选。

JevGPT：用快慢双系统架构做自主科研

KAUST 等机构的研究者提出 JevGPT，一种面向自主科研的双系统架构：System Two 负责设定证据目标并整合发现，System One 负责定位支撑段落、评估相关性和引导后续阅读，独立来源判断可并行执行。

ResearchFlow-Eval：追踪端到端多主张自动科研中的执行鸿沟

清华大学与南方科技大学等团队提出 ResearchFlow-Eval，一个在阶段与主张两个层面评估自动科研系统连续执行与迭代的细粒度框架，每项评估以已发表锚定论文为基础生成阶段专属评分标准。

Sergey Brin 家族基金会 ARIA 向自闭症研究投入逾 4.5 亿美元

Sergey Brin 家族基金会 2024 年发起的 Aligning Research to Impact Autism（ARIA）已公开承诺投入逾 4.5 亿美元，其中约 3 亿美元自 6 月以来公布，规模可与美国 NIH 年度自闭症研究预算相比。

Anthropic 发布 dynamic workflows，由 Claude 自行编排多智能体

Anthropic 在 AI Engineer New York 2026 上介绍新功能 dynamic workflows（简称 flows），由 Claude 自行制定计划并编写编排程序，启动子智能体、收集结果和管理信息流，取代此前需开发者配置协调者与子智能体名单的方式。

QwenGyre：面向超长程智能体训练的弹性强化学习框架

阿里巴巴 Qwen 团队推出 QwenGyre，将弹性强化学习用于超长程（XLong）智能体训练，核心设计为 Elastic Scheduler 与 Trajectory Processor。

上海AI实验室推出实验设备访问与协同协议书生SCP-Lab

上海人工智能实验室推出实验设备访问与协同协议书生SCP-Lab，为科研智能体提供统一的设备能力发现、任务交互与可信反馈机制，支撑书生·端砚把科学构想转化为真实物理实验。

入选理由材料给出协议的分层架构与五级控制粒度，研究者可据此判断自家异构设备能否接入科研智能体的实验流程。

上海AI实验室推出决策模型书生·明决，4B版七项评测平均90.02分

上海人工智能实验室推出决策模型书生·明决（Decision），含0.8B、2B、4B三档参数版本，将原生视觉感知与指令遵循结合，可在读取画面的同时输出结构化决策。

Terence Tao 博客：数学插画如何超越证明——从 IHP 研讨会到 GPT-6 Astra 发现 Chair44

数学家 Kate Stange 与 Edmund Harriss 在 Terence Tao 博客发文，讨论插画能否成为严谨的数学研究方式，相关文章已被 Notices 接收。

RIVO：为 Deep Research 智能体提供轻量自适应重路由

论文提出 RIVO，一个面向长程 Deep Research 智能体的轻量插件框架，把自适应重路由建模为状态条件下的轨迹纠偏问题。它用置信度、注意力收敛和证据注意力三个信号判断停止、验证、继续或重路由，触发后由 0.6B 插件对冻结 Host 的 logits 做稀疏低秩修正，Host 参数不更新。

RIVO：为 Deep Research 智能体提供轻量自适应改道插件

arXiv 预印本提出 RIVO，一个不重训底层 Deep Research 模型的轻量插件框架，用置信度、注意力收敛和证据注意力三类信号判断当前研究轨迹应停止、验证、继续还是改道，触发改道时对冻结 Host 的 logit 做稀疏低秩修正。

Sakana AI 提出 MASS：多智能体自监督实现递归自我改进

Sakana AI 发布论文《Recursive Self-Improvement through Multi-Agent Self-Supervision》，提出 MASS 方法：一个共享模型通过虚拟子智能体团队解题，搜索更优的多智能体工作流，再用自身判断选出最佳方案，并把最佳团队的执行经验蒸馏回共享模型。

入选理由论文提出多智能体自监督方法，让同一模型在自改进循环中互相评估，研究者可据此判断自改进路线的可行边界。

Triage-PiEvo：为原则演化型科学智能体引入证据准入机制

西湖大学、浙江大学与快手等机构的研究者提出 Triage-PiEvo，把异常观测的用途拆成两条路径：异常可立即引导搜索，但只有经过独立验证的证据才能改写持久原则，被推翻的原则会被撤回。