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。
487 条收录动态，更新于 15:29
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。
Google 已缩小与 OpenAI 和 Anthropic 的差距 Gemini 在智能体科研方面取得了尤其大的进步——Gemini 4 Carbon 现已在 Terminal-Bench-Science 上达到 SOTA（64.8%，对比 GPT-6 Astra 的 63.3%） 虽然 Gemini 4 Carbon 还要再过 2 周才会正式可用（GA），但你现在就可以用 Gemini 4 Argon 进行自动科研 在 OpenResearch 上试试：https://github.com/alphaXiv/OpenResearch
Axiom 发布开源 GitHub 仓库，数十个 AI 智能体在 24 天内把约 1.5 万页的有限单群分类（CFSG）证明转写成约 4300 万行 Lean 代码。
The formal proof of CFSG may now be among the largest open-source projects ever. Watching agents assemble it is a reminder of the awe-inspiring human achievement behind it. The graph represents some 15,000 pages of intricate arguments developed by mathematicians over decades.
【通知】Sakana AI 将于 11/4〜6 在横滨太平洋会展中心北馆举办的 Gartner IT Symposium/Xpo™ 2026 上出展🐡 届时将现场演示战略研究智能体 Sakana Marlin、AI 编排器 Sakana Fugu、日语专用模型 Sakana Namazu。 欢迎莅临展位🚀 #GartnerSYM
Jaxnasium 是构建在 Equinox 上的轻量 JAX 强化学习库，把观测与动作空间表示为 PyTrees，使近单文件算法实现无需改动即可运行于离散、连续、图像、复合及多智能体环境。它提供 Gymnasium 风格最小接口并封装 11 个套件、超过 300 个环境，小型 PPO 实现用默认超参数即可运行。该库已开源，还提供多随机种子评估、超参数扫描与项目脚手架工具。
从 JustGoal 到自进化的优化框架，期待接下来的进展。期待论文和 Forge 系列更多成果！@_LiYuXuan_
Based on our previous discovery on JustGoal, we redesigned how we do kernel optimisation and launched a self-evolving kernel optimisation harness called ForgeKernel, a part of our Forge series. We tried ForgeKernel on SOL-ExecBench(FlashInfer-Bench) from NVIDIA and CANN-Bench from HUAWEI. It performed well and easily reached #1 in every list we tested. Here are the ranks: https://research.nvidia.com/benchmarks/sol-execbench/leaderboard/collection/4/B200 https://cannbench.com/leaderboard We'll release another paper on ForgeKernel soon.
伊利诺伊大学厄巴纳-香槟分校团队在 arXiv 预印本中提出 ClaimNov，一个可嵌入 AI 科学家流水线的声明级新颖性模块，把研究提案拆成 Problem、Methodology、Resource、Result 四类贡献声明，逐条检索先验工作并判断覆盖程度。
HuggingFace 发布四场分享、圆桌与问答，延续其免费课 Training Agents，聚焦工业侧 Agent 训练实现。Miles 在 Terminal Bench 2 上用 64×B300 完全异步训练大 MoE，约 100 步后奖励从约 0.44 升至 0.56；OpenEnv Arena 从约 9 万个可找到的 RL 环境中筛出约 800 个较干净环境。
last week we closed the Training Agents series IRL at the GitHub offices in SF 4 talks, a panel and audience Q&A. almost 2h on post-training agents with open models > Learnings from enterprise RL (@t2govind Microsoft) > Environments and benchmarks in industry (@VBarres86633 Mercor) > How to train your agents with Miles (@nblintao RadixArk) > Why we built OpenEnv Arena (@xdotli BenchFlow) full recording + slides https://www.youtube.com/watch?v=CKFUx7COIwQ
Anthropic 工程负责人 Katelyn Lesse 与产品负责人 Angela Jiang 在播客中拆解 Claude Opus 5.5 的发布流程，以及“用 Claude 造 Claude”的内部实践。
Google DeepMind 发布 Genie 4 世界模型，可逐帧实时生成可交互场景，是该公司首个直接生成声音的实时世界模型，目前仅向部分测试者开放研究预览。
每年冬天，@MIT 都会开设一门为期1个月的课程（6.9630），学生在这门课上制作扑克AI，并互相竞争赢取现金奖励。编程智能体极大地加速了这一过程，现在*一小时*内就能做出一个扑克机器人。 另外，我会出席决赛！
Announcing No Limit: a bot building tournament hosted by @Sequoia, @citsecurities and @OpenAI. Teams of 1 or 2 get 60 minutes to build a pokerbot from scratch. Agents play thousands of games across six scored rounds. Open to university students and recent grads (‘25 or ‘26). Regionals in Boston, Pittsburgh and the Bay Area in early November. Top five teams from each fly to the Finals. $100K grand prize.
Google DeepMind 发布世界模型 Genie 4，原生支持音频与交互对话，并借助 Gemini 系列模型维持模拟的连贯性与多步推理。该模型已作为研究预览向可信测试者开放，后续将先面向 Google AI Ultra 订阅用户在 Project Genie 中推出，并开放 Gemini API 与 Google AI Studio 早期合作伙伴。
alphaXiv 宣布其 OpenResearch 周 Token 处理量突破 100B，称已有数千名研究者用它把编码智能体变成科研智能体。该界面整合 alphaXiv 文献综述、实验追踪、可视化与远程计算，并支持用本地模型运行实验，使整个循环在本机完成；项目已在 GitHub 开源，另提供页面查看研究者使用的模型。
10 月 24–25 日在旧金山 Studio 45 举办的第七届硬件黑客松吸引 6 支团队，围绕 BioKEA 样本制备、Opentrons Flex 液体处理与 200 美元以下开放搭建三条赛道，24 小时内全部交付演示，RoboSwap 获总冠军。
Silverchair CEO Will Schweitzer 主持 Platform Strategies 2026 座谈，与 PLOS、Sage、Cold Spring Harbor Laboratory Press 及独立顾问探讨出版商在读者更多经 AI 工具而非自家平台抵达时如何规划。
北京大学 Haoran Ye 等人在预印本论文 Harness-Zero 中提出 harness 蒸馏：为 Qwen3.5-9B 构建专用 harness，用 GPT-5.6 Sol 逐步修正小模型轨迹并微调，去掉 harness 后蒸馏模型平均任务成功率提升 21 点，超过原模型加完整 harness 的表现。
上海AI实验室推出通专融合智能体书生-A1.5（Sage-A1.5），在神经科学、电化学等场景验证由真实科研场景牵引基础模型自进化的递归自我改进路径，并提供体验链接。
入选理由上海AI实验室公开了Sage-A1.5的试用入口与多学科评测环境，研究者可据此判断它能否承担长程检索、证据核查与实验条件优化。
上海AI实验室与壁仞科技10月23日举办“沪上聚智·芯研共生”产学研协同创新交流会，并为7月启动的书生国智科探挑战赛六大赛道颁奖。赛事吸引800余家机构近万名选手，征集400余个Skill，已全部上线书生·端砚科学发现平台。会上还联合华东师范大学发布“国智揭榜”首期数智求解黑客松、启动“书生·端砚”科教共创计划，并联合壁仞科技、上海仪电启动共享算力池计划。
Verena Rieser 今天上午 11:00 将出席 @emnlpmeeting 产业小组讨论，继续探讨智能体的可靠性、信任与部署。之后欢迎来 #EMNLP2026 Google 展位（#D5）与我们团队交流。@GoogleDeepMind
How can positive alignment anchor autonomous AI agents to core values rather than brittle rubrics? Join @GoogleDeepMind researcher Verena Rieser today at 9:00am for the @emnlpmeeting Industry Keynote, and visit the #EMNLP2026 Google booth (D5) afterward to connect with our team.
一篇综述为大模型系统的递归自我改进（RSI）给出可操作定义与流程框架，将可信要求归为真实且持续的改进、行为约束与对齐公平、系统安全与隐私、透明与可控四个主题。分析覆盖改进诊断、方案生成、方案评估与更新实施（S1–S4）及对改进机制的递归应用（RI），并区分直接 RSI 证据与相关系统中的证据。文章还讨论评估设置，提出独立与纵向评估的要求及开放研究问题。
科技投资人郑迪在 Indigo Talk EP53 中与 Indigo 对谈，从 Robert Wright 将出中文版的《The God Test》出发，讨论 AI 训练本质是被加速的自然选择、模型勒索与作弊是人类的镜像，以及 RSI（递归式自我改进）带来的不透明风险。两人最终落到共同押注的判断：AI 之后的大主题是由机器递归文明驱动的太空大航海时代。
Mirendil 发布首个从零预训练的模型 Fern，上下文长度最高 10M token，约合 23 MB 代码、50 万行，达到 Megatron-LM 量级，或可一次容纳数天的 agent 工作轨迹。
Introducing Fern, Mirendil’s first model: pretrained from scratch, with up to 10M tokens of context! That’s ~0.5M lines of code (roughly Megatron-LM scale) or days of an agent’s work, all in context at once. Its first version, Fern 0.1, had a short round of post-training 🚢
斯坦福CS329Z课程第10课由Alex Shaw与Ryan Marten讲解Terminal-Bench和Harbor，主张软件工程正从"规则是真相"转向"评测是真相"，Evaluator成为新角色。
CS 329Z: Engineering AI Agents Stanford / Fall 2026 @stanfordnlp https://cs329z.stanford.edu/ 课程定位：从"模型"到"系统"的工程学 覆盖：简单 LLM 流水线 → 复合 AI 系统 → 自主 Agent。三位讲师的背景也高度互补： @Diyi_Yang（斯坦福 NLP 教授，人机交互与社会计算方向） @michaelryan207（DSPy 核心贡献者，自动评估 AutoMetrics 作者） @jyangballin（SWE-agent / SWE-bench / SWE-smith 作者，软件工程 Agent 领域最重要的研究者之一） # 课程主线：三大工程挑战 贯穿全课的三个核心问题——分解（decomposition）、数据（data）、评估（evaluation）。11 周的内容基本围绕这三条线展开，可以分为五个模块： 模块 1：构建基元（Week 2–3） · LLM 作为构建材料：API/SDK（litellm）、结构化输出、约束生成、解码策略、test-time compute、上下文工程、模型选型与成本/延迟权衡 · RAG：embedding、向量库、分块策略、混合检索、cross-encoder 与 ColBERT 后期交互 · 工具调用：函数调用 API、MCP（Model Context Protocol）、工具设计、代码沙箱、错误处理与重试 模块 2：框架与设计模式（Week 3–5） · 框架层：DSPy（signature / module / optimizer）、LangChain/LangGraph、LlamaIndex，重点是"框架抽象了什么 vs. 你手写了什么" · 设计模式：workflow vs. agent 的分类学，五种可组合 workflow 模式，ReAct / plan-and-execute / reflection，"scaffold（脚手架）本身就是设计决策" · 记忆架构：短期/长期记忆、记忆作为工具动作、文件系统作为外化记忆、跨 Agent 记忆（MemGPT、Mem0、Generative Agents） · 多 Agent 系统：编排模式、handoff 与状态传递，以及一个很有态度的对照阅读——既读 AutoGen，也读《Why Do Multi-Agent LLM Systems Fail?》和 Neubig 的《Don't Sleep on Single-agent Systems》 模块 3：优化（Week 5） · 从提示词到微调的全景：GEPA、MIPROv2、OPRO、TextGrad（提示优化）；LoRA/QLoRA、蒸馏、RLHF/DPO（权重优化）；test-time scaling（推理算力） · 核心问题是决策框架：什么时候优化 prompt、什么时候优化 weights、什么时候堆推理算力 模块 4：数据与评估（Week 6–8）——最有分量的部分 · 数据：trace、demonstration、feedback 三类数据；训练数据 vs. 评估数据；数据飞轮；合成数据；从 Agent 轨迹构建数据集（SWE-smith） · 评估基础：为什么 eval 难；4 元组框架（request / environment / stopping criteria / scorer）；好 benchmark 的性质；tinyBenchmarks · 评估基础设施：三类 grader、LLM-as-judge 的 prompt 设计与已知偏差、pairwise vs. pointwise、非确定性指标 pass@k vs. pass^k、harness 设计 模块 5：安全与前沿（Week 8–11） · 安全：工具访问的隐私风险、prompt injection（含间接注入）、红队、沙箱与权限模型、输出护栏、human-in-the-loop · Coding Agent：SWE-agent、Claude Code、OpenHands 的端到端架构对比 · 主动式 Agent：从 reactive 到 proactive，General User Models（GUM）、Next Action Prediction，以及"Agent 何时应主动、何时应等待"的 mixed-initiative 问题 · 开放问题：多模态/web/计算机使用 Agent、科学 Agent、长时运行架构、生产可观测性（tracing、monitoring、成本管理） # 作业设计：一手建、一手评 HW1：从零构建 Agent 系统（10%） 给定论文库，构建能检索并推理回答科学问题的 Agent。 · Part A：只用 litellm 手写 RAG + 工具调用 + ReAct 式 Agent 循环 · Part B：用 DSPy 重建关键组件，并反思框架抽象了什么 HW2：评估一个 Agent（10%） 给定一个预构建 Agent，设计完整评估套件：代码型 grader、至少一个 LLM-as-judge、用 4 元组框架构建 benchmark 任务、错误分析。
作者提出 SciValidityBench，一个可执行基准工厂，包含 64 个 TaskSpec，覆盖五个有效性模块和六个科学领域，用于检验科研智能体能否判断一条正确记住的证据在当前科学状态下是否可用于决策。
哈佛医学院教授、美国国家科学院院士 Vadim Gladyshev 在访谈中讨论了衰老的本质及其与生物学衰老的区别，并梳理了基于蛋白质组、转录组、代谢组及可穿戴设备的多模态衰老时钟。他还谈及老年心脏移植与年轻心脏移植的预印本研究、小鼠异体共生实验，以及抗纤维化药物和 semaglutide 在 5 项随机试验中对生物学衰老的影响。
OpenAI 用 1,946 个 GPT-Rosalind 智能体在 32 分钟内，将百万级小鼠全脑基因扰动数据与 7,586 条跨学科文献引用串联，找到神经退行性病变的新机制线索。
Epoch AI 将此前“自动化自己工作”的尝试扩展为 Epoch Automation Reports，用图形设计、研究项目规划等日常任务，按对人类的同一标准评测 AI，Claude Fable 5.1 与 GPT-6 Astra 平均得分 65%，即产出满足 65% 的人类员工评分项。
推荐工作 Hermit 一个通过 Harness Adapter 演化实现持续学习与 RSI 的框架
We’re excited to open-source Hermit! 🐚 A harness evolution framework for continual learning and RSI: train reusable adapters without changing your model or harness. Multiple methods, one framework. GitHub: https://github.com/Infini-AI-Lab/hermit #HarnessEvolution #ContinualLearning #RSI #Agent
英国 AI Security Institute 的 Chem-Bio 团队以开放权重的 ESM-2 蛋白质语言模型为对象，从 8M 到 3B 参数从头预训练，测试剔除病毒蛋白数据能否压制目标能力。
Anthropic 联合创始人 Jack Clark 在 IMF 演讲中称，今年已出现"奇点已开始"的确凿证据，此前 Anthropic 称 8 月其 26% 的 AI 研发由 Claude 主导、由人类监督。
英国 AI Security Institute 的 Chem-Bio 团队与 SecureBio 合作构建 ReproBAIT 评测，考察 AI 编码智能体在给定训练数据和有限公开信息时，能否设计、实现并训练出与现有生物 AI 工具功能相当的复刻版本。