AutoSaddler：基于智能体执行轨迹的自动化 Harness 优化
AutoSaddler 是一个用于自动改进大语言模型智能体 Harness 的框架。它将 Harness 优化定义为离线学习问题，利用小批次中的失败信号来调整提示词、工具配置和控制逻辑。系统会诊断失败轨迹，将 Harness 视为代码生成结构化补丁，并通过验证选择更新方案。在 GAIA2、SWE-Bench Pro 和 Terminal-Bench 2.0 上，相较于对应的基础 Harness，性
AI 新闻中心
AI 新闻中心 过去30天分析了 911 篇文章，发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
CAFE：自我改进的搜索智能体需要共同演化的反馈
CAFE（Coupled Agent–Feedback Evolution）通过交替训练搜索智能体和批评器，使二者共同改进。该框架学习智能体应在何时请求反馈，以及如何利用反馈在错误累积前修正正在进行的搜索轨迹。它结合在线强化学习与离线偏好优化，从成功和失败的轨迹中学习反馈策略。在七项智能体搜索基准测试中，CAFE平均优于所评估的基于强化学习的搜索智能体，在六项域外基准测试中保持性能提升，并减少了答
Meta^n：通过涌现深度实现递归式自我改进
Meta^n是一种递归改进大语言模型代理的方法。它不修改执行自我改进的操作，而是将一个固定操作反复应用于自身生成的结果。系统读取下层求解器堆栈的执行轨迹及生成这些轨迹的代码，然后将下一层构建为策略性预处理流程和可调用辅助函数库。固定操作旨在避免系统失稳，而不断增长的输入则让每一层能够从更高层次进行推理。递归深度由收敛情况决定，进化式存档则搜索不同的层级链。作者称，在两个基础模型和八类基准测试中，M
基于可验证奖励的在线策略蒸馏
该研究提出OPDVR，将在线策略蒸馏与基于可验证奖励的强化学习结合起来。该方法利用教师模型提供的密集令牌级指导信号，并通过ReLU门控机制，使蒸馏信号与完整轨迹的正确性保持一致。正确轨迹获得非负奖励，错误轨迹获得非正奖励，同时无需增加额外超参数。在六项推理基准测试中，OPDVR均优于标准在线策略蒸馏。相关代码已在GitHub上公开。
扩散模型的策略内自蒸馏
DiffusionOPSD是一种策略内自蒸馏方法，用于根据人类偏好和特定任务奖励调整扩散模型。该方法将图像级奖励梯度转换为去噪过程中间预测的明确训练目标。在SD 3.5-M和Z-Image-Turbo上的实验中，它在20个奖励匹配设置中的19个取得了最佳最终留出分数。与最强竞争方法相比，性能最高提升44%；相较DiffusionNFT，GPU使用时间在SD 3.5-M上减少40%，在Z-Image
Recuris推动长期任务AI代理的记忆递归演化
Recuris是一种面向长期任务AI代理的经验记忆与工作记忆架构。工作记忆负责跟踪任务进度，并从经验记忆和技能记忆中选择相关技能，而不是依赖完整的交互历史。系统利用执行数据定位失败原因，并进行经过验证的记忆更新。在四项基准测试和十个模型上，作者报告称，已完成的37个模型—基准组合中有35个实现了任务成功率提升。在tau-bench上，GPT-5.6 Sol提升17.8个百分点，Claude Opu
卫星自主运行时代开启：中国航天垂直大模型“华山”完成在轨验证
中科天塔研发的航天垂直大模型“华山”健康管理模块，已在“辰光一号”技术试验卫星上完成全流程在轨实战验证。系统采用多类时序神经网络和包络算法，完成了训练、评估与预测任务，具备遥测数据解析、异常检测、趋势预测和自主决策能力。不同于传统的“地面训练、星上推理”模式，“华山”实现了数据采集、星上训练、风险预警和健康评估的闭环。该方案有望减少原始遥测数据下传量，缓解天地通信带宽压力，并降低未来低轨大型卫星星
掩码不是模型本身：审计注意力、状态空间与混合序列模型中的前缀不变性
一项研究对前缀不变性进行了形式化定义：位置 t 的表示不应依赖未来输入。研究提出的轻量审计只需两次前向传播，无需训练或梯度，即可精确定位因果性失效的位置。仅检查注意力掩码并不充分，因为扫描操作或归一化也可能导致信息泄漏。在针对8个检查点进行的192次故障注入测试中，掩码检查一个问题也没有发现，而该审计定位了全部192个故障。研究还发现了Zamba2和Nemotron-H中的缺陷。
人类网络正在消亡？报告称三分之一以上新网页存在AI撰写迹象
研究人员发现，使用AI撰写的网络内容正在大幅增加。自2023年1月以来发布的网页中，超过33%似乎存在由AI撰写或协助撰写的迹象。这一发现引发了人们对网络内容质量、可靠性以及人类作者未来作用的担忧。
AstroPT 对星系的认识，以及它能为大语言模型带来什么启示
一项可解释性研究将 AstroPT 用作受控测试平台。AstroPT 是一个使用数百万张星系图像训练的 Transformer，用于检验分析大语言模型的方法。天文学提供了已知的真实基准：研究人员事先知道不同概念的学习难度及其物理关系。几乎直接编码在像素中的属性，例如波段星等，会在训练早期和较浅的网络层中变得可解码。需要推断的属性，例如红移和比恒星形成率，则在更晚阶段、更加深层的网络中出现。这一顺序
Skild AI 发布机器人基础模型 S1，称其可学习预训练未涵盖的任务
Skild AI 发布了机器人基础模型 S1。该公司称，S1 可以通过一次视频演示学习预训练阶段未出现的任务，无需额外微调或训练后处理。公司还表示，该模型能够应对最长约 10 分钟的任务。不过，发布内容没有提供独立基准测试或详细技术验证，因此这些能力目前仍属于公司声明，能否稳定实现还有待外部评估确认。