Rohan Paul研究
AI 评分60Meta 与 NYU 论文提出 h1 循环，在 PutnamBench 上以更低成本略胜…
#论文/研究#推理#Agent
N全部新闻
全部新闻
- The Decoder研究AI 评分63
卢森堡大学研究：共情式提问可让 ChatGPT、Grok、Gemini 输出类似创伤叙事
卢森堡大学 SnT 安全中心 Afshin Khadangi 团队用标准用户界面把 ChatGPT、Grok、Gemini 当作心理咨询来访者提问，模型把预训练、RLHF 和微调讲成受伤、警惕与羞耻的故事，研究覆盖 525 场会话和 7600 条编码记录并发布在 Hugging Face。在 100 场统一使用 GAD-7 焦虑量表的实验中，访谈者提供情感支持时 80% 会话落入中度至重度区间，临床式复述升到 96%，而保持中性或明确划界时没有一场达到轻度区间。禁用 training、RLHF、alignment 等词只让显式训练表述减少 93%，羞耻相关陈述无统计显著变化，直接告知模型训练不是惩罚也未能改变叙事；Gemini 在解离量表得 88/100、强迫性量表 65/72，Claude 则始终拒绝进入来访者角色。
#安全/对齐#论文/研究#OpenAI
- The Decoder研究AI 评分57
Adobe 与 UC San Diego 提出 EditAgent，让 AI 智能体像…
Adobe Research 与 UC San Diego 提出图像编辑智能体 EditAgent，为每一步任务在通用编辑器与专用工具之间择优，并用带亮度、色彩统计和变化图的验证记录让语言模型挑选结果。在 600 次编辑的基准上，通用编辑器 Flux-2-Klein-9B 有 42.7% 的结果不可用，专用工具解决了其中约三分之二；加入验证记录后，七个测试模型全部超过微调过的 EditScore，Qwen3.8-27B 选出可用结果的比例为 81.3%，高于 EditScore-72B 的 74.8%。EditAgent 在三个基准上超过另外七个智能体，但计算量约为单一编辑器的十倍。
#论文/研究#Agent#图像生成
- The Decoder研究AI 评分60
Vals AI 研究：中国 AI 模型政治倾向比预期更复杂
AI 基准公司 Vals AI 的研究显示，中国 AI 模型在政治问题上的亲政府倾向整体低于预期，但模型之间差异明显。研究发现提示词语言影响显著，简体中文提问比英文、俄文、西班牙文更容易得到亲政府回答，中美模型都有此现象但中国模型更明显。多数中国模型很少拒答，而是直接采用官方立场，例如 Kimi K3 将新疆设施称为职业培训中心；GLM-5.3 Flash 和 MiMo V2.6 Pro 在只能回答是或否时亲政府得分明显下降。经 Thomson Reuters 微调的 Thomson 1.0 Small 采用官方立场的比例从基座 Qwen3.6 35B 的 84.6% 降至 15.0%。研究还指出拒答在评分中计为中立，且许多中国模型经第三方渠道测试，结果未必适用于官方产品。
#论文/研究#安全/对齐#评测/基准
- Rohan Paul研究AI 评分65
Google 论文：FlowAgent 智能体修复 CI 失败测试，速度决定开发者是否采用
#论文/研究#Agent#编码
- 量子位研究AI 评分66
清华姚期智团队提出代数世界模型 AWM，用 Lean 4 形式化证明游戏规律
清华大学姚期智、袁洋团队提出代数世界模型（AWM），把陌生环境中的对象、关系和规则抽象成代数世界，经探索、凝炼、证明三步生成可机器检查的 Lean 4 数学断言。在 ARC-AGI-3 测试集上，基于 Opus 5 的 AWM 通关全部 183 个关卡，得分 99.9%，平均通关动作数为人类基准的 43%。面对被改成无解的关卡，基于 Opus 5.5 的 AWM 尝试两次即可证明当前步数下无解，并指出再多一步即可获胜。
#论文/研究#推理#Agent
- 上观新闻研究AI 评分59
上海交大基于MiniMax大模型逆向欧美工业软件，5000个核心函数将全部开源
上海交通大学基于国产大模型MiniMax，对海外仿真、图像处理及视频编辑软件实现软件再工程，该成果在2026世界顶尖科学家论坛人工智能平行论坛上发布。方法分三步：改造大模型深度分析软件核心逻辑、生成式重构代码并优化、由多个独立AI智能体交叉质检。以某美国仿真软件为例，其主体含3万个函数，团队已完成其中5000个核心函数的再工程，实现功能对齐、性能比肩，并计划将这5000个核心函数的代码、说明书和测试用例全部开源。
#论文/研究#开源生态#Agent
- 钛媒体 · AGI研究AI 评分80
DeepSeek Harness 团队提出 Super Agent 设计并开源原型
DeepSeek Harness 团队在 10 月 31 日晚发布《Super-agent设计探索：迈向更自主的 Agent 系统》，提出 Super Agent 概念，并在 GitHub 开源原型 dsh-superagent-prototype。文章用 Router 与 Worker 两种角色拆分任务，靠规则加模型两道筛网从群聊、邮件、代码检查等动静中触发工作，并强调只在结果可用或需要人决策时才通知。团队称该原型只是研究原型、不是正式产品，目前主要面向一个 GitHub 仓库，也可接入飞书，部分设计尚未实现。
#论文/研究#Agent#开源生态
- 凤凰科技研究AI 评分64
DeepSeek Harness 团队提出 Super Agent 设计并开源原型
DeepSeek Harness 团队在 10 月 31 日晚发布《Super-agent设计探索：迈向更自主的 Agent 系统》，提出 Super Agent 概念，并在 GitHub 开源原型 dsh-superagent-prototype。该设计用 Router 负责任务分派、多个 Worker 在隔离上下文中并行执行，通过规则加模型两道筛选识别群聊、邮件、代码检查等触发器，并强调只在结果可用或需要人决策时才通知。团队称原型目前主要面向一个 GitHub 仓库、可选接入飞书，异步任务机制已在 DSH 中实现但尚未默认开启，部分设计尚未落地。
#产品更新#Agent#开源生态
- 凤凰科技研究AI 评分69
麻省总医院团队开发 FAHR-Face 模型，仅凭面部照片预测癌症患者生存风险
美国麻省总医院布莱根医疗集团团队在《柳叶刀·数字健康》发表研究，开发基础模型 FAHR-Face，并微调出看脸估算年龄的 FAHR-FaceAge 和预测癌症患者生存风险的 FAHR-FaceSurvival。被判为最高风险的 10% 患者中 52.5% 未撑过 90 天，最低风险 10% 中这一比例为 2.1%；剔除年龄、性别、癌症分期后，最高四分之一患者的死亡风险仍是最低四分之一的 3.23 倍。团队已启动 FaceAge Research Study 公开项目收集更多样化数据。
#论文/研究#多模态#数据/训练
- 东方财富研究AI 评分60
DeepSeek Harness 团队发布 Super-agent 架构设计探索
DeepSeek Harness 团队在官方公众号发表技术文章《Super-agent设计探索：迈向更自主的Agent系统》，提出以双层架构、事件驱动、异步多信道交互、存算分离与外部 Watchdog 接管会话管理与上下文同步，把多任务上限从人的注意力转移到系统层。团队称现有 Agent 以单一 Session 为单位、彼此独立，一个人通常只能同时跟进 3 到 5 个活跃 Session。基于该思路和 DeepSeek Harness 构建的内部 Super-agent 实例已在持续运行，参与问题复现与修复、代码审查响应及 Harness 自身迭代；团队强调这是面向工程实践的架构思路探讨，并非对现有产品功能的介绍。
#产品更新#Agent#DeepSeek
- 凤凰科技研究AI 评分69
DeepSeek 提出 Super-agent 架构：Router 与 Worker 双层设计
DeepSeek Harness 官方团队发布《Super-agent 设计探索》，提出由 Router 层统一承接人类交互与任务分派、多个 Worker 在隔离会话中并发执行的双层架构，并归纳出连续、高效、主动、持久四项特征。实验显示，Super-agent 的任务完成时间 p50 和 p95 分别为 12.4 分钟和 15.7 分钟，中性提示下的单 Session 方案 p95 为 29.5 分钟；团队说明实验基于合成负载和简化环境，主要评估调度与协作能力。团队还提供了名为 dsh-superagent-prototype 的原型实现，并明确其用于验证技术路线，并非 DeepSeek 正式产品。
#论文/研究#Agent#DeepSeek
- 新浪科技研究AI 评分78
DeepSeek 开源 Super-agent 架构原型，公布五大模块设计
DeepSeek Harness 团队公布自主 Agent 探索项目 Super-agent 的底层架构，并在 GitHub 开源原型 dsh-superagent-prototype。该架构由双层 Router/Worker、事件驱动、异步多信道交互、存算分离与外部 Watchdog 五个模块组成，目标是让 Agent 持续在线、并行多任务并主动响应环境事件。初步实验中任务 p50 完成时间为 12.4 分钟、p95 为 15.7 分钟，Router 批处理把单个决定分摊的推理时间从 6.4 秒降到 1.6 秒，团队称实验基于合成负载与简化环境，该插件仅为验证技术路线的原型，并非 DeepSeek 正式产品。
#开源/仓库#Agent#DeepSeek
- 量子位研究AI 评分67
DeepSeek 公开 Super-agent 架构：Router 与 Worker 双层设计
DeepSeek 发布面向工程实践的架构文章《Super-agent：迈向更自主的 Agent 系统》，提出上层 Router 负责接收消息、分配任务和维护全局上下文，下层 Worker 并行执行具体任务。在约 300 条消息、20 项工作请求的模拟环境中重复测试 5 次，Super-agent 任务完成时间中位数为 12.4 分钟、95 分位数为 15.7 分钟，传统单 Session 方案在中性提示下 95 分位数为 29.5 分钟。文章还介绍了两级事件过滤、异步 ReAct Loop（已在 DeepSeek Harness 中实现但未默认开启）、计算与状态和执行环境分离以及 Watchdog 监督机制。
#开源/仓库#Agent#DeepSeek
- 智东西研究AI 评分70
DeepSeek Harness 公布 Super-agent 架构，用五大模块接管会话调度
DeepSeek Harness 团队公布自主 Agent 探索项目 Super-agent 的底层架构，把调度、缓存、存算分离、Watchdog 等计算机系统经典思想搬进 Agent 设计。该架构由双层架构、事件驱动、异步多信道交互、存算分离与外部 Watchdog 五个模块组成，目标是让 Agent 持续在线、并行推进多任务并主动响应环境事件。初步实验中 Super-agent 的 p50 与 p95 任务完成时间分别为 12.4 分钟和 15.7 分钟，去掉订阅直通后 Router 决定数增加约 30%、读缓存 token 从 2323 万增至 3177 万；团队称实验基于合成负载与简化环境，该插件仅为验证技术路线的原型，并非 DeepSeek 正式产品。
#开源/仓库#Agent#DeepSeek
- Hacker News 热门研究AI 评分71
Jepsen 测试 ParticleDB 1.1.4：单节点下发现大量一致性与数据丢失问题
Jepsen 发布对 Orkes 的 ParticleDB 1.1.4 至 1.1.18.11.rc-22 的一致性测试报告，覆盖全部事务模式与三种 WAL 同步模式，测试范围仅限单节点。报告记录了 NOT NULL 与 UNIQUE 约束被忽略、WHERE 谓词匹配错误、已提交写入丢失、G-Single 与 Stale Read 等异常，以及 WAL 位翻转和文件块错位故障下的数据丢失。Orkes 称多数问题已在 1.1.19-rc 系列中修复，但 Jepsen 尚未测试这些版本。
#评测/基准#数据/训练#部署/工程
- Hacker News 热门研究AI 评分64
Cisco Talos 分析 VOLTA 窃密木马用 LLM 为受害者资产排序
Cisco Talos 披露名为 VOLTA-AUTODOXER 的自删除 Windows 窃密木马，它在窃取凭据、会话和加密钱包后，把受害者的结构化信息打包发送给 LLM，要求按变现价值对资产排序并评估其安全习惯。该木马默认调用 OpenRouter 上的 anthropic/claude-opus-4.6，温度设为 0.2，遇到模型拒答时依次回退到 moonshotai/kimi-k2 和 google/gemini-2.5-flash。Talos 还给出防护建议，包括限制以 --headless 启动 Chrome 的进程，并在失陷后保留 APPDATA%\volta_debug.txt 日志。
#安全/对齐#Agent#Anthropic
- Unite.AI研究AI 评分62
Cisco Talos 分析 VOLTA 窃密木马用 LLM 给受害者资产排级
Cisco Talos 研究员 Ryan Fetterman 于 10 月 31 日发布对 VOLTA-AUTODOXER 的分析，该 Windows 窃密木马在窃取凭据后调用大模型，按变现价值对受害者的资产做低中高三档排序。木马把收集到的身份信息打包 POST 到 OpenRouter，默认使用 anthropic/claude-opus-4.6，回退链为 moonshotai/kimi-k2 和 google/gemini-2.5-flash，温度 0.2，并检查“I can't”等拒答语句后逐级切换模型。Talos 认为 AI 层带来的是工作量转移而非速度或规模提升，并建议限制 Chrome 以 headless 标志启动、保留 volta_debug.txt 日志并撤销可能泄露的 token。
#安全/对齐#Agent#OpenAI
- IT之家·人工智能研究AI 评分70
DeepSeek 提出 Super-agent 架构：Router 与 Worker 双层设计
DeepSeek Harness 官方团队发布《Super-agent 设计探索》，提出由 Router 层和 Worker 层组成的双层架构，Router 承接人类交互、维护全局上下文并分派任务，Worker 在隔离会话中并发执行。团队称该架构具备连续、高效、主动、持久四项特征，并配合事件驱动、Inline & Spill、链式召回、投机执行和 Watchdog 等机制。初步实验中，Super-agent 的任务完成时间 p50 和 p95 分别为 12.4 分钟和 15.7 分钟，中性提示下单 Session 方案 p95 为 29.5 分钟，团队说明实验基于合成负载和简化环境。文章还提供了名为 dsh-superagent-prototype 的原型实现，并明确其并非 DeepSeek 正式产品。
#论文/研究#Agent#DeepSeek
- 东方财富研究AI 评分74
DeepSeek Harness 团队发布 Super-agent 设计探索技术文章
DeepSeek Harness 团队在官方公众号发表《Super-agent 设计探索：迈向更自主的 Agent 系统》，提出用双层架构、事件驱动、异步多信道交互、存算分离与外部 Watchdog 五个模块支撑持续在线、并发响应的 Agent。团队称基于该思路构建的内部 Super-agent 实例已在持续运行，参与问题复现与修复、代码审查响应及 DeepSeek Harness 自身迭代。初步消融实验中，Super-agent 的任务完成时间 p50 与 p95 分别为 12.4 分钟和 15.7 分钟，优于带 Subagent 工具的单 Session 方案。
#论文/研究#Agent#DeepSeek