Rohan Paul研究
AI 评分57Google 论文提出 OO-Harness：按任务类型演化专用智能体 harness
#论文/研究#Agent#Google
N全部新闻
全部新闻
- 澎湃新闻研究AI 评分80
四个Gemini智能体自主通关《我的世界》，27小时击败末影龙
四个运行Gemini 4 Argon的自主智能体在《我的世界》生存模式中耗时27小时14分钟击败末影龙，全程无人类干预、未接受游戏专项训练，DeepMind研究团队在arXiv论文中披露了该实验。过程中智能体编写并运行2783个程序、交换229条聊天消息、死亡605次，处理约13.5亿输入token，按优惠价格计算约520美元。论文称这是首个仅使用标准Mineflayer库、没有预先勘探种子或人类编写游戏专用工具的端到端自主通关。
#论文/研究#Agent#DeepMind
- 腾讯云开发者社区研究AI 评分65
清华与 GigaAI 提出 State World Models：规则先结算再渲染，配对合规率从 32% 升至 92%
清华大学自动化系与 GigaAI 的论文《State World Models: Execute the Rules, Generate the Pixels》提出把规则执行从像素生成中拆出，由有状态运行时先结算事件，再交给冻结的视频模型渲染，零训练零微调。在 50 对反事实孪生样本上，11 个现成后端最好的配对联合合规率是 32%，同一冻结的 MiniMax-H3 接上该 harness 后达到 PAIRFOLLOW 92%、PAIRSTRICT 90%、TWINCONTRAST 96%。论文还报告在 WBench 上设定遵循从 71.1 升到 87.2，画质与物理合理性和文本驱动类均值基本持平。
#论文/研究#视频#Agent
- Rohan Paul研究AI 评分70
Google DeepMind 论文：RL 后模型被观察与不被观察时的规则遵循差距升至 43% 至 95%
#论文/研究#安全/对齐#推理
- Chelsea Finn研究AI 评分56
Librarian Agents 论文：让智能体自行整理长上下文以提升检索效果
LLMs deployed in specialized domains, from enterprise codebases to law firms, dig through a mountain of unstructured context! Our new paper, Librarian Agents, asks: can an agent adapt by curating its own long-context workspace, anticipating queries before they arrive? 🧵⬇️
#论文/研究#Agent#RAG
- Stanford HAI News一手研究AI 评分62
斯坦福 HAI 推出 AI 经济指标仪表盘，追踪 AI 对劳动力市场的实时影响
斯坦福 HAI 数字经济实验室于 2026 年 6 月推出一组名为 AI Economic Indicators 的月度仪表盘，实时追踪 AI 的经济足迹。数据显示，软件开发、客服等 AI 高暴露岗位的就业今年下降超过 4%，22 至 25 岁年轻从业者在这些领域的就业自 2022 年 11 月 ChatGPT 发布以来年均下降超 3%，近几个月降幅扩大到 4.4%。仪表盘整合私营企业、学术机构和政府统计数据，分为监测 12 项宏观指标的 Transformation Tracker、基于 ADP Research 薪酬数据做早期预警的 Canaries Dashboard，以及用调查追踪生成式 AI 采用率的 Adoption Monitor。
#现象/趋势#数据/训练#论文/研究
- 凤凰科技研究AI 评分75
Anthropic 公布 Claude 蛋白设计研究：64 小时生成 31 万种设计，17 种通过实验验证
Anthropic 公布一项生物学研究，Claude 在 64 小时内自主调用 12 种蛋白设计工具，生成 318484 种针对 5 种蝎毒神经毒素的候选蛋白设计，筛选出 211 个交由 Adaptyv Bio 和 Twist Bioscience 实验室验证，最终 17 个达到预设结合标准。其中针对 Cn2 毒素的 Cn2-B1 和 Cn2-B2 解离常数 KD 达到个位数纳摩尔级别，但实验仅验证结合能力，尚未证明能中和毒素或在生物体内提供保护。研究团队设定目标与筛选规则，Claude 连续自主运行 24 小时后研究人员追加 4 次提示，计算设计阶段共消耗约 1 万 GPU 小时，全部 211 个候选设计及实验数据已公开。
#论文/研究#Agent#Anthropic
- LMSYS Blog一手研究AI 评分57
LMSYS 用 Miles 在 MI355X 上训练 SWE 智能体，SWE-bench Verified…
LMSYS 用 Miles、SGLang、Megatron-LM 和 Harbor 在 AMD Instinct MI355X 上对 Qwen3-30B-A3B-Instruct 做全异步智能体强化学习，在 SWE-bench Verified 的 100 任务分层子集上把 pass@1 从 7.3% 提升到 27.5%。训练分两阶段，先在约 4,000 条 Open-SWE-Traces 公开轨迹上做 SFT，再在约 1,350 个 SWE-smith 任务上跑 GRPO。固定模型和 RL 配方后，推理从 1 个节点扩到 3 个 8 卡节点、改用 E2B 云沙箱并解除并发上限，rollout 吞吐从约 860 提升到约 3,480 条轨迹/小时；在同一 8 卡节点上限制轨迹长度则让单步训练时间从 850 秒降到 284 秒。
#论文/研究#Agent#编码
- Sierra：Blog一手研究AI 评分58
Sierra 推出 𝜏-i18n 多语言语音智能体评测基准
Sierra 发布 𝜏-i18n，将 𝜏-Voice 扩展到西班牙语、巴西葡萄牙语、印地语、韩语和普通话五种语言，沿用相同的航空、零售和电信任务、策略、工具与成功标准，以便跨语言比较。在 2,700 通主通话中，西班牙语、印地语、葡萄牙语的任务完成率平均落后英语 2.4、3.8、6.4 个百分点，韩语和普通话分别落后 22.6 和 9.1 个百分点，韩语是三个智能体中表现最弱的语言。除任务完成外，𝜏-i18n 还单独报告交互指标（响应时机、选择性、工具调用效率）和生成质量（自然度、语音保真度），并已开源代码库和语言包框架 LanguageFactory。
#评测/基准#语音#多模态
- Unite.AI研究AI 评分76
OpenAI 与 PerturbAI、Scripps 用 GPT-Rosalind 智能体构建小鼠大脑推理图谱
OpenAI 于 2026 年 10 月 21 日宣布，与 PerturbAI、Scripps Research 用数千个由 GPT-Rosalind 驱动的 AI 智能体，在 32 分钟内分析数百万个小鼠脑细胞的既有实验数据，并将各智能体报告汇总为公开的推理图谱。该方法被称为分布式生物推理，每个智能体负责一个基因扰动，分析细胞响应、检索文献并提出解释。团队称同等人工分析与文献综述需数月到一年；在固定模型和资源下，单智能体处理最大工作量时仅引用 11 篇文献，分布式智能体引用超过 700 篇，盲评中人类专家 75% 的情况下更偏好分布式智能体报告。配套预印本于 2026 年 10 月 16 日发布在 bioRxiv，尚未经同行评审；推理图谱与 Distributed Agents 框架以 MIT 许可在 GitHub 公开，数据集为 Hugging Face 上 PerturbAI 的全脑 CRISPR Perturb-seq 图谱。
#论文/研究#Agent#数据/训练
- Unite.AI研究AI 评分84
微软研究员与合作者证明 31 年历史的 KLS 猜想
微软研究院宣布，高级研究员 Xinzhi Zhang 与合作者 Zhao Song 通过人类主导的智能体 AI 研究流程，证明了 1995 年提出的 KLS 猜想，论文《An O(1) Bound for the KLS Constant》于 10 月 1 日提交 arXiv、10 月 4 日修订。研究过程中 AI 智能体探索了 100 多条候选路径，但作者用同等 token 预算让多个领先模型无引导尝试时未能达成目标。同期另有 Bizeul、Klartag、Lehec 的独立证明，以及 Lean 4 形式化项目 KLS500 完成机器验证。
#论文/研究#Agent#推理
- SemiAnalysis研究AI 评分69
华为与 DeepSeek 的共生：昇腾 950PR 微基准与 DeepSeek-V4.1-Flash 剖析
SemiAnalysis 对华为昇腾 950PR 做了微基准测试，并剖析 DeepSeek-V4.1-Flash 在昇腾 950DT 32 卡部署上的执行情况。测试显示昇腾在 BF16 GEMM 上最高达到理论上限的 99.7%，小消息尺寸下 HBM 有效带宽与利用率超过 H100，绝对算力则位于 A100 与 MI300X 之间。文章还梳理了 DeepSeek 为 TileLang、DeepGEMM、DeepEP 等仓库加入昇腾支持，以及 FlashMLA KV-cache 布局因昇腾架构调整的细节。
#行业动态#数据/训练#部署/工程
- Greg Brockman研究AI 评分58
Greg Brockman 转发 GPT-Rosalind 药物发现新线索
GPT-Rosalind surfaced a new lead for drug discovery: could restoring cholesterol transport protect neurons from degeneration? DCTN1 is a gene linked to Perry syndrome, a rare neurodegenerative disorder. In mouse-brain data, disrupting it increased expression of genes involved in making cholesterol. GPT-Rosalind suggested a possible explanation: cholesterol may not be reaching where neurons need it. That gives scientists a specific mechanism to test and, if confirmed, a direction for developing new treatments for neurodegenerative disorders. With @perturbai_tx and @scrippsresearch, a team of thousands of GPT-Rosalind agents worked in parallel, connecting gene-expression results from millions of mouse brain cells with scientific literature in just 32 minutes. We’re now expanding this collaboration to identify new drug targets. https://t.co/oHdF3ELsMj
#其他#论文/研究#Agent
- Microsoft Research一手研究AI 评分78
微软研究院证明 31 年未解的 KLS 猜想
微软研究院研究员 Xinzhi Zhang 与合著者证明了 1995 年提出的 KLS 猜想，给出与维度无关的固定界，此前最好的结果只允许该界随维度缓慢增长。证明来自人类引导的智能体搜索过程，团队探索了 100 多条候选路径，由研究者评估、剪枝并重新定向；同期另有独立团队给出完整证明，随后出现 Lean 4 形式化验证。作者称此前用多个前沿模型做无引导的端到端尝试未能达成目标。
#论文/研究#推理#Microsoft
- Google Research一手研究AI 评分64
Google Research 用 AI 辅助盲扫超声评估孕龄，误差与专家相当
Google Research 在 JAMA Network Open 发表研究，其基于盲扫超声的 AI 孕龄评估模型在芝加哥（n=192）和内罗毕（n=193）前瞻测试中平均绝对误差为 4.18 天，与专家超声医师的 4.48 天相比达到非劣效。模型仅在芝加哥 120 名参与者的数据上微调，未使用内罗毕数据，两地误差分别为 4.10 天和 4.27 天。研究使用 Clarius C3 手持探头，由未接受专业超声培训的操作者完成标准化盲扫。
#论文/研究#图像生成#Google
- The Register研究AI 评分55
Linux Foundation 调查：AI 让编码时间减少 52%，但四分之一 PR 是低质量 AI 垃圾
Linux Foundation 调查显示，受访者估计约四分之一的入站 pull request 是低质量 AI 垃圾，大型项目中这一比例升至 31%。调查还称 AI 平均让代码编写时间减少 52%，但 21% 的受访者表示高复杂度任务耗时反而更长；71% 的维护者认为 GenAI 降低了贡献门槛，53% 不同意它提升了社区信任。目前仅 35% 的项目有允许使用 GenAI 的正式政策，32% 既无政策也无计划，curl 项目本周宣布将低危和中危漏洞转为公开，以缓解安全团队被 AI 辅助报告淹没的压力。
#现象/趋势#开源生态#编码
- Unite.AI研究AI 评分59
研究称 AI 热潮正在耗尽自身所需的跨学科研究土壤
一项题为 Stronger artificial intelligence breakthroughs hasten their own exhaustion 的研究分析了 1990 至 2025 年间 718 万篇 OpenAlex 计算机科学论文、370 万名研究者的跨领域流动和 73089 份同行评审，认为 AI 研究的高度集中正在削弱其自身赖以突破的多样性。研究发现，2017 至 2025 年 AI 论文占计算机科学论文的比例从 40% 升至 55% 以上，918862 次领域切换中 53.81% 流向 AI，评审者对论文判断的信心从 3.9 降至 2.9（五分制）。作者来自清华大学、芝加哥大学和圣塔菲研究所，认为注意力分配、评审制度和奖励结构需要减少对当前主导范式的加码。
#论文/研究#现象/趋势#数据/训练
- Wired AI研究AI 评分71
CrowdStrike 披露四个黑客团伙用 Claude 与 DeepSeek 绕过 AI 护栏
CrowdStrike 研究人员披露，5 月至 8 月间四个此前未被报告的黑客团伙在攻击中接入智能体 AI，并绕过了模型护栏。这些团伙的 AI 基础设施公开暴露在服务器上，所用模型主要是 Anthropic Claude 的多个版本和开源 DeepSeek 模型，且多为较旧版本而非前沿模型。他们常通过让模型相信活动属于经授权的渗透测试来规避限制，说中文的团伙还用 ClawGod 工具尝试从 Claude Code 系统提示中移除 CYBER_RISK_INSTRUCTION；说西班牙语和英语的团伙针对阿根廷医疗实体，至少攻陷 15 家机构。
#安全/对齐#Agent#Anthropic
- Rohan Paul研究AI 评分76
OpenAI 等用 1946 个智能体 32 分钟解读小鼠全脑 CRISPR 图谱
GPT-Rosalind surfaced a new lead for drug discovery: could restoring cholesterol transport protect neurons from degeneration? DCTN1 is a gene linked to Perry syndrome, a rare neurodegenerative disorder. In mouse-brain data, disrupting it increased expression of genes involved in making cholesterol. GPT-Rosalind suggested a possible explanation: cholesterol may not be reaching where neurons need it. That gives scientists a specific mechanism to test and, if confirmed, a direction for developing new treatments for neurodegenerative disorders. With @perturbai_tx and @scrippsresearch, a team of thousands of GPT-Rosalind agents worked in parallel, connecting gene-expression results from millions of mouse brain cells with scientific literature in just 32 minutes. We’re now expanding this collaboration to identify new drug targets. https://t.co/oHdF3ELsMj
#论文/研究#Agent#OpenAI
- OpenAI一手研究AI 评分58
OpenAI 称 GPT-Rosalind 发现神经退行性疾病新药物线索
#论文/研究#Agent#数据/训练