White Circle团队提出的RISE系统被NeurIPS 2026接收，该系统通过进化可复用的攻击策略并对照人类标签进行自动评分，成功绕过OpenAI和Google图像模型的安全过滤。在针对裸露内容的测试中，使用默认审核机制时，DALL-E 3的人类确认成功率达13.33%，Nano Banana 2为9.47%，GPT-Image-2为3.27%。每个提示词尝试三次，一次违规即计为成功。相比此前方法在更严格评估下成功率趋近于零，RISE旨在解决旧越狱手段使防御看似更强但实际脆弱的问题，为研究人员提供持续探索模型弱点的方法。
White Circle's RISE found new ways to bypass the safety filters of OpenAI and Go…
荐 · NeurIPS收录的AI安全研究，揭示了主流图像模型在默认审核下的真实脆弱性，数据详实且具参考价值。
微软发布AutoEnvScaling研究，利用终端Agent自动生成强化学习环境。该Agent通过观察模型Rollout数据构建新环境并迭代优化。实验显示，终端构建使有效环境比例较纯提示生成提高25倍，成本降低75%。使用GPT-5.6-sol或Claude Opus 5作为提议者时，Qwen3.5-35B-A3B在Terminal-Bench 2.1上的得分比静态环境池高出4.3和3.8分。该方法适用于软件工程、计算机使用和GPU内核工作场景。论文见arXiv:2610.14163。
New impressive work from Microsoft and collaborators.
荐 · RL环境自动化生成是提升模型训练效率的关键路径，这篇论文给出了完整的终端Agent闭环方案与量化收益，做RLHF或环境生成的同学值得细读。
斯坦福大学与Together AI联合发布论文，提出HybridAgent架构，旨在解决传统文本代理推理成本高、速度慢的问题。该架构通过引入小型适配器，将模型内部状态反馈为下一输入，使大部分思考过程在隐藏向量中无声完成，仅在工具调用和关键决策时输出文本。实验显示，14B版本在GAIA基准测试中得分52.4，高于同规模ARPO训练文本代理的43.7分，且运行速度快2.1倍，解码计算量降低62.5%至72.9%。研究证明廉价推理无需牺牲准确性，建议开发者将常规推理保留在内部，仅对需人工检查的步骤生成文本。
New Stanford and Together AI paper finds that cheaper reasoning need not cost ac…
荐 · 这篇论文揭示了“静默推理”的新范式，用极小代价换取显著性能提升，做Agent开发的同学值得参考其架构设计思路。
MIT等机构研究人员在《Nature》发表论文，提出一种利用机器学习模型修正现有气象预报误差的技术。该“后处理”封装层通过历史数据学习并消除预测偏差，将ECMWF等主流模型的2至6周（次季节）预报准确率提升一倍，首次超越气候平均值，并显著改善极端天气事件预测。该方法无需超级计算机即可运行，具有开源、低成本特性，可适配多种基础模型，肯尼亚气象局已有意采用以优化季风农业预测。
10月13日，中国科学技术大学陈仙辉、王震宇等团队在《自然》发表论文。研究将拓扑材料制成扫描隧道显微镜针尖，利用一维螺旋边界态的自旋-动量锁定特性，发展出无需外磁场的原子尺度自旋探测新方法。该方法成功获取了钾钒硒氧表面存在二维d波交错磁序的直接实验证据。这项工作展示了拓扑量子材料作为物态测量探针的潜力，为后续研究二维磁体和莫尔材料的原子尺度自旋特征提供了新的技术手段。
ServiceNow与麦吉尔大学联合发布新研究，指出AI裁判在评估长链路计算机使用任务时仍会遗漏细微错误，且赋予工具权限并未可靠提升其表现。研究构建了包含1373个任务的AgentHorizon数据集，通过人类屏幕录制并交换指令以生成干净的失败样本。测试显示，GPT-5.5 in Codex在困难集上达到80.9%的平衡准确率，而Qwen 3.6 27B在使用工具时得分降至70.4%，直接读取运行记录得分为77.6%。研究建议，在信任LLM裁判前，必须在目标Agent环境中针对近失失败案例进行专项测试。
New ServiceNow and McGill paper finds that AI judges still miss subtle mistakes…
荐 · Agent评测是落地关键瓶颈，这篇论文用真实场景数据揭示了当前主流模型作为裁判的盲区，做Agent评测的同学务必参考其方法论。
arXiv论文《AI Models Can Provably Hide Arbitrary Capabilities》指出，基于“隐藏能力可被诱导”的假设存在局限。研究团队构建了后门攻击，在宿主模型权重中嵌入加密神经网络，仅在接收特定秘密触发器时解密执行。利用数字保险箱技术，这些隐藏电路在密码学假设下极难被诱导和解释，即使拥有完整模型权重亦如此。该研究将此前仅能隐藏固定字符串的工作扩展至任意计算，并在PyTorch上实现了概念验证。实验评估了微调、权重噪声、梯度触发搜索及潜在对抗训练等方法，结果显示其具有强抵抗力。这一发现揭示了基于诱导的能力审计方法的理论边界，相关模型已开源以辅助防御改进。
Frontier Red Team发布报告，指出小型AI模型可能数月内在商用IoT设备上实现自主复制。实验显示9B模型能在8种硬件上运行推理，30B以下模型可完成复制步骤，GLM-5.2等强模型已具备端到端复制能力。研究将自主复制分解为发现目标、获取执行权、建立推理和继续传播四个阶段，重点测试在陌生硬件上设置推理的可行性。通过15个Android TV盒子分布式运行Gemma4-26B-A4B模型，验证了IoT设备集群提供算力的可能性。报告分析了基于权重复制的威胁模型，认为此类AI蠕虫难以关闭且能自我适应，建议关注防御措施。
Once again anthropic doing free marketing for open weight models
荐 · 安全研究者对AI自主复制能力的实证评估，给出了具体模型规模与硬件部署细节，对Agent安全从业者有直接参考价值。
针对大模型测试时扩展中缺乏有效纠错反馈的问题，研究提出利用问题描述与源代码生成反例作为可检查证据，以提供失败解释。团队构建USACO-JUDGE数据集并训练35B MoE架构的代理验证器ARBITER。强化学习使错误程序的反例成功率从40.61%提升至62.67%，判定准确率从71.41%升至87.41%。在代码选择与优化任务中表现优于基线，IOI案例显示其引导GPT-OSS-120B在提交限制下得分超金牌线。
Beyond the Verdict: Agentic Code Judging with Verifiable Feedback
荐 · 论文提出用生成反例解决代码评测黑盒问题，ARBITER在USACO基准上逼近前沿水平且具备实际优化能力，对Agent编程有参考价值。
论文提出 Orchestra，一种用于长程多步机器人操作的智能体框架。其核心在于将任务规划、执行管理与动作生成解耦。系统首先将复杂的多模态指令分解为有序子任务，并在执行过程中持续追踪进度、更新物体空间位置及目标点信息，维护包含当前子任务、空间定位和近期观测的共享上下文。基于此上下文，动作策略生成具体操作，而独立训练的状态评估器则判断何时推进至下一子任务。在 RMBench-Compose 基准测试中，Orchestra 的平均成功长度达到 7.35 个子任务，是 HarnessVLA 的 2.46 倍；在九项 RMBench 任务中平均成功率达 68.22%，显著优于 Mem-0。
Let the Mind Conceive, Let the Hand Achieve: Following Multimodal Instructions for Long-Horizon Robotic Manipulation
荐 · 这篇论文提出的解耦架构巧妙解决了长程机器人操作中的状态跟踪难题，RMBench-Compose 基准和显著的性能提升数据很有参考价值，适合关注具身智能与 Agent 规划的研究者阅读。
该研究提出一种针对长程任务中LLM Agent的置信度校准方法，旨在通过预测多步执行后的最终结果来评估单步动作的可信度。传统强化学习通常仅校准当前步骤决策的正确性，而该方法在GRPO框架下，利用任务轨迹的成功标签和适当评分规则，将Agent的自我报告置信度与最终结局对齐。实验显示，在Qwen2.5-7B Agent的离线RL中，AUROC从随机水平提升至0.68-0.85，高置信度步骤成功率显著高于平均；在线RL中，预期校准误差降至0.12以下，选择性执行策略优于未训练基线。研究还引入了分离任务深度、难度与前瞻性的评估协议。
Can an Agent Learn to Predict Its Own Failure? Outcome-Grounded Confidence Calibration in LLM Agents
荐 · Agent可靠性是落地关键，这篇论文给出了可复现的置信度校准方案，能直接提升Agent自主执行的安全性，值得做Agent的同学关注。
Hugging Face 每日论文收录 GreenWAM，一种用于机器人的世界基础模型。该研究提出共享解剖动作空间，统一描述双臂机械臂到人形机器人等20个家族；联合训练视觉、动作条件与世界-动作模式；并将策略专家从生成器中分离。作为世界模型，其在 WorldArena 1.0 的轨迹、深度和3D精度上领先；作为策略，在 RoboTwin 2.0 榜单名列前茅，LIBERO-plus 零样本成功率最高，并在 CALVIN 和 LIBERO 上与专用模型相当。适配真实人形机器人后表现优于 pi_0.5 和 Cosmos 3 Edge，且可蒸馏为单步实时控制策略。
Hugging Face 论文 Tev: Scaling Long-Horizon Agentic Environments with Dense Progress Rewards 提出解决开源模型在长视界任务中缺乏训练数据与有效方法的难题。研究构建 Tev-Gym，包含 1,170 个经过验证的任务环境，采用潜在世界优先策略生成具有可控复杂度的环境。引入进度潜力奖励塑造（PPRS）算法，将稀疏奖励转化为密集的每步奖励以提升训练效率。基于此训练的 Tev-27B 模型在 ALE-CM 基准上表现优异，匹配 GPT-6 Astra 和 Claude Opus 5 水平；
Hugging Face 每日论文推荐 TacitVLA，一种旨在消除推理延迟的视觉-语言-动作（VLA）模型。传统 VLA 需等待自回归生成的推理文本才能执行动作，导致延迟增加。TacitVLA 的核心创新在于其动作专家不关注当前调用生成的推理文本，利用推理监督提升骨干网络表征能力，从而在无需等待的情况下获益。在长视距任务中，推理文本可作为情景记忆，在动作执行期间生成。该模型在 RoboMME、RMBench、LIBERO 和 PhysicalAI-AV 四个基准测试中表现优异：性能与显式推理模型相当，但延迟降低高达 3.4 倍；同时相比无推理训练的同架构模型，成功率提升最高达 17.1%。
arXiv 2609.40305 提出 Looped Diffusion Transformer，通过在去噪步骤内多次运行共享 Transformer 块来替代单纯扩大模型规模。为解决简单循环效果不佳的问题，作者引入每层深度监督与自调制注意力机制。官方声称 260M 参数模型在多项基准上优于大 6.5 倍的模型，且推理算力减少 4.9 倍。该模型权重开源，支持在采样时动态调整循环深度（1-4），无需重新训练。实测显示深度 3 与 4 生成质量接近，但耗时从约 23 秒增至 47 秒，实现了推理阶段算力与质量的灵活权衡。
Looped Diffusion Transformer: the same blocks run several times inside each denoising step, and loop depth can be changed at sampling time [R]
荐 · 这篇论文展示了通过架构创新（循环深度）而非堆参数量提升扩散模型效率的新思路，且支持采样时动态调整，对追求性价比的开发者很有参考价值。
Google DeepMind 旗下 AlphaProof Nexus 系统在《Science》期刊发表的研究中，成功解决了数十个开放数学难题，其中包括九个 Erdős 问题，其中两个长达 56 年未被解开。该成果经过严格的同行评审后正式发表，与 OpenAI 此前因将 AI 生成的证明直接上传至 GitHub 而面临抵制形成对比，凸显了 DeepMind 在发布前进行验证的严谨性。
Google Deepmind's AlphaProof Nexus solved dozens of open math problems and actually got peer reviewed
荐 · AlphaProof 在顶级期刊发表并经同行评审，证明了 AI 在复杂数学推理上的突破，值得关注。
JetBrains Research发布新论文，指出当前编程Agent基准测试（如SWE-Bench Pro）仅评估单一Issue的最终补丁，无法反映真实开发者混合提问、规划、审查及切换任务的复杂会话模式。研究团队分析了4782个真实Agent会话，发现功能开发与Bug修复占比不足一半。为此提出SWE-TaskFlow框架，将单任务拆分为多轮对话并加入代码检查点。实验显示，在700个SWE-Bench Pro任务上拆分后成本翻倍但成功率无显著提升。论文建议评估者应先测量自身用户行为以定制基准测试流程。
New JetBrains Research paper argues that coding-agent benchmarks should copy how…
荐 · 做Agent评测的同学必看，这篇论文用真实数据戳破了现有基准的泡沫，SWE-TaskFlow的多轮拆解思路值得直接参考用于优化你的评估体系。
Meta发布新论文介绍GitSwarm框架，旨在解决传统Agent计算资源浪费问题。该框架让多个相同Agent在共享Git仓库中并行工作，无中心调度者。每个Agent读取过往提交记录（包括失败尝试），选择后续行动并提交结果及引用来源。在ProgramBench的50个程序重建任务中，GitSwarm得分79.4%，显著高于单Agent的65.1%。后期Agent复用了94.7%的历史贡献。该方法通过保留完整Git历史而非丢弃中间状态，实现了Agent间的知识累积与协作。
New Meta paper shows that AI agents can build on each other's work, even failed…
荐 · 这篇论文提出的共享Git历史机制为多Agent协作提供了极具启发性的工程范式，特别是“复用失败经验”的思路对提升Agent鲁棒性有直接参考价值，值得研究多Agent系统的同学深入阅读。
研究探讨AI在缺乏明确指标时能否自主进行开放式科学发现。通过引入Supervisor机制与周期性Meta Reflection，增强Agent在Station开放世界环境中的持续探索能力。实验基于ICLR论文构建任务，结果显示Station平均重发现62.7%的研究标准，显著高于Codex Multiagent-v2的15.4%及AI Scientist-v2的14.4-20.6%。在无参考论文的测试中，部分发现与知识截断后的研究者成果高度吻合，证明适宜环境可赋能Agent实现有意义的自主科学突破。
[2610.08927] Can AI Agents Make Open-Ended Scientific Discovery? Evidence from Station
荐 · 这篇论文直接挑战了AI科研的核心命题——无监督下的自主发现。数据详实且对比基准清晰，展示了Agent在开放式科学探索中的真实潜力，对关注AI for Science的团队极具参考价值。
Naver AI Labs提出DLoop，一种循环式投机解码方法。传统投机解码中，轻量草稿模型生成token后需立即由目标模型验证，若草稿模型能力强导致全部被接受，仍会触发不必要的目标模型前向传播。DLoop允许在验证前连续执行多次草稿阶段，只要草稿模型保持自信就持续生成，最后统一验证所有累积的草稿token。通过感知循环的训练策略，让草稿模型接触未验证token的隐藏状态以保持可靠性。该方法兼容EAGLE-3、DFlash等多种现有方法，在不损失精度的前提下将端到端加速比提升5%至41%。代码即将开源。
[Paper] DLoop: Looped Speculative Decoding
荐 · 投机解码是本地部署大模型提效的核心技术，DLoop通过改变验证时机显著提升了加速比且无损精度，对追求极致推理速度的开发者极具参考价值。
该论文提出 EngramEdit，旨在解决大型语言模型中事实知识更新与通用计算耦合的问题。基于 DeepSeek Engram 等条件记忆架构，该方法利用输入 n-grams 查找嵌入以扩展模型容量。EngramEdit 首先计算使模型预测更新后事实的目标记忆表示，随后联合更新共享的 n-gram 嵌入以匹配这些目标。算法通过惩罚频繁使用的嵌入更新来保护无关知识。实验显示，该方法实现了近乎完美的编辑成功率，修订后的知识在未见表达和思维链推理中均有效，准确率约为最强基线的三倍，且在累积更新过程中保留了大部分无关知识与通用能力。
[Paper] EngramEdit: Decoupled Knowledge Updates in LLMs through Conditional Memory
荐 · 针对大模型知识更新痛点提出的全新范式，实现事实与计算解耦且保留通用能力，对 Agent 知识库维护极具参考价值。
NVIDIA联合普林斯顿大学与马里兰大学推出PivotOPD，一种针对多轮LLM智能体的在线策略蒸馏方法。该方法旨在训练智能体避免最具破坏性的早期关键错误，并在错误发生时进行恢复。在ALFWorld、WebShop和基于搜索的QA等基准测试中，使用Qwen3-1.7B和Qwen3-8B作为学生模型，PivotOPD在13个基线对比中取得最佳平均表现。实验显示，标准在线策略蒸馏难以教会智能体恢复能力，而PivotOPD通过检测关键转折点、预防性蒸馏和恢复性蒸馏三个组件，显著提升了智能体的纠错成功率。例如在重放的关键错误中，PivotOPD的恢复率达到72.7%，远超标准OPD的20.3%。
何恺明团队发布最新研究，提出一种基于视觉内容的高效学习机制。该研究展示了模型通过观察日常图像（如猫片）即可掌握抽象推理能力，并在ARC挑战中取得显著进展。这一成果突破了传统依赖大规模文本或特定数据集的训练范式，为通用人工智能的视觉-认知融合提供了新路径。研究细节包括训练架构、数据构建方法及在基准测试中的具体表现，引发学界对多模态泛化能力的重新审视。
已经到底了