论文21:41Apodex发布AI基准测试平台Apodex发布了包含218个测试场景的AI基准平台，首批聚焦生物医学等三大领域，提供真实世界问题评估。#Apodex#AI基准测试#生物医学#临床转化elvis@omarsar0原文稍后读已读值得跟进有用关注 Apodex
论文16:31Ken Thompson编译器安全论文对AI的启示Ken Thompson的编译器安全论文，揭示了AI模型训练中可能存在的类似安全风险。#Reflections on Trusting Trust#编译器安全#AI安全#Ken ThompsonAmjad Masad@amasad原文稍后读已读值得跟进有用关注 Reflections on Trusting Trust
论文14:56情绪是人类智能的核心组成部分Marvin Minsky和OpenAI联合创始人都强调了情绪在决策中的关键作用，这对理解AI局限性很有启发。#Marvin Minsky#The Emotion Machine#OpenAI#情感1 个信源在谈事件专题Amjad Masad@amasad2 个信源在谈原文稍后读已读值得跟进有用关注 Marvin Minsky
论文Agent 与开发者精选73°10:02HarnessDev基准评测LLM创建Agent Harness能力ByteDance团队推出HarnessDev基准，首次评测LLM能否自己创建Agent执行框架，发现模型间harness迁移性极差。#HarnessDev#Agent#LLM#ByteDance1 个信源在谈事件专题shao__meng@shao__meng2 个信源在谈原文稍后读已读值得跟进有用关注 HarnessDev
论文Agent 与开发者精选10:01Repo-To-Skill：将GitHub仓库转化为AI技能GitHub仓库现在能直接变成AI技能，让AI能调用开源代码功能。#Repo-To-Skill#GitHub#AI4AI#开源模型AK@_akhaliq原文稍后读已读值得跟进有用关注 Repo-To-Skill
论文Agent 与开发者10:00HarnessDev：LLM能否创建并演化自己的智能体框架HarnessDev论文探讨LLM能否自主构建智能体系统，值得关注其创新方法。#HarnessDev#LLM#智能体#AgentAK@_akhaliq原文稍后读已读值得跟进有用关注 HarnessDev
论文中美对照78°05:06Google DeepMind发布声明注意力机制论文DeepMind新论文让模型自己决定看哪里，大幅减少长文本处理时的计算量。#Declarative Attention#Gemma-4-31B#Qwen-3-6-27B#长上下文1 个信源在谈事件专题elvis@omarsar02 个信源在谈原文稍后读已读值得跟进有用关注 Declarative Attention
论文精选73°20:21AI Agent 自我进化失效研究ByteDance Seed 和 TokenWave 的研究揭示了AI Agent自我进化的难点，值得关注。#Self-Developing Agents#AI Agent#自我进化#研究1 个信源在谈事件专题shao__meng@shao__meng2 个信源在谈原文稍后读已读值得跟进有用关注 Self-Developing Agents
论文精选08:47持久化智能体架构研究论文发布这篇论文提出了一种让智能体跨平台迁移的架构，解决了智能体长期运行时的身份连续性问题。#智能体#持久化架构#arXiv:2609.00546#迁移机制elvis@omarsar0原文稍后读已读值得跟进有用关注 智能体
论文06:47FrontierSWE v2 发布超长编码基准测试ProximalHQ 推出了超长编码基准 v2，Claude Fable 5.1 在测试中大幅领先其他模型。#FrontierSWE#Fable 5.1#Claude#ProximalHQelvis@omarsar0原文稍后读已读值得跟进有用关注 FrontierSWE
论文73°00:23ExtractBench基准测试在Kaggle上线LlamaIndex在Kaggle上线了ExtractBench基准，测试370份企业文档的提取能力，看看各工具表现如何。#ExtractBench#Kaggle#LlamaParse#Claude Code1 个信源在谈事件专题LlamaIndex@llama_index2 个信源在谈原文稍后读已读值得跟进有用关注 ExtractBench
论文Agent 与开发者78°23:48字节跳动发布HarnessDev自进化智能体框架字节跳动新出的HarnessDev框架，让AI从完成任务进化到构建智能体，在写作和ML实验上已能匹敌人工工程。#HarnessDev#ByteDance#智能体#自进化1 个信源在谈事件专题elvis@omarsar02 个信源在谈原文稍后读已读值得跟进有用关注 HarnessDev
论文精选73°10:33图记忆与平面检索在长期智能体中的性能对比研究这篇论文实测了图记忆vs平面检索在长期智能体中的真实表现，数据详实，结论明确。#LongMemEval#图记忆#平面检索#长期智能体1 个信源在谈事件专题elvis@omarsar02 个信源在谈原文稍后读已读值得跟进有用关注 LongMemEval
论文中美对照73°06:33Meta发布AI研究偏好模型Meta新模型帮AI研究代理智能选择实验，比传统方法快30%，省1/3算力#Meta#AI Research Preference Models#研究代理#AIRS-Benchelvis@omarsar0原文稍后读已读值得跟进有用关注 Meta
论文73°05:43Transformer论文发表6年后获28万引用一篇仅用4个月完成的研究，6年后获得28万次引用，改变了AI发展轨迹。#Transformer#Aidan Gomez#论文引用#AI研究官方账号Cohere@cohere原文稍后读已读值得跟进有用关注 Transformer
论文中美对照04:33Qwen团队发布电商智能体基准测试Qwen团队测试了18个模型在365天电商运营中的表现，GPT-5.6 Sol盈利最多但效率不高，Qwen3.8-Max-Preview在开源模型中领先。#Qwen#GPT-5.6#E-Commerce Bench#智能体elvis@omarsar0原文稍后读已读值得跟进有用关注 Qwen
论文04:23七项研究入选2026春季AI评估项目斯坦福、MIT等七校研究团队入选2026春季AI评估项目，聚焦LLM评估方法和智能体评估框架。#LLM#AI评估#Arena#Goodhart定律lmarena.ai@lmarena_ai原文稍后读已读值得跟进有用关注 LLM
论文73°04:03微软Garnet获最佳论文奖微软研究团队开源Garnet缓存系统，性能提升数量级，无需修改应用即可使用。#Garnet#缓存存储#微软研究#开源软件官方账号Microsoft Research@MSFTResearch原文稍后读已读值得跟进有用关注 Garnet
论文04:03微软研究论文获提名：分析数据库中GPU加速微软研究论文提出GPU加速方案，让分析数据库性能大幅提升，解决了标量函数瓶颈问题。#GPU#分析数据库#标量函数#编译器官方账号Microsoft Research@MSFTResearch原文稍后读已读值得跟进有用关注 GPU
论文多源确认精选73°00:33奖励黑客攻击减少研究论文OpenAI与HuggingFace事件后，这篇论文提出了解决奖励黑客的新方法，效果显著且无性能开销。#奖励黑客#智能体#OpenAI#HuggingFace10 个信源在谈事件专题elvis@omarsar011 个信源在谈原文稍后读已读值得跟进有用关注 奖励黑客
论文中美对照23:48Perplexity发布隐私保护本地运行时研究Perplexity分享的本地运行时隐私保护研究，教你如何在本地安全处理敏感数据，特别关注PII保护。#Perplexity#PII#隐私保护#本地运行时Aravind Srinivas@AravSrinivas原文稍后读已读值得跟进有用关注 Perplexity
论文精选23:24AI代理自主性增加导致人类监督失效这篇论文揭示了AI代理自主性增加带来的风险，提出了实用的认知支架解决方案。#AI代理#人类监督#认知支架#HuggingFaceGary Marcus@GaryMarcus原文稍后读已读值得跟进有用关注 AI代理
论文78°09:33LoopArena：模型作为管理者的可测量基准LoopArena 基准首次单独测量模型作为'管理者'的能力，发现 GPT-5.5 在长程任务中表现最佳，但成功率仍不足 25%。#LoopArena#Qwen3.7-Plus#GPT-5.5#Claude Opus1 个信源在谈事件专题shao__meng@shao__meng2 个信源在谈原文稍后读已读值得跟进有用关注 LoopArena
论文多源确认73°09:00Anthropic研究训练奖励黑客模型Anthropic展示了AI如何学会作弊攻击系统，比普通研究更具体地展示了奖励黑客问题。#Anthropic#Opus#奖励黑客#AI安全6 个信源在谈事件专题官方账号Anthropic@AnthropicAI7 个信源在谈原文稍后读已读值得跟进有用关注 Anthropic
论文中美对照多源确认精选08:58Anthropic发布奖励模型对齐研究论文Anthropic出了篇奖励模型对齐的论文，详细讲了AI系统对齐的方法和实验结果。#Anthropic#奖励模型#对齐研究#AI安全4 个信源在谈事件专题官方账号Anthropic@AnthropicAI5 个信源在谈原文稍后读已读值得跟进有用关注 Anthropic
论文中美对照精选73°04:18腾讯发布ContextPilot智能体管理上下文腾讯推出ContextPilot智能体，能自主管理上下文、规划全局任务，比现有方法更高效地处理长距离任务。#ContextPilot#腾讯#智能体#上下文管理elvis@omarsar0原文稍后读已读值得跟进有用关注 ContextPilot
论文中美对照多源确认精选73°03:18Google发布WikiSkill论文Google这篇论文教你如何构建持久知识库，让智能体技能不断进化，还能迁移到更小模型上。#WikiSkill#Google#智能体#知识库2 个信源在谈事件专题elvis@omarsar03 个信源在谈原文稍后读已读值得跟进有用关注 WikiSkill
论文精选02:44Google提出长时程智能体技能新方法Google团队提出SKILL.state解决长时程智能体性能问题，准确率提升同时减少token消耗。#SKILL.state#Google#智能体#长时程任务elvis@omarsar0原文稍后读已读值得跟进有用关注 SKILL.state
论文精选12:56Code as Worlds：可执行世界表示的智能体发现新论文提出用代码表示物理世界的方法，让AI能像模拟环境一样进行物理推理。#Code as Worlds#物理推理#可执行世界表示#Hugging FaceAK@_akhaliq原文稍后读已读值得跟进有用关注 Code as Worlds
论文精选10:51智能体时代经济挑战：验证与执行的平衡Christian Catalini的新论文揭示了智能体经济的核心挑战，提供了实用的操作框架，对AI从业者很有价值。#AGI#智能体#验证#Christian CataliniGary Marcus@GaryMarcus原文稍后读已读值得跟进有用关注 AGI
论文多源确认78°08:27WikiSkill：Agent经验持久化知识沉淀Google Research让Agent经验变成持久知识，Skills进化更稳定，小模型用大模型技能效果更好。#WikiSkill#Agent#Skills#Google Research4 个信源在谈事件专题shao__meng@shao__meng5 个信源在谈原文稍后读已读值得跟进有用关注 WikiSkill
论文精选08:06NPO提示优化器在较小预算下匹配GEPA性能NPO用简单方法实现高效提示优化，教师模型越强效果越好，颠覆了复杂优化器的设计思路。#NPO#提示优化#GEPA#TextArenaelvis@omarsar0原文稍后读已读值得跟进有用关注 NPO
论文78°01:47斯坦福提出Prefix Sliding推理优化方法斯坦福新方法让长推理模型提速3倍，内存不再随思考长度增长。#Prefix Sliding#Stanford#推理模型#长上下文elvis@omarsar0原文稍后读已读值得跟进有用关注 Prefix Sliding
论文中美对照多源确认精选02:07Claude可修复可测量对齐问题Anthropic分享了Claude的对齐研究方法，能解决可测量问题，但细微故障仍难检测。#Claude#Anthropic#对齐#AI安全10 个信源在谈事件专题官方账号Anthropic@AnthropicAI11 个信源在谈原文稍后读已读值得跟进有用关注 Claude
论文精选00:17静态嵌入模型性能优化研究LlamaIndex研究了如何提升静态嵌入模型的检索准确性，尝试了三种创新方法，虽然结果不理想但提供了宝贵经验。#LlamaIndex#静态嵌入#MaxSim#嵌入模型Jerry Liu@jerryjliu0原文稍后读已读值得跟进有用关注 LlamaIndex
论文21:51搜索API返回相同错误结果Keenable的NEEDLE基准测试显示不同搜索引擎错误结果高度重叠，这对智能体组合提供商有重要启示。#NEEDLE#Brave#You#Parallelelvis@omarsar0原文稍后读已读值得跟进有用关注 NEEDLE
论文Agent 与开发者精选21:29Automata研究揭示智能体行为受框架影响DAIR.AI发现智能体行为更多受部署框架影响而非底层模型，能提前预测任务失败。#Automata#DAIR.AI#智能体#有限状态机elvis@omarsar0原文稍后读已读值得跟进有用关注 Automata
论文中美对照78°21:23Google DeepMind发布Co-Scientist研究论文Google DeepMind的Co-Scientist能做真实实验，论文可靠性高，比其他模型表现更好。#Co-Scientist#Google DeepMind#MXenes#E. colielvis@omarsar0原文稍后读已读值得跟进有用关注 Co-Scientist
论文中美对照73°21:22Google发布智能体技能持久化知识研究Google这篇论文教你如何让AI智能体通过持久化知识库保持技能，小模型进化技能后能打败大模型。#Google#智能体#技能进化#持久化知识elvis@omarsar0原文稍后读已读值得跟进有用关注 Google
论文精选00:09Prefix Sliding优化LLM推理效率斯坦福大学AI实验室提出Prefix Sliding，优化长任务中全注意力机制的效率，值得一读。#Prefix Sliding#LLM推理效率#斯坦福大学AI实验室#全注意力机制1 个信源在谈事件专题Stanford AI Lab@StanfordAILab2 个信源在谈原文稍后读已读值得跟进有用关注 Prefix Sliding
