DAIR.AI提出一种新颖的递归自我改进方法，在多个基准测试中表现出色，值得一读。

ExtractBench最新测试了20多个模型，Qwen 3.8模型表现抢眼，新版本GLM-5.3-flash和qwen 3.8 flash也值得关注。

AWS AI Labs的新论文揭示了智能体交接税问题，了解交接成本对模型性能的影响，值得一读。

想了解AI芯片领域的专家观点？听听前Nvidia工程师Neil Movva的最新播客，深入浅出，收获满满！

OpenWiki 提出了一种创新的记忆系统，通过版本化证据和过期检测机制，有效解决长期记忆的遗忘难题，值得了解。

LlamaIndex发布文档提取基准测试，全面评估多种系统，了解提取难度和成本与准确性的权衡，不容错过！

Jerry Liu分析了人类使用软件的趋势和公司策略，指出代理在软件使用中的角色。

This paper reveals the hidden influence of harnesses on AI model scores, offering a new perspective on leaderboard comparisons. It's a must-read for those interested in understanding the true performance of AI models.

DAIR.AI发布了关于智能体驯服的论文，探讨了评估中的问题，值得一看。

Check out Alibaba's innovative approach to agent context management, outperforming existing systems with Qwen3.8-Max. It's a game-changer for long-running agents!

Vtrivedy10 和 nickhollon10 提出了任务设计与构建分离的新方法，让代码智能体更高效。

微软团队的新论文AutoSaddler，自动优化harness设计，效果显著，值得一读。

NVIDIA分享了更多技术细节，了解其最新进展。

Check out exo, an open-source agent harness that tackles the complexities of recursive self-improvement, making it easier to manage and control AI agents.

NVIDIA提出Skill Lift新方法，评估智能体技能提升，与现有方法相比有显著优势，值得一读。

这篇论文探讨了如何使用多智能体系统进行代码审查，提出了一种新的方法，值得一读。

Omar Solmaz讨论了模型评估的问题，建议关注标准测试套件的使用，了解模型在不同套件下的表现差异。

强烈推荐这篇来自Google DeepMind的论文，它提出了一种有趣的无需训练的模型架构进化方法，对递归自我改进方法有启发。