论文02:55自适应奖励路由：多奖励优化音频视频扩散模型新论文提出自适应奖励路由，让音频视频扩散模型能同时优化多个奖励目标，比传统方法更灵活。#扩散模型#多模态#强化学习#音频视频生成AK@_akhaliq原文稍后读已读值得跟进有用关注 扩散模型
论文02:44Allen AI参加COLM2026会议Allen AI下周参加COLM2026，展示Olmo混合模型和AI辅助科学写作评估研究。#Allen AI#COLM2026#Olmo#科学写作官方账号Allen AI (Ai2)@allen_ai原文稍后读已读值得跟进有用关注 Allen AI+3
论文Agent 与开发者多源确认73°02:15Google多智能体证明发现系统CogenticGoogle新论文展示的多智能体协作模式，让不同智能体专注探索和验证，解决复杂数学问题。#Cogentic#Gemini#多智能体#证明发现2 个信源在谈事件专题Harrison Chase@hwchase173 个信源在谈原文稍后读已读值得跟进有用关注 Cogentic
论文Agent 与开发者83°02:00谷歌研究发布多智能体证明发现系统谷歌新论文展示多智能体协作证明系统，无需专家提示即可解决理论难题，验证机制独特。#Cogenti#Gemini#多智能体#理论计算机科学elvis@omarsar0原文稍后读已读值得跟进有用关注 Cogenti
论文Agent 与开发者多源确认精选76°23:51NVIDIA研究长程智能体错误率问题NVIDIA这篇论文揭示了长程智能体在处理任务时准确率下降的具体数据，对构建可靠AI助手很有参考价值。#NVIDIA#长程智能体#128K上下文#准确率9 个信源在谈事件专题DAIR.AI@dair_ai10 个信源在谈原文稍后读已读值得跟进有用关注 NVIDIA
论文Agent 与开发者精选73°23:16AI计算新范式：光学与生物神经元计算Y Combinator分享的AI计算前沿探索，从光学计算到生物神经元，突破传统GPU限制。#光学计算#神经形态计算#生物神经元#AI计算Y Combinator@ycombinator原文稍后读已读值得跟进有用关注 光学计算
论文Agent 与开发者23:15YC 举办 AI 安全论文俱乐部活动YC 又办论文俱乐部了，这次聊 AI 安全，对研究者应该很有价值。#AI安全#Y Combinator#论文俱乐部Y Combinator@ycombinator原文稍后读已读值得跟进有用关注 AI安全
论文Agent 与开发者精选73°20:56伯克利论文：LLM知道偏好变化仍使用旧值伯克利发现LLM知道用户偏好变化却仍用旧值，解决方法很简单：在提示中明确当前状态。#LLM#GPT-5.6#agent#上下文rohanpaul_ai@rohanpaul_ai原文稍后读已读值得跟进有用关注 LLM
论文Agent 与开发者多源确认精选73°19:56Nvidia研究：AI模型处理长任务准确率下降Nvidia发现AI处理长任务会变马虎，给每项加编号、分小块处理能提升准确率。#Nvidia#长上下文#Agent#准确率10 个信源在谈事件专题rohanpaul_ai@rohanpaul_ai11 个信源在谈原文稍后读已读值得跟进有用关注 Nvidia
论文Agent 与开发者精选19:32后训练中的锐化税研究MIT研究揭示预训练LLM在测试时间预算充足时可能优于后训练模型，并推出锐化税指标和PTGS采样方法。#LLM#后训练#锐化税#PTGSTanishq Abraham (论文推介)@iScienceLuvr原文稍后读已读值得跟进有用关注 LLM
论文Agent 与开发者精选18:56腾讯发布SkillAdam提升智能体指令优化效率腾讯新论文教你如何让AI智能体自我优化指令，既省钱又高效，比之前方法准确率高6.6%。#SkillAdam#Tencent#智能体#指令优化rohanpaul_ai@rohanpaul_ai原文稍后读已读值得跟进有用关注 SkillAdam
论文Agent 与开发者多源确认82°18:32Google发布Cogentic系统解决5个数学难题Google用Cogentic让Gemini像研究团队一样协作，解决数学难题比单次提示更高效。#Gemini#Cogentic#数学证明#多智能体2 个信源在谈事件专题rohanpaul_ai@rohanpaul_ai3 个信源在谈原文稍后读已读值得跟进有用关注 Gemini
论文Agent 与开发者73°17:05数学家Buzzard探讨AI与数学边界数学家Buzzard分享对AI与数学关系的深刻见解，预测AI在数学探索中的极限与人类后续角色。#Kevin Buzzard#数学#AI#LeanThomas Wolf@Thom_Wolf原文稍后读已读值得跟进有用关注 Kevin Buzzard
论文Agent 与开发者多源确认精选16:15ProVer论文解决智能体RL信用分配问题ProVer论文用LLM评判者解决智能体RL的信用分配问题，比GRPO方法提升近10%，论文已发布在arxiv。#ProVer#GRPO#Qwen3.5#智能体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 ProVer
论文Agent 与开发者精选73°15:02微软发布智能体上下文压缩新方法微软的FOCUS方法能智能压缩智能体上下文，大幅减少内存占用同时提升任务成功率，特别适合处理长对话场景。#Microsoft#FOCUS#智能体#上下文压缩DAIR.AI@dair_ai原文稍后读已读值得跟进有用关注 Microsoft
论文Agent 与开发者精选11:15多智能体团队性能研究AgentWorld论文揭示多智能体团队的协调瓶颈，Gemini 3 Flash表现最佳，但协调任务成功率仅12%#AgentWorld#Gemini 3 Flash#多智能体#协调瓶颈elvis@omarsar0原文稍后读已读值得跟进有用关注 AgentWorld
论文Agent 与开发者多源确认83°10:18长期AI决策能力研究：模型表现远低于人类最新研究揭示，即使是顶尖AI模型在长期复杂任务中也仅达人类四分之一表现。#GPT-5.6 Sol#Claude Opus#Qwen3.7-Max#长期决策2 个信源在谈事件专题rohanpaul_ai@rohanpaul_ai3 个信源在谈原文稍后读已读值得跟进有用关注 GPT-5.6 Sol
论文Agent 与开发者精选73°09:32Meta发布智能体长程运行控制研究Meta研究如何让AI智能体更高效地长程运行，控制器让GPT-5.5在相同资源下表现大幅提升。#Meta#GPT-5.5#智能体#ProgramBenchDAIR.AI@dair_ai原文稍后读已读值得跟进有用关注 Meta
论文Agent 与开发者多源确认72°08:55递归语言模型：Claude Code与智能体群研究MIT教授揭秘递归语言模型原理，对比Claude Code等模型，解释智能体群如何解决复杂问题。#Claude Code#递归语言模型#智能体#MIT10 个信源在谈事件专题Latent.Space@latentspacepod11 个信源在谈原文稍后读已读值得跟进有用关注 Claude Code
论文Agent 与开发者06:47CVPR 2026研究：视频世界模型无法可靠控制机器人CVPR最新研究揭示视频模型与机器人控制的鸿沟，GEM-4D如何提升操作成功率#RoboWM-Bench#GEM-4D#CVPR#视频世界模型Lambda@LambdaAPI原文稍后读已读值得跟进有用关注 RoboWM-Bench
论文Agent 与开发者73°06:45Meta发布上下文语言模型新研究Meta让AI助手能直接编辑自己的记忆，任务完成效率提升近七成，还省计算资源。#CLM#Meta#BrowseComp-Plus#上下文语言模型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 CLM
论文Agent 与开发者73°06:28基础LLM与LRM范式转变研究François Chollet分享LLM到LRM的范式转变，解释了为什么LRM拥有基础LLM缺乏的流体智能。#LLM#LRM#ARC#流体智能官方账号François Chollet@fchollet原文稍后读已读值得跟进有用关注 LLM
论文Agent 与开发者06:18Transformer架构胜出或因芯片适配RicursiveAI创始人分享颠覆性观点：Transformer胜出可能只是因为适合现有芯片，未来可能有更好架构。#Transformer#RicursiveAI#AI架构#芯片适配The Information@theinformation原文稍后读已读值得跟进有用关注 Transformer
论文Agent 与开发者精选03:42Meta发布智能体优化新方法Meta这篇论文改进了智能体优化框架，通过分支策略避免了局部最优，多项基准测试显著提升。#Meta#智能体#Meta-Harness#OlympiadDAIR.AI@dair_ai原文稍后读已读值得跟进有用关注 Meta
论文Agent 与开发者21:36Gary Marcus：LLMs不适合对齐Gary Marcus在TAIS 2026上解释了为什么LLMs不适合AI对齐，并提出了替代方案，他是AI领域的批判性声音。#Gary Marcus#LLMs#AI对齐#TAIS 2026Gary Marcus@GaryMarcus原文稍后读已读值得跟进有用关注 Gary Marcus
论文Agent 与开发者精选19:37Actor-Critic with Action Chunking (AC2) 方法发布AC2 方法让智能体在未完成轨迹时也能学习，通过动作块分配信用，比传统方法更高效。#Actor-Critic#AC2#强化学习#轨迹优化Tanishq Abraham (论文推介)@iScienceLuvr原文稍后读已读值得跟进有用关注 Actor-Critic
论文Agent 与开发者精选19:23AI代币价值研究：网络文本中的缩放定律新研究揭示AI代币在模型训练中的价值变化，提出能预测不同规模模型效果的缩放定律。#AI代币#缩放定律#语言模型#预训练Tanishq Abraham (论文推介)@iScienceLuvr原文稍后读已读值得跟进有用关注 AI代币
论文Agent 与开发者精选73°19:04Adobe提出实时数据科学任务智能体评估方法Adobe解决了AI智能体评估中动态数据的问题，用代码基准替代静态描述，评估准确率提升近三成。#Adobe#智能体评估#数据科学#基准测试rohanpaul_ai@rohanpaul_ai原文稍后读已读值得跟进有用关注 Adobe
论文Agent 与开发者精选73°16:34Meta研究显示带管理器的智能体随算力提升表现Meta发现给AI智能体加个'预算经理'比单纯堆算力更有效，编程任务成绩提升明显。#Meta#元推理智能体#GPT-5.5#智能体rohanpaul_ai@rohanpaul_ai原文稍后读已读值得跟进有用关注 Meta
论文Agent 与开发者07:55Omni-IO技能：智能体原生能力看看这篇关于让AI助手同时处理多种输入的论文，挺实用的技术方案。#Omni-IO#智能体#多模态#AI助手AK@_akhaliq原文稍后读已读值得跟进有用关注 Omni-IO
论文Agent 与开发者07:36LEGO-Anything：3D场景重建编程智能体LEGO-Anything用编程方式解决3D重建问题，比传统方法更灵活，适合开发者使用。#LEGO-Anything#3D场景重建#编程智能体#Hugging FaceAK@_akhaliq原文稍后读已读值得跟进有用关注 LEGO-Anything
论文Agent 与开发者73°07:22Meta研究：AI自主管理上下文表现更优Meta发现让AI自己管上下文比硬编码规则更好，性能提升还省计算资源。#Meta#AI agents#上下文管理#Codexrohanpaul_ai@rohanpaul_ai原文稍后读已读值得跟进有用关注 Meta
论文Agent 与开发者06:17Amazon研究人员将参加COLM会议Amazon研究人员将展示他们在智能体AI和多智能体系统方面的最新研究成果。#Amazon#COLM#智能体#多智能体系统官方账号Amazon Science@AmazonScience原文稍后读已读值得跟进有用关注 Amazon
论文Agent 与开发者03:34强化学习在人类主导领域取得突破DeepMind在强化学习领域的新成果，专门解决信息不完整的人类主导问题，值得关注。#DeepMind#强化学习#人类主导领域#信息不完整Teortaxes@teortaxesTex原文稍后读已读值得跟进有用关注 DeepMind
论文Agent 与开发者精选21:41腾讯发布探索基准测试ExplorationBench腾讯团队推出探索基准测试，评估AI系统发现规则的能力，10个前沿模型测试结果揭示重要发现。#ExplorationBench#腾讯#AlienCode#AlienLogic1 个信源在谈事件专题官方账号腾讯混元@TencentHunyuan2 个信源在谈原文稍后读已读值得跟进有用关注 ExplorationBench+3
论文Agent 与开发者精选73°21:26LLM可直接编辑上下文提升记忆效率新研究让LLM能自己管理上下文，记忆更持久，计算更高效#LLM#上下文管理#长期记忆#FLOP效率Nathan Lambert@natolambert原文稍后读已读值得跟进有用关注 LLM
论文Agent 与开发者71°21:09OpenBMB推出扩散奖励模型DRMOpenBMB发DRM模型，不再把人类偏好压缩成单一分数，能保留分歧和不确定性，还能提升奖励决策可靠性。#DRM#OpenBMB#奖励模型#RLHFOpenBMB@OpenBMB原文稍后读已读值得跟进有用关注 DRM
论文Agent 与开发者精选16:23SpatialClaw：智能体空间推理新界面看看SpatialClaw如何重新设计智能体的空间推理交互方式，比传统方法更直观。#SpatialClaw#智能体#空间推理#Hugging FaceAK@_akhaliq原文稍后读已读值得跟进有用关注 SpatialClaw
论文Agent 与开发者精选15:25Aspect Ratio Scaling 模型发布Aspect Ratio Scaling 模型开源了处理图像缩放的新方法，解决了不同宽高比图像的处理难题。#Aspect Ratio Scaling#图像缩放#计算机视觉#开源模型AI Will@FinanceYF5原文稍后读已读值得跟进有用关注 Aspect Ratio Scaling
论文Agent 与开发者03:54DextaCWAM 项目发布机器人演示伯克利团队发布了 DextaCWAM 项目的完整演示，包含真实机器人操作和世界模型预测，对机器人研究很有参考价值。#DextaCWAM#伯克利#机器人#世界模型Berkeley AI Research@berkeley_ai原文稍后读已读值得跟进有用关注 DextaCWAM
