全部动态
Amazon AGI 这篇 AutoGym 论文挺有意思：一句话就能自动生成训练环境和验证器，做智能体强化学习的人可以省掉大量手工搭环境的活。
OpenAI 首席科学家 Pachocki 联合 Hinton 和 Bengio 写的论文，聊 AI 自己改进自己的风险，还喊话监管层要企业交底，观点很硬核。
Perplexity 和 Nvidia 搞了个沙盒 SPACE，让 9 个模型拿 root 权限试着越狱，108 次全没跑出去，搞智能体安全的可以看看。
Salesforce 这篇论文很有意思：训练多轮工具调用时只练关键那一步，在 BFCL v4 上能多拿 14 个点，做法讲得很清楚。
Chelsea Finn 团队写了篇博客，讨论机器人怎么走 LLM 后训练的老路，还给出 EXPO-FT 方法，抓鸡蛋这类任务做到了 30 次全成功，只花 19 分钟真机交互。
微软研究院的 Agensh 论文，不用中央调度器，让 1000 多个编码智能体靠共享状态自己协作，pandoc 任务通过率从 33.89% 干到 55.06%，玩法挺新鲜。
Meta 这次没走 self-distillation 老路，用 DCE 加 SRCL 就把 Qwen3-8B 从 30% 拉到 66%，方法细节可以看看。
NVIDIA 把社区写的 3.4k 个 Agent Skills 直接变成 RL 训练环境，300 步就把 Qwen 27B 在 Terminal-Bench 上拉高近 5 个点，流水线和负结果都写得很细，做 agent 训练的值得看看仓库。
Sakana AI 和东大搞了个给机器人“先在模拟器里彩排再上场”的方法 SAIL，成功率能从 25% 拉到 73%，做机器人方向的可以看看。
McKinsey 拿出了实际数据：AI 参与的候选药物，发现时间砍掉 15% 到 80%，做医药或关注 AI 落地的可以看看。
把技能文档变成 2756 个训练环境直接练进模型权重，微调后的 Qwen3.5-35B-A3B 在终端基准上超过了 Claude Sonnet 4.6，思路很新颖。
dair-ai 又更新一周论文榜了，这次有 7 篇，稀疏化和智能体自组织团队那几篇可以翻翻，找找自己方向的灵感。
这篇讲的是怎么让科研智能体把实验预算花在刀刃上，同预算下比 AutoResearch 奖励高 10.3%，尝试次数省一半，做法挺巧。
MIT CSAIL 的 JAZ 框架只用一个 invoke 原语就搞定记忆和自我改进，跑分还便宜一半，写 agent 的朋友可以看看这篇论文。
哥大商学院算了笔账：7700万块 GPU 要赚回 3.725 万亿，摊下来每 GPU 小时 5.5 美元，比现在租价还低，基建账能算平。