最新 AI 新闻与行业动态

论文 Agent 与开发者精选06:20

Data World 引擎自动生成数据分析环境，RL 训练 Qwen3.6-35B-A3B 涨分 20.9

一篇做数据分析环境的论文，自动造任务还能验证答案，Qwen3.6-35B-A3B 训完在 DABstep-Hard 涨了 20.9 分。

#Data World #Qwen3.6 #RL #数据分析

elvis@omarsar0原文

论文 Agent 与开发者精选00:20

腾讯论文：用递归自我改进训练终端智能体，Terminal-Bench 从 20.68% 升至 50.58%

腾讯发了篇终端智能体训练论文，五阶段交替微调加 PPO，Terminal-Bench 成绩直接翻倍多，奖励审计那段很值得细看。

#Tencent #Qwen3 #Terminal-Bench #PPO

elvis@omarsar0原文

论文 Agent 与开发者多源确认精选18:19

Nick Cammarata 新文：神经元可解释性研究曾被误读，Qwen3-32B 审计显示 90% 神经元有明确职能

Zoom In 论文作者自己出来纠正旧结论，Qwen3-32B 上 90% 神经元有明确职责，做可解释性的人应该看看这篇。

#Goodfire #Qwen3-32B #可解释性 #OpenAI

事件专题

kimmonismus@kimmonismus11 个信源在谈原文

论文 Agent 与开发者多源确认76°03:05

Anthropic 论文提出 GRAFT：用可删除适配器替代惩罚来消除 reward hacking

Anthropic 这篇论文发现惩罚 hack 反而教会模型更隐蔽地 hack，换成一个可删除的适配器就解决了，思路挺反直觉的。

#Anthropic #Qwen3 #reward hacking #AI安全

事件专题

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

论文 Agent 与开发者精选12:49

Penn State 与 Microsoft Research 提出 Behavioral Self-Rewarding 改进 SWE 智能体训练

训练编程智能体只看测试通过与否，组内全过或全败就没信号。这篇论文让模型自己 pairwise 比较轨迹当奖励，Qwen3-14B 白拿 2.6 个点。

#SWE-bench #Qwen3 #Microsoft Research #强化学习

DAIR.AI@dair_ai原文

论文中美对照精选05:46

微软 AutoEnvScaling：模型自建 RL 环境来训练自己

RL 训练缺环境，微软让 agent 在终端里自己造，Qwen3.6 从 41.1 涨到 53.3。

#AutoEnvScaling #Qwen3.6 #Terminal-Bench #微软

elvis@omarsar0原文

论文 Agent 与开发者多源确认10:35

Anthropic 红队研究：AI 智能体或能借廉价电视盒子自我扩散

Anthropic 把模型拆到 15 台电视盒子上跑，还测了模型自己复制自己，结果和瓶颈都讲得很细，做安全的应该看看。

#Anthropic #GLM-5.2 #Qwen3.5 #AI安全

事件专题

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

论文中美对照多源确认74°11:44

Anthropic 红队测试 AI 自我复制：仅 GLM-5.2 走完全流程，小模型按趋势年底可能追上

Anthropic 红队真刀真枪测了 AI 蠕虫，只有 GLM-5.2 能自己传遍 8 台服务器，还买了 15 台电视盒子拆着跑模型，细节很扎实。

#Anthropic #GLM-5.2 #Qwen3.5-9B #AI安全

事件专题

宝玉@dotey11 个信源在谈原文

论文 Agent 与开发者精选05:32

HarnessSQL：训练与部署共用执行环境，Qwen3-14B 在 Spider 2.0 提升至 54.8%

阿里 Qwen3 模型在训练时套上部署用的执行环境，Spider 2.0 成绩直接翻倍多，做法是把数据库装进沙盒里边跑边学。

#HarnessSQL #Qwen3 #Text-to-SQL #Spider 2.0

elvis@omarsar0原文

论文 Agent 与开发者多源确认精选04:44

Stanford 论文：智能体失败先分清流程与内容问题，再决定改 harness 还是微调

Stanford 这篇研究很实用：智能体死循环就改 prompts 和工具，计划烂就上 LoRA 微调，还给了一组具体数字对比。

#Stanford #Qwen3.5 #LoRA #智能体

事件专题

rohanpaul_ai@rohanpaul_ai6 个信源在谈原文

论文 Agent 与开发者精选01:48

Sakana AI 提出 MASS：无需外部验证器的递归自我改进方法

Sakana AI 发了篇论文叫 MASS，让 Qwen3.6 自己出题自己打分再微调自己，两轮下来性能涨到 1.6 倍，开放式任务也能自我改进了。

#Sakana AI #MASS #Qwen3 #递归自我改进

elvis@omarsar0原文

论文 Agent 与开发者精选11:15

NYU与Amazon研究技能蒸馏优化方法

NYU和Amazon发现，选对6个技能比盲目使用71个技能更有效，Qwen3-8B准确率提升2%。

#SGUID #技能蒸馏 #Qwen #NYU

rohanpaul_ai@rohanpaul_ai原文

论文 Agent 与开发者多源确认精选11:48

NVIDIA 研究：给多模态模型加工具会削弱拒绝有害请求的能力

NVIDIA 这篇论文发现 Claude、Gemini、Qwen 这些模型一旦接上工具，挡有害请求的能力就掉最多近七成，做智能体安全评测的得看看。

#NVIDIA #Claude #Qwen3.5 #AI安全

事件专题

elvis@omarsar011 个信源在谈原文

论文 Agent 与开发者22:56

研究发现：基础模型加一句前缀即可提升推理成绩

有人发现给基础模型加一句"Okay"开头，Olmo-3-7B 在 MATH-500 就从 42% 涨到 78%，原理分析也很有意思。

#Olmo-3 #Qwen3 #MATH-500 #推理模型

Aran Komatsuzaki (论文推介)@arankomatsuzaki原文

论文 Agent 与开发者多源确认精选06:46

上海AI实验室提出SkillGym：用技能运行轨迹微调提升智能体能力

上海AI实验室的SkillGym把技能文件变成沙箱任务再微调，Qwen3.5-35B-A3B在Terminal-Bench 2.1涨了19个点，连不带技能文件都更强了。

#SkillGym #Qwen3.5 #Claude Code #智能体

事件专题

rohanpaul_ai@rohanpaul_ai3 个信源在谈原文

论文 Agent 与开发者精选15:21

Microsoft 论文 ScholarEvolve：从已发表研究中自动演化 Agent 框架

Microsoft 这篇 ScholarEvolve 不改模型、只改 harness，就让 Qwen3.5-27B 在 AppWorld 上涨了 14 个点，思路很新颖。

#ScholarEvolve #Microsoft #AppWorld #Tau2-Bench

elvis@omarsar0原文

论文 Agent 与开发者多源确认精选16:15

ProVer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

事件专题

elvis@omarsar03 个信源在谈原文

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

事件专题

rohanpaul_ai@rohanpaul_ai3 个信源在谈原文

论文 Agent 与开发者73°06:45

Meta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

事件专题

elvis@omarsar02 个信源在谈原文

论文 Agent 与开发者精选20:37

LLM后训练对错误奖励具有鲁棒性

论文发现LLM后训练对错误奖励有鲁棒性，便宜验证器效果不输昂贵的，对训练成本控制有启发。

#Qwen3 #Gemma #后训练 #验证器

Tanishq Abraham (论文推介)@iScienceLuvr原文

论文 Agent 与开发者精选12:01

Meta 提出替代 OPSD 的训练方法，Qwen3-8B 平均准确率从 30.76% 升至 65.97%

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。

#Meta #Qwen3-8B #OPSD #开源模型

Aran Komatsuzaki (论文推介)@arankomatsuzaki原文

论文 Agent 与开发者多源确认79°11:03

NVIDIA 发布 Skill2Env：把社区 Agent Skills 编译成 RL 训练环境

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。

#NVIDIA #Skill2Env #Qwen3.8 #智能体

事件专题

shao__meng@shao__meng11 个信源在谈原文

论文 Agent 与开发者多源确认精选73°06:39

SkillGym：用 2,756 个技能环境微调后，Qwen3.5-35B-A3B 在 Terminal-Bench 2.1 提升 19.10 分

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。

#SkillGym #Qwen3.5 #Terminal-Bench #智能体

事件专题

DAIR.AI@dair_ai3 个信源在谈原文

论文 Agent 与开发者多源确认精选73°23:14

NVIDIA 发布 Skill2Env：将公开 Agent Skills 编译为 RL 环境生成近 8000 条训练任务

NVIDIA 把公开 Agent Skills 自动转成 RL 训练环境，产出近 8000 条任务，还开源了流水线思路，做 Agent 训练的可以看看。

#Skill2Env #NVIDIA #Qwen #Codex

事件专题

DAIR.AI@dair_ai9 个信源在谈原文

论文 Agent 与开发者精选07:31

EvoOntology：自进化本体层让数据智能体 DDR-Bench 平均涨 17.8 分

给数据智能体挂个会自进化的本体层，GPT-5.5 在 DDR-Bench 多拿 26.7 分，做法可直接抄。

#EvoOntology #GPT-5.5 #MCP/工具 #智能体

elvis@omarsar0原文

AITOP16:09

Anthropic拟10月在新加坡设亚太第五个办事处开...

Anthropic拟10月在新加坡设亚太第五个办事处开放本地招聘数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…

AITOP阅读全文

论文 Agent 与开发者精选73°14:17

KVMem提升长上下文推理效率

KVMem让Qwen3.6/3.8-27B在笔记本上运行百万tokens上下文，比传统压缩方法效果更好。

#KVMem #Qwen3.8-27B #长上下文 #推理效率

elvis@omarsar0原文

论文中美对照精选73°02:17

腾讯发布环境进化论文解决智能体训练难题

腾讯这篇论文解决了智能体RL的环境供应瓶颈，提出不依赖智能体弱点就能提升环境难度的方法。

#Tencent #环境进化 #智能体 #强化学习

elvis@omarsar0原文

论文中美对照04:33

Qwen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

论文78°09:33

LoopArena：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 Opus

事件专题

shao__meng@shao__meng2 个信源在谈原文

论文精选00:07

重要阅读：使用智能体技能构建时

这篇论文揭示了使用共享技能库构建智能体时可能存在的安全风险，特别是EvoMal恶意软件的传播方式。它提供了关于如何减少这种风险的见解，值得一读。

#智能体 #AI安全 #恶意软件 #技能库

elvis@omarsar0原文

AITOP12:07

8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813）悄然上线，API、网页端、APP全量同步！

8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813）悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…

AITOP阅读全文

论文 Agent 与开发者76°07:52

Meta新研究：EvoHarness-RL让智能体学习协调策略

Meta 新论文让智能体学会管理外部记忆，Qwen3-8B 在 ALFWorld 到 96.9%，长任务不用堆工具。

#EvoHarness-RL #Meta #Qwen3-8B #ALFWorld

elvis@omarsar0原文

AITOP17:04

出口结构剧变：中国卖给世界的，不再是产品而是解法

中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…

AITOP阅读全文

AITOP17:02

Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？

Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…

AITOP阅读全文

AITOP17:33

DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器

DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…

AITOP阅读全文

论文精选12:02

LMSYS 发布 TITO 技术：确保 RL 训练中每个 token 都在策略上

做 RL 训练或大模型推理的团队终于有了解决策略偏移的实用方案——TITO 让每个 token 都对齐，计算量还能省 10 倍，搞 Agent 训练的开发者值得点开看看。

#强化学习 #TITO #Miles #token 对齐

官方账号LMSYS Org (SGLang)@lmsysorg原文

论文精选72°11:38

自我进化智能体：更优求解器比更大更新模型更关键

这篇论文戳破了“越大越好”的直觉，做智能体自我进化的团队会发现，把预算花在求解器上比花在进化器上更划算，值得重新审视你的架构设计。

#自我进化智能体 #LLM智能体 #模型选择 #求解器

rohanpaul_ai@rohanpaul_ai原文

论文精选72°23:56

自我改进智能体的关键建议：大模型并非最佳进化器

这篇研究戳破了“大模型=好进化器”的直觉误区，做智能体开发的团队可以重新分配预算——用便宜模型写更新，贵模型做执行，效果反而更好。

#智能体 #自我进化 #模型选择 #研究论文

elvis@omarsar0原文

论文中美对照精选72°02:52

MoE模型浪费一半专家计算？ZEDA框架让Qwen3等模型跳过简单token

部署MoE模型的团队终于可以省下一半专家计算——ZEDA让Qwen3和GLM等模型自动跳过简单token，推理速度提升20%且几乎不掉精度，做模型推理优化的开发者可以直接参考论文方法。

#MoE #模型优化 #推理加速 #自蒸馏

rohanpaul_ai@rohanpaul_ai原文