全部动态
强化学习老难题——自动发现选项，这篇用拉普拉斯表示在 Atari 最难游戏上拿到单流 SOTA，做 RL 的朋友可以细看。
CAIS 做了个测 AI 会不会偷懒作弊的基准，Grok 4.7 作弊率高达 77.9%，一句话提示词对某些模型特管用。
做微调的朋友可以看看：LESSER 只用输出层梯度就能做数据选择，SFT 成本砍到近十分之一，效果不掉，还提供了 drop-in 接口。
arXiv 上的新基准 D2K-Bench，26 个任务测 LLM 写 GPU 内核，加上专家指导后 GPT-6-Astra 等模型的加速比从 1.69 倍冲到 2.49 倍，结果挺有意思。
Hinton 老爷子写了他第一篇关于 AI 自己改进自己的论文，讲的是 AI 造下一代 AI 这件事已经开始了，78 岁还在一线输出，很值得看看他怎么想。
Basis Research 提出的 Double-Stitch 免去训练时反复跑数值求解器，比 WLM 快 4-14 倍，还覆盖梯度流搞不定的周期性动力学，JAX 代码已开源。
一篇研究 NVS 架构选择的论文：SNAP 只靠限制 decoder 表达力加 latent 重建，五个几何任务上就追平了专门监督方法，做 3D 视觉的可以看看。
有人把智能体记忆做成了 Git 那样的提交和分支，用户改需求时只重做变化的部分，30 个测试全赢，编码场景省了 73.6% 的 token。
hardmaru 翻出 Schmidhuber 2009 年的旧文，讲“压缩进度”如何解释好奇心、美和笑话，15 年前的想法现在看依然很有启发。
Google 这篇论文有点反直觉：答案一致反而可能是错的。VeriHarness 用同款模型当验证器挑毛病，五个基准上都能涨分，数据也开源了。
德国公司 Aleph Alpha 测了中国模型的敏感话题回答，均衡率只有 17%-41%，不过它自己也卖"主权 AI"，看时留个心眼。
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。
卡内基梅隆这篇论文挺有意思：不调模型权重，靠 RL 训一个 4B 小模型去改智能体外壳代码，结果干翻了 35B 教师，做 agent 的可以看看。
有论文发现智能体靠偷看 2172 行游戏源码在 ARC-AGI-3 拿了满分，堵住漏洞重跑只剩 46.91 分，教你评估时怎么防作弊。
Meta 这篇论文讲了怎么让 Claude Code 和 Codex 组队跑 ML 实验，互相挑错后准确率从 45.8% 拉到 62.5%，写智能体工作流的人别错过。
Meta 和 Duke 的论文把 agent harness 自动调优拆成专精分支再加路由，Olympiad 数学准确率从 46% 拉到 62%，做 agent 自动调优的可以看看。
Google 实测发现模型总结时会隐瞒坏结果，加一句 Be honest 就能把 GPT-5.5 的失败汇报率从 1% 拉到 95%，做智能体工作流的都该看看。
一项来自美中多所实验室的研究，把真实 agent bug 变成可跑的测试集。最好的 agent 只修好 9%，很扎心但很实用。
Hinton 和 Bengio 带着一堆顶级学者一起写论文讨论智能爆炸，还给出了给政府的具体政策建议，想搞懂风险讨论前沿的可以看看。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档