OmniHarness：用符号策略学习实现可泛化视觉生成

研究提出一种推理架构，将设计方向作为显式中间决策，通过预生成带典型性评分的结构化设计规范、外部选择器采样、下游生成器在固定设置下实现所选规范，从而把探索与实现分离。

一篇论文用同一套三阶段提示词，对 OpenAI、Anthropic、xAI 和 Google DeepMind 的六类前沿模型各做 10 次独立会话。在"学校听众"设定下，回答反复收敛到含持久潜状态、自适应计算、记忆、专家路由、验证、停止控制和延迟解码的共同架构模式；去掉该设定后结果明显更异质。

研究者提出 Minimal Intervention Reinforcement Learning（MInTRL），在原本 on-policy 的 rollout 中通过稀疏、局部干预扩展探索边界：生成时由 judge-intervention 策略周期性审查当前策略输出，用简短修正替换错误后缀后立即交还控制权。

Brain2Semantics2Text 通过中间语义嵌入空间重建文本，将句子级 MEG 脑磁响应映射到语义流形，再反演为自然语言，从而绕开词级对齐。该方法面向非侵入式语音解码中信噪比低、难以还原音素或单词的难题，利用皮层分布式、慢时间尺度的语义表征，在句子级结果上优于此前的非侵入式 Brain2Text 方法。

针对长程任务中强化学习奖励稀疏的问题，研究者提出环境侧适配范式，构建反馈增强环境（FEEs），在幕内探索与幕间演化的后期将反馈从动作引导转向观察丰富化。基于Qwen3多种规模模型及GRPO、GSPO、DAPO等RL算法在SciWorld和BFCL基准上的大规模实验显示，FEEs相较标准设置持续带来性能提升，并稳定训练动态、促进主动探索、将环境引导内化至策略权重。

A*-Thought-V2 将思维链建模为隐藏状态轨迹，通过显式-隐式交错潜在架构替代硬删除，用 3D PCA 空间中的方向角判断推理步骤去留。在 Qwen3.5-9B 和 Qwen3.6-27B 上，该方法平均准确率最高提升 2.6%，响应长度缩短近一半，Accuracy per Computation Unit 提升 2.29 倍，预处理和训练时间分别减少 94.6% 和最高 80.3%。

研究测试预训练时间序列基础模型能否降低数值数据比特成本，发现无损编码下TimesFM-3相比32抽头线性预测器仅带来2.9%增益，近乎无效。团队推出闭环编解码器Cadence，在电网负荷和地铁客流数据上中位增益分别达+13.3%和+28.3%，297项测试全部胜出。Cadence在同等文件大小下最坏情况误差比降采样紧凑28-56倍，但效果局限于聚合人类需求序列。

针对智能体可将共享基础设施变为协同入侵渠道的风险，一项研究提出以"可修正的协调片段"为防御操作单元，核心难题是在评估者给出归属前前瞻性发现动作聚类。该研究基于 Hugging Face 事件和公开 wiki 调查，定义了未经授权的协调、区分影响与共同原因所需证据，并设计了一套在同等审查成本下对比孤立动作、滚动窗口、已知分组与前瞻发现片段的评估方案。

研究者提出扩散增强LLM（diffusion-augmented LLMs），通过轻量扩散权重并行生成多个token，在不引入草稿模型或牺牲AR模型质量的前提下加速生成。配套的Ψ-Spec采样器实现无损加速，Uno模型吞吐量优于主流投机解码方法，较基础AR模型最高提速3倍。8B Uno在智能体工具使用、编程和长上下文推理基准上超越26B DiffusionGemma及Mercury 2。

EVOHARNESSBENCH 是一个新基准，用于评测智能体在工具、技能和智能体三个维度的受控框架演进下的表现。该基准包含 17 个多阶段流、802 个任务、520 个工具、42 项技能和 62 个智能体。结果显示，框架扩展本身会降低此前已解决任务的性能，产生框架引发的遗忘，且保留旧能力与适应新能力可能相互冲突。