EverMind AI 开源多智能体系统 Raven：为每个模型和领域自动演化专用 harness

SkillLift 让智能体用学习到的评分标准对候选技能提示词排序，替代每次修改都跑完整 rollout 打分，从而把技能自进化成本降低 40–70%。在 SkillsBench 和 WildClawBench（147 个任务）上，用三个模型测试，六种组合全部超过 SkillOpt 和 CoEvoSkills，即使基线获得两倍 token 预算。

Zoom 团队在 176 组匹配设置、4 个模型上，用 SWE-Bench Verified 和 Terminal-Bench 2.1 固定编码 harness 执行循环，逐一变化规划、动作空间与上下文管理。

SkillAdam 将 Adam 的两个动量估计迁移到离散、不可微的技能文档上，解决技能自进化循环中的方向不稳定与更新幅度固定两大失效模式。它用优化记忆记录已识别问题及历史尝试结果以稳定更新方向，用波动驱动的编辑预算控制每次修订幅度。在覆盖短程与长程任务的七个基准上达到 SOTA，优化动态更稳定，迭代次数和成本均显著低于此前方法。

RobustSGPO 为语义梯度提示优化补上了编辑控制机制：明确请求的编辑内容、在接受前构建并检查补丁，并从当前方案或保留快照继续搜索。在 AgentX 头脑风暴工作流中，120 个任务、95 次运行、7350 次候选尝试的测试显示，30 个留出任务的完成率从 60.0% 升至 80.0%，测试质量从 3.77 升至 4.14（2000 万 token 预算）。

一项研究为长程智能体提出RSM-full记忆方法，将记忆写入时的合并规则与读取时的内容组装分离。在4k token预算下，该方法达到全上下文质量的83%，仅耗32%的token成本。消融实验显示，合并规则和分组打包器分别贡献5.7点和5.0点提升，并在RealMem基准上超越Budget-RAG、Streaming-Proto和A-MEM基线，与BM25-RAG持平。

推出 AI 每周论文：https://academy.dair.ai/papers 我们精选了过去 3 年的顶级 AI 论文，进行摘要整理，并按主题和每周分类。 你可以轻松浏览论文、查找相关研究，并与任意论文进行对话。

Prime Intellect 发布开源自改进智能体框架 Prime Agent，通过持久 IPython REPL 和 Continual Harness 实现跨轨迹累积改进。同模型下 ARC-AGI-3 RHAE Best@1 从 30% 提升至 95.5%，并在长上下文编码、GPU 内核生成等任务上匹配或超越原生框架。

exo 是专为递归自我改进（RSI）设计的新开源智能体框架，将智能体拆为三层：exoharness 以追加式事件日志存储不可篡改的持久状态，executor 负责组装提示词、调用模型与调度工具，sandbox 在可快照回滚的隔离环境中执行任务。支持从任意事件分叉对话、回滚至出错前检查点、数周后恢复完整会话，并可通过 tool_requested 与 tool_result 查看实际执行的命令。

Anthropic 工程师 Felix Rieseberg 说明 Cowork 的新旧架构差异：旧版在云端推理、在用户电脑上运行本地 VM，磁盘、电池和性能开销大，合上笔记本工作就停止。新版把模型推理和 VM 都移到云端，每个会话有独立沙盒，桌面应用只负责文件访问等需要本机设备的工具调用，官方认为这解决了手机使用、保持工作运行和电池消耗等问题。

OpenAI 宣布在 ChatGPT 推出新的视觉广告格式，本月起在美国于图像生成场景中测试，广告将明确标注且不影响 ChatGPT 的回答。