WikiSkill：Google 论文让智能体技能进化可复用

NPO 提示优化器仅用单条提示谱系，在 3，500 和 6，800 次 rollout 下追平 GEPA（3，593 和 6，871 次），并在 22 个 TextArena 游戏中表现相当。其优势随教师模型增强而扩大，表明复杂搜索或一直在弥补弱教师推理。

Stanford 新研究提出 Prefix Sliding，在生成时丢弃推理轨迹中间 token，仅保留含指令与工具的前缀及末尾数千 token，使内存占用封顶。无需训练即可让现有模型提速 3 倍且性能持平全注意力，并支持超过 100，000 token 的 RL rollout。论文：arxiv.org/abs/2608.26070。

数百个前沿AI智能体在可永久改变的世界中自发分化出探索者、建造者、守护者与协调者，无需直接通信即可分工协作。约95%的技术复用源于智能体在环境中遭遇他人成果，而非直接交接；移除全部智能体后，其创造的技术仍能自主运行并抵御未知扰动。该发现暴露了AI安全盲区：仅监控智能体间通信远远不够。

Apple 发布 Agent Seer，可从单一 MCP 规范自动合成多轮智能体测试场景，无需示例、实时工具访问或领域微调。该方法在 7 个 MCP 规范上验证，小中型规范实现完整工具覆盖；参数模式复杂度比工具集规模更能预测质量差异，参数值准确性是主要失败模式。

Google 一篇论文提出将原始执行轨迹、持久知识 wiki 与可执行技能三者分离，经验先沉淀进 wiki，后续技能更新均基于该 wiki。消融实验证实 wiki 是主要增益来源：带进化技能的小模型可超越无技能的大模型，且技能可跨模型家族迁移。论文：arxiv.org/abs/2608.27454。

Google DeepMind 新论文将 AI Co-Scientist 从模拟推向真实实验。在计算机科学领域，它发现一种推理时扩展架构，在盲审下击败 HealthBench Hard 和 Professional 上的六款前沿模型；在生物学领域，它从稀疏成像数据预测了大肠杆菌群集表型，与未公开实测数据吻合。30 位领域专家对端到端生成的论文撰写了 450 条评审，可靠性模块减少了幻觉与抄袭。

JIT-Agent 是一种输出为智能体框架的模型，将框架形式化为固定四模块协议（记忆、规划、行动、工具编排），可为任意现成智能体 LLM 即时合成。它还能在执行中修复框架，并通过蒸馏历史配置的性能信号自我进化。

新研究将智能体轨迹压缩为紧凑有限状态机，在12个公开数据集上仅用7-43个状态，以0.997的适应度重放留出数据，毫秒级构建。FSM状态上下文在下一步预测上全面优于Agent Workflow Memory，失败预测AUROC达0.94。作者认为行为拓扑更多由部署框架而非底层LLM塑造。

新研究揭示共享技能库可被用于传播恶意软件：EvoMal 将恶意技能植入库中，智能体将其作为模板复制并运行，导致自我中毒。在 153 个 SWE-bench Verified 任务上，六款模型的自毒率达 20.3%-41.8%，污染库中恶意技能数量为植入量的 4.9-9.0 倍。删除所有植入技能无法彻底清除，但反提示词可将自毒率降至 6.7% 且不显著影响任务完成度。

Recuris 将智能体记忆分为工作记忆与经验记忆，并以任务状态而非完整历史为技能选择依据。在四个长程基准与十个模型上，37 个模型-基准组合中 35 个任务成功率提升；tau-bench 上为 GPT-5.6 Sol 提升 17.8 分、Claude Opus 5 提升 15.6 分至 87.9%，最长任务上优势扩大至 32.2 分，常见长程失败率最高下降 80%。