混合推理智能体 Hybrid Reasoning Agents

White Circle 团队开源红队算法 RISE，可对 OpenAI、DeepMind 等最新图像模型进行 jailbreak。文中称 GPT-Image-2.5-Flare 被成功攻击的概率约为上一代的 3 倍，Nano Banana 2.1 约为上一代的 2 倍。

推荐小红书的工作！ Vela: User Behavior as Supervision Sparks LLM Intelligence

推荐阅读！ AutoEnvScaling：用终端智能体自动化数据飞轮

@OwainEvans_UK 团队发布新论文 Beyond Owls: Subliminal Learning Can Transfer Learned Capabilities and Backdoors，此前他们的 Subliminal Learning 研究显示模型能通过数字序列传递对猫头鹰的偏好。新工作表明模型可传递更复杂的特性：新技能、智能体破解行为和后门，其中后门在数据中既无触发条件也无对应行为仍能完成传递。

推荐阅读！ ExploreNet: Learning Where to Explore in Diffusion GRPO

推荐阅读，因材施教！ Sherpa: Teaching LLMs to Teach Adaptively

JEPA-Anything： 跨不同世界学习预测模型

如果这个月只能读一篇文章，就是这篇！ 如果自动化 AI 研发触发了智能爆炸，会怎样？ @geoffreyhinton： 由递归自我改进引发智能爆炸的想法已经存在很久，但直到最近它似乎都不迫在眉睫。如今许多顶尖研究者认为它可能很快就会发生。你可以在这里读到我们关于此的论文： https://casp.ac/reports/intelligence-explosion

You Only Edit Once： 通过局部示例精修激发 LLM 的上下文能力 挑选最佳少样本示例是一种缓慢的 System-2 搜索：组合爆炸，且往往需要反复调用 LLM。 我们把它变成了 System 1。⚡ Jev-LDE，一个 1.7B 的编辑器，扫一眼检索到的示例，只做一次编辑。LLM 只回答一次。 平均 1-shot 准确率 81.2 → 88.1 You Only Edit Once 🧵 动画演示（示意示例）。查询：“How far is it from…

马东锡NLP（@dongxi_nlp）参加了延迟两年的博士毕业典礼，他于2018年开始学习NLP，2024年博士毕业，完整经历了从BERT到LLM Agent的数次范式变化。他感慨在Vibe Research时代之前完成PhD很幸运，手写代码、琢磨段落、人工画图的经历是一生财富，见证了从狭窄计算语言学诞生全民AI时代。