JEPA-Anything：跨世界学习预测模型

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。

本周最佳两篇 Week 38 Story Imprinting： AI Assistants Absorb Traits from Human Characters They Resemble JEPA-Anything： Learning Predictive Models across Different Worlds Story Imprinting https://arxiv.org/pdf/2609.10883 JEPA-Anything https://arxi…

整个 arXiv 三百多万论文全部整理为 Huggingface 上的数据集。 ICLR 2027 投稿量超过往年总和？ 这才刚刚开始。 【引用 @secemp9】：很高兴分享将整个 arXiv 网站作为数据集发布在 HuggingFace 上 https://huggingface.co/datasets/secemp9/arxiv-complete 3，148，796 篇论文，包含每个版本，格式为 LaTeX、PDF、PostScript、HTML，总计 16 TB

Owain Evans 团队发布新论文 Story Imprinting，仅用关于人类（不含 AI）的合成故事训练模型，发现助手会在普通聊天中采用故事里角色的怪异行为。实验中精英学校角色的特质被更强地吸收，作者在推文串中探讨原因。

@shannonzshen 分享了关于构建 Software World 的早期研究，这是一个由 Agent 运营的类似 GitHub 的系统。系统为依赖链中的 Python 软件包部署 Agent，每个 Agent 负责与其他 Agent 协作并优化自己所拥有的软件包。

作者转发引用 @ao_qu18465 的文章，主题为 REEF，一个面向自我改进智能体（self-improving agents）的持续学习基础设施，原文链接 https://x.com/i/article/2094850055132024832。作者本人未补充正文内容。

自动化对齐研究框架将 Claude Opus 4.8 封装为智能体，用 2 天自主完成研究、提出方法并训练测试其他 AI，有效缓解对齐失败。主推文指出研究范式正从人类提出对齐方法，转向人类设计探索环境、AI 大规模搜索干预方案，未来人类价值或在于提供并优化目标信号。

人类的监督能力本身，也需要被系统性地设计、保护和维护。 朋友们，你们还在 loop 中么？ Paper： AI Agents Push Humans Out of the Loop https://arxiv.org/pdf/2608.23642