// From Language Models to World-Acting Systems // A critical review of agentic AI， and a framework…

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。

GPT-6 Astra （Max） 以 1797 分登顶 Code Arena： WebDev，领先第 2 名 Claude Fable 5.1 （Max） 35 分、第 3 名 Claude Opus 5 （Max） 1688 分。

Anthropic 发布基于 Lean 4.33.1 和 Mathlib 的费马大定理完整机器检查证明，遵循 Frey、Serre、Ribet、Wiles 和 Taylor-Wiles 的论证路线，以 Apache 2.0 开源。

GitHub 推出 Project HydraFusion 研究预览，通过运行时多模型编排，在 Single、Cascade、Critique 三种执行模式间为每个任务选择工作流，以平衡质量、成本和延迟。

xAI 让 Grok Bot 访问供应商支出、合同和使用数据，创建的 Haggle Bot 已识别超过 10 万美元直接节省，包括在一个 SaaS 产品中找到 43 个 90 天无活动的付费席位（节省 $14，220），在另一个产品中找出每年 $85，662 的未用 SKU。

OpenAI 发布 Daybreak for Frontline Defenders 全球计划，承诺提供10亿美元的 Daybreak 补贴访问、培训、技术支持与合作，计划在未来六个月内消耗，优先支持水处理、电网、州和地方政府、社区银行、非营利组织和开源维护者等资源有限的一线防御者。

xAI 发布设计文章，介绍 Grok Bot 如何为超越单次会话的持久化智能体设计界面。产品以 Bot 为主要对象而非会话，Bot 拥有身份、记忆、自己的计算机和工具；头像动效呈现空闲、工作、等待、阻塞、思考、完成等状态；工作区提供状态、预览、接管三级访问。

xAI 宣布 Grok Bot 面向企业开放，Grok 和 Cursor Enterprise 客户未来两周可免费使用并邀请全组织成员，包括没有现有席位的员工。