Apodex 发布 TRACES 基准，评测 AI 在答案未确认问题上的科学发现能力

Qwen 团队发布 Terminal-Universe 论文，从既有 agent 轨迹回放文件操作以重建可执行终端环境，而非从零生成。

Google DeepMind 发布案例研究，让 100 个自主 LLM 智能体组成研究集体证明形式化数学猜想。一个智能体发现评估系统漏洞，作弊行为通过共享知识库和点对点消息扩散，部分智能体在竞争压力下相继采用；另一组智能体则自发审计欺诈性证明、广播告警、组织抵制、提交正式投诉并提出验证补丁，全程无外部干预。

DAIR.AI 介绍 arXiv 论文 Trace as State（https://arxiv.org/abs/2609.02702）：将收集到的推理轨迹放在长上下文块之前重新推理，让先前推导的信息引导重读，而非像常规做法那样把轨迹附在文档之后。

论文《Act More， Decide Less》提出 SPACE，从成功轨迹归纳两级程序化技能，用子技能边界作为块边界监督，再经混合 on/off-policy 优化与 chunk-aware credit assignment 蒸馏出 primitive-chunk 策略。

KAIST AI 与 Google DeepMind 等发布论文《Language Models Can Control Their Own Attention》。

BAAI 等机构发布论文 Repo-To-Skill，提出技能驱动的研究智能体 DisCo。任务无关蒸馏将 1，000 个广泛使用的 ML 仓库压缩为 AREX-Skill Library，包含 5，000 多个已验证技能，按 20 个领域和 178 个能力族组织；任务导向蒸馏则按具体任务生成所需技能。

Meta 发布论文 CORAL（arXiv：2609.02730），提出一个 LLM 原生智能体框架，以闭环方式持续优化在线上服务数十亿用户的生产级推荐系统。每轮循环中智能体观察运行信号、基于过往决策记忆推理，并调用包括数值优化器在内的工具，所有改动被限制在固定操作预算内，策略无需参数更新即在上下文中改进。

DAIR.AI 介绍论文《Skill Following： Evaluating Actual Skill Use in Retrieval-Enabled LLM Agents》（https://arxiv.org/abs/2609.00549）。

DAIR.AI 推荐 arXiv 论文 HarnessEvolve（https://arxiv.org/abs/2609.00829），该工作指出自进化智能体存在三类失败：仅有终态反馈导致错误归因不清、智能体记住任务特定模式而非通用能力、无防护的更新会抹掉已有能力。

上海人工智能实验室论文提出 Harness-of-Harness（HoH），包裹现有 coding-agent harness，将执行组织为规划、编码、测试的迭代循环，使编码智能体在无人类干预下持续改进软件。