Meta Superintelligence Labs 论文提出 Sharpening Tax：RL 后训练降低模型测试时解题覆盖

NVIDIA 发布 Long-Transduction 测试框架，让模型在数千次输出中持续读取、更新并输出状态相关结果，分别变化三个因素。在七个开源权重模型上，上下文从 4K 增至 128K 时准确率下降 62.8%，仅改变输入格式下降 36.5%，单步操作变难下降 39.9%。

微软提出免训练方法 FOCUS，在测试时压缩 AI 智能体的交互历史：它判断智能体下一步决策真正依赖哪些历史片段，保留这些片段、丢弃其余部分，无需训练数据或微调，可作为独立层接在闭源 API 模型前。在工具调用、QA、网页与多轮对话基准上，FOCUS 将峰值上下文最多削减 48%，任务成功率最多提升 8.9 个百分点。

Meta Superintelligence Labs 提出用专门的控制器决定智能体下一步该做什么，在相同 worker 和相同预算下，GPT-5.5 的 ProgramBench 成绩从 63.7% 提升到 71.5%，Codex 为 58.0%。

Meta 等机构提出 Context Language Models（CLM），把上下文作为文件让模型用 Bash 自由编辑，自主决定保留、重写或删除内容，并区分于 RLM 不允许模型直接编辑实时交互上下文的做法。zero-shot 下在 BrowseComp-Plus 上比现有上下文管理策略高 11.4% 准确率、省 21.5% FLOPs；在线 RL 使 Qwen3.5-9B 提升 47.6% 且少用 12% FLOPs；配套 Suffix Cache Reuse 相比…

Salesforce AI Research 提出 Critical-State RL，用于多轮工具调用的强化学习训练：当奖励依赖后续轮次时，其变化很大程度来自下游噪声，该方法用嵌套采样分离出当前动作带来的奖励变化，只对选定的关键调用做上下文赌博机更新。在 BFCL v4 缺失函数任务上，训练选定的那一轮可提升约 14 分，而训练其他候选轮则准确率持平或下降。

SkillGym 框架将人类编写的技能转化为 2,756 个带代码检查器的训练环境，并在 8,364 条成功轨迹上微调。

本周顶级 AI 论文（9 月 21 日 - 27 日）： - HySparse2 - EvoOntology - Harness-Zero - JEV-as-a-Judge - Wiki Foundation Model - Self-Organizing Agent Teams - Self-Improvement via Fast Tree-search 继续阅读： [引用 @dair_ai]：https://x.com/i/article/21042598694025…

小米 MiMo 团队为即将推出的 MiMo-V3 打造了注意力架构 HySparse2，在 80B-A3B MoE 模型上把 prefill FLOPs 较 MiMo-V2 系列的 Hybrid SWA 降低 5.02x、较 HySparse 降低 2.92x，KV cache 从 12.09 GB 降至 2.69 GB。

Salesforce AI Research 提出 Just-in-Time Memory，主张存储原始轨迹、在下一个任务到来时再决定提取什么，而非每次运行结束就总结。

Qwen 团队发布报告，介绍 Qwen3.8-Omni-Flash，一个原生多模态模型，面向跨文本、音频和视频的长程智能体任务，如视频编辑和长音频视频翻译。模型采用 Qwen3.8-Next 的稀疏 MoE 架构，上下文窗口达一百万 token，并通过协同训练策略在保持文本性能的同时将智能体能力迁移到音频和视频任务。