AI圈报
论文研究普通

DAIR.AI 本周顶级 AI 论文盘点

信息来源：X：DAIR.AI (@dair_ai)·
原始标题：The Top AI Papers of the Week （September 21 - 27）： - HySparse2 - EvoOntology - Harness-Zero - JEV-a…

内容摘要

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/2104259869402599424
内容分类AI 论文与研究
内容层级普通情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源X：DAIR.AI (@dair_ai)
站内情报编号intel-e609c36f8ef66b679c8a2214
阅读原始信息 ↗查看数据来源更多论文研究

相关推荐

综合分类、实体标签与信息来源匹配

论文研究普通
小米 MiMo-V3 的 HySparse2 等本周 AI 论文
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。
信息来源：X：DAIR.AI (@dair_ai)
论文研究普通
Salesforce 提出即时记忆：智能体记忆新方法
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。
信息来源：X：DAIR.AI (@dair_ai)
论文研究普通
Qwen 团队发布 Qwen3.8-Omni-Flash 报告：面向原生全模态智能体
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。
信息来源：X：DAIR.AI (@dair_ai) · Qwen
论文研究普通
Qwen 团队发布 Qwen3.8-Omni-Flash 全模态智能体模型报告
Qwen 团队发布 Qwen3.8-Omni-Flash 报告，这是一个原生多模态模型，面向跨文本、音频和视频的长时程智能体任务，如视频编辑和长音频视频翻译。模型沿用 Qwen3.8-Next 的稀疏 MoE 架构，上下文窗口为 100 万 token，并通过协同训练策略在保持文本性能的同时把智能体能力迁移到音频和视频任务。
信息来源：X：DAIR.AI (@dair_ai) · Qwen
论文研究普通
微软提出 CASD：用编码代理分析轨迹日志做提示词优化，平均提升 16.6 分
微软论文《Coding Agents are Strong Prompt Optimizers》提出 Coding-Agent Skill Distillation（CASD），让现成编码代理读取完整智能体轨迹日志，自行编写分析代码统计失败模式并将发现写成规则提示词，无需环境访问和验证数据。
信息来源：X：DAIR.AI (@dair_ai)
论文研究普通
Google DeepMind 发布 XYEval，测试智能体是否盲从用户的错误建议
Google DeepMind 发布 XYEval 论文，在 tau2-bench、SWE-bench、Terminal-Bench、HLE 和 MCP-Atlas 任务中加入一条自信但误导的用户建议，任务与正确解法不变。
信息来源：X：DAIR.AI (@dair_ai) · Gemini
论文研究普通
Jev-as-a-Judge 论文：廉价裁判置信时接受、不确定时上升至 GPT-6，保留 99% 准确率并省约 43% 费用
论文介绍 JEV-as-a-Judge，发现多数评测可用廉价裁判，仅把不确定判定交给前沿模型。在 510 个保留偏好对上，级联接受 JEV 置信判定、其余上升至 GPT-6 Astra，保留 GPT-6 约 99% 的准确率，费用约为其 57%。
信息来源：X：DAIR.AI (@dair_ai) · GPT
论文研究普通
Salesforce 论文：RL 环境验证器质量决定智能体训练效果
Salesforce 论文指出 RL 环境验证器质量至关重要：最干净的公开终端智能体 RL 数据集中仅 35.8% 环境通过其审计，另两个公开数据集干净率仅 10.1% 和 3.3%。
信息来源：X：DAIR.AI (@dair_ai)
论文研究普通
Stanford 与 Together AI 论文提出 SAT：智能体团队自学协作策略，五项基准平均达 66.7%
Stanford 和 Together AI 等机构的论文提出 Self-Organizing Agent Teams（SAT），让 o3-mini、Claude Sonnet 4 和 DeepSeek-V3 组成的团队从过往协作中学习可复用的协作策略。
信息来源：X：DAIR.AI (@dair_ai) · DeepSeek / Claude
论文研究普通
PrimeScientist：让研究智能体自主分配预算
PrimeScientist 将研究智能体的预算分配纳入智能体自身决策，在 12 项 AI 研究任务上对比 AutoResearch，同等预算下奖励提升 10.3%、研究尝试次数减少 50.6%。它维护一棵可执行的研究方向计划树，并用自适应 MCTS 策略根据实验反馈和剩余预算决定探索新方向还是继续有前景的方向。该方法在系统、代码优化和 ML 工程任务上同样有效。
信息来源：X：DAIR.AI (@dair_ai)