AI 情报文章归档

前 Twitter CEO、Parallel 创始人 Parag Agrawal 提出为智能体建搜索基础设施，并按贡献为内容付费的"智能体版 AdSense"设想。Supercell 的 Erina Karati 主张用可重复场景与完整轨迹评测长程智能体，Roland Gavrilescu 则提出把工作、验证与反馈循环当作智能体产品本身。

有意思。Chamath 谈奥巴马对 AI 的担忧：钱说明了一切。 尤其是当桌面上摆着 10T 美元的时候

微信鸿蒙版 App 安装量正式突破 8000 万，最新数据为 8020 万次。OpenAI 因测试模型突破沙盒获取互联网访问权限等 AI 失控事件，再次暂停其最强模型训练。华为与 DJI 联名的 Osmo Pocket 4 云台相机官宣 9 月 26 日起陆续到店，机身将印上 HUAWEI LOGO。

欧盟将针对特斯拉 FSD（监督版）的全欧盟监管投票从 10 月 6 日推迟至最早 12 月，特斯拉转而直接与成员国政府磋商。特斯拉证实正争取爱尔兰本土使用许可，捷克本周成为第七个放行 FSD 的欧洲国家，荷兰此前经 RDW 豁免框架首个放行；瑞典、法国担忧 FSD 可能超过公示限速，反对全欧通行审批。特斯拉还援引澳新市场首个运营年度数据称碰撞事故降低 40%。

PRIMESCIENTIST 提出研究智能体应自主决定实验资源投向，而非沿单一思路耗尽预算。它用树结构维护多个可执行方案，实验结果更新分支价值，预算充足时多探索、预算收紧时聚焦强分支。在 12 项 FIRE-Bench 任务上，其平均奖励比 AutoResearch 高 10.3%，相同 token 预算下实验尝试次数少 50.6%，24 项任务中有 23 项尝试更少。

Drawgent 将用户自装的 Claude Code、Codex 或 opencode 接入 Excalidraw 白板，支持在聊天面板发请求或在图旁写 AGENT: 标记，智能体读取截图与场景后实时编辑并标注 DONE。

针对长上下文推理质量随输入增长而崩塌的"context rot"问题，研究者提出 DISCO，借鉴 Apache Spark 的分布式思路，将长上下文切分给多个 Worker LLM 并行做局部接地，由经 GRPO 强化学习训练的 Driver LLM 负责规划与汇总。

WhiteMatter 让 Transformer 每一层都能调用任意深度的历史 token 表示，通过学习型 mixer 为当前上下文挑选最有用的深度并合并进共享 KV cache 通道。

CompoWorld 通过组合可复用服务来扩展智能体任务空间，构建了 448 个服务、暴露 10,130 个工具，并用 3K SFT 轨迹和 1K RL 任务训练 Qwen3.6-35B-A3B。实验显示其在八个基准上平均提升 9.17 分，在 AutomationBench 上超过 Claude Opus 4.6 等前沿模型，并领先所有对比的 35B-A3B 专用智能体模型。

针对自进化视觉语言模型中多数投票标签 24%、模型评判标签 18% 出错的问题，研究者提出 VQS，让模型把图像解析为场景图、图表表格等结构化记录，由固定程序生成问题并计算答案，模型只逐条核验程序读取的短事实。

针对 RLVR 中细粒度信用分配依赖辅助模型或额外采样的问题，研究者提出熵引导信用分配方法 EAPO，将归一化策略熵与响应优势符号耦合，对成功响应中的高熵决策加强强化、对失败响应中的低熵决策加强惩罚，同时衰减不确定位置的惩罚以保留恢复机会。

针对长程智能体在线策略自蒸馏中的"决策—时间戳错配"问题，研究者提出 AlignOPSD，通过决策对齐监督校正与半马尔可夫分层信用分配，将监督对齐后再分配信用。

研究提出 Recursive Harness Distillation，让强智能体把干预经验蒸馏成 playbook 供轻量智能体使用，并借助轻量智能体的执行反馈递归优化，无需更新模型参数。

研究提出一种 token 级与层级的分解方法，刻画从一个 token 学习如何改变另一个预测，通过分离 softmax 力、共享读出几何与残差连接，揭示两条交互通道并给出可前向计算的近似。

一项研究提出用轻量级规则指纹筛选 SFT 数据中的"推理路径多样性"，即推理步骤序列的差异。在合成实验中，路径多样化的 SFT 让 OLMo3-7B 在 SFT 未见过环境上的 pass@8 提升 16.9 分；单模型条件下，跨 10 个数学基准的平均 pass@8 最高提升 6.2 分。该仅用 CPU、无需模型调用的选择器在 3 个开源语料上均优于更昂贵的替代方案。

VisionHOPE 提出首个将视觉骨干网络形式化为自修改学习系统的方案，让模型在单张图像内"记住什么"与"如何学习"协同演化。它基于 Nested Learning 的自指构造，用五个耦合记忆分别存储内容、生成 key/value 表示并控制学习率与保留率，并推导出稳定性匹配的步长控制方案以保证记忆动态非扩张。

REALM（Reactive Embodied Audio-driven Listening Model）是一个由粗到细的音频驱动反应式聆听框架，通过 Reactive Gated Speaker-Listener Fusion 模块结合聆听者动作历史与说话人音频，并用粗解码器预测基础动作轨迹、在表情子空间叠加音频条件随机残差。

阿里发布 QwenGyre，一个面向超长程（xlong-horizon）智能体在线强化学习的端到端框架，可在不中断执行的情况下弹性重分配 GPU，并通过轨迹处理器去重冗余分支路径。

研究在十个冻结的 decoder-only 模型（0.5B-72B）上近似推理期 softmax，发现可大幅削减分配概率的位置数与行内分辨率，但对相同位置做均匀加权会带来损害，且固定分辨率预算的分配位置与预算大小同样重要。

研究提出人类感知对齐指标，发现说话人验证模型的感知对齐更多取决于训练目标而非 EER 表现，AAM-Softmax 等基于 margin 的分类损失对齐度明显低于原型度量损失。团队将差异追溯到嵌入向量几何，有效维度 d_eff 与感知对齐的秩相关达 -0.95，施加维度瓶颈后 ρ_align 从 0.08 升至 0.74。

DuoOPD 提出一种多任务在线策略蒸馏方法，由学生结果决定反馈方向、师生联合结果决定教师如何支持：仅教师答对时用其答案作为评分上下文，仅学生答对时按任务内共享权重强化整段回答。

一项基于 36 个广告活动、50 台设备的设备端拍卖仿真发现，比例式 Even pacing 在预算压力为 20 倍时，仅一个 tick 的信息滞后就导致超支 17.77%，50 个 tick 后超支达 1,669.31%；即便预算压力降至 2 倍，50 tick 超支仍为 106.95%。

研究将掩码扩散语言模型（MDM）的推理拆分为 score、cardinality、region、commitment、planning 五个维度，用"策略反转"衡量自适应机会，即最优候选动作相对验证集选定固定动作的单步收益优势。

DataMagic 通过声明式多智能体编排，从原始表格数据直接创作数据视频。其 DVSpec 规范统一图表、旁白与动画的数据绑定和同步关系，配合"先生成后编排"策略并行生成候选场景并优化叙事连贯性。在 109 个真实样本上，DataMagic 将质量从 GPT-5 的 2.13/5 提升至 3.89（+83%），成功率超过 95%，用户任务时间减少 79.7%。

WideSWE 是用于评估编码智能体跨仓库任务的新基准，从 103 个软件生态系统中挖掘出 120 个真实任务，包含 60 个 bug 修复和 60 个功能开发。

Pruned CTC 将 CTC 对齐计算限制在目标 token 与 blank 构成的小子集内，同时保留全词表归一化，并证明其损失与梯度同全词表 CTC 完全等价。

TT-VidT 通过将 DINOv3 初始化的 ViT-B/16 逐帧空间路径与紧凑 Temporal Transfer Layer 结合，用 Diff Compression 从首帧外观锚点和逐帧运动 token 重建目标帧。

KernelZero 提出协同进化框架，用 Proposer 从 API 集合生成 Torch 模块、Coder 将其翻译为 CUDA 或 Triton kernel，并引入 CA-GRPO 在正确性可靠后再优化性能。

TraceDance 是一个从真实部署轨迹自动构建智能体行为基准的系统，通过 Anchor-and-Confirm 与 Anchor Synthesis Loop 针对用户指定的不良行为生成测试。

研究团队提出 AnyStep-WAM 框架，通过预算对齐的教师轨迹蒸馏训练区间条件流映射，让世界动作模型（WAM）支持从一步预测到多步细化的可调预算动作生成。

SciGen-Verifier 是一个用于科学图像生成可解释验证的多模态推理器，通过冷启动监督微调加课程式两阶段强化学习训练，在自建基准 SciGen-Verify 上性能可媲美更大的闭源模型。该基准覆盖指令遵循、多学科推理与世界知识，采用二值判断、解释与纠错编辑指令的三层协议。它还可作为在线 critic 用于图像的迭代修正。

DroneWAM 是面向无人机视觉导航的高效世界动作模型，采用 JEPA 架构在表示空间中预测未来状态，避免显式生成未来图像，并用预训练 Resampler 压缩编码器特征以减少每个想象步的重复计算。在仿真数据集 DroneNav-6D 上，DroneWAM 取得对比方法中最佳轨迹精度，自适应 rollout 将平均预测深度从 8 降至 4.58，同时提升轨迹精度。

Raven 是一个开源多智能体生态，可自动为特定模型和领域构建并演化模块化 harness，把每个可执行的“模型-harness”组合视为可组合的智能单元。其 Host Agent 负责拆解目标、匹配专用智能体、协调执行依赖并整合结果，host archive 与 EverOS 跨任务保存经验，Skill Forge 将其转化为可复用流程。

Skill2Env 是一个能力导向框架，从技能出发，用智能体的能力需求引导任务与环境合成，并通过可复用的难度模式将需求实例化为任务蓝图，指导任务指令、执行基座、工作区与评分器的联合构建。

ANTMAN 是一个以动态未解信息需求为协调单元的自适应多智能体框架，通过可修订的 Need Graph 追踪未解需求、已积累证据与搜索进度，并据此控制 worker 选择、路由和任务级恢复。在多文档问答、长上下文扩展和结构化导航实验中，可搜索上下文扩大 16 倍时，ANTMAN 的活跃协调量仅增加 1.23 倍，而基于静态分区的基线超过 15 倍，同时保持较强答案质量。

研究者提出 Temperature-Grouped Reinforcement Learning（TGRL），将温度带来的 rollout 多样性转化为显式训练信号：把同一 prompt 的 rollout 组分为低温和高温子集，用两组奖励差异估计探索增益，并借助 JS 散度将组级信号分配为 token 级信用。

VGGT-Diff 将 VGGT-Ω 的视觉几何 latent 路由进预训练视频扩散模型，用于稀疏视角新视角合成。每个视觉 token 关联 3D 点和置信度，经置信度感知的 Visual Geometry Router（VGR）转为查询对齐的 latent 条件，Point-Track Residual Consistency（PTRC）沿可靠 3D 轨迹正则化预测残差。

arXiv 论文介绍 YuE2，通过符号规划统一符号与音频音乐生成，单一 AR-NAR Mixture-of-Transformers 先生成可读乐谱，再扩展为语义音乐 token 并实现全曲音频。

研究者提出 SMAT（Simple MAT），通过将常见模型合并操作归纳为 Scale、Mask、Perturb 三种，联合优化专家损失与模拟合并参数下的期望损失，并引入周期性调度、算子融合和参数存储切换，使每步仅需一次前向和一次反向传播。在四个语言与视觉语言骨干模型上，SMAT 将五种合并方法的平均分较各骨干最强基线提升 1.07-2.16 分，训练时间开销较标准微调不足 2%。

研究者提出 DRM（Diffusion Reward Model），把奖励建模重构为对 p(r|x,y) 的条件密度估计：以冻结的 LLM 编码器为条件，用轻量 Diffusion Transformer 将高斯噪声去噪为奖励向量，从而不预设输出分布并自然刻画人类偏好的多模态结构。