全部动态

TreeOPSD：面向长程智能体强化学习的树感知后验蒸馏框架

TreeOPSD 是一个无需评论家网络、树感知的后验自蒸馏框架，用于长程智能体强化学习，通过将每轮交互视为树节点、从共享前缀分支出备选续写并把终端奖励递归回传为隐式轮级信用。

OfficeTown 提出面向专业组织的生成式模拟框架与 406 项任务基准

研究者提出 OfficeTown，一个面向专业组织的生成式模拟框架：从组织目标与活动的自然语言描述出发，初始化成员分工、委派任务并审阅交付物，产出物与未决事项会持续影响后续工作。

RAP：基于人类海报范例与声明式标记的论文转海报生成数据集

RAP 是面向论文转海报生成的数据集与基准，含 2022 至 2026 年机器学习会议 25K+ 组经核验的论文-海报对，并设 150 篇测试论文的留出基准。其自动化反渲染流程将海报转为带可填充槽位的 HTML/CSS，使每个样本成为可通过渲染比对验证的论文-海报-标记三元组。基于该数据，无需训练的多智能体流程 PosterRAG 可检索范例并填充槽位，另有 SFT+RL 方案训练专用模型。

Google Quantum AI 在 Willow 处理器上实现“魔法态培育”，错误率降低约 40 倍

Google Quantum AI 在 Willow 处理器上演示了“魔法态培育”（magic state cultivation），将错误率相对未培育态降低约 40 倍，并实现逻辑保真度 99.99% 的 T 态，成果已发表于 Science。

Meta 将推出 Muse Spark 开放权重版

突发 🔥：Meta 即将发布 Muse Spark Open，这是 Muse Spark 1.2 的开放权重版本！ 据预告，它将是美国最好的开放模型，用户将能在新款 Mac Studio 设备上本地运行。

Google 发布 Gemini 4 Argon，用一个模型覆盖机器人仿真、控制与训练数据评估

Google 发布面向机器人任务的 Gemini 4 Argon，宣称可控制机器人、生成虚拟训练环境并评估训练视频质量，目标是覆盖从单台机器人控制到复现已发表研究的完整流程。

Gemini 4 Argon 登 ARC Prize 排行榜

@Google - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Gemini 4 Argon 完整结果：https://arcprize.org/results/google-gemini-4-argon

IsomorphicLabs 用 Gemini 4 Argon 加速药物研发

在 @IsomorphicLabs，研究人员正将 Gemini 4 Argon 作为伙伴，加速药物发现与设计研究 🧬 Argon 能快速综合复杂的 PDF 和专利以提取相关信息，将通常耗时数周的过程缩短至仅数小时。

Google 发布 Antigravity 智能体科研工作台，并内置 Biomolecular Structure Viewer

Google 发布智能体开发平台 Google Antigravity，提供面向生物学家的智能体科研工作台，把原本分散在多个数据库的检索压缩到一次会话中，并借助 ProtNLM 扫描 UniProt 中数百万条功能未知的蛋白质序列。

入选理由Google 把跨数据库检索、结构分析与文献综合放进一个智能体会话，研究者可据此判断这类工作台能否压缩抗菌肽早期筛选流程。

Magnetar 推动零知识证明主流化

零知识证明无需重新运行工作负载或暴露敏感数据即可验证计算结果。Magnetar 通过支持标准编程语言、大幅速度提升和抗量子安全，帮助其走向主流：https://msft.it/6016atJb6

GPT-6-Astra 在 TheoPhysEval 上解出 50 道理论物理题中的 49 道，单题成本不足 3 美元

研究团队用 50 道理论物理常规计算题测试商用 AI 智能体，且不提供任何人工提示。运行在 OpenAI Codex 环境中的 GPT-6-Astra 解出 49 道。

入选理由这份基准显示 AI 智能体已能完成理论物理的常规计算，研究者可据此重新考虑早期科研训练的安排。

NVIDIA 发布 Nemotron 3.5 Super VL 模型

NVIDIA 🔥：全新 Nemotron 3.5 Super VL 模型已发布！ > NVIDIA Nemotron 3.5 Super VL 是一款开放模型，总参数量 120B，激活参数 12B。 > 该模型支持推理、工具调用，具备文本、图像、文档和视频理解能力，面向长时间运行的 AI 智能体。https://x.com/NVIDIAAI/status/2110749836450713896/video/1

Google用Argon优化xTB量子化学软件包

我们的研究人员还在 @Antigravity 中使用 Argon 来优化 xTB——这是最常被引用的开源量子化学软件包之一，用于预测分子的三维结构以及筛选药物和材料候选物。 他们使 xTB 在预测分子结构方面提速最高达 2.3 倍，在构象搜索方面提速 1.8 倍，并将这些改动贡献到了 GitHub 上的 xTB 官方代码仓库 → http://goo.gle/4s6dko0

Google 团队用 Gemini 4 Argon 攻克工程难题

Google 各团队将 Gemini 4 Argon 用于我们最棘手的工程问题。 以下是发生的情况 🧵

Apertus 1.5 发布：8B 与 70B 模型新增图像音频理解与 262k 上下文

Project Apertus 发布 Apertus 1.5，在 8B 和 70B 两代模型上新增图像与音频理解、可选思考模式，上下文窗口扩至 262,144 tokens，为 1.0 的 4 倍，权重于 7 月 24 日以 Apache 2.0 许可发布在 Hugging Face。

研究：填补科学知识“空洞”更受集体关注，但多数高阶空洞仍未被探索

一项基于高维概念嵌入与持续同伦的研究发现，填补现有思想间“空洞”的科研工作能获得超额集体关注，且这种新颖性回报在发现导向领域最强、设计导向领域最弱。填补空洞后，同一概念组合会被持续研究，其后续研究率是同等未填补空洞的许多倍。但随着知识增长，高阶空洞数量激增而填补比例骤降，多数高阶概念组合仍未被探索。

面向数字知识的通用分类：算法、标识符与首个基准

一项研究提出可拟合的通用分类方案，目标函数为 J = D + 0.005 N，其中 D 为固定相似图上类树的归一化 Dasgupta 成本，N 为按层级计费的期望导航成本（比特）。

TAGHN：面向自动主题标引的文本注意力图重排序方法

针对自动主题标引中词表语义关系被扁平化多标签分类器忽略的问题，研究者提出 TAGHN——在检索候选描述符的文档子图上叠加叙词表邻域，用异构图重排序联合评估候选与文档的相似度及其邻域匹配度。

GRADS：图调控的智能体数据合成框架，实现可控难度的深度搜索任务生成

约翰斯·霍普金斯大学与亚马逊等机构研究者提出 GRADS，一个图引导的智能体数据合成框架，通过维护证据与推理依赖图，在种子选择、证据扩展、问答构建与验证的闭环中实现显式难度控制。

SciΠvot：用 248 例人类纠偏记录评测自主科研智能体的 PI 判断

马里兰大学等机构的研究者发布 SciΠvot，一个基于人类纠偏的 248 例科学判断基准，取材于资深研究者六个月内在 26 个、覆盖六个科学领域的项目上运行 LLM 智能体并反复干预纠正其研究判断的记录。

PremiseCheck：面向人类与 AI 审稿意见的高效事实核查框架

研究团队提出 PremiseCheck 框架，用于核查审稿意见中与论文不符的事实性错误：由 LLM 在不读论文的情况下把每条意见拆成显式前提，再由决策模型对照论文逐条验证，取最低分作为该意见得分。

ReviewPilot：面向系统综述筛查与数据抽取的多智能体系统

佛罗里达国际大学等机构的研究者提出对话式多智能体系统 ReviewPilot，覆盖系统综述的检索、筛查、全文获取、信息抽取与语义归类五个阶段，研究者可通过对话定制纳入排除标准与抽取字段，每条筛查决定附理由、每个抽取值附原文出处，项目记忆保留配置与修订。

Apple 提出 Selection-based Structured Reasoning（SSR）：面向高效多模态搜索智能体的结构化推理框架

Apple 研究者提出 Selection-based Structured Reasoning（SSR），把推理从开放式生成改为从预设自然语言候选推理中按似然选择，无需辅助任务头。在 2B 和 4B 模型、七个多模态搜索基准上，SSR 在多种强化学习目标和监督微调下保持任务表现，平均成功率与同规模领先搜索智能体相当，单轮推理延迟降低逾 90%，每题模型总推理延迟降低 28–54%。

HDOCK-Multimer：混合建模提升大型蛋白复合物结构预测

Nature Computational Science 在线发表的研究提出自动化框架 HDOCK-Multimer（HDM），将从头对接与组合组装结合，用于大型蛋白复合物的结构预测。

上海AI实验室许地生团队用书生-S2 人机协同证明三维Ghys猜想

上海人工智能实验室访问学者、大湾区大学教授许地生团队依托书生科学多模态大模型S2（书生-S2），通过人机协同完成困扰数学界30余年的三维Ghys猜想证明，论文已发布在预印本平台arXiv，形式化代码在GitHub公开。

入选理由材料完整呈现了人机协同证明数学猜想的流程与形式化验证环节，研究者可据此判断大模型在自身领域承担长程推导的可行边界。

Anthropic 用强化学习训练 LLM 对齐审计员

Anthropic 用强化学习训练 LLM 对齐审计员：在训练环境中，策略模型调查系统提示中被植入隐藏行为的目标模型。将 Haiku 4.5 在该环境上微调后，其在审计质量的留出评估上追平 Opus 4.6，并能迁移到不同 scaffold 下更难、经过微调的目标模型。

Meta发布Muse Wonder系列模型

Muse Wonder 和 Muse Wonder Full 在个人与专业智能体任务上达到 SOTA 性能。 在我们的研究者博客上了解更多关于这些模型的信息：https://go.meta.me/musewonder

Leash Bio 发布 Minos 预印本与开放数据集，用 DEL 数据构建智能体科学推理沙盒

Leash Bio 的 Ian Quigley 在 Latent Space 播客中介绍，团队把过去几年积累的 DNA 编码库（DEL）数据转化为数万个 lab-in-the-loop 模拟，供智能体做可验证的科学推理，这一想法已发展为 Minos，并发布预印本、博客和开放数据集。

MPT：让去中心化智能体群体联合学习动作与自组织协调

研究提出基于市场的后训练框架 MPT，让去中心化智能体群体通过出价决定谁参与行动，并据此获得局部训练信号，从而在不设中心协调者的情况下联合学习动作策略与自组织协调。

稀疏自编码器中的表征重分配：RSS 评分识别可复现的特征响应变化

研究提出重分配敏感度评分（RSS），用于识别在提示变换下方向一致、可复现的大幅特征响应，并在未参与筛选的变体上验证。在覆盖 8 个语言模型的 27 个预训练稀疏自编码器（SAE）上，测试的提示变换产生了可复现的重分配特征。