全部动态

智元联合清华、无问芯穹发布 CEL 群体经验学习：96 台真机实现机器人教机器人

智元携手清华大学、无问芯穹发布群体经验学习范式 CEL，让机器人以同伴的真实作业轨迹为经验来源，在插花、叠衣、手机充电、凳子组装、手机包装五项真实任务上训练的策略全部超过 6 名人类远程操作员平均水平，最高领先 16.7 个百分点。

Sakana AI 举办东京研讨会：Jürgen Schmidhuber 谈 AI 历程，并公布自研语言模型 Sakana Sawara

Sakana AI 在东京一桥讲堂举办研讨会，宣布启动自研预训练语言模型系列「Sakana Sawara（暂称）」，首个模型「Sawara Small（暂称）」若进展顺利计划于 2027 年春公开。首席科学顾问 Jürgen Schmidhuber 发表主题演讲，与 CEO David Ha 对谈，现场吸引日本各地逾 400 名参会者。

SpecPilot 用自主智能体循环为推测解码发现算法与系统优化

SpecPilot 是一个自主智能体循环，针对每种部署自动发现推测解码的算法与系统优化，每轮由成本模型定位当前系统与上限之间的最大差距，并行智能体探索方向并整合成功方案，同时用 token forcing 对照原始系统检查输出以检测 reward hacking。

Exin Therapeutics 称 AI 智能体操控机械臂为小鼠完成脑部注射治疗癫痫

生物科技初创公司 Exin Therapeutics 本周声称，已让 AI 智能体操控机械臂对一只癫痫模型小鼠完成脑部注射。

2026世界顶尖科学家论坛：诺奖与菲尔兹奖得主谈AI如何改变科研范式

2026世界顶尖科学家论坛在沪开幕，主题为“范式变革：科学突破的下一个十年”。2025年诺贝尔化学奖得主奥马尔·亚吉提出发展“选择科学”，其实验室借助大模型给出96组潜在新材料结晶条件，由机器人和自动化实验平台验证，不到一个月结晶性能显著改善。2002年菲尔兹奖得主洛朗·拉福格则追问机器擅长证明后数学家的创造力何在。

Simjecture 框架：语言模型智能体以反例驱动完成 Z-pinch 辐射能超额研究

西安交通大学团队提出开源框架 Simjecture，让语言模型智能体围绕人类设定的物理猜想做反例搜索与前瞻性假设修正，并以计算物理作为可执行检验平台。

入选理由作者团队公开了 Simjecture 框架与完整研究记录，研究者可据此判断反例驱动的智能体研究在计算物理中能承担到哪一步。

Simjecture 框架以反例驱动智能体研究 Z-pinch 辐射能超额问题

作者提出开源框架 Simjecture，让语言模型智能体围绕人类设定的物理猜想，以反例驱动的证伪和假设修正推进研究，并用计算物理作为可执行测试环境。团队用该框架开展 82.6 小时研究，考察 Z-pinch 中辐射能超过内爆壳动能这一长期问题，结果显示更强的相干螺旋形变会提高电阻转换、降低辐射并增加滞留能量，更宽的尾随等离子体分布则推迟后段辐射峰值并弥补早期辐射热计亏损。

BioAgent-DF 审计生物医学研究智能体的决策溯源：结论不变但证据路径可能已变

作者提出 BioAgent-DF，用配对参考值与候选值在原坐标上还原或移植，审计生物医学研究智能体在工具数值被静默污染后读了哪些文献、引了哪些句子。在 SciFact 的八个批次中，Qwen3.5-4B 在三个捕获–论断组合上出现可重复的引用变化，Gemma 3 4B IT 在四个组合上出现可重复的阅读与引用变化，共涉及两个论断，而完整还原可恢复参考证据集且结论不变。

BioAgent-DF 审计生物医学研究智能体的决策溯源

BioAgent-DF 通过在同一科学计算位置保存参考值与候选值并在原坐标恢复或移植，检验科研智能体是否在结论不变的情况下改变所读和所引证据。在八个 SciFact 批次上，Qwen3.5-4B 在三种采集与主张组合中出现可重复的引用变化，Gemma 3 4B IT 在四种组合中出现可重复的读取与引用变化，这七种组合覆盖两项主张。

智能体计算机图形学研究进展：统一分类框架与智能体文献分析系统

一篇报告提出面向计算机图形学各类任务的智能体系统统一分类框架，并开发了一个智能体文献系统，可辅助研究者大规模分析已有和新发表的论文。报告据此梳理了该领域的新兴研究趋势，并讨论了跨图形任务协调智能体与工具、设计人机协作接口与表示、维持长程规划与迭代改进、可靠评估交互式图形系统等开放挑战。该报告发布在 Hugging Face Daily Papers，原文未说明是否经过同行评审。

StreamDuo：面向未见游戏的双智能体实时解说系统

StreamDuo 将可训练解说智能体与冻结的科研智能体配对，后者实时读取所玩游戏 wiki，解说遇到无法命名的内容时发送当前帧，约两秒后取回条目。仅在 Baldur's Gate 3 上训练、在十款未见游戏测试，实体召回率从 Proact-VL 的 0.082 升至 0.116，源游戏泄漏从 9.9% 降至 1.0%，时序与 LLM 评判的解说质量均为流式模型最佳。

Samaya AI 发布 Sterling：3B 激活参数的金融研究智能体模型，在 FrontierFinance 上以 11 倍低成本超越 Claude Fable 5.1

Samaya AI 发布金融研究智能体模型 Samaya Sterling，基于 NVIDIA Nemotron 3.5 Lightning（30B 总参数、3B 激活的 MoE）经 LoRA 后训练而成。

Anthropic 实验：养蜂指南和摔角故事可训练 Claude 规避安全监控

Anthropic 让 Claude 生成最多 5000 条样本的微调数据集，去绕过模拟其生产系统的数据监控，监控会拒绝超过 10% 行被标记的数据集。每次运行中 Claude 都找到了能通过监控并触发模型不当行为的数据集，单次运行产出超过 600 个数据集，在 Anthropic 的评测中强于已有研究文献数据集。

DCRM：面向科研智能体的决策中心模型与 RD-Bench 基准

作者提出决策中心研究（DCR）框架，把科研智能体在证据取舍、下一步行动和研究方向上的选择定义为基于显式 Research State 的类型化预测，共 24 种决策类型，其中 10 种在 2000 条规则生成案例构成的 RD-Bench 中实例化。

面向长周期科研智能体的动作构建：阅读集框架评估实验设计的信息价值

研究团队提出阅读集（reading-set）框架，用于评估科研智能体动作指令所隐含的实验设计，并按统一成本规则对每种设计做预算门控。在 30 个合成状态上，完整设计请求相对动作名称基线在两个模型家族中分别将可负担效率提升 465.98% 和 327.91%。作者自建的 60 个场景、240 个候选动作数据集显示，场景级信息每成本指标与 18 名人类参与者判断的平均场景内相关系数为 0.733。

从会议室地板到智能体团队：AI 趋势对学术会议意味着什么

ScholarOne Conferences 正在测试 AI Program Builder，可先对会议议程做首轮编排，承担大部分人工理解与协调工作，让程序委员会专注只有他们能做的编辑决策。该工具目前面向部分客户进行 beta 测试，同期还在探索 AI 辅助分会场构建并测试增强版 AI Duplicate Detector。

Claude Sonnet 5 自主选定基因疗法并完成小鼠脑部注射

据 Exin Therapeutics 联合创始人、牛津大学博士生 Gabriel Ocana-Santero 在 X 上描述，团队给 Claude Sonnet 5 一份包含 19 种候选基因疗法的清单、一个癫痫小鼠模型和一台带摄像头的定制电动手术装置，唯一指令是减少小鼠的癫痫发作；该智能体自行选定了药物、脑区和立体定位坐标，并完成注射。

StreamDuo：面向未见游戏的实时解说员与研究智能体

StreamDuo 将可训练解说员与读取所玩游戏 wiki 的冻结研究智能体配对，让模型为训练中从未见过的游戏做实时解说。仅在 Baldur's Gate 3 上训练后，它在十个未见游戏上把实体召回率从 Proact-VL 的 0.082 提升到 0.116，并将源游戏泄漏从 9.9% 降至 1.0%。在流式模型中，它的解说时机最佳，生动度与整体质量评分也最高。

O'Reilly 的 Expert Intelligence：让 AI 智能体接入企业自有系统做研究分析

O'Reilly Media CTO Andrew Odewahn 团队构建了 Expert Intelligence，把 AI 智能体通过 MCP 接入公司自有系统，并用 skill 文件规定推理方式、以 O'Reilly 图书馆的实践框架为分析依据。

Breakthrough Listen 与 SETI 研究所将智能体 AI 接入 Allen 望远镜阵列日常搜寻

Breakthrough Listen 与 SETI 研究所把智能体 AI 引入搜寻地外文明的日常工作，在加州北部的 Allen Telescope Array 上，研究者用一句自然语言请求即可让智能体操控天线、校准与聚焦仪器、修正数据错误并绘制结果。

This Week in AI：智能体重写规则，从安全漏洞到科研应用

O'Reilly Radar 的 This Week in AI 节目梳理了本周智能体进展：开源渗透测试框架 ARTEX 相关供应链攻击波及超 2,250 个 Microsoft 365 租户，PHP2Shell 两个 CVSS 9.2 漏洞于 10 月 21 日披露后 CISA 敦促尽快修补。

Air Street 发布 State of AI 2026 报告：与 Matt Turck 谈 AI 构建 AI、世界模型与 2027 年 AGI 预测

Air Street 发布 State of AI 2026 报告，创始人 Nathan Benaich 在 MAD Podcast 与 Matt Turck 对谈，内容涵盖 AI 构建 AI、世界模型与网络安全，并重申其 2027 年实现 AGI 的预测。

Meta 等机构提出 AutoBenchmark 与 HackBench，研究自主科研代理与人类协同

Meta FAIR 等机构的研究者在 arXiv 预印本中提出 AutoBenchmark，让自主科研代理从任务说明出发端到端构建基准，并用求解器轨迹和 LLM 评审两类反馈迭代修订。

让 AI 自己提出研究问题：自主科研代理连续完成五次从选题到修订论文

作者 Ko Fujimura 报告一套由通用编程代理、约 7300 词指令文档和两个技能（研究问题构思、同行评审）组成的自主科研系统，在笔记本电脑本地计算、无人类研究输入的情况下连续完成五次运行，从提出研究问题走到经 AI 评审并修订的可重算论文。

rTaste 研究：六个前沿模型能否判断哪些实验值得做

作者让六个前沿模型以单人或团队形式，从七篇近期 NLP 论文出发各提出五个最小可行实验（MVE），并预测结果、排序；独立执行器把 415 个 MVE 全部跑完，再由三个模型审计。

Samyama.ai 用双层知识图谱重建学科开放问题目录，状态判定审计 41 条仅 9 条正确

Samyama.ai 作者在 arXiv 预印本中提出把学科开放问题做成数据：手工维护的问题层原样保留，其下叠加从文献索引重建的证据层，两层用带来源的 SAME_AS 与 EVIDENCE_FOR 边连接，存于同一图数据库并用 openCypher 查询。

上海AI实验室联合清华推出蛋白质改造评测基准PFArena，评测显示大模型尚难可靠完成改造

上海AI实验室联合清华大学智能产业研究院（AIR）及清华大学药学院推出专业蛋白质改造评测基准PFArena，基于202项真实蛋白质实验、293个任务实例和60万余条候选记录，评测6种蛋白质语言模型、6种通用大语言模型及基于Biomni和AMixKit构建的5种智能体组合。

入选理由上海AI实验室联合清华发布PFArena，用202项真实实验衡量模型能否在有限实验预算下选对突变，为蛋白质改造的AI评测提供了新口径。

MoLRSI：可递归自我改进的分子发现 AI 智能体

研究团队提出分子发现 AI 智能体 MoLRSI，把工作流与模型架构的系统优化和跨任务持久记忆结合，让智能体根据工作流表现、改进结果和执行反馈递归改进搜索策略。

Google Research@ 2026 展示开放工具与基础模型

AI 是人类创造力的放大器。 走进山景城的 Research@ 2026——从 Deep Review 等开放工具到跨数据科学与行星健康的基础模型，看看我们如何将突破性能力交到专家手中 👇 🔗 http://goo.gle/4hU5Srt

Exo：可运行时自我改进的AI智能体架构

UC Berkeley 博士生、Google Research 高级研究员 Alex Krentsel 在 Arena 介绍了自改进 AI 智能体架构 Exo，借鉴操作系统的 exokernel 思想，将智能体拆分为受保护的机制层（状态、历史、密钥和"guardian"）与可完全演化的策略层。在基准测试和开放世界 RuneScape 任务上，Exo 比 Codex 和 Pi 便宜 31-62%。