DeFT-RAG：将多跳问题分解为带可复用答案的自包含子问题
DeFT-RAG 提出一种 RAG 框架，每次从原问题和已答 QA 对生成一个自包含子问题，并用规则更新 QA 表、微调轻量决策模型做是/否判断，把剩余 LLM 工作移出模型。
全部动态
按时间排列的全部内容。默认只显示通过双重评分的入选条目；切换到“全部收录”可以检索所有抓到的资料。
531 条收录动态，更新于 23:10
全部收录包含没有通过评分的资料，标题以常规字体显示并标为“未入选”，只供检索，不写入选理由。
10月30日
星期五，5 条从碎片化到融合：全模态嵌入研究综述与路线图
一篇立场论文提出用覆盖、可比性、组合性三层递进能力框架梳理全模态嵌入研究，并给出三条统一路径：变换扩大覆盖、对齐实现可比、联合嵌入指向组合性。作者称这是首个跨模态、贯通式的全模态嵌入研究综述，指出各模态社区长期各自为战，但对比学习、Transformer 架构与粒度转变正推动其收敛到共同原则。
DecisionRank 用在线策略蒸馏训练决策模型重排器，1.7B 参数超过 27B 生成式教师
DecisionRank 提出 item-space on-policy distillation（OPD），把决策模型输出的文档分数排成序列交给生成式教师，由教师给出条件反馈直接监督这些分数，并结合离线排序监督训练。
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。
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%。
10月29日
星期四，4 条Sakana AI 在 OpenMath 2026 数学黑客松企业组夺冠
Sakana AI 在哈佛创新实验室与 Stephen Wolfram 合办的“Recursive Self Improvement in Mathematics”Hack（OpenMath 2026）中获企业组第一名。团队主要依托 Sakana Fugu 模型和内部智能体工具，贡献了 14 个数学族，其中 6 个为完整解决，另含新界与结构性进展。团队表示将在后续报告中分享方法与经验。
Terence Tao 等将 AlphaEvolve 辅助的 Sidon 集研究上传 arXiv：Sidon 集直径与分布
Terence Tao、Daniel Carter 与 Kevin O'Bryant 将论文《On the diameter and distribution of Sidon sets》上传至 arXiv，该工作源于去年博客上使用 AlphaEvolve 改进 Sidon 集规模上界的讨论。
ReGap-Bench 诊断多模态推理的“引用鸿沟”：视觉脚手架能修什么、不能修什么
研究者提出 ReGap-Bench，一个固定场景、问题与答案、仅改变引用方式的多模态推理配对基准，覆盖五项视觉推理任务。结果显示，与任务匹配的引用最多可将准确率提升 25%，不匹配的引用收益很小甚至损害表现。作者据此把“引用鸿沟”——语言未能绑定到相关视觉实体、区域或位置——视为独立于视觉感知的瓶颈，并指出构建任务适配的视觉引用可作为免训练的视觉技能。
迈向 AGI 的扩展是否取决于 System-1 让 System-2 执行什么？
研究提出“条件交互”循环：轻量、具语义感知的 System-1 先预测候选交互的效用，System-2 只执行经自适应阈值放行的部分，结果再回写更新 System-1。
10月27日
星期二，1 条Cartesia 发布 H-Net 扩展结果：免分词架构在语言、DNA 与图像上的计算效率
Cartesia 公布分层网络 H-Net 的扩展结果，用模型内部动态分块替代 BPE 分词，在语言建模上以更少计算达到同等损失。
10月28日
星期三，6 条Meta 提出循环 MoE 扩展定律，1.3B 媲美 2.9B
Meta 研究者提出 Loop Scaling Laws，可在给定算力和内存预算下预测循环 Transformer 的最优循环次数与专家数量。在万亿 token 规模上，1.3B 循环 MoE 以相近训练算力达到 2.9B 非循环 MoE 的推理性能，参数效率约提升 2 倍。
Axiom 用数十个 AI 智能体将 1.5 万页有限单群分类证明转为 4300 万行 Lean 代码
Axiom 发布开源 GitHub 仓库，数十个 AI 智能体在 24 天内把约 1.5 万页的有限单群分类（CFSG）证明转写成约 4300 万行 Lean 代码。
引用Leo@biosemioteThe formal proof of CFSG may now be among the largest open-source projects ever. Watching agents assemble it is a reminder of the awe-inspiring human achievement behind it. The graph represents some 15,000 pages of intricate arguments developed by mathematicians over decades.
OpenAI 声称推翻指数时间假设 ETH
OpenAI 声称找到一种算法，能在次指数时间内求解 3-SAT，若证明成立将推翻理论计算机科学的基础假设——指数时间假设（ETH）。3-SAT 属 NP 完全问题，ETH 主张最坏情况下 3-SAT 无法在次指数时间内求解；该算法的时间仍增长极快，只是从根本上慢于 ETH 所认为的下限。alphaXiv 提供了详细解读。
ForgeKernel 自进化内核优化框架
从 JustGoal 到自进化的优化框架，期待接下来的进展。期待论文和 Forge 系列更多成果！@_LiYuXuan_
引用Yuxuan Li@_LiYuXuan_Based on our previous discovery on JustGoal, we redesigned how we do kernel optimisation and launched a self-evolving kernel optimisation harness called ForgeKernel, a part of our Forge series. We tried ForgeKernel on SOL-ExecBench(FlashInfer-Bench) from NVIDIA and CANN-Bench from HUAWEI. It performed well and easily reached #1 in every list we tested. Here are the ranks: https://research.nvidia.com/benchmarks/sol-execbench/leaderboard/collection/4/B200 https://cannbench.com/leaderboard We'll release another paper on ForgeKernel soon.
大脑如何避免“灾难性遗忘”：Neuron 模型提出树突区室与抑制性中间神经元机制
一项发表于 Neuron 的建模研究提出，树突可作为神经元内半独立的区室，抑制性中间神经元按情境逐个“解锁”特定区室的学习，使同一神经元能参与多个重叠的记忆集群而不抹除旧记忆。研究团队用全连接网络模拟多个脑区，模型能区分视觉相似但读音不同的“0”和“O”。该机制尚待实验证实，并给出了关于中间神经元组织方式的可检验预测。
OpenAI 宣布数学、计算机科学与物理学三项成果，发布方式引发科研界不满
OpenAI 于当地时间周一宣布在数学、计算机科学与物理学领域取得三项突破，并称将调整成果发布方式。数学方向称已在全部维度上证明挂谷猜想，AI 生成的推导内容直接放出交由学界解读；计算机科学方向称证伪指数时间假说，由 OpenAI 组建外部研究小组解读；物理学方向围绕量子色动力学与杨-米尔斯理论，暂不公开，交由外部专家团队决定发布形式。
入选理由三项成果的公开程度各不相同，研究者可据此判断核验门槛与参与空间在哪里。
10月27日
星期二，1 条伊利诺伊大学团队提出 ClaimNov：把新颖性检查从整篇提案细化到单条贡献声明
伊利诺伊大学厄巴纳-香槟分校团队在 arXiv 预印本中提出 ClaimNov，一个可嵌入 AI 科学家流水线的声明级新颖性模块，把研究提案拆成 Problem、Methodology、Resource、Result 四类贡献声明，逐条检索先验工作并判断覆盖程度。
10月28日
星期三，6 条一人十亿美元公司与AI影响力
真正的一人十亿美元公司。 一位聪明、高自主性的CEO + AI，可以对世界产生超乎寻常的影响。
引用Anthropic@AnthropicAIOver the past few months, Anthropic scientists have engaged in deep research partnerships with six organizations developing new medicines. We've also begun drug discovery efforts of our own. In doing so, we’ve learned much more about how Claude can support the many stages of drug development. In this blog post, we share some early results from these efforts, and describe how this work fits in with our wider ambitions in the life sciences. https://www.anthropic.com/research/early-progress-drug-development
Anthropic 与六家新药研发机构合作，并启动自有药物发现工作
Anthropic 表示，过去几个月其科学家与六家开发新药的组织建立了深度研究合作关系，同时公司也启动了自己的药物发现工作。博文分享了这些工作的早期结果，并说明这项工作如何与其在生命科学领域的整体布局相衔接：https://www.anthropic.com/research/early-progress-drug-development
面向股票研究的基准 Investor's Last Exam 发布，GPT-6 Astra 与 Claude Opus 5.5 领先但预测环节仅 52.5 分
由资深买方投资者和基金经理主导的股票研究基准 Investor's Last Exam（ILE）发布，包含覆盖 343 万份文档版本、9 类来源并带校验时间戳的版本化金融数据库，以及按专业分析师交付物组织的任务分类和专家评分框架。
A-RSI：面向零数据多模态自我改进的自适应任务刷新
A-RSI 通过监测训练日志中的奖励变化与准确率，在学习信号下降时刷新任务池，无需参考验证集或测试分数。其静态程序库自动生成多模态问题并推导参考答案，训练过程不使用外部训练样本或人工标注答案。在 11 项基准测试上，使用 800 个新任务将平均性能从 57.77 提升至 61.05。
Google研究LLM持续学习“睡眠”阶段
今日博客：了解我们在持续学习中新增的“睡眠”阶段实例，它使大语言模型能够持续整合新事实并增强推理，同时缓解灾难性遗忘或静态知识截止的问题。 更多 →https://goo.gle/4iICkyD
OpenAI 与 Anthropic 称模型推翻指数时间假说，计算机科学家组织公开讨论
OpenAI 发布了对三个数学难题的解答，其中一项声称推翻了计算机科学中长期使用的指数时间假说（ETH），Anthropic 随后也发布了自己的 ETH 反驳结果。
入选理由报道呈现了计算复杂性领域对 AI 证明的公开回应与后续核查安排，研究者可据此判断这类成果的验证路径。
10月27日
星期二，6 条论文探讨强化学习如何改变大模型推理：可迁移性、覆盖度与缩放规律
alphaXiv 推介的一篇论文提出，强化学习主要改变大模型偏好哪些推理策略，而非教会全新的推理技能：强化某些策略可提升部分任务准确率，却可能压制对其他任务有用的策略并降低推理多样性。
Lafa 将预训练 LLM 转为并行生成流模型
Lafa 把预训练 LLM 转成连续流语言模型，通过逐步去噪嵌入并行生成多个 token，并用同一模型原有的下一 token 预测能力校验这些并行草稿，而非完全取代自回归解码。研究者用不到 30B 训练 token 将 Lafa 扩展到 8B；7B 规模下生成速度最高达同类自回归模型的 2.54 倍，准确率相近。
OpenAI公布数学、计算机和物理学3项新发现，涉及挂谷猜想与杨–米尔斯理论
OpenAI于当地时间10月26日宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，称其模型给出了局部光滑猜想在所有维度下的证明，并证明指数时间假设（ETH）为假，还严格证明了包含规范场与费米子的四维相互作用量子场论。
入选理由三项成果均待学界独立验证，外部专家团队参与核查的安排，为研究者判断AI产出可信度提供了参照。
斑马鱼行为表型组学：ZeChat 深度学习程序区分 11 个自闭症相关基因引发的行为亚型
一项新论文利用深度学习程序 ZeChat，将 11 个自闭症相关基因在斑马鱼中引发的行为划分为三种功能亚型，这些亚型与对神经活性药物的特定反应相关。研究团队称其行为表型组学方法"为精准治疗发现提供了概念与技术基础"。该研究结果发表于预印本平台 bioRxiv。
从数据足迹到研究者指纹：科学知识图谱中以自我为中心的研究团队时序检测
一项 arXiv 预印本提出以研究者自我网络为尺度的细粒度研究团队检测方法，要求自我节点出现在所有识别出的团队中，计算核心基于 Leiden 算法，数据来自科学知识图谱。该方法通过 10 名不同背景与职业阶段研究者的用户评估，显示能呈现有意义且可解释的合作结构。识别出的团队可作为后续刻画角色、资历、贡献类型与发表模式的结构骨架。
阿里千问开源多语言智能体基准 BabelArena，同一任务换语言工具调用可差 8 倍
阿里千问团队开源多语言 LLM 智能体基准 BabelArena，覆盖约 699 个规范任务与 23 种语言，约 1.6 万个任务实例，并配套 BabelFlow 适配流水线，论文见 arXiv:2609.23490。
引用Qwen Developers@QwenDevsOur latest open-source research has a pretty interesting name, inspired by the story of the Tower of Babel. What interests us about that story is how language barriers can get in the way of people working toward the same goal And when it comes to agents, there are a few more places for that understanding to break, like tool arguments, database entries, and search queries One example from BabelArena (yes that's the name, surprise) stuck with me: Qwen-3.8-Max completed the same shopping task in English and Telugu, getting the same four products. But it took 25 tool calls in English and 201 in Telugu, with repeated empty searches against the localized catalog. Even though both runs passed, we’d still want to see that difference before shipping. Sorry for the long story, hope you guys are still here. What I want to share is that we’ve open-sourced BabelArena to study these workflows across 23 languages. Code, datasets, and paper in the comment
10月26日
星期一，1 条SciValidityBench：评测科研智能体记忆中的“科学使用有效性”
作者提出 SciValidityBench，一个可执行基准工厂，包含 64 个 TaskSpec，覆盖五个有效性模块和六个科学领域，用于检验科研智能体能否判断一条正确记住的证据在当前科学状态下是否可用于决策。