Coral Discovery：为自主科研智能体引入方向板以分工认知劳动
Coral AI Labs 与多所高校的研究者提出 Coral Discovery，在 MIT CORAL 的多智能体自主科研框架上加入方向板：验证器按程序 diff 给每次尝试标注方向与方法，方向板按方向统计收益、为少尝试方向加探索奖励并估算新方向价值，智能体先完成自己的方向再参考方向板。
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。
500 条收录动态，更新于 19:17
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24日
星期六，6 条Epoch AI 简报：AI 能否自动化 Epoch 自身工作、SpireClimb 游戏基准与 Gemini 4 Argon 表现
Epoch AI 让 Claude Fable 5.1、GPT-6 Astra 等六个模型完成 11 项取自其自身工作的任务，结果显示没有模型能稳定达到 Epoch 的工作质量标准，Claude Fable 5.1 与 GPT-6 Astra 大致并列领先。
AutoTavern 让 LLM 研究智能体自主构建炉石酒馆战棋 AI，天梯评分升至约 15000
研究团队提出 AutoTavern，由多个专用 LLM 研究智能体共享类型化研究记忆、每条主张经过验证关卡，并用实时对局闭环改进模拟器、对手与策略。
Claude 新增 MCP 任务与引导支持
我们正在为 Claude 添加对 MCP Tasks 和 Elicitations 的支持。 Tasks 让 Claude 能够将深度研究等长时间运行的任务交给插件，并在完成后回报结果。
Scientific Agent Skills 获 54k 星
我们的开源仓库 Scientific Agent Skills 在 GitHub 上刚刚达到 54k 星！
引用Star History@StarHistoryHQ54K ⭐ · Global Rank #467 · scientific-agent-skills by @k_dense_ai 🔬 Skills that equip AI agents for scientific research. 🎯 Analyzing biology data? Give your agent research tools. 📈 Three waves of attention: May, August, then October. https://www.star-history.com/?repos=K-Dense-AI%2Fscientific-agent-skills
10月23日
星期五，6 条AI 数学能力为何突飞猛进：从 Erdős 单位距离猜想到 Navier-Stokes 证明的机制分析
作者梳理了 OpenAI 内部模型在 5 月找到 Erdős 单位距离猜想的反例、随后发表 Cycle Double Cover 问题证明、7 月再解十个开放问题、9 月给出 Navier-Stokes 证明，以及 Anthropic 对费马大定理的形式化和黎曼猜想的界改进，试图回答模型能解哪类数学问题。
alphaXiv 的 OpenResearch 内置 Trackio，智能体可读实验曲线决定下一步
alphaXiv 的 OpenResearch 现已内置 Trackio：智能体把实验记录到 Trackio，图表显示在每次运行旁边，并读取曲线来决定下一步尝试什么，项目开源且本地优先。在 HF Jobs、Modal、k8s 或 Slurm 上运行时，可保存一个 Hugging Face Space，让每次运行都落到该 Space，包括私有 Space。代码见 https://github.com/alphaXiv/OpenResearch
OpenAI 联合 PerturbAI 与斯克里普斯研究所用数千个 AI 智能体分析小鼠脑细胞图谱
OpenAI 联合 PerturbAI 和斯克里普斯研究所利用数千个 AI 智能体分析覆盖整个小鼠大脑的 CRISPR 图谱，32 分钟完成数百万个脑细胞数据的分析，团队估计人类研究人员完成同等工作需数月到一年。
AI 制药公司 Pathos 完成 2.37 亿美元 E 轮融资，估值约 30 亿美元
AI 制药公司 Pathos 宣布完成由 Bristol Myers Squibb 领投的 2.37 亿美元 E 轮融资，估值约 30 亿美元。公司同时从肿瘤领域扩展至神经系统疾病，采用 Tempus AI 的新数据集，并与 BMS 合作优先聚焦阿尔茨海默病治疗。其自研模型 Foundry 运行数千个智能体，评估临床资产的成功概率，用于指导药物选择、受试人群和临床试验设计。
腾讯混元与港科大（广州）提出 Poseidon 流水线，从科学代码库构建 97,659 个智能体训练环境
香港科技大学（广州）与腾讯混元团队提出 Poseidon，一个从科学代码库自动生成可验证训练环境的流水线，并据此构建 Pearl 数据集，包含来自 7,110 个公开仓库、覆盖 10 个学科的 97,659 个环境。
TinyFish 拆解面向生产级 AI 智能体的 Agentic Search 架构
正文实际内容为网站 Cookie 说明，未包含 TinyFish 的架构细节、版本、数据或可用范围，无法据此写出可核验的摘要。
10月22日
星期四，1 条清华与智谱提出 RIDAR：自动检测自主科研智能体的科研诚信违规并实时干预
清华大学与智谱 AI 的研究者提出 RIDAR 框架，用于检测自主科研智能体在科研全流程中的科研诚信违规（RIV），并在运行中给出反馈纠正。团队先构建覆盖科研构思、文献综述、实验、论文写作四个阶段共 14 类违规的 RIVT 分类，其事后检测模块 RIDAR-Post-hoc 在 60 条专家标注轨迹的 RIV-Gold 基准上取得 85.2% 的实例级 F1。
10月23日
星期五，5 条alphaXiv OpenResearch v0.2.21 发布
alphaXiv OpenResearch 发布 v0.2.21，新增 Trackio 的 Spaces、hf runs、零配置本地运行与 Visualize 视图及 orx metrics，并支持 SSH 与 Slurm 的可配置远程存储根目录。
SkyRL 把 GLM-5.3-Flash 训练上下文做到 100 万 token，称相对 Megatron 基线提升 64 倍
SkyRL 团队称在 B200（约 178 GiB）上通过四类系统优化，把 GLM-5.3-Flash 的单序列训练长度做到 100 万 token，峰值约 144.5 GiB，约为开箱 Megatron 基线的 64 倍。
引用avi basnet@avigyabasnetSuper excited to share some of the work I’ve been doing on supporting 1M token context training on SkyRL for GLM 5.3 Flash, 64x higher than the out of the box Megatron baseline! 🚀 This work was done in collaboration with the amazing folks at @LilaSciences! 🤩 Getting there took key algorithmic and systems optimizations in four main areas: 1) DeepSeek Sparse Attention: run DSA on a sparse kernel; chunk and shard its quadratic indexer. 2) Activation recompute and offloading: recompute activations in backward and offload saved inputs to CPU. 3) Context parallelism: split each sequence across GPUs, with new CP support for KDA and a fix for DSA. 4) Avoiding unnecessary precision upcasts: keep FP32 copies out of memory and off the network. For more details on our implementations and our results, check out our full technical blog here: https://blog.skyrl.ai/blog/1m-context-glm-5-3-flash! This work benefited from the contributions of many people along the way. Big thanks to @pcmoritz, @erictang000, @sumanthrh, @CyrusHakha, @richliaw from @anyscalecompute and Keith Truongcao, Tushar Khot, Vivek Subramanian, Semih Kara from Lila Sciences for all the help and guidance!
MIT 研究：13 个 Eko 智能体在虚拟荒岛无任务探索 30 小时后自发"玩耍"
MIT 研究团队将 13 个基于 Claude Opus 4.7 的 Eko 智能体无任务地放在模拟荒岛上 30 小时，它们自发创造挑战并表现出玩耍特征，相关论文已发布在 arXiv 预印本平台。
PyTorch Conference North America 2026：共同加速开放智能
PyTorch Conference North America 2026 于 10 月 20–21 日在圣何塞举行，吸引 3,500+ 名参会者，聚焦 PyTorch、vLLM、DeepSpeed、Ray、Helion 和 Safetensors 等 PyTorch Foundation 项目。
微软与 Hugging Face 开源 ThinkingBox-Training：用数据库终态校验作强化学习奖励训练智能体
微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的可执行校验直接当作强化学习奖励，用于训练有状态业务工作流中的智能体，代码已在 GitHub 以 MIT 许可开放。
10月21日
星期三，1 条Databricks AI Runtime 正式可用，在 Lakehouse 内提供托管 GPU 训练
Databricks 宣布 AI Runtime（AIR）正式可用，把全托管 GPU 基础设施接入 Databricks，让用户在数据所在的 Lakehouse 内训练模型，并通过 Unity Catalog 对数据访问、检查点、日志等执行统一权限控制。
10月23日
星期五，3 条RSIHub 发布可组合框架，统一构建与比较智能体进化方法
RSIHub 是一个开源框架，用于在共享基础设施上构建、比较和扩展智能体进化方法，由框架提供执行、评估、恢复和血缘记录，研究者只需关注进化策略。
前沿 VLM 智能体能否胜任机器人通用任务？Embodied Agent Arena 实证评测
研究团队提出 Embodied Agent Arena，在 Geometry、Spatial Reasoning、Affordance、Task Planning 和 Manipulation 五个维度评测十个 VLM 智能体，1000 个用例整合 32 个已有来源与自建的 168 例 GeoProbe 基准（覆盖相机、运动、深度与尺度估计）。
TraceTrial-Bench 发布：评测 AI 智能体运行框架的可靠性与失败归因
研究者提出 TraceTrial-Bench，把智能体运行框架（harness）的可靠性拆为上下文、执行、治理、生命周期、可观测性、工具和验证七个组件，并构建 95 个专家级、机制导向且带可执行或基于状态的标准答案的任务。
10月21日
星期三，2 条AW-0：把代码规划与视频动作预测结合的智能体世界动作模型框架
研究团队提出 AW-0，一个将代码规划与视频、动作联合预测整合的智能体世界动作模型框架，在统一的 mixture-of-transformers 架构中把代码、未来视频和机器人动作作为三条耦合生成流建模。
DeepEvolve 以未来事件预测为环境实现智能体递归自我改进
研究团队提出 DeepEvolve，一个以未来事件预测为任务环境的可持续演化智能体系统，智能体与动态变化的环境持续交互，并把每次预测背后的推理轨迹转化为能力。
10月22日
星期四，1 条Warp Sciences 成立，用AI与机器人加速新药研发
💥 隆重介绍 Warp Sciences，一家运用 AI 和机器人技术帮助世界更快开发新药的新公司。 我们已完成由 @lightspeedvp 领投的 2.15 亿美元 A 轮融资，旨在将前沿 AI 从浏览器带入实验室，并在美国本土构建科研能力。 我与多年好友 @dpatil、FAIR 联合创始人 @manohar_paluri 以及药物研发专家 Sol Reisberg 共同创立了 Warp。早期团队汇聚了众多杰出人才，例如曾助力 LLNL 实现 Q>1 聚变的 @bkspears9。
10月21日
星期三，1 条OpenAI 收购 Orchestra Bio，将药物研发协调智能体并入 Rosalind 平台
OpenAI 收购了帮助药企团队协调药物研发的初创公司 Orchestra Bio，并将其并入面向生命科学的 AI 平台 Rosalind。Orchestra 的智能体用于跟踪试验、在出现失败批次等问题时标记受影响的时间线并给出后续选项，目标是打通科学发现与临床试验、决策之间的环节。交易金额未披露，OpenAI 此前已与 Novo Nordisk 和 Moderna 在 AI 药物研究上合作。
10月22日
星期四，4 条Recursive 发布 Flint 模型，由 Eureka Machine 自动完成研发流程
AI 初创公司 Recursive 发布首个语言模型 Flint，研发过程几乎每一步都有其自动研究系统 Eureka Machine 参与，由它提出想法、实现、测试并规划后续实验。
清华与 Z.ai 提出 RIDAR：自动检测自主科研智能体的科研诚信违规并实时干预
清华大学与 Z.ai 团队提出 RIDAR 框架，用于检测自主科研智能体在选题、文献综述、实验和论文写作中的科研诚信违规（RIV），并给出覆盖全生命周期的 14 类违规分类 RIVT。
嘉宾文章——AI 的喧嚣与信号：学术出版业当下哪些变化值得行动
Silverchair CEO Will Schweitzer 在 Platform Strategies 会议的演讲指出，学术出版业应区分哪些 AI 信号值得立即行动。
OpenAI 智能体 32 分钟完成小鼠全脑 CRISPR 图谱分析
OpenAI 与 PerturbAI、Scripps Research 合作，用数千个基于 GPT-Rosalind 的 AI 智能体分析数百万个小鼠细胞的全脑 CRISPR 图谱，每个智能体负责一个基因扰动并检索文献解释细胞反应，整个分析耗时 32 分钟，团队估算人工完成需数月至一年。