商汤发布 GPT-6-Astra 具身智能实证研究并开源 SenseNova-RoboRSI 框架与 27B 模型
商汤发布对 GPT-6-Astra 具身智能的实证研究，覆盖 12 个仿真基准和 8 个真实机器人平台，并同时开源 SenseNova-RoboRSI 框架与一个 27B 模型，称其运行成本约为 GPT-6-Astra 的 1/50。
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。
310 条收录动态，更新于 03:33
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19日
星期一，5 条Google Research 发布 Harness² 框架，让智能体在冻结模型上改进自身 harness
Google Research 发布 Harness² 框架，让智能体围绕冻结模型改进自身 harness，流程包括基线轨迹记录、Editor 智能体起草两版候选修改、Composer 智能体对比合并有效修改、Reflector 智能体把经验写入文件并存入组件库。
Open-Science 追踪 AI 递归自我改进路线
作者用开源 AI 科研工作台 Open-Science 建立 RSI 项目，梳理从 Reflexion、STaR、SPIN 到 DGM、AlphaEvolve、Hyperagents 的自我改进路线。
SpatialScout 基准发布：评测 VLM 智能体能否主动探索并构建三维物体地图
研究团队提出 SpatialScout 基准，用于评测视觉语言模型（VLM）智能体在主动物体级三维建图上的表现，包含 80 个室内场景和 3,140 个目标物体。
斯坦福 HAI 用 MedHELM、PhysicianBench 与 HealthAdminBench 测量医疗 AI 实际能做什么
斯坦福 HAI 团队介绍其三年构建的医疗 AI 评测体系：MedHELM 覆盖 5 大类、22 子类、121 项临床任务，PhysicianBench 在电子病历沙盒中测试 100 项长流程临床任务，HealthAdminBench 用 4 个模拟系统测试 135 项行政任务。
10月18日
星期日，2 条用 NVIDIA Structured Data Models 做零训练表格预测的实操指南
MarkTechPost 发布教程，实测 NVIDIA 的 Structured Data Models 库：它把 TabICLv2、KumoTabular 和 KumoRelational 等预训练表格基础模型封装在同一个 PyTorch 接口下，通过上下文学习在单次前向中给出预测，无需训练。
Épi 自主研究智能体产出 120 项纪录结果并给出 Tuza 猜想新证明
研究团队发布技术报告，介绍跨会话持续运行的自主研究智能体 Épi，它结合分层记忆、版本化分支和独立评审，在固定验证规则下产出 120 项纪录结果，包括 20 项数值界纪录和 100 项构造纪录，其中 n-queens 常数区间收窄约 84 倍，四次 Feigenbaum 吸引子维数的严格区间收窄超过 360 万倍。
入选理由作者团队公开了可核查的构造与证书，研究者能据此判断自主研究智能体在数学与算法设计上已能产出何种可检验结果。
10月17日
星期六，1 条Claude 用不到 30 分钟追溯出五条 NIST 椭圆曲线种子来源
Anthropic 发布博文称，其内部研究用 Claude 模型用不到 30 分钟追溯出五条 NIST 标准椭圆曲线（P-192、P-224、P-256、P-384、P-521）的种子来源，为一桩延续约 26 年的密码学悬案提供了可复现的答案。
10月16日
星期五，7 条Perplexity 开源 Agent 代码执行平台 SPACE
Perplexity 开源内部 Agent 代码执行平台 SPACE，将不可信的 Agent 生成代码或用户代码放入 Firecracker microVM 隔离运行，通过纯 HTTP/SSE API 对外服务。
引用Denis Yarats@denisyaratswe open-sourced SPACE, the sandbox platform we use internally for secure agentic runtimes. it powers Computer as well as our RL training and evaluation workloads. https://github.com/perplexityai/SPACE
开放权重模型零样本能力几何
开放权重模型零样本能走多远？ ORA：RoboTwin 上 69.2%；LIBERO-Pro 上 81.4%。 RPent（带任务特定记忆）：在 RoboTwin 上配合 GPT-5.5/Opus-4.7 分别为 62.4%/58.4%；在 LIBERO-Pro 上配合 Opus-4.7 为 82.4%。 相同案例，不同系统。https://github.com/RLinf/RPent
Sakana AI 发布 The Agentic Scientist，用编码智能体做共同发现并开源
Sakana AI 发布第三阶段系统 The Agentic Scientist，把 Codex、Claude Code 等现成编码智能体包进一套 scaffold，由它控制智能体看到什么、写什么、如何评估以及结果如何交给下一阶段，覆盖课题设定、假设探索、实验、验证到论文写作。
引用Sakana AI@SakanaAILabsThe Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery Blog: https://pub.sakana.ai/agentic-scientist/ GitHub: https://github.com/SakanaAI/AI-Scientist-v3 arXiv: https://arxiv.org/abs/2610.18933 Since 2024, we’ve used The AI Scientist as a way to test how far AI alone can take scientific research, from v1 to v2 to the paper published in Nature earlier this year. The Agentic Scientist is the next step in that line of work, built for the era of coding agents. Coding agents such as Codex and Claude Code now carry out long software tasks on their own. Handing them a research problem, however, tends to produce a strong hyperparameter optimizer rather than a scientist: scores go up, but ideas stay narrow, and the reasons for the gain are rarely examined. The Agentic Scientist makes the research loop explicit. It wraps off-the-shelf coding agents in a scaffold that controls what they see, what they write, how they are evaluated, and how results are handed to the next stage. Parallel workers test hypotheses against rubrics defined before any experiment runs, share successes and failures through a common memory, and then ablate the winning program to generate evidence. We used an early version of the system to study Error Diffusion, a biologically motivated alternative to backpropagation. Our researchers set the question and the rubric, chose directions at each stage, and verified the results, references, and claims before submission. The resulting paper was accepted as an oral presentation at ALIFE 2026. In autonomous runs, the system also raised Doc-to-LoRA retrieval accuracy from 52% to 98% on multi-needle tasks and designed a learned evolution strategy that improves over its CMA-ES reference on unseen tasks. Alongside it we release AutoIllustrate, a pipeline for scientific figures that keeps an editable http://draw.io file as the source of truth, so every diagram can be corrected by hand. Humans define the question and the standards of evidence; agents expand the experiments researchers can run. We call this Co-Discovery, and we are releasing both systems as open source for the community to build on.
入选理由Sakana AI 公开了把编码智能体组织成科研流程的开源框架，研究者可以据此判断人机分工的边界。
k_dense_ai科学智能体技能库星标破5万
为@k_dense_ai团队感到无比自豪，也衷心感谢贡献者社区！
引用K-Dense@k_dense_aiOur Scientific Agent Skills repo passed 50,000 GitHub stars this week, joining a group of ~500 public repositories to reach that mark. The response shows there’s still a huge interest in high-quality, open-source scientific tools, models, and data sources. If you have a favorite open-source tool for science, share it in the replies!
alphaXiv OpenResearch v0.2.19 发布
alphaXiv OpenResearch 发布 v0.2.19，新增 Slurm 运行可申请 CPU 与内存、用 @ 在智能体聊天框引用仓库文件，并加入波兰语界面本地化。该版本还修复了 Windows 本地运行控制台闪烁、macOS 中文输入法按 Enter 误发送等问题。桌面应用默认自动更新，远程服务器可通过终端安装 ORX。
Meta 发布 Muse Spark Open 模型权重
Meta 的 Muse Spark Open 今日起可通过 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 等 API 平台使用。
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
10月15日
星期四，9 条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
Sakana AI 开源 The Agentic Scientist，用编程智能体编排自动化科研流程
Sakana AI 发布 The Agentic Scientist，把 Codex、Claude Code 等现成编程智能体包进一套控制其输入、写作、评估与阶段交接的脚手架，并行测试假设并按实验前设定的评分标准评估，通过共享记忆汇总成败，再对胜出程序做消融以生成证据。
入选理由Sakana AI 把现成编程智能体包进受控科研流程，并公开代码与一篇被 ALIFE 2026 接收的论文，研究者可据此判断自动化科研的边界。
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。
在 Mac Studio 上用 MLX 与 RDMA 本地及分布式运行大模型推理
Apple 在 Mac Studio 上借助最新版 MLX 与 Thunderbolt 上的 RDMA 驱动，实现近万亿参数的 Muse Spark Open 本地及多机分布式推理，四台 Mac Studio 集群生成速度超过 36 tokens/s。
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。
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。
华为等提出 SwarmRSI：让科学智能体群体通过共享研究状态递归自我改进
华为、Leiden University 等机构的研究者提出 SwarmRSI 框架，让科学智能体群体通过演化彼此继承的研究状态（假设、程序与实验证据）实现递归自我改进，代码已在 GitHub 公开。
NVIDIA 发布 Nemotron 3.5 Super VL 多模态模型，开放权重并配套后训练数据
NVIDIA 发布 Nemotron 3.5 Super VL，这是一个开放、可定制的多模态模型，采用 120B 参数 MoE 架构、每个 token 激活 12B 参数，融合推理、指令遵循、工具调用与文本、图像、文档、视频理解。
10月14日
星期三，2 条vLLM 开源训练推理逐位一致配方与智能体技能，加速 RL 训练
vLLM 团队发布 train-inference-consistency 技能与配套代码，让训练前向直接调用 vLLM 推理内核并改造高性能内核，使 rollout 与训练对每个采样 token 的 logprob 逐位相同（diff = 0）。
入选理由vLLM 团队公开了让训练与推理逐位一致的算子级配方和智能体技能，可迁移到新模型与低精度部署。
Ai2 将 Molmo 2 适配鲑鱼声呐视频
Kai Van Brunt 将 Molmo 2——我们用于视频理解的开源模型——适配到了一个远超其训练数据的领域：鲑鱼的声呐视频。 认识 Molmo2Fish，这是一个可追踪鱼类、并能通过自然语言引导纠正部分错误的原型。🧵 https://allenai.org/blog/molmo2fish
10月13日
星期二，2 条JevGPT：用快慢双系统架构做自主研究，在 BrowseComp-Plus 与 NeuCLIRBench 上取得领先
KAUST 等机构的研究者提出 JevGPT，把自主研究拆成两个系统：System Two 负责设定证据目标并整合发现，System One 基于 Jev 模型并行判断来源相关性、定位原文段落并主动发现候选。
Deep Potential 揭示双极膜中表面羟基结构依赖的水解离机制
苏州大学王宇航团队联合新加坡国立大学和悉尼大学，用 DeePMD-kit 势函数在 LAMMPS 中模拟 SnO₂(110)/水界面，揭示双极膜表面羟基结构如何影响水解离。
10月12日
星期一，2 条QwenGyre：面向超长程智能体训练的弹性强化学习框架
阿里巴巴 Qwen 团队推出 QwenGyre，将弹性强化学习用于超长程（XLong）智能体训练，核心设计为 Elastic Scheduler 与 Trajectory Processor。
上海AI实验室推出实验设备访问与协同协议书生SCP-Lab
上海人工智能实验室推出实验设备访问与协同协议书生SCP-Lab，为科研智能体提供统一的设备能力发现、任务交互与可信反馈机制，支撑书生·端砚把科学构想转化为真实物理实验。
入选理由材料给出协议的分层架构与五级控制粒度，研究者可据此判断自家异构设备能否接入科研智能体的实验流程。