El Agente Cuántico 用多智能体自动完成量子模拟计算
研究团队提出 El Agente Cuántico，由协调智能体把任务分派给对应不同软件包的专职智能体，产出代码、数值结果和图表，覆盖分子能量计算、纠缠态、耗散动力学、时间晶体、量子纠错与硬件资源估计等任务。
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21日
星期三，1 条10月22日
星期四，1 条微软研究者证明 31 年未解的 KLS 猜想，AI 智能体参与探索证明路径
微软研究院机器学习与优化组的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits（KLS）猜想，证明该关系在高维下由固定常数界定、不随维度增长。
入选理由微软研究者用人类主导的智能体搜索证明 KLS 猜想，展示了 AI 在数学证明中承担探索、研究者负责判断的分工。
10月21日
星期三，2 条面向 AI 智能体的以记忆为中心的持续学习（MCCL）
论文提出 Memory-Centric Continual Learning（MCCL），主张记忆应以能否改进未来行动而非检索命中来评判。MCCL 包含三轴记忆分类法与内外双环生命周期、衡量干扰下保持、变化适应与任务迁移的评估协议，以及刻画智能体性能随经验、存储容量与算力预算变化的记忆扩展框架。
多模态具身智能体：从计算机使用到机器人使用的统一能力视角框架 PAPAV
研究者提出 PAPAV 能力中心框架，将多模态具身智能体（MMEA）拆解为感知状态、预判动作效果、规划可行路径、通过接口或本体执行、验证结果五项功能，并据此比较 MMEA 与多模态智能体及机器人系统。在 64 个基准中，显式评估集中在“执行”一项，仅 5 个评估“预判”、3 个评估“验证”，后两者多被任务成功率掩盖。
10月20日
星期二，1 条陶哲轩发起 AI 数学挑战：用第十判别式上界探索排除 Siegel 零点的论证
陶哲轩在其博客发起一项实验性 AI 数学挑战，邀请读者用 AI 工具从关于准黎曼假设或 Landau–Siegel 零点问题的新稿件中，在不使用 Heegner 方法的前提下推导假想第十判别式的有效上界，并尽量优化该常数。
10月22日
星期四，1 条Recursive 发布可在笔记本运行的免费编程模型 Flint，称主要由 AI 构建
AI 初创公司 Recursive 发布首个免费编程模型 Flint，可在笔记本本地离线运行，采用 Apache 2.0 许可在 Hugging Face 开放下载。
10月21日
星期三，1 条GTC Berlin 2026：NVIDIA CEO 黄仁勋主题演讲实时更新
NVIDIA 在 GTC Berlin 2026 上由 CEO 黄仁勋发布 DSX POD 参考设计，称 Vera Rubin AI 工厂在模块化集装箱内由合作伙伴集成验证后交付，现场部署可从 6 个月缩短至 14 天。
10月22日
星期四，3 条腾讯混元推出 WorkForge 框架，从真实工作流构建 16.7K 个可验证智能体训练环境
腾讯混元推出 WorkForge 框架，从真实世界资源为长程工作智能体构建可验证的训练环境，做法是从专家工作流出发搭建真实工作空间、抽取可核查事实，并据此生成任务和程序化与语义双重验证器。
腾讯混元发布 WorkForge 框架，从真实资源构建长程工作智能体训练环境
腾讯混元发布 WorkForge，一个从真实世界资源为长程工作智能体构建可验证训练环境的可扩展框架。该框架从专家工作流出发搭建真实工作空间、抽取可核查事实，并据此派生任务与程序化加语义的双重验证器；已扩展到覆盖 40 个专业领域、60 种文件类型的 16.7K 个环境，论文称随数据量和交互时长增加，长程工作基准上取得一致提升。
宇树科技王兴兴：GPT-6 零训练即可控制机器人，宇树正开发"宇树预演"自进化系统
宇树科技创始人王兴兴在 2026 世界物理 AI 大会上透露，宇树测试显示 GPT-6 在完全零训练情况下已能直接控制机器人完成画画、清洗画笔、下围棋等任务。宇树 G1 目前是全球最畅销的人形机器人，累计下线约 1 万至 2 万台。宇树正在开发"宇树预演"物理 AI 机器人自进化系统，让 AI 模型自行搜集论文、写代码、在仿真环境训练并到真实环境测试，由 AI 打分反馈形成自循环。
10月21日
星期三，2 条Databricks 在 AI Runtime 上支持部署 NVIDIA RFD4-Proteina 蛋白质设计模型
Databricks 宣布通过 Genesis Workbench 蓝图在 AI Runtime 上支持 NVIDIA BioNeMo 的开放模型 RFD4-Proteina，该模型由 NVIDIA 与华盛顿大学蛋白质设计研究所共同开发，可同时生成蛋白质序列与全原子结构，并支持按热稳定性、结合亲和力等性质进行奖励引导搜索。
OpenAI 与 PerturbAI、Scripps Research 用数千个 AI 智能体分析小鼠脑细胞数据
OpenAI、PerturbAI 和 Scripps Research 用数千个由 GPT‑Rosalind 驱动的 AI 智能体并行分析已有的小鼠全脑 CRISPR 图谱数据，在 32 分钟内把基因扰动效应与文献发现连接起来，形成可检索的 reasoning atlas。
入选理由材料给出分布式智能体在真实脑细胞数据上产出可检验线索的具体流程与对照结果，研究者可据此判断这类分析能否接入自己的实验数据。
10月22日
星期四，10 条Mirendil 发布千亿参数代码基座模型
Mirendil 发布 Mirendil-Base：一名研究员带一群 Agent，3.5 个月、不到 1,000 万美元，从零预训练出 1,000–5,000 亿参数代码基座模型，仅用公开数据、不蒸馏、不用合成数据，99% 以上代码由 Agent 写成。
斯坦福 CS 329Z 第9讲：Agent 系统优化选型图
斯坦福 CS 329Z（Fall 2026）第9讲给出 Agent 系统优化选型图：前提是数据、系统、评估指标三样齐备，一般先做上下文优化（prompt 与 few-shots），不够用、想蒸馏到小模型或 prompt 过长时再改权重。
引用meng shao@shao__mengCS 329Z: Engineering AI Agents Stanford / Fall 2026 @stanfordnlp https://cs329z.stanford.edu/ 课程定位：从"模型"到"系统"的工程学 覆盖：简单 LLM 流水线 → 复合 AI 系统 → 自主 Agent。三位讲师的背景也高度互补： @Diyi_Yang（斯坦福 NLP 教授，人机交互与社会计算方向） @michaelryan207（DSPy 核心贡献者，自动评估 AutoMetrics 作者） @jyangballin（SWE-agent / SWE-bench / SWE-smith 作者，软件工程 Agent 领域最重要的研究者之一） # 课程主线：三大工程挑战 贯穿全课的三个核心问题——分解（decomposition）、数据（data）、评估（evaluation）。11 周的内容基本围绕这三条线展开，可以分为五个模块： 模块 1：构建基元（Week 2–3） · LLM 作为构建材料：API/SDK（litellm）、结构化输出、约束生成、解码策略、test-time compute、上下文工程、模型选型与成本/延迟权衡 · RAG：embedding、向量库、分块策略、混合检索、cross-encoder 与 ColBERT 后期交互 · 工具调用：函数调用 API、MCP（Model Context Protocol）、工具设计、代码沙箱、错误处理与重试 模块 2：框架与设计模式（Week 3–5） · 框架层：DSPy（signature / module / optimizer）、LangChain/LangGraph、LlamaIndex，重点是"框架抽象了什么 vs. 你手写了什么" · 设计模式：workflow vs. agent 的分类学，五种可组合 workflow 模式，ReAct / plan-and-execute / reflection，"scaffold（脚手架）本身就是设计决策" · 记忆架构：短期/长期记忆、记忆作为工具动作、文件系统作为外化记忆、跨 Agent 记忆（MemGPT、Mem0、Generative Agents） · 多 Agent 系统：编排模式、handoff 与状态传递，以及一个很有态度的对照阅读——既读 AutoGen，也读《Why Do Multi-Agent LLM Systems Fail?》和 Neubig 的《Don't Sleep on Single-agent Systems》 模块 3：优化（Week 5） · 从提示词到微调的全景：GEPA、MIPROv2、OPRO、TextGrad（提示优化）；LoRA/QLoRA、蒸馏、RLHF/DPO（权重优化）；test-time scaling（推理算力） · 核心问题是决策框架：什么时候优化 prompt、什么时候优化 weights、什么时候堆推理算力 模块 4：数据与评估（Week 6–8）——最有分量的部分 · 数据：trace、demonstration、feedback 三类数据；训练数据 vs. 评估数据；数据飞轮；合成数据；从 Agent 轨迹构建数据集（SWE-smith） · 评估基础：为什么 eval 难；4 元组框架（request / environment / stopping criteria / scorer）；好 benchmark 的性质；tinyBenchmarks · 评估基础设施：三类 grader、LLM-as-judge 的 prompt 设计与已知偏差、pairwise vs. pointwise、非确定性指标 pass@k vs. pass^k、harness 设计 模块 5：安全与前沿（Week 8–11） · 安全：工具访问的隐私风险、prompt injection（含间接注入）、红队、沙箱与权限模型、输出护栏、human-in-the-loop · Coding Agent：SWE-agent、Claude Code、OpenHands 的端到端架构对比 · 主动式 Agent：从 reactive 到 proactive，General User Models（GUM）、Next Action Prediction，以及"Agent 何时应主动、何时应等待"的 mixed-initiative 问题 · 开放问题：多模态/web/计算机使用 Agent、科学 Agent、长时运行架构、生产可观测性（tracing、monitoring、成本管理） # 作业设计：一手建、一手评 HW1：从零构建 Agent 系统（10%） 给定论文库，构建能检索并推理回答科学问题的 Agent。 · Part A：只用 litellm 手写 RAG + 工具调用 + ReAct 式 Agent 循环 · Part B：用 DSPy 重建关键组件，并反思框架抽象了什么 HW2：评估一个 Agent（10%） 给定一个预构建 Agent，设计完整评估套件：代码型 grader、至少一个 LLM-as-judge、用 4 元组框架构建 benchmark 任务、错误分析。
Recursive 发布首个模型 Flint：400 亿参数本地编程 MoE，由自动化研究系统 Eureka Machine 参与训练
Recursive 发布首个模型 Flint，这是一个总参数 400 亿、每 Token 激活 25 亿参数的 MoE，面向本地 Agent 编程，权重以 Apache 2.0 在 Hugging Face 开源。
引用Richard Socher@RichardSocherIntroducing Flint, @Recursive_SI’s first model: a fast local coding model built with our automated research system, the Eureka Machine. • Best-in-class fast local coding • Up to 2x faster than comparable models: 125+ tokens/sec on a MacBook Pro, 150+ on RTX Spark • Built from scratch in under 4 months Private, unmetered intelligence on your own machine. Open weights available now on @huggingface, run it locally on your favorite framework or try it for free on @opencode or @pidotdev.
Librarian Agents：优化信息组织提升LLM上下文
如何扩展大语言模型的上下文？ 智能体搜索可扩展到任意规模的信息量，但很容易遗漏相关信息。 想法💡：针对下游效用优化信息组织方式。即使在分布外领域也能带来30%以上的提升 论文+代码：https://librarian-agents.github.io/
引用Anikait Singh@Anikait_Singh_LLMs deployed in specialized domains, from enterprise codebases to law firms, dig through a mountain of unstructured context! Our new paper, Librarian Agents, asks: can an agent adapt by curating its own long-context workspace, anticipating queries before they arrive? 🧵⬇️
alphaXiv 的 OpenResearch 支持本地运行 Flint 模型执行科研任务
alphaXiv 宣布 OpenResearch 现在可以在不离开本机的情况下运行前沿速度的科研任务。其接入的 Recursive_SI 的 Flint 是本地代码模型，在 MacBook Pro 上达到 125+ tokens/sec，试用入口为 https://github.com/alphaXiv/OpenResearch。
Claude Duet 研究预览开放
Claude Duet 是我们的新应用，Claude 在其中是你的主动型智能体！运行于 Opus 5.5，覆盖 6,000 个连接器/插件。Duet 会告诉你哪些事情需要你关注，并在你离开时继续工作。 加入研究预览的等候名单！https://claude.com/product/claude-duet
引用Claude@claudeaiWe’re opening a research preview of Claude Duet, a new app where Claude works as a proactive agent. It comes to you with what needs your attention, completes tasks you ask of it, keeps working when you step away, and checks with you before it acts on your behalf.
R^2Orch：通过技能内化循环中的自我对弈实现智能体编排的递归自我改进
R^2Orch 提出“递归自我对弈编排”范式，内层循环让编排器在自选任务上自我对弈提升，外层循环改进内层循环的改进方式。配套的 Recursive Learnability 训练目标奖励 Proposer 选择技能撤除后结果仍分化的任务，Skill Withdrawal 则在受控评估显示撤除某技能后表现不变时将其移除，两循环形成闭环并趋向零技能部署。
Anthropic 开放 Claude Duet 研究预览，Claude 以主动智能体方式工作
Anthropic 开放新应用 Claude Duet 的研究预览，Claude 在其中以主动智能体方式工作。它会主动把需要关注的事项推送给用户，完成用户交代的任务，在用户离开时继续工作，并在代表用户行动前先与用户确认。
Recursive发布开源编码模型Flint
Recursive发布了Flint，这是其首个开放权重编码模型，采用Apache 2.0许可证，速度比同类替代方案快2倍。 > Flint是一个40B参数的混合专家模型，用于本地编码。 > Recursive报告称在64GB RTX Spark上达到每秒超过220个token。 > Recursive的Eureka Machine——一个用于运行AI研究实验的系统——编写了自定义GPU代码，在不改变权重的情况下使Flint在RTX Spark上提速55%。
引用Richard Socher@RichardSocherIntroducing Flint, @Recursive_SI’s first model: a fast local coding model built with our automated research system, the Eureka Machine. • Best-in-class fast local coding • Up to 2x faster than comparable models: 125+ tokens/sec on a MacBook Pro, 150+ on RTX Spark • Built from scratch in under 4 months Private, unmetered intelligence on your own machine. Open weights available now on @huggingface, run it locally on your favorite framework or try it for free on @opencode or @pidotdev.
10月21日
星期三，5 条Kevin Weil 谈机器人实验室与科学未来
我同意 @DaveARicks 的看法：通过机器人实验室进行大规模数据收集，将是未来科学的重要组成部分。
引用Dave A Ricks@DaveARicksWell said Vas. AI will help us conquer disease, but this will take time, effort and lots and lots of data that doesn’t exist, yet. I would add that robotic labs will begin to make scaling data more tractable. https://lnkd.in/p/g8qvP5qX
Google Harness²：递归智能体框架自我改进
Google 提出 Harness²，用两层递归自我改进让智能体框架适配开放世界任务：针对当前任务提出、测试并组合对提示、工具与工作流的修改，再把实验经验存储下来用于改进未来的框架调整。
MIT 6.S950 第五讲更新：拆解 Agent Harness
MIT 公开课 6.S950 第五讲讲义更新，用约 300 行 Python、两个工具（search、read_lines）、本地 Ollama 跑模型的教学 Agent「Baby Anigans」拆解 Agent = LLM + Harness。
引用meng shao@shao__menghttps://x.com/i/article/2103456568209768449
alphaXiv OpenResearch（ORX）v0.2.20 发布：新增实验追踪与历史视图
alphaXiv OpenResearch（ORX）发布 v0.2.20，新增 Trackio 与仅文件式 TensorBoard 实验追踪支持，并为实验表与总览加入展示实验分叉与各次尝试改动的 History 视图。
迈向物理 AI 的递归自我改进
一篇立场论文将递归自我改进（RSI）引入机器人学习，梳理从提升机器人能力到改进"产生能力的过程"的路径。作者指出，现有研究集中在操作任务，已支持行为改进、对后续学习的助益和流程改进，但所综述的物理研究尚未分离出可归因于递归的增益。文章据此提出评估原则与研究方向。
10月20日
星期二，2 条alphaXiv：科研智能体仍处早期，将迎自动化研究革命
alphaXiv 认为科研智能体的采用仍处早期，当前大致相当于编程智能体 12-18 个月前的水平：多数研究者只愿把范围狭窄的单项任务交给智能体，模型使用也集中在少数闭源前沿模型上。其预测，多数研究者很快会让智能体端到端探索实验路线，开源模型也将成为有竞争力的替代选项。相关排名可在 openresearch.sh/rankings 查看。
从内容到可信知识：2026 法兰克福书展的思考
2026 法兰克福书展上，关于 AI 的讨论焦点从能力转向权限、责任与可信内容能否被实际发现和使用。Research Information 的 Scholarly Publishing: Trends for Constructive Growth 报告显示，学术机构被普遍认为对 AI 准备不足，科研诚信虽是共同优先事项，但产业界与学术界的进展认知存在差距。
10月19日
星期一，1 条论文提出 PhysRSI-eval 五轴指标，观测 LLM 智能体的物理递归自我改进能力
一篇预印本论文提出 PhysRSI-eval，用首次尝试表现、效率、成功率、预算和从失败中改进五个维度量化物理递归自我改进（physical RSI），并在固定交互预算下用 18 个操作任务评测不同视觉语言模型。