跳到正文
实时
科研
10月24日周六
  1. LangChain Blog

    LangChain深度智能体：如何通过检索优化上下文工程

    LangChain深度智能体通过多种检索技术优化上下文工程，解决传统智能体搜索低效、上下文冗余或失效问题。智能体可调用内置文件系统工具如glob/grep，或结合向量库实现语义检索，并支持动态决策何时搜索。Deep Agents框架默认支持循环调用工具，用户需封装检索逻辑为技能包以提升效率。

  2. Hugging Face Blog

    LitPivot：在文献景观中通过动态上下文开发研究想法

    LitPivot帮助研究人员通过阅读先前文献来调整研究方向，将研究想法分为问题、贡献和评估计划，并为每个部分提供基于文献的批评和修订建议。在涉及17名研究人员的实验室研究中，领域专家评价新颖想法的文献基础比使用文本编辑器和AI聊天工具开发的想法更好，参与者也报告了更强的文献理解和对想法新颖性和实用性的提升。

  3. Latent Space

    OpenAI 的数学突破：模型如何解决复杂问题

    OpenAI 的内部模型解决了埃尔德什单位距离猜想，并证明了循环双重覆盖问题等数学难题。这些模型通过深度优先搜索模式，结合大量计算和提示词，在几分钟内验证想法，而人类需要数月时间。AI 的推理方式与人类不同，其深度优先搜索和自动化验证能力使其能快速探索复杂问题，尽管目前仍需人工判断半成品想法的可行性。

10月23日周五
  1. IT之家 · AI71

    OpenAI 联合 PerturbAI 用数千个 AI 智能体 32 分钟分析小鼠脑细胞数据

    OpenAI 联合 PerturbAI 和斯克里普斯研究所，用数千个 AI 智能体在 32 分钟内分析了覆盖整个小鼠大脑的 CRISPR 图谱，团队估计人类完成同等工作需数月到一年。

    推荐理由: 原文给出了分布式智能体与单智能体的盲测对比和文献引用量差异，读者可据此判断多智能体架构在科研分析中的分工方式。

  4. The Decoder82

    Anthropic 让 Claude 自动为代码生成形式化安全证明

    Anthropic 的 Frontier Red Team 与 Theorem 合作，让 Claude 把 OSS-Fuzz 中 123 个开源库的崩溃测试转成数学问题，几周内生成约 1.8 亿行证明代码，并由 Rocq 自动校验。

    推荐理由: Anthropic 使用 Claude 为 OSS-Fuzz 库自动生成形式化证明，并给出算力成本与适用边界，读者可据此判断 AI 验证代码的可行范围。

  5. O'Reilly Radar

    软件智能体工厂的需求层次模型

    软件智能体工厂通过自主异步执行，将工程请求转化为候选代码请求，例如Stripe的Minions或Ramp的Inspect。这种工厂模式允许用户定义目标、提供上下文和权限，让智能体在后台完成开发、检查和人工审核，无需全程监督。

  13. Hugging Face Daily Papers65

    Meta Expert: 跨层元专家共享实现存储与检索高效 MoE 模型

    Meta Expert 模型通过跨层共享元专家减少冗余，相比层内局部专家的 MoE 模型参数冗余更低、交叉熵损失更低且下游任务准确率更高。在激活量和专家粒度固定时，该模型仅用 70-80% 的专家即可达到与 Vanilla MoE 相当的性能，显著提升模型扩展潜力。理论分析显示，元专家提供更灵活的残差通路，从而提高信息检索效率。

  15. Hugging Face Daily Papers65

    物理人工智能中的递归自我改进

    递归自改进（RSI）描述了不仅改进自身行为，还改进其改进过程的系统。近期数字智能体通过重写自身代码并使用可执行测试检查每个版本来测试这一想法。将此类机制引入物理世界需要通过昂贵试验从部分观察中学习，同时考虑不断变化的操作条件和潜在的不可逆后果。

  16. MIT News · AI65

    历史学家 Lindquist：早期工程师如何为 AI 注入“混乱”以模拟人类思维

    历史学家 Benjamin Lindquist 在新论文中指出，20 世纪 50 年代工程师为 AI 系统注入随机性以模拟人类创造性思维，这解释了 AI 幻觉的起源。早期研究者认为数学能去除艺术秩序，通过神经网络引入不规则性以激发洞察力。如今 ChatGPT 或 Claude 等系统因现实后果而抑制了这种“混乱”，但核心机制仍存。

  17. Hugging Face Daily Papers65

    Factor-Aware Predictive Learning 发布：用于电影级视频生成的多模态大语言模型表示利用方法

    因子感知预测学习 (FAPL) 使视频扩散 Transformer 能够利用多模态大语言模型 (MLLM) 表示进行稀疏时间推理和电影级控制，通过分阶段接地和优化实现。FAPL 在三个电影级视频生成任务（稀疏到视频、因子感知编辑和多镜头生成）上始终优于基线，验证了其在 MLLM 特征使用、时间控制和因子协调方面的贡献。

  18. Hugging Face Daily Papers75

    OpenDS-World：用于评估真实网络环境自主深度搜索智能体的基准

    OpenDS-World 引入一个实时网络基准来评估自主多步深度搜索智能体，揭示前沿模型与人类表现之间存在显著差距。在 12 个前沿模型中，最佳模型准确率达到 39.0%，而 1000 次人类评估准确率为 21.1%。分析显示模型间研究策略存在差异，且工具协调和长时程搜索管理仍是主要挑战。

  21. TechCrunch · AI75

    MIT研究发现：Claude Opus 4.7 AI智能体在虚拟岛屿上自发游戏式探索并提升技能

    MIT研究人员将13个运行Claude Opus 4.7的Eko智能体置于虚拟岛屿30小时无特定任务，它们自发创造挑战并展现游戏行为特征。实验后这些智能体在特定任务中普遍优于未参与探索的对照组。Eko在探索中学会抛掷石头超距、堆叠造物、利用环境规则（如悬崖重生机制）达成目标，并产生设计者未知的世界知识。

    同一件事 · 2 家

    各家口径不同：MIT科技评论称Eko发明了游戏规则；TechCrunch提到Eko创造了挑战。

  23. Hugging Face Daily Papers65

    EvalResearchBench：AI 智能体能否自主构建用于递归自我改进的反馈？

    EvalResearchBench (ERB) 是一个用于自主评估研究的基准，让 AI 智能体在固定时间和 API 预算内选择或合成任务、实现评分器并修订，最终冻结可执行评估器。9 个研究者与 13 个候选模型被研究，其生成的评估器在 14 个目标基准上的得分一致性约为 75%，低于 91% 的上限。人类设计的公共任务仍是强基线，且执行成本最低的评估器达到了最高的成对一致性。

  24. Hugging Face Daily Papers38

    OmniDR-Bench：视频中心深度研究报告生成基准评测

    研究人员推出 OmniDR-Bench 基准和评测框架，用于视频中心深度研究智能体，该智能体能合成外部证据生成与视频时刻关联的交互式报告。该任务具有直接实用价值，能帮助用户定位相关视频片段、验证声明、复现演示步骤。OmniDR-Bench 包含 50 个中英文任务，涵盖 19 个现实子类别，共 6,414 条标准，最佳系统得分为 63.3 分。

  26. Hugging Face Daily Papers65

    Cola2：自适应分层语言模型通过持续语义压缩和平衡离散生成改进分层语言生成。

    Cola2 通过动态跨度分割、掩码扩散解码和流匹配先验联合优化持续语义压缩、重建-生成平衡和编码器-解码器自适应，在五个下游任务上验证了其核心设计，使用 2100 亿训练 token 显示出有竞争力的非饱和扩展性，3460 亿源 token 的未收敛检查点在八个任务上平均达到 60.10 分，并在 HellaSwag 和 StoryCloze 上超越 Llama-3-8B。

  30. Hugging Face Daily Papers65

    RLSplat：资源线性预算控制的前馈3D高斯splatting方法

    RLSplat通过区域分配高斯并使用局部注意力解码，实现了前馈3D高斯splatting的延迟、内存和模型大小线性降低。在零样本评估中，RLSplat在所有预算下都优于先前的预算可控方法，即使高斯数量减少4倍也能超越最强基线，且在低预算下速度提升4.1倍、峰值内存减少9.6倍。

  32. Hugging Face Daily Papers38

    Heartbeat 思考：实时语音代理中的推测推理与工具执行

    Heartbeat 思考通过在语音更新期间继续准备工具调用，提升了语音代理的覆盖率和响应速度。该技术使语音代理在用户说话时就开始准备工具调用，解决了传统方法因语音更新而中断调用的限制。在 FDBench v3 基准测试中，Heartbeat 思考将工具覆盖率提高了 16 个百分点，并将平均最终响应延迟降低了 36.4%。

  33. Hugging Face Blog66

    微软与 Hugging Face 用 ThinkingBox 数据库校验作 RL 奖励训练智能体

    微软与 Hugging Face 发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的确定性校验直接当作强化学习奖励，用 GRPO 对 Qwen3.8-27B 训练 50 步。

    推荐理由: 微软与 Hugging Face 把数据库终态校验直接当作强化学习奖励，并公开了任务筛选与训练代码，可迁移到其他有状态智能体训练。

  34. Microsoft AI News78

    微软发布医疗诊断系统 MAI-DxO 与分步诊断基准 SDBench

    微软的 Health MAI 团队发布了 AI 诊断系统 MAI-DxO 及配套基准 SDBench，成果发表于《科学》杂志。在 304 个 NEJM 复杂病例上，MAI-DxO 诊断准确率为 83%，医生在有外部资料时为 36%，无资料时为 22%；在 MIMIC-IV-ED 的急诊常见病例上为 80%，医生为 47%。

    推荐理由: 原文给出分步诊断基准与多智能体编排的量化对比，读者可据此理解医疗 AI 评测从考试题转向交互式诊断的路径。

  35. Anthropic Research82

    Anthropic 研究：LLM 使大规模形式化软件验证变得可行

    Anthropic 与 Theorem 合作，用 Claude 对 123 个 OSS-Fuzz 开源库的 239 个入口点完成 RISC-V 汇编层的形式化证明，证明这些程序在小于 64 MB 的任意输入下都不会崩溃，证明代码约 1.8 亿行 Rocq。

    推荐理由: Anthropic 使用 Claude 在 123 个开源库的 RISC-V 汇编层完成形式化证明，并给出成本与复用数据，可据此判断该方法能否进入日常开发流程。

  36. Anthropic Newsroom28

    Anthropic 向生命科学领域发出合作邀请

    Anthropic 邀请生命科学领域的首席研究员及其研究团队申请使用 Claude 模型，合作探究因果人类生物学、结构及计算分子生物学、药物化学、药物发现和临床科学等关键问题。客座研究员将在 8-12 周内与 Anthropic 研究人员直接合作，共同分析、产出研究工具，并开源相关数据和代码，研究成果归研究员所有。申请需说明如何从合作中获益及产出成果的可行性。

  37. Hugging Face Daily Papers70

    AgenticRoboRL 框架通过后训练提升机器人规划器性能

    AgenticRoboRL 框架通过监督微调和多轮强化学习提升机器人规划器，在 LIBERO-PRO 上将 9B 参数规划器成功率从 18.1% 提升至 71.0% 不依赖外部记忆，接近 Codex (GPT-5.5) 使用外部记忆达成的 72.1%。该框架适配不同执行机制，将记录的规划器交互与任务结果连接，通过适配器实现通用强化学习训练流程。