精选 AI 资讯

推荐理由：如果你在给编码智能体写AGENTS.md，这篇论文用256条规则和12个模型实测告诉你哪些规则真有用，别凭感觉写了。

推荐理由：Fireworks 把 Anthropic 的 J-Lens 探针装到 Kimi K3 和 Qwen 3.5-9B 上，发现模型在蹦出第一个 token 前就把词准备好了。看内部状态搞可解释性，挺有意思。

推荐理由：微软这篇论文把技能库的坑量出来了：307次失败里大多数是技能“帮倒忙”。做Agent的值得看看。

推荐理由：EvoX Genesis 用持久项目代替持久智能体，DeepSeek V4 Flash 花 44 美元写了能过测试的 C 编译器，MESA 提速 6.87 倍。

推荐理由：Anthropic 做了个实验：让“思想病毒”在多个 AI 智能体之间传播，一句系统提示警告就能几乎完全免疫，论文在 arXiv 上。

推荐理由：记忆专场金句：ChatGPT 记错旅行，上下文学习赢过专用记忆，改推理就让任务完成率从22%提到60%。

推荐理由：IBM新基准VAKRA，测API和文档多跳推理，最强70.4%，多跳掉一半，暴露AI短板。

推荐理由：这篇论文说长上下文训练反而会让模型记不住知识，上下文越长越依赖临时找资料。想调长上下文的人建议先看看。

推荐理由：这条论文用24万条指令数据告诉你CLAUDE.md为什么越写越长，还给了注释法这个解法，提升多到23%。

推荐理由：想低成本搞大型软件项目？EvoX Genesis 用 44 美元让 AI 写了 25 万行编译器，换人也不掉链子，值得看看。

推荐理由：想知道AI怎么帮数学家干活？这篇论文用Grothendieck常数当例子，讲AI怎么把已知界限又收紧了一截，还聊了AI的强项和翻车点，挺实在的。

推荐理由：如果你用CLAUDE.md这类文件，会发现它越写越长不敢删。这篇论文告诉你为什么，还给了个注释技巧，能砍掉99%的冗余指令。

推荐理由：小米发了套新评估指标RC-S和RC-T，专门测视频物体移除效果，比PSNR那些老指标靠谱，搞视频编辑的可以看看。

推荐理由：腾讯混元团队整理了549篇论文，给自进化智能体分了L0-L4五个等级，还提出一套验证更新靠不靠谱的方法，做Agent研究的朋友可以看看。

推荐理由：有人发现了从各家前沿模型API里偷看隐藏推理的漏洞，还验证了计费token对得上，挺有意思的。

推荐理由：想测测你的 AI 编程助手在多语言重构上到底行不行？这个新基准 SWE-Bench ProMax 就是干这个的，比原来的 SWE-Bench 更狠。

推荐理由：想搞机器人奖励模型但被标注烦死的看过来，RynnValue直接用时间戳当监督，不用偏好标注，效果还反超SOTA，成功率涨了20个点。

推荐理由：这篇论文揭露了Anthropic、OpenAI和Google推理加密的漏洞，能跨模型解密，还挖出大量隐私数据，搞AI安全的必看。

推荐理由：这篇论文讲了个反直觉的事：蒸馏时师生token一致反而可能有害。TIDE方法在数学推理上把准确率从6.9%拉到20.3%，还让回答短了3.6倍，值得做LLM后训练的人看看。

推荐理由：这篇论文讲了一个新攻击思路：把恶意技能拆成多个看似无害的小技能，组合起来就能绕过扫描器。还给了防御方案ChainGuard，做智能体安全的人值得看看。

推荐理由：想省训练算力又不想掉性能？这个嵌套训练法把三个模型塞一个架构里，直接省36%算力，还顺带加速推理，值得一看。

推荐理由：这篇论文把PTQTP量化器约束成九级格式，在DeepSeek-V4上做到和官方API几乎一样准，还快6.7%、文件小9%，适合搞MoE推理优化的朋友看。

推荐理由：这篇论文用OLMoE和DeepSeek-V2-Lite实测证明，MoE路由的选专家和加权输出不该共用一套分数，FDAA方法能白捡性能提升，做MoE优化的值得看。

推荐理由：做LLM集群硬件设计的朋友可以看看，这个框架能自动探索芯片间互连方案，在DeepSeek-R1上吞吐提升44%，内存省98%，还开源了。

推荐理由：SGLang团队搞的FlashBoot，把大模型权重加载从20秒压到0.4秒，跨节点复制只要10毫秒。跑DeepSeek-V4系列，NVL72上实测数据，做弹性部署的值得看。

推荐理由：想看怎么用83亿智能体模拟世界？MatrAIx 论文来了，Hugging Face 就能看到。

推荐理由：硅臻芯片联手中国科大做出片上16量子比特GHZ态，还拿单光子簇态跑通Grover，识别率0.987。光量子计算新路线。

推荐理由：这篇论文说推理模型其实能建出世界模型，但解题中途就弄丢了。它用小模型和可解释性方法把问题定位得很清楚，还给出了补救办法。

推荐理由：论文搞了个新基准CoDyControlBench，测了6款模型，GPT成功率最高94.8%，还蒸馏出1.5B小模型能上机械臂干活。

推荐理由：IB-RL让对话双方独立对练，不靠固定对手。车销任务89.6% vs 基线84.6%，还胜过DeepSeek V4 Pro。