04:12Richard Socher@RichardSocher精选Richard Socher 宣布其公司 Recursive 在递归自我改进超级智能(RSI)方向取得里程碑:一个自动化科学发现系统在三个 AI 基准测试(NanoGPT speedrun、NanoChat、Sol-ExecBench)上取得 SOTA 结果。该系统由 AI 自主生成代码和想法,无需人类团队发明,实现了从构思到验证的闭环。Recursive 已开源该系统的发现成果,强调其解决方案是创造性的、良性的,而非危险或简单的优化。这标志着向“尤里卡机器”迈出了第一步,未来可指向任意难题自动产出发明。AI模型自动化科研RSI开源/仓库SOTARichard Socher推荐理由:AI 自动化科研终于有了可复现的实例——Recursive 的系统自己写代码、跑实验、拿 SOTA,做 AI 研究的团队值得看看这种“AI 做 AI 研究”的范式是否可行。原文
AITOP5月29日 08:02Opus 4.8发布:编程助手的“静默时刻”,是解放开发者,还是新门槛?🔥Anthropic 把 AI 编程的“确认键”彻底删掉了!Claude Code 搭载全新 Opus 4.8 模型,长时间任务不跑偏、不废话、不中断,像一个资深工程师一样默默干活,从功能开发到漏洞清扫全包圆,你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”,现在它直接交完整交付物……自主编程的最后一层窗户纸,被捅破了。做自动化开发和代码审查的团队,这个模型建议直接上手,效率差距肉眼可见……
09:58arXiv cs.AI@Songyang Gao, Yinghui Xia, Siyi Liu, Hui Xiong精选现有 LLM 生成研究想法的方法多依赖静态文献检索或复杂提示工程,忽略了文献间的结构关系。研究者提出 Graphs of Research (GoR),通过提取每篇种子论文的 2 跳引用邻居,从引用位置、频率、前驱链接和发表时间推导关系,构建论文演化有向无环图 (DAG)。他们从五大 ML/NLP 会议收集数据,微调 Qwen2.5-7B-Instruct-1M 模型,在头对头 LLM 裁判锦标赛中击败 gpt-4o 基线,达到 SOTA。该方法证明了引文演化图作为监督信号的有效性,有望降低自动化科学创新的门槛。论文研究想法生成引文演化图LLM微调自动化科研Qwen2.5推荐理由:做自动化科研或 AI 辅助创新的研究者,可以试试用引文关系图替代静态检索来激发 LLM 的创意,GoR 直接开源了数据和微调方法。原文