全部动态

Salesforce 这篇论文很有意思：训练多轮工具调用时只练关键那一步，在 BFCL v4 上能多拿 14 个点，做法讲得很清楚。

DAIR.AI@dair_ai原文

Databricks 讲了个新存储架构 LTAP，行式列式两层共存，专治 AI 智能体又要事务又要分析的数据访问难题。

官方账号Databricks@databricks原文

微软研究院的 Agensh 论文，不用中央调度器，让 1000 多个编码智能体靠共享状态自己协作，pandoc 任务通过率从 33.89% 干到 55.06%，玩法挺新鲜。

elvis@omarsar0原文

一篇生物工程版的 LLM 考试报告，前沿模型选择题能考到 90%，但一到实验设计类题就露怯，各子领域强弱差异也列得很清楚。

Tanishq Abraham (论文推介)@iScienceLuvr原文

Sakana AI 创始人 hardmaru 和三位合著者把神经演化教科书出版了，免费在线版直接能看，讲演化怎么涌现智能。

David Ha@hardmaru原文

Meta 这次没走 self-distillation 老路，用 DCE 加 SRCL 就把 Qwen3-8B 从 30% 拉到 66%，方法细节可以看看。

Aran Komatsuzaki (论文推介)@arankomatsuzaki原文

机器人总在抓东西时翻车？这篇研究说瓶颈可能不是视觉，是触觉。摄像头定位加盲手反射的思路挺有意思。

Aran Komatsuzaki (论文推介)@arankomatsuzaki原文

Sakana AI 和东大搞了个给机器人“先在模拟器里彩排再上场”的方法 SAIL，成功率能从 25% 拉到 73%，做机器人方向的可以看看。

官方账号Sakana AI@SakanaAILabs原文

把技能文档变成 2756 个训练环境直接练进模型权重，微调后的 Qwen3.5-35B-A3B 在终端基准上超过了 Claude Sonnet 4.6，思路很新颖。

DAIR.AI@dair_ai3 个信源在谈原文

一篇省钱的对齐检测论文：问 Jev 一个是非题就能给回复打分，成本只有 LLM 裁判的约 1/60，还顺带找出三个基准的标注错误。

elvis@omarsar03 个信源在谈原文

这篇讲的是怎么让科研智能体把实验预算花在刀刃上，同预算下比 AutoResearch 奖励高 10.3%，尝试次数省一半，做法挺巧。

rohanpaul_ai@rohanpaul_ai原文

MIT CSAIL 的 JAZ 框架只用一个 invoke 原语就搞定记忆和自我改进，跑分还便宜一半，写 agent 的朋友可以看看这篇论文。

elvis@omarsar0原文

Salesforce 这篇论文很实用：智能体别急着存摘要，先存原始轨迹，来新任务再提取，三个基准上多涨十几分。

DAIR.AI@dair_ai原文

一篇把递归自我改进拆成 5 级的综述，看完能分清现在哪些是真 RSI、哪些只是流程自动化，L5 还卡在哪。

rohanpaul_ai@rohanpaul_ai原文

研究世界模型怎么学会记住被挡住的物体，做视频生成或具身智能的可以看看

AK@_akhaliq原文

搞 Agent 记忆层的可以看看这篇：Jev-Mem 用轻量控制器替代 LLM 做决策，构建快 6.6 倍，LoCoMo 上还涨了 11%。

elvis@omarsar0原文

一篇关于智能体训练的论文：让智能体先广泛练相关任务再啃难题，4 个任务上从 56.50% 提到 74.54%，附独立校验设计，做 agent 的可以看看。

rohanpaul_ai@rohanpaul_ai原文

Microsoft 这篇论文做了个 Taste-Bench，专门考智能体在任务分叉时选路的品味，最强模型也就答对 59.7%，还发现加大推理预算没用。

elvis@omarsar0原文

Microsoft 新论文 CASD，让编码智能体读完整日志自动改提示词，比 GEPA 多提 5.7 分，一次只要 1.6 美元，做 agent 的都该看看。

DAIR.AI@dair_ai2 个信源在谈原文