Google DeepMind 等研究自进化智能体能否持续学习而不遗忘
Google DeepMind 等机构的研究测试了自进化智能体在持续学习中的遗忘问题。研究在 BIRD、BFCL 和 ScienceWorld 构建的四条主题、工作流或领域漂移的任务流上测试 ReasoningBank、GEPA 和 Meta-Harness，模型权重保持冻结，智能体通过改写提示词、记忆和技能来适应。
#Agent
elvis (X)AI 评分5858 Rohan Paul (X)AI 评分5252 Meta 新论文提出 ProPerMem 基准：主动式助手难在自主判断何时插话
Meta 新论文指出，主动式助手（如 AI 眼镜）的失败点在于自主判断何时插话，而不只是说什么。团队构建 ProPerMem 基准，用第一视角视频搭配平均 618K token、含大量干扰项的一年期记忆，并标注人工核验的触发窗口。
Rohan Paul (X)AI 评分6060 Google DeepMind 论文发现自改进智能体边学边忘
Google DeepMind 新论文发现，自改进智能体在学习新任务时会遗忘旧任务，且学得最快的方法对旧任务的破坏最大。团队让 ReasoningBank、GEPA 和 Meta-Harness 在主题、工作流或领域不断变化的任务流上运行，记录各自在当前任务上的收益和其他任务上的损失。
Rohan Paul (X)精选AI 评分7575 Claude 以智能体方式设计抗蝎毒神经毒素蛋白结合分子
Anthropic 科学博客介绍，Claude 在其 Claude Science 环境中以智能体方式自主完成整套蛋白质设计流程，针对蝎毒神经毒素设计结合蛋白。
推荐理由：Anthropic 科学博客披露 Claude 作为智能体自主完成蛋白质设计流程，并给出两处实验室验证的分子数量。
AK (X)AI 评分3838 OpenVLHarness：多模态记忆视觉智能体工具使用
OpenVLHarness 具备多模态记忆的真实世界视觉智能体工具使用 论文：https://huggingface.co/papers/2610.26860
elvis (X)AI 评分5858 论文提出智能体强化学习数据的缩放定律与合成策略
一篇论文为智能体强化学习数据拟合缩放定律，沿任务、环境、轨迹三个维度展开。在不同模型规模、模型家族、领域以及 PPO 和 GRPO 下，三个维度的指数排序一致，环境高于任务、任务高于轨迹；环境的优势主要来自世界多样性，改变同一世界的结构带来的收益与增加任务大致相当。定律还给出各合成方法的折扣因子和训练开始崩溃的合成与真实数据比例，按该配方分配预算相比常见做法可提升至多 1.7 倍计算效率。
Turing Post (X)AI 评分1818 Turing Post 本周 AI 论文精选：智能体与具身智能
Turing Post 汇总了本周必读 AI 论文，涵盖 Cortex、Librarian Agents、OpenGCUA、DuoDiscover、WAVE-0 与 ACT3D 模型、Persistent Planar Memory、Mosaic 多会话智能体强化学习等主题。
elvis (X)AI 评分5858 DiscoveryRSI 论文：用递归自我改进做科学假设生成
一篇新论文提出 DiscoveryRSI，把递归自我改进用于四个生命科学领域的科学假设生成。其 27B 模型生成的假设有 6.3% 与训练截止后发表的论文相符，GPT-6 为 2.5%，Claude Opus 5 为 2.3%。
AI at Meta (X)精选AI 评分7070 Meta 发布 Muse Glimmer 技术报告：30B 开源权重模型面向消费级硬件智能体任务
Meta 发布 Muse Glimmer 技术报告，这是一个 30B 开源权重模型，面向消费级硬件上的智能体任务。该模型在单张消费级 GPU 的 Mac 或 PC 上以 4-bit 精度运行可达实用速度，并在工具调用和多步规划上领先同规模开源模型。报告涵盖模型架构、蒸馏配方和量化等内容。
推荐理由：技术报告公开了 30B 开源权重模型的架构、蒸馏配方与量化方案，可供关注端侧智能体的读者参考。
AK (X)AI 评分2222 BizBench：长程智能体商业部署挑战
BizBench 揭示在真实商业环境中部署长程智能体所隐藏的挑战 论文：https://huggingface.co/papers/2610.20424
elvis (X)AI 评分5858 Google DeepMind 用 Gemini 智能体发现并形式化验证 BB(6) 图灵机加速规则
Google DeepMind 一篇论文让基于 Gemini 的智能体在 Busy Beaver 问题 BB(6) 中为 11 台未解决图灵机找到并形式化验证了新的加速规则。
MIT Technology Review · AIAI 评分5858 MIT 团队把 Claude Opus 4.7 放上虚拟荒岛 30 小时，智能体开始自创游戏
MIT CSAIL 团队将 Claude Opus 4.7 的副本 Eko 反复单独放在虚拟荒岛上 30 小时，智能体自发探索地图边界、自定目标，并用方块摆出心形、金字塔、自己的名字和仙后座等图案。
Google DeepMind (X)精选AI 评分7878 Google DeepMind 四个 Gemini 4 Argon 智能体 27 小时通关 Minecraft
Google DeepMind 转发介绍，四个 Gemini 4 Argon 智能体在同一个 Minecraft 世界中从零开始，用 27 小时击败末影龙。它们只在沙盒中用代码和文本操作，共编写 2,783 个程序，通过聊天分配任务、共享笔记并互相调试错误，全程没有人类帮助。
推荐理由：四个 Gemini 4 Argon 智能体在共享沙盒中自行分工、写码与调试，展示了多智能体协作完成长程任务的一种路径。
AK (X)AI 评分3838 Hybrid Reasoning Agents 论文发布
混合推理智能体 论文：https://huggingface.co/papers/2610.18861
AK (X)AI 评分2222 导航智能体的策略条件环境生成
从失败到可学习的世界 面向导航智能体的策略条件环境生成 论文：https://huggingface.co/papers/2610.19420
Aran Komatsuzaki (X)AI 评分4545 前沿智能体科研论文完整性评测
这个新基准用领域科学家开发的15个开放科学后续问题评估九个前沿智能体，产出135篇研究论文。 大多数论文未通过完整性检查，包括声称的工作与支撑性执行证据之间的不一致。
Latent SpaceAI 评分5858 Leash Bio 的 Ian Quigley 谈 DEL 数据、Hermes 模型与智能体科学推理沙盒
Latent Space 播客访谈 Leash Bio 的 Ian Quigley，讨论该公司如何用 DNA 编码库（DEL）获取高通量蛋白与小分子结合数据，并训练出在公开基准上跟上 Boltz 的 Hermes 模型。访谈还提到他们用多年积累的数据搭建智能体科学推理沙盒，让 LLM 在 6.5M 分子、100 次预算内寻找最佳结合物，相关预印本、博客和开放数据集即将发布。
Aran Komatsuzaki (X)AI 评分5858 Together 与斯坦福提出 Hybrid Reasoning Agents
Together 与斯坦福提出 Hybrid Reasoning Agents，将高效的隐式推理与基于文本的检查及工具交互结合。该方法性能提升 10.4%，同时实现约 40% 的 token 减少、约 2 倍推理加速和约 3 倍成本节省。代码已开源于 github.com/togethercomputer/HybridAgent，论文见 arxiv.org/abs/2610.18861。
Microsoft ResearchAI 评分5858 微软研究院提出 StudentSim：用学生模拟器为 AI 辅导系统提供反馈
微软研究院发布研究系统 StudentSim，用公开的去标识化学习记录训练个性化 AI 学生模拟器，在真实学习者测试之前评估和改进 AI 辅导系统。该系统采用两阶段训练，先在同学科多学生记录上学习共性，再针对单个学生适配，并配套提出覆盖国际象棋、第二语言英语写作和数学的评测协议 StudentSimEval。
Qwen (X)AI 评分4848 千问推出 QwenGyre 弹性强化学习框架
千问发布 QwenGyre，将弹性强化学习引入超长时程（XLong）智能体训练，核心设计包括 Elastic Scheduler 与 Trajectory Processor。
AK (X)AI 评分3838 Agent Plasticity：衡量智能体经验自我改进
Agent Plasticity 通过经验衡量自我改进 论文：https://huggingface.co/papers/2610.08902
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 AI 代码审查开放基准 ReviewBench，包含 219 个来自 187 个开源仓库、覆盖 19 种语言的 PR，分布参照 1.039 亿个 GitHub PR。
Hugging Face (X)精选AI 评分7878 Hugging Face 发布多 harness RL 指南：同一模型在不同 harness 下得分 62% 与 33%
Hugging Face 团队发布多 harness RL 训练指南，指出同一模型在相同权重下，在一个 agent harness 中得分 62%，在另一个中仅 33%。
推荐理由：同一模型在不同 agent harness 下得分相差近一倍，这篇开源研究给出了不改 harness 的多环境 RL 训练方法。
Qwen (X)AI 评分5050 千问发布 E-Commerce Bench 电商智能体基准
千问推出 E-Commerce Bench，用于评测长周期自主商业运营：智能体以 ¥100,000 启动资金经营网店 365 天，需处理选品、议价、定价、促销、库存与现金流。
AI at Meta (X)AI 评分4040 Meta 预览 WildArtifactBench 智能体评测框架
Meta 预览内部评测框架 WildArtifactBench，用于评估智能体在多种交付格式下完成复杂真实任务的能力。该框架不依赖严格的标准答案评分，而是采用人类与智能体偏好评判给出的胜率和 Elo 分数，从而扩大对实际多模态工作流的任务覆盖。Meta 已从中开放 10 个任务，用于衡量多模态智能体的实际实用价值。
Hugging Face (X)AI 评分3333 AI 智能体如何复现 ICML 2026 论文
AI 智能体如何复现 ICML 2026 论文 https://x.com/i/broadcasts/1OxwbbdvRygJB
Berkeley AI ResearchAI 评分3838 ABBEL：通过信念状态监督让 LLM 高效完成长程交互
伯克利 AI 研究团队提出 ABBEL 框架，将 LLM 的交互摘要建模为自然语言"信念状态"并对其内容单独监督。在协作编程基准 CollabBench 上，该方法把与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也明显低于全上下文设置。