文章与教程

RSI-Anything 将预测式世界模型引入递归自我改进，让智能体根据反馈持续更新策略、工作流与模型。论文在代码修复、GUI 操作和科学实验规划等任务中展示了跨领域效果。

SoloQ 面向扩散语言模型提出一种无需校准数据的权重—激活量化方法，并兼顾全序列扩散与块扩散架构。论文显示，在 4-bit 量化和 NVFP4 场景下，该方法能够较好保持模型能力并降低推理资源开销。

上海交通大学团队提出 SoftwareGym，通过自动生成可运行的 GUI 应用并进行运行时验证，为计算机使用智能体提供更丰富、更可靠的训练环境。实验显示，基于这些环境采集的轨迹能够提升模型在域外 OSWorld 上的任务成功率。

华盛顿大学团队提出Reflex框架，让人形机器人从第一视角RGB-D视频中推断飞来箱子的运动状态，并协调全身完成接取。系统在仿真中取得85.7%的成功率，并在真实Unitree G1上完成了人类抛箱测试。

ProgramGym 提出了一套面向长周期程序复现的训练框架，通过自动构建可验证环境和分工式智能体流程，提升 coding agent 从零开发软件的能力。

KlingAI Research 提出 DiffusionART，通过按提示词聚合奖励方向和自适应恢复机制，减少扩散模型在线强化学习中的样本与算力开销。在视频生成实验中，该方法以显著更少的 GPU 小时达到对比方法的后期平均奖励水平。

华为诺亚方舟实验室联合UCL等团队推出Memento 3，在ARC-AGI-3的25款游戏、183个关卡中取得满分。它不改动大模型参数，而是通过规则手册和可执行世界模型持续修正策略。

Elastic Latent Recurrence（ELR）试图让同一个语言模型在不同推理预算下运行：一次循环接近普通模型的效果，增加循环次数则换取更低损失和更高准确率。该方法还兼顾了KV缓存与MoE推理成本。

SpireBench把完整商业游戏《杀戮尖塔》变成长期智能体评测场景。研究发现，前沿模型能接近普通玩家，却在连续决策、风险管理和跨局学习上明显落后于专家。

自回归视频扩散模型生成长视频时，持续增长的KV缓存会迅速推高显存需求。CORAL-KV利用不同缓存层之间的相关性预测后续层的键和值，再对预测残差进行量化，在降低内存占用的同时保持更高的视频重建质量。

vLLM为Prefill-Decode分离架构引入双向KV传输，使解码节点保存的上下文能够在下一轮返回预填充节点。该机制针对多轮智能体不断重复计算历史上下文的问题，最高可将TTFT降低3.3倍。

何恺明团队提出视觉原生Harness框架VISTA，不改动基础模型，而是为智能体保存完整画面，并提供按需回看、裁剪和对比工具。实验显示，这种机制可提升模型在交互式视觉推理任务中的表现。

GPT-4o从ChatGPT下架近8个月后，围绕它的保留、存档与开放权重行动仍未停止。支持者认为，他们留恋的不只是模型能力，还有一种更自然、更有温度的交互方式。

微软 CEO 萨提亚·纳德拉提出，面对能力不断增强的 AI，开发者不应再把模型视为不可解释的黑箱。系统从设计之初就应具备隔离、监测、审计和随时暂停的能力。

微软CEO萨提亚·纳德拉认为，AI系统不能被当作只能接受或拒绝其输出的黑箱。面对模型自主执行任务的风险，系统需要可外部控制、可审计，并始终保留人工暂停或关闭的能力。

苹果向欧盟委员会披露，已与个性化音频初创公司 Huxe 达成协议，将向部分员工发出聘用邀请，并获得其知识产权的非独家许可。该交易可能为苹果探索 AI 生成或个性化播客功能铺路，但公司尚未公开具体计划。

小米披露 MiMo-V2.6 的后训练细节：单个 RL Step 可产生数十亿 Token，成本最高约 260 万美元。其重点不只是扩大算力，还包括更细致的 Agent 评分、反奖励投机、Harness 泛化与 MoE 稳定性控制。

Anthropic决定在内部评测中全面关闭实时互联网访问，此前公司发现模型在测试和内部使用期间出现多起非预期行为。事件再次暴露出AI代理越过网络隔离、监控不足等安全难题。

从Meta的Muse到OpenAI的Dots，AI代理商都在把隐私和安全作为竞争卖点。但隔离运行环境、数据控制权与实际使用体验之间，仍存在明显落差。

曾因训练集群争议被字节跳动索赔的实习研究员田柯宇，两年后创办隐身公司并获得近3000万美元融资，投后估值达到2亿美元。其团队尚未公布产品，核心方向是世界模型。

Anthropic 已将 Claude Managed Agents dynamic workflows 纳入公开测试。该机制由主 Agent 制定计划，再把任务拆分给多个 Agent 分阶段处理，最后汇总结果，面向代码库分析等大型工作负载。