TechnologyEducationScience

Seventy3

任雨山

73播客，Sheldon最喜欢的数字，内容均为Google NotebookLM原生生成，每天由AI领读最新的前沿论文。欢迎投稿合作。

Play

Open in

115 episodes
daily
Avg 19 min
Chinese

Episodes 115

Newest Oldest Longest

All20 Unplayed20 In progress0 Played0

Counted on this page — what you have heard stays on this device, so it is not something the list can be paged by.

Yesterday · 18 min
【第776期】Dream-RSI：基于演化世界的递归自我改进框架
今天的这篇的主题是： Dream-RSI: Recursive Self-Improvement through Evolving Worlds Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary 递归自我改进（Recursive self-improvement）正成为自主 AI 智能体不可或缺的核心能力，这类智能体的进步依赖于在复杂领域中发掘高价值的解决方案。高效的探索驱动着这一过程，然而管理和改进探索策略依然是一个主要的瓶颈。当前的系统面临着一个根本性的困境：随着搜索空间的扩大，固定策略无法自适应；而在线策略优化则必须在长视野（long-horizon） rollout 带来的延迟且昂贵的反馈下，去遍历庞大的元搜索空间（meta-search spaces）。为此，我们引入了 Dream-RSI，这是一个用于可扩展且递归自我改进的探索框架。一个轻量级的编排层使探索过程变得显式且可编程，同时保持底层的基座智能体不变。我们的核心见解是：累积的发现历史可以充当一个针对已实现搜索空间的回放模拟器（replay simulator）。通过在由历史发现树构建的这个模拟器内部进行“做梦（dreaming）”，Dream-RSI 能够获得即时、低成本的离线策略（off-policy）反馈，从而在无需反复进行昂贵在线评估的情况下，对探索策略进行评估和精炼。随后，改进后的策略会被重新部署到线上以驱动进一步的发现，从而在自我改进的循环中不断扩充模拟器池。在 4 个领域的 9 个任务中，Dream-RSI 取得了具有竞争力的质量，并在多个设置中显著提高了发现效率。原文链接：https://arxiv.org/abs/2609.14858 前往小宇宙评论区与主播互动
Friday · 14 min
【第775期】Codebook Agent：AI协作只需六种核心结构
今天的这篇的主题是： Codebook Agent: Amortized Topology Design for LLM Multi-Agent Systems Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary 根据大语言模型多智能体系统的上下文与论文特点，为您将该摘要纯翻译为中文：针对不同的查询来调整大语言模型（LLM）多智能体系统的通信拓扑结构，能够同时提高准确率与效率。然而，现有的设计方法均将其视为条件图生成任务：利用变分、自回归或扩散解码器在 N×NN×N 的邻接空间中进行搜索，并使用根据效用和边数等结构成本训练的图网络代理模型对采样的候选拓扑进行排序。我们认为这种问题构想与实际需求并不匹配。实验表明：即便离散码本（codebook）容量从 8 扩大到 64，能够通过奖励筛选的拓扑结构也会塌缩为大约 6 种不同的图；边数与实际测得的 Token 消耗量呈负相关（皮尔逊相关系数 r≈−0.4r≈−0.4），因此稀疏化图结构反而会使推理更加昂贵；只要智能体共享同一个属性配置（Profile）——这是公开基准测试中的默认设置——针对智能体属性节点的消息传递打分器在邻接矩阵发生改变时就具有不变性（adjacency-invariant），因此在该条件下根本无法对候选拓扑进行排序。这三个事实促成了 Codebook Agent 的提出：一个矢量量化自编码器（VQ-AE）将成功的拓扑结构压缩为一个与查询无关的 16 实体码本；一个基于奖励加权的 MLP 将查询嵌入映射为码本上的概率分布；一个直接读取扁平化邻接矩阵的 MLP 代理模型（在实测效用和按任务归一化的 Token 成本上进行回归），在单次批处理前向传播中即可对解码出的候选拓扑进行重排序。在测试阶段，Codebook Agent 无需迭代搜索，也无需消息传递。它在对比的所有六个基准数据集上均取得了最高的准确率（平均达到 84.6%，而最强的前人设计方法为 83.0%），生成一个拓扑仅需 2.4 毫秒，且消耗的 LLM Token 减少了 21.9%–33.2%。原文链接：https://arxiv.org/abs/2609.02264 前往小宇宙评论区与主播互动
Thursday · 19 min
【第774期】面向写作的灵动思辨伙伴设计
今天的这篇的主题是： Designing Proactive Thought Partners for Writing Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary 写作涉及从构思到修改的多样化认知活动，且创作者的需求在不同个体和不同时刻之间大相径庭。主动式 AI 有望在恰当的时间提供适当的支持，然而现有的主动式工具在很大程度上仍局限于通用的文本级辅助（如自动补全）。本文研究了主动式思考伙伴（Proactive Thought Partners）的设计空间：即能够主动在写作过程中提供可定制、更高层级认知支持的 AI 智能体。我们将这一概念实现在一个技术探针（technology probe）中，并将其部署给 16 名参与者进行了为期一周的实验。该探针允许用户通过配置角色和主动性来创建属于自己的伙伴。当用户写作时，相关伙伴会在恰当的时刻采取主动并提供建议。研究结果表明，参与者通过前瞻性规划来配置主动支持，将建议同时用于“想法生成”与“自我监控”，并且青睐轻量级的视觉表示以及非指令性的修辞表达，以实现非侵入式的干预。最后，我们围绕定制化、时机选择、交互参与度以及呈现形式，提出了设计主动式写作助手的启示。原文链接：https://arxiv.org/abs/2609.01588 前往小宇宙评论区与主播互动
Wednesday · 19 min
【第773期】ParSer：大模型智能体的并行阅读与深度推理
今天的这篇的主题是： PARSER: Read in Parallel, Reason in Depth for Long-Context LLM Agents Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary 顺序记忆智能体（Sequential memory agents）通过逐块读取长文档并维持紧凑的记忆状态来处理文本，这使得文档遍历与推理深度被紧紧耦合在一起。这种耦合不仅导致模型对证据的位置极具敏感性，还将推理延迟与文档长度线性绑定。为此，我们提出了 PARSER，它实现了“阅读”与“推理”的解耦。系统设立了一组轻量级子智能体，每个子智能体专注于单个文本块，共同并行读取整份文档；与此同时，一个主智能体通过多轮迭代的“散射-聚集”（scatter-gather）过程来进行深度推理：在每一轮中，主智能体向所有子智能体广播查询，聚合返回的证据，并根据目前已发现的内容构建更深层次的后续查询。这种解耦设计将所有可学习的行为集中在主智能体身上，并使用强化学习对主智能体进行优化，而子智能体则保持冻结且无需额外训练（使用现成模型）。在上下文长度从 7K 到 896K token 不等的多跳问答（Multi-hop QA）测试中，以 4B 模型作为骨干网络（backbone）的 PARSER 比最强的顺序记忆基线平均高出 5.7 分，在 896K token 处高出 12.0 分。当扩展至 9B 骨干网络时，PARSER 超越了 DeepSeek-V4-Pro 6.3 分。对照实验证实，PARSER 对证据的位置、顺序和距离的扰动具有很强的鲁棒性（而这些条件会导致顺序处理方法产生剧烈的准确率波动），同时将推理延迟降低了高达 11 倍。原文链接：https://arxiv.org/abs/2609.06702 前往小宇宙评论区与主播互动
Tuesday · 20 min
【第772期】SMART：以设计文档为核心的AI原生性能建模工具
今天的这篇的主题是： Design Docs Are All You Need: An AI-native Machine-Learning Performance Tool Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary 请将上面这段关于 SMART（一种用于机器学习系统的符号性能建模库，其采用“纯设计文档+代码智能体重生成”的独特架构）的介绍翻译成中文。机器学习性能建模是长期运行软件的一片极其残酷的领域：今天抽象中所固定的假设会被明天的模型和系统所推翻，从而迫使性能建模框架不断进行重构。与此同时，AI 编码智能体已经变得足够快速和强大，以至于重新生成整个库的成本比偿还增量修补它的技术债务还要低。我们介绍了 SMART，这是一个用于机器学习系统的严谨符号性能建模库，其主分支（main branch）几乎不包含任何代码：整个代码库实际上是一个由自包含的自然语言设计文档组成的有向无环图（DAG）。在每次版本更新时，编码子智能体会仅根据这些文档重新生成实现，而人类的所有变更都只是对文档的自然语言编辑——这从结构上实现了“自文档化（self-documenting）”。有两个关键要素确保了代码重新生成的可靠性：以逐步详细示例为核心构建的设计文档风格：这些示例可作为生成智能体在上下文中的示范（in-context demonstrations）。一个最小化的、递归定义的算子中间表示（IR）：它具有符号化（SymPy）成本表达式、用于大规模参数扫描的快速分析汇总模式（fast analytical roll-up mode），以及用于细粒度调度研究的慢速模数调度模式（slow modulo-scheduling mode）。重新生成的实现能够精确复现人工审计过的参考模型——包括在 TPU Pod 切片上运行的 DeepSeek-V3 服务推理——这表明设计文档（而非代码）可以成为机器学习系统协同设计工具的持久资产。原文链接：https://arxiv.org/abs/2609.05364 前往小宇宙评论区与主播互动
Monday · 28 min
【第771期】STAIR：利用目录结构提升长文档检索精度
今天的这篇的主题是： STAIR (STructure Aware Information Retriever): A novel dataset and LLM based retriever for document structure augmentation Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary 检索增强生成（RAG）是利用大型语言模型（LLM）生成准确且无幻觉回答的关键组件。尽管 LLM 在处理长上下文方面的能力正在不断提升，但仍面临“迷失在中间”（lost in the middle）的问题。因此，精准且准确的检索至关重要。现有的检索器通常将长上下文切分为基于固定长度的易处理文本块——这一过程丢弃了语料库中丰富且富含信息的语义全局结构。我们提出了一种名为 STAIR 的新型检索系统，该系统使 LLM 能够利用语料库中的全局结构（如目录结构/ToC），从而在其模型参数中高效地存储和检索信息。我们对经过微调的可微搜索索引（DSI）系统进行了深入细致的消融实验，结果表明，目录结构有助于构建低幻觉（低于 0.05%）的生成式信息检索（IR）系统，并且能够泛化到训练样本极少的示例中。为了进一步推动这一基于目录结构检索的新兴方向的研究，我们发布了 SearchTome——一个基于 6 个不同领域的 18 本书籍构建的多样化基准数据集。STAIR 在 SearchTome 上取得了 82.6% 的高 Recall@1 评分，显著高于 DSI（76.9%），且两者差异具有统计显著性。此外，STAIR 也轻松超越了其他强基线模型，包括 BM25（59.5%）、DPR（68.7%）以及开箱即用的 Mistral（13.8%）。原文链接：https://arxiv.org/abs/2609.03874 前往小宇宙评论区与主播互动
November 8 · 17 min
【第770期】FrogNano：在线任务合成助力4B编程智能体训练
今天的这篇的主题是： FrogNano: Training a 4B Coding Agent via Online Task Synthesis Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary 请将上面这段关于 FrogNano（一款专为资源受限环境设计的 4B 编码智能体）的介绍翻译成中文。我们推出了 FrogNano，一个拥有 4B 参数量的编码智能体（coding agent），旨在高效且出色地处理软件工程（SWE）任务，甚至能在资源受限的环境下运行。它完全通过在约 1,500 个包含合成任务的 SWE 环境中进行强化学习（RL）来进行后训练。提升性能的关键要素之一是在线任务合成管线（online task synthesis pipeline），该管线能够根据当前模型检查点的可学习性前沿（learnability frontier）来定制生成相应的任务。本报告提供的证据表明：仅利用合成任务就能训练出具备竞争力的轻量级编码智能体，而无需依赖传统的大模型蒸馏技术；同时，在当前智能体的可学习性前沿生成任务至关重要。我们报告了训练方法、跨多样化环境的评估以及深入分析的详细信息，这为我们持续探索能够在最低硬件上运行的、轻量且强大的编码智能体奠定了基础。原文链接：https://arxiv.org/abs/2609.07925 前往小宇宙评论区与主播互动
November 8 · 21 min
【第769期】过程图：大语言模型智能体的自进化执行架构
今天的这篇的主题是： Procedural Graphs: Self-Evolving Execution Structures for LLM Agents Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary 大型语言模型越来越多地被部署为能够进行长远规划并通过外部工具采取行动的智能体。大多数智能体通过对累积的历史记录进行无约束的生成来选择行动，从而使关于“做什么、按什么顺序做以及在什么条件下做”的程序性知识保持隐式。随着轨迹变长，智能体会迷失目标、颠倒工具调用顺序，并重复无效的动作。为此，我们引入了“程序图”（Procedural Graph）：正如知识图谱将事实性知识组织为用于回答“是什么”问题的（实体、关系、实体）三元组一样，程序图将程序性知识组织为用于回答“做什么”问题的（程序、关系、程序）三元组。在每个决策步骤中，该框架会定位智能体的活动节点，引导模型将周围的子图转换为步骤级的态势引导，在不直接指定的情况下对求解器的下一步行动施加偏置。该图具有自我演进能力：大语言模型精炼器将失败的轨迹与成功的轨迹进行对比，并对图的拓扑结构和属性进行编辑，提交那些能够保持或提升保留验证集性能的编辑，同时保留被拒绝的编辑以防止重复。从一个最小的骨架开始，该循环构建出能够媲美甚至超越人工设计的图。它还能修复存在缺陷的专家先验。在多个数据集、任务类型和大语言模型中，程序图相比基于内存的基线取得了持续的性能提升，而自我演进则在无需人工干预的情况下进一步提升了性能。原文链接：https://arxiv.org/abs/2609.09153 前往小宇宙评论区与主播互动
November 6 · 27 min
【第768期】AI研究偏好模型：驱动研究智能体高效实验
今天的这篇的主题是： AI Research Preference Models Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary AI 研究智能体（AIRA）现在能够全程承接机器学习实验——从提出方案、代码实现到评估验证。然而，前沿任务上的进展往往受制于极其昂贵的评估成本，这些评估动辄消耗数天的 GPU 时间。当一个智能体提出的候选方案数量远超其负担得起（运行）的上限时，研究的突破便取决于其“研究偏好”（Research Preference）：即如何在众多候选方案之间分配有限的执行预算。为此，我们提出了 AI 研究偏好模型（AI Research Preference Models, RPMs）。该模型无需付出运行所有候选方案的高昂代价，即可预测出哪种方案最具潜力。我们基于冻结的预训练语言模型构建了两种 RPM 变体：一种是仅推理模型（inference-only model），它综合对候选计划、代码以及先前已执行的方案进行推理分析；另一种是智能体模型（agentic model），它在此基础上还会额外运行小规模的试点实验（pilot experiments）。将这两种变体集成到 AIRA-dojo 研究智能体中并在机器学习研究基准测试 AIRS-Bench 上进行评估后，两者的平均标准化得分分别从 0.684 提升至 0.711 和 0.729。两者均仅消耗了无指导智能体不到三分之二的执行预算，在约 15 小时内就达到了后者 24 小时才达到的性能水平，并共同在两项 AIRS-Bench 任务上刷新了 SOTA（最先进）纪录。原文链接：https://arxiv.org/abs/2608.13940 前往小宇宙评论区与主播互动
November 5 · 15 min
【第767期】E-Commerce Bench：大模型自主经营能力评估 benchmark
今天的这篇的主题是： E-Commerce Bench: Evaluating LLM Agents on Long-Horizon Autonomous Business Operation Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary 长流程智能体（Long-horizon agentic）任务绝非简单地在更多交互轮次中将短期任务进行串联。其不断动态演化的环境与长跨度依赖关系，要求大语言模型（LLM）必须在成千上万个步骤中持续探索、从经验中学习并动态调整其策略。我们推出了 E-Commerce Bench，这是首个将多轮对手谈判与动态事件整合到长达一年的商业运营中的开源基准测试。在为期 365 天的一年中，LLM 智能体需要同时运营多家在线店铺，开展市场调研、与供应商谈判采购库存、优化销售策略、履约订单、处理退货并管理现金流，以实现年终总资产的最大化。为了构建逼真的商家侧运营环境，产品与供应商数据均源自真实的电商平台；同时，涵盖促销活动、自然灾害和供应链冲击的一年期日历不断重塑市场需求。为确保可复现性，市场双边均为确定性设计：客户采购与退货遵循固定的需求模型，谈判核心引擎则决定供应商的定价、让步与决策，LLM 仅用于将其表达为文本语言。我们在包括年终资产在内的七个维度上对 18 个前沿模型进行了评估，结果表明没有单一模型能够占据绝对主导地位。GPT-5.6 Sol 的收益最高，将 100,000 的初始本金增长至 1,431,425，但它在防范欺诈方面仅排在 18 个模型中的第 16 位，且在运营效率上落后于 Fable5。在开源/开放权重模型中，Qwen3.8-Max-Preview 以 416,252 的成绩保持领先，比 GLM 5.2 (high) 高出 38%，并在整个测试周期内展现出了最强的学习能力，能够在重复下单的过程中逐步压低采购价格。原文链接：https://arxiv.org/abs/2608.30730 前往小宇宙评论区与主播互动
November 4 · 11 min
【第766期】CORAL：基于大模型代理循环的推荐系统优化优化器
今天的这篇的主题是： CORAL: An LLM-Native Harness for Production Recommender Systems Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary 生产级推荐系统决定着数十亿人所看到的内容，而维持这些系统的性能需要持续优化：随着内容、用户行为和上游模型不断变化，必须反复审视和调整控制召回、排序与服务的各项决策。传统上，人类工程师通过在线实验来测试这些变更，但这一过程缓慢且被动，并受到工程资源投入的限制，导致系统的某些部分无法随着环境变化得到及时调整。尽管大语言模型已经被应用于排序、用户建模和离线模型开发，但很少有系统能够让智能体进入一个持续运行的闭环，直接作用于在线推荐系统，并从其决策产生的实际效果中学习。我们提出了 CORAL（Constraint-Optimized Recommender via an Agentic Loop，基于智能体闭环的约束优化推荐系统），一种原生面向大语言模型的智能体运行框架（Harness），旨在构建这一闭环。在每一轮循环中，智能体首先观察系统运行信号，结合对历史决策及其结果的记忆进行推理，然后调用工具重新配置推荐系统。这些工具包括一个数值优化器，用于确保调整始终处于固定的运行预算约束之内。每轮调整产生的实际测量结果又会用于指导下一轮决策。我们将这一过程形式化为一个部分可观测、非平稳、带约束的优化问题。在这一框架下，智能体策略能够从先前的行动中通过上下文学习持续改进，而无须更新模型参数。我们在两个大型社交平台上通过 A/B 实验进行了评估。结果表明，同一套 Harness 在其中一个平台上能够在不增加服务成本的情况下提升用户参与度，而在另一个平台上则能够在不降低用户参与度的前提下降低服务成本，覆盖了用户参与度与系统效率之间的权衡前沿。随着闭环迭代次数增加，系统性能持续改善。这表明，在明确的约束与安全护栏下，单一的智能体闭环有望自动化完成传统上由人类算法工程师承担的持续优化工作。原文链接：https://arxiv.org/abs/2609.02730 前往小宇宙评论区与主播互动
November 3 · 18 min
【第765期】SKILL.state：具有显式执行状态的可扩展长程智能体技能
今天的这篇的主题是： SKILL.state: Scalable Long-Horizon Agent Skills Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary 大语言模型（LLMs）正越来越多地作为自主智能体执行复杂、长时间运行的程序性技能。现有的智能体运行时系统通常通过不断向持续增长的对话历史中追加观察结果、动作和中间推理轨迹来维持执行过程，导致长时程任务中的延迟增加和上下文污染（Context Poisoning）问题。我们提出了 SKILL.state，一种使用显式、可变的执行状态（Execution State）取代仅追加式对话历史的运行时架构。在每个执行步骤中，模型仅接收不可变的技能规范（Skill Specification）、当前的结构化执行状态以及最新的观察结果。中间推理内容在生成经过验证的状态更新后会被立即丢弃，从而避免提示词随着执行历史的累积而不断增长。在多种数据集、模型和执行环境上的实验表明，SKILL.state 在显著降低累计 Token 消耗的同时，提高了任务准确率。我们的研究结果表明，显式执行状态是一种有效且不依赖于特定架构的抽象机制，能够支持长时程智能体技能的规模化执行。原文链接：https://arxiv.org/abs/2608.26263 前往小宇宙评论区与主播互动
November 2 · 23 min
【第764期】WikiSkill：通过持久知识演化提升智能体技能
今天的这篇的主题是： WikiSkill: Compiling Agent Experience into Persistent Knowledge for Skill Evolution Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary 智能体技能（Agent Skills）将专业知识和工作流封装为可复用的资源，以扩展 AI 智能体的能力。近期研究开始从智能体的执行经验中自动发现此类技能，使智能体能够通过交互逐步适应环境。然而，指导技能开发的洞察通常分散在优化历史记录中，限制了这些知识在多轮迭代之间的系统性复用。我们提出了 WikiSkill，一个能够让智能体技能与持久化知识库（Wiki）协同演化的框架。从整体上看，WikiSkill 将原始执行经验、累积知识和可执行技能分离，同时持续将执行经验整合到 Wiki 中，使后续的技能更新能够建立在已有知识的基础之上。在多种基准测试和模型上的实验表明，WikiSkill 的表现始终优于当前最先进的技能演化方法，并且在大多数模型与基准测试组合中，相比不使用技能的基线取得了性能提升。我们发现，技能演化与模型规模扩展具有互补性：更大规模的模型通常能够从演化后的技能中获得更多收益，而配备技能的小模型甚至可以超越规模大得多、但未配备技能的模型。我们还发现，演化后的技能能够有效地在不同模型及模型家族之间迁移，而且由其他模型演化出的技能，其表现甚至可能优于模型自身演化出的技能。最后，消融实验进一步证实，在 Wiki 中持续积累知识是实现有效技能演化的关键。这些结果表明，通过系统性地积累和提炼智能体的执行经验，可以有效促进可复用、可迁移技能的开发。原文链接：https://arxiv.org/abs/2608.27454 前往小宇宙评论区与主播互动
November 1 · 14 min
【第763期】Harness-of-Harness：基于LLM的自动化游戏开发框架
今天的这篇的主题是： Harness-of-Harness: Multi-Day Autonomous Software Development with Continual Improvement Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary 本文研究自主软件开发（Autonomous Software Development），即基于大语言模型的编程智能体在无需人工干预的情况下，将高层需求转化为完整、功能健全且可用的软件系统。我们提出了 Harness-of-Harness（HoH），一个能够让编程智能体在自主开发过程中持续改进软件的框架。HoH 构建于现有的编程智能体运行框架（Harness）之上，将其执行过程组织为迭代式的规划—编码—测试循环。为了在多轮循环中实现持续改进，HoH 在问题修复与能力增长之间保持平衡，将开发任务划分为小规模、可验证的增量，区分实现阶段的测试与独立评估，并通过约束可验证的输出结果，而非预先规定智能体的工作流程，来引导开发过程。 HoH 还会逐步向智能体开放交付产物、特定角色的工具和技能，鼓励复用现有成果而非重复创建，并维护带有版本信息的项目历史记录。在 GameCraft-Bench、FrontierSWE 和 ProgramBench 三个基准测试中，我们评估了三组 Harness 与模型的组合：Codex 搭配 GPT-5.5、OpenCode 搭配 DeepSeek-V4-Pro，以及 Pi 搭配 MiniMax-M3。结果表明，HoH 的表现始终优于对应的独立 Harness。在经过三轮迭代后，平均相对性能提升达到 52.25%，最大提升达到 82.86%。在一次持续数天、包含 70 多轮迭代的实际部署中，HoH 自主开发出了一款第一人称射击游戏。该游戏具有连贯的故事情节、完整实现的核心游戏机制、可供人类实际游玩的游戏体验、精细打磨的视觉效果以及集成的音频系统。原文链接：https://arxiv.org/abs/2609.01481 前往小宇宙评论区与主播互动
October 31 · 17 min
【第762期】声明性注意机制：大模型自主控制注意力跨度
今天的这篇的主题是： Language Models Can Control Their Own Attention Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary 语言模型的大部分注意力实际上集中在上下文中的一小部分内容上，但为了找到少数真正重要的 Token，它们仍然需要读取整个 KV 缓存。例如，当用户询问一段包含 100 万 Token 的对话中的某个历史细节时，全局注意力层必须在生成回复的每一个 Token 时扫描完整的上下文。一种主流方法是通过轻量级代理评分（Proxy Scores）预先筛选相关 Token，但这种外部评分机制仍然会在每个生成步骤产生 O(N) 的计算开销。我们采用了一种内生式方法（Intrinsic Approach），其出发点是一个简单的问题：模型自身难道不应该已经知道上下文中的哪些部分是相关的吗？我们提出了声明式注意力（Declarative Attention，DA），一种引导模型在其思维链（Chain-of-Thought）中主动声明需要关注哪些上下文区域的协议。该协议将生成过程划分为三种模式：（1）<global>：全局模式，关注完整上下文。（2）<focus>：聚焦模式，仅关注特定的上下文区域。（3）<local>：局部模式，仅关注最近生成的输出。推理引擎像解析工具调用一样解析这些声明，从而跳过对 KV 缓存中绝大部分内容的读取。在涵盖 15 项长上下文任务的零样本评估中，将 DA 应用于现成模型 Gemma-4-31B 和 Qwen-3.6-27B 后，尽管引入了额外的解码步骤，每次响应所需关注的 Token 总量仍分别减少了 45.8% 和 19.6%，而准确率仅分别下降了 1.40 和 2.10 个百分点。随着模型规模增大，这种准确率损失进一步缩小。 DA 为稀疏注意力机制开辟了一个新的优化维度，并有望通过基于训练的方法进一步释放其潜力。原文链接：https://arxiv.org/abs/2609.02737 前往小宇宙评论区与主播互动
October 30 · 20 min
【第761期】Co-Scientist：Gemini驱动的现实世界科研加速器
今天的这篇的主题是： Accelerating Scientific Research with Gemini in the Real-World Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary 我们介绍了 Co-Scientist 的扩展版本及其全面的真实世界验证。Co-Scientist 是一个基于 Gemini 的多智能体系统，旨在加速从假设生成、实验执行到论文撰写的端到端科学研究流程。这一专门配置突破了以往仅在计算机模拟环境（In Silico）中生成科学假设的局限，使 Co-Scientist 转变为一个以实际执行为基础的科研合作伙伴，推动材料科学、生物学和计算机科学领域的闭环科学研究工作流。在材料科学领域，Co-Scientist 与一台半自动化化学气相沉积（Chemical Vapor Deposition，CVD）反应器对接，为 MXenes 材料设计了一条安全的前驱体合成路线。实验执行成功制备出一种层状二维材料，其关键结构特征与 Ti₃C₂Tₓ MXene 晶格具有相似性，但仍需进一步实验来确认其原子结构。此外，借助 Gemini 3 Deep Think 实现快速的实验室在环（Lab-in-the-Loop）执行，Co-Scientist 能够在数分钟内根据实验室的实际约束条件定制材料生长方案，并成功通过单次尝试生长出单层 MoS₂、MoSe₂ 和 WS₂ 半导体材料。在生物学领域，Co-Scientist 利用稀疏的成像数据，预测了工程化大肠杆菌（E. coli）在不同诱导剂（IPTG）浓度梯度下涌现出的群集运动表型（Swarming Phenotypes）。其预测结果与尚未发表的湿实验（Wet-Lab）形态学测量数据在定量上高度吻合。在计算机科学领域，Co-Scientist 自主发现了一种推理时扩展（Inference-Time Scaling）架构。该架构在 HealthBench（Hard 和 Professional）基准测试中超越了六个前沿模型，并在医生盲评中降低了潜在的临床伤害风险。最后，我们开展了一项针对端到端自动生成科研论文的双盲研究，邀请 30 位领域专家完成了共计 450 次评审。结果表明，Co-Scientist 的可靠性模块能够减少幻觉和抄袭现象，同时提高科学研究的安全性。总体而言，这些结果表明，我们正朝着能够加速真实世界科学发现的闭环多智能体科学 AI 系统迈出重要一步。原文链接：https://arxiv.org/abs/2608.26701 前往小宇宙评论区与主播互动
October 29 · 14 min
【第760期】超越压缩悬崖：AI智能体的知识分流框架
今天的这篇的主题是： The Compaction Cliff in Long-Running AI Agent Memory Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary 在 AI 智能体的上下文中，安全规则与情节式日志（Episodic Log）会竞争相同的 Token 预算。当上下文超出容量限制时，两者通常会以相同的压缩率进行摘要；然而，只有安全规则需要保留精确的措辞，才能确保其持续得到执行。在 20 个生产级智能体配置上，我们发现，Claude Code 的 /compact 提示词在 Sonnet 4.6 上经过一轮上下文压缩后，仅能保留 53% 的安全规则；经过五轮压缩后，这一比例进一步下降至 10%。我们将这一现象称为压缩悬崖（Compaction Cliff）。为解决这一问题，我们提出了知识分诊（Knowledge Triage）框架。该框架根据类型对智能体知识库中的每一行内容进行分类，并为不同类型的信息分配各自的保留策略。我们设计了三个确定性算子，分别对应三种上下文管理操作：（1）TypeCompact：根据不同信息类型的保真度要求，直接在原位置重写内容。（2）TypeDecompose：当某个主题过大、无法安全压缩时，将其划分为多个分区，并在各分区之间复制适用范围内的安全规则。（3）TypeRetrieve：从外部存储中检索信息，并将适用范围内的安全规则置于相关性排序之前，确保其优先保留。在五个公开语料库上的实验表明，TypeCompact 在所有压缩比例下保留的安全规则数量均为最强单轮 LLM 压缩器的 2–4 倍，并在五轮压缩后仍保持 96% 的召回率。TypeDecompose 将局部性违规率（Locality Violations）降至 0%，而统一分区方法的违规率高达 93%。TypeRetrieve 的 Recall@50 达到 100%，相比之下，最佳单轮 LLM 检索器仅达到 73%。在三个下游行为基准测试中，我们的方法同样表现出优势：在医疗合规任务中，我们在规则保留方面显著优于生产环境使用的 Sonnet 压缩器（配对 McNemar 检验，p < 10⁻⁸，N = 200）；在零售任务中，我们的任务通过率显著优于完整策略基线和层次化基线（p < 0.01，N = 115）；在航空领域中，我们的方法也显著优于层次化压缩方法（p = 0.024）。我们开源了 AgentArtifactCorpus 数据集（包含来自 54,628 个公开 GitHub 代码仓库的 396,934 个智能体配置）、分类器以及参考实现。原文链接：https://arxiv.org/abs/2608.22752 前往小宇宙评论区与主播互动
October 28 · 21 min
【第759期】Prime Agent：自我优化的递归语言模型框架
今天的这篇的主题是： Prime Agent: A Self-Improving RLM Harness Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary 语言模型本质上是序列处理器，但长时程智能体任务需要超越模型权重和当前活跃上下文的外部信息与计算能力。Prime Agent 是一个开源的智能体运行框架（Harness），面向长时程评估和编程智能体工作流。其持久化 IPython REPL 遵循递归语言模型（Recursive Language Model，RLM）的抽象，通过编程方式实现上下文处理和测试时计算（Test-Time Compute）；与此同时，持续性 Harness（Continual Harness）能够跨执行轨迹保留历史记录、记忆、技能、提示词以及子智能体规格。递归子智能体通过智能体之间的直接通信进行协调，而 Agents View 则允许人类检查和管理由守护进程支持的会话。 Prime Agent 对执行、恢复、验证和资源核算进行标准化，同时将策略构建交由模型自主完成。这一低摩擦、高表达能力的中间层能够防止 Harness 层面的故障转化为模型层面的失败，并推动评估更加接近模型底层能力的真实上限。 Prime Agent 将 ARC-AGI-3 RHAE 的 Best@1 成绩从 30% 提升至 95.5%，并在长上下文编程、GPU 内核生成、模拟器构建以及自主 nanoGPT 速度挑战等任务中，达到或超越原生 Harness 和主流 Harness 的表现。在 Factorio 环境中，我们发现，持续优化（Refinement）能够支持科技进度的不断推进，而专用子智能体则能够实现任务的并行处理。原文链接：https://arxiv.org/abs/2608.23552 前往小宇宙评论区与主播互动
October 27 · 22 min
【第758期】JIT-Agent：即时合成与进化的智能代理架构
今天的这篇的主题是： JIT-Agent: Scaling Harness Intelligence via Just-in-Time Harness Evolution Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary 智能体的能力并非仅由模型本身决定。智能体运行框架（Agent Harness）涵盖记忆管理、规划策略、动作协议以及工具与技能编排等方面，其对智能体性能的贡献甚至可能超过底层基础模型。然而，当前的 Harness 设计仍然依赖人工、针对特定任务定制，并且从根本上难以实现规模化。我们提出了 JIT-Agent，一种专门用于 Harness 智能化的模型，经过训练后能够针对任意现成的智能体大语言模型，即时生成适应具体任务的 Agent Harness。我们将 Agent Harness 形式化为一种可组合、可由机器自动生成的产物，并通过固定的四模块协议对其进行规范。在此基础上，我们训练 JIT-Agent，使其能够针对当前任务定制 Harness，修复 Harness 以确保执行过程的稳定性和可靠性，并通过从不断扩展的历史 Harness 配置档案中提炼性能信号，实现自我演化。在 JIT-Agent 的 Harness 辅助下，DeepSeek-V4-Flash 在 DeepSearchQA 和 OdysseyBench 上的表现分别超越 GPT-5.6 达 9.1 和 4.3 个百分点，而原本已经具备较强能力的 GLM-5.2 也获得了最高 20.2 个百分点的提升。在一系列受控评估中，JIT-Agent 生成的 Harness 在性能上能够与 OpenCode 和 Claude Code 等成熟的智能体运行时系统相媲美，并且能够持续提升 DeepSeek V4、Mimo-V2.5 和 Qwen3.6 等不同规模模型家族的表现。据我们所知，JIT-Agent 是首个专门为即时生成 Harness 而设计的模型。它将 Harness 智能（Harness Intelligence）确立为智能体能力中一个独立于模型规模扩展的维度，这一维度具有可训练、可迁移以及持续累积增强的特性。原文链接：https://arxiv.org/abs/2608.25593 前往小宇宙评论区与主播互动
October 26 · 17 min
【第757期】Scroll：基于程序化环境的长程智能体上下文管理
今天的这篇的主题是： Context as an Environment: Programmatic Context Management for Long-Horizon Agents Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。联系小助手微信：eccstartup（加群/投稿论文） Summary LLM 智能体正越来越多地承担长时间运行的任务，其交互历史的长度往往远远超出单个模型上下文窗口的容量。现有方法通常通过压缩早期交互，或将选定的信息提取到固定的记忆表示中来应对这一问题，但这些方法必须在尚不清楚未来需求的情况下，提前决定保留哪些信息。我们提出了 Scroll，一种将每个智能体会话视为可执行会话环境（Session Environment）的上下文管理器。该环境由一个仅追加的事件日志（Append-Only Event Log）和一个沙箱化的持久化 Python 内核提供支持。Python 内核能够在多次模型调用之间维护一个带类型的命名空间，使工具输出、检索到的历史信息以及派生状态可以绑定到变量，而不必在每次调用时都将其序列化到提示词中。模型编写的代码通过 exec 搜索、实例化和转换会话状态；只有被显式打印出来的状态投影才会进入模型下一次调用时的工作视图（Working View）。因此，上下文管理转变为一项编程任务，能够直接受益于 LLM 不断提升的代码能力，而事件日志则保留了无损的历史事实记录。当工作视图接近其容量预算时，过时的上下文片段会被驱逐，但仍然可以恢复：驱逐索引（Eviction Index）会保留与事件日志精确地址关联的紧凑定位标记，使智能体能够直接导航到被驱逐的历史区域，而无须搜索整个日志。以 Qwen3.8-Max 作为基础模型，Scroll 在 LongMemEval_S 上取得了 94.8% 的成绩；在 BEAM_10M 上达到 73.1%，比已发表的最佳记忆系统高出 5.1 个百分点；在 LOCA_256K 上达到 86.7%，比已发表的最佳长时程智能体高出 37.4 个百分点。原文链接：https://arxiv.org/abs/2608.21690 前往小宇宙评论区与主播互动

Showing 1–20 of 115 episodes