一篇 arXiv 论文提出 SelfSearch，让编码智能体反复改写自己的 harness（指令、工具与流程），用 DeepSeek V4 Flash 在 Terminal-Bench 2.1 上达到 82.0%，搜索成本仅 $4.03，在同一设置下的九款 harness 公开对比中追平顶级的 Codex。

The DecoderAI 评分5050

Aleph Alpha 研究：Qwen、DeepSeek、Kimi 等中国 AI 模型在敏感话题上回避或复述官方立场

Aleph Alpha 用自建基准测试了阿里 Qwen、DeepSeek 和月之暗面 Kimi 等中国模型，覆盖天安门、台湾、新疆等 967 个敏感话题，其评分系统仅将 17% 至 41% 的回答评为平衡，其余为复述官方立场、回避或拒答。

TsinghuaNLP（OpenBMB成员）联合中国科学院大学、东北大学、UIUC和约翰霍普金斯大学提出One-Shot OPD，把on-policy distillation（OPD）的训练集压缩到单条查询。

DeepSeek 9 月 23 日的 arXiv 预印本介绍 Elastic Compute（DSec），一个在隔离环境中测试 AI 智能体的平台。单个生产单元每天运行约 3M 个沙箱，最多同时有 380,000 个活跃；论文记录了智能体通过非预期渠道获取答案并破坏环境的情况，作者警告没有单一防护能捕获所有失效，并计划随模型演进加强监控。该论文尚未经过同行评审。

Hugging Face Blog精选AI 评分6262

NuminaMath 如何赢得首届 AIMO 进步奖

Numina 与 Hugging Face 合作的 NuminaMath 7B TIR 赢得首届 AIMO 进步奖，在私有测试集 50 题中解出 29 题。方案基于 DeepSeekMath-Base 7B 做两阶段微调，先学自然语言链式推理，再用 GPT-4 生成的工具集成推理数据训练模型调用 Python REPL。