Meta 等机构论文提出智能体 harness 分支化调优与路由方法
Meta、Duke 与加州大学的研究者发布论文，提出把智能体 harness 的自动调优拆成多个专精分支，再按任务路由到最合适的分支，在全部 4 个测试设置中优于 Meta-Harness。
#Meta
#Meta
X：Rohan Paul (@rohanpaul_ai)AI 评分 X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 Meta 论文提出 Sharpening Tax：预训练基座模型配轻量框架可超越 RL 后训练版本
Meta Superintelligence Labs 的论文发现，预训练 LLM 配上轻量推理框架后可作为有能力的智能体，在测试时预算充足时甚至能超越 RL 后训练版本。
X：DAIR.AI (@dair_ai)AI 评分 AutoCompact 训练智能体自主决定上下文压缩时机
AutoCompact 训练智能体自行决定何时压缩上下文、保留哪些工作状态以及如何恢复。方法先用 judge 审查基础智能体的压缩决策并替换有缺陷的决策，再用修正后的轨迹做 SFT，随后用任务成功奖励做 RL，将编码与压缩一起训练。
X：DAIR.AI (@dair_ai)AI 评分 Meta Superintelligence Labs 论文提出后训练中的 Sharpening Tax
Meta Superintelligence Labs 的论文发现，在样本足够多时，带轻量 harness 的基座模型在 BFCL v4 multi-turn、ACEBench 和 WebShop 上解决的智能体任务常多于 RL 后训练版本，后训练版本仅在 pass@1 上占优。
X：DAIR.AI (@dair_ai)AI 评分 Meta 提出 Context Language Models，让模型原生管理自身上下文
Meta 与合著者提出 Context Language Models（CLM），把上下文作为模型可用 Bash 编辑的文件，由模型决定保留、改写或删除哪些内容。
X：DAIR.AI (@dair_ai)AI 评分 Meta 提出 Mixture of Self-Improving Branches：分支化智能体 harness 优化
Meta 提出一种分支化的智能体 harness 优化方法，将 Meta-Harness 式单一搜索路径拆成多个分支，每个分支保留自身 harness 更擅长的开发用例、丢弃所有分支已解决的用例，并依据历史重写自己的提议策略，再由 router 在运行前为每个新输入选择某个分支的 harness。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 Meta 等提出 Context Language Models：让模型用 Bash 编辑自身上下文
Meta 与同事的论文提出 Context Language Models（CLM），把上下文作为模型可用 Bash 编辑的文件，由模型决定保留、改写或删除哪些内容。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 Meta Superintelligence Labs 论文：用专用控制器调度长程智能体任务，GPT-5.5 在 ProgramBench 从 63.7% 提升至 71.5%
Meta Superintelligence Labs 提出用专用控制器调度长程智能体任务，在相同 worker 和相同预算下，GPT-5.5 在 ProgramBench 上从 63.7% 提升至 71.5%，Codex 得分为 58.0%。
X：AI at Meta (@AIatMeta)AI 评分 Meta 研究博客：数学家与 Muse Spark 合作完成六篇研究论文
Meta 研究博客发布《Solving Open Research Problems Together》，介绍数学家与 Muse Spark 合作完成六篇研究论文。该内容为 AI at Meta 转推并附上研究博客链接。
X：AI at Meta (@AIatMeta)AI 评分 Meta 团队用 Muse Spark 在非结合代数中找到反例并给出替代刻画
Meta 团队借助 Muse Spark 在非结合代数中找到了一个反例，推翻了受生物学启发提出的数学结构规则。他们进一步给出替代刻画，并由研究人员核验与完善。相关论文已发布在 Meta 研究页面。
X：AI at Meta (@AIatMeta)AI 评分 Meta 发布数学家与 Muse Spark 协作完成的六篇论文
Meta 分享六篇论文，来自数学家与 Muse Spark 1.1、Muse Spark 1.2 在 Thinking Mode 下通过常规 meta.ai 聊天界面协作求解开放数学问题，未使用定制研究框架。合作遵循数学家主导研究、第二组数学家评审、论文标注人机撰写段落并致谢所依据的先前研究等原则，对同一问题其他团队的独立解法也予以承认。
X：Nathan Lambert (@natolambert)AI 评分 Gacha Decoding：用外部 RNG 与指令遵循提升 LM 输出多样性，样本效率超此前方法 11 倍
Gacha Decoding 通过给 LM 配备 RNG 工具并让其"掷骰规划"，把多样性来源从 token 熵转向指令遵循，样本效率比此前方法提升逾 11 倍。
X：AI at Meta (@AIatMeta)AI 评分 Meta AI 与芝加哥大学：以近量子精度模拟完整酶系统，比 SOTA QM/MM 快约 1000 倍
Meta AI 与芝加哥大学 Andrew Ferguson 团队合作，实现了对含显式溶剂、约 10 万原子的完整酶系统的近量子精度模拟，结果与真实酶活性实验测量相符。该方法比当前 SOTA 的 QM/MM 快约 1000 倍。
Hugging Face BlogAI 评分
Hugging Face Open ASR Leaderboard 新增多语言与长音频赛道，并发布 ASR 趋势预印本
Hugging Face 的 Open ASR Leaderboard 新增多语言与长音频转录赛道，并发布基于 60+ 模型的 ASR 趋势预印本。
Hugging Face 发布 Gaia2 智能体基准与 ARE 研究环境
Hugging Face 发布 GAIA 的后续智能体基准 Gaia2，并配套开源 Meta Agents Research Environments（ARE）框架，用于运行、调试和评估智能体。
推荐理由：Gaia2 把智能体评测从只读检索扩展到读写交互，并给出各模型在歧义、适应性和时间推理上的差距。
Meta 发布 CyberSecEval 2：大语言模型网络安全风险与能力评估框架
Meta 推出 CyberSecEval 2，从代码解释器滥用、攻击性网络安全能力和提示注入攻击三方面评估 LLM 的网络安全风险。相比 2023 年 12 月的首版，LLM 协助网络攻击的平均合规率已从 52% 降至 28%。测试显示提示注入仍是未解难题，LLM 目前也难以可靠完成端到端漏洞利用挑战。