Google 的一篇论文提出 FlowAgent，它在预提交测试失败上运行 ReAct 式生成-验证循环，并在 Google 代码审查工具中展示修复建议；两道弃权过滤器分别在执行前后判断修复是否值得展示，避免弱建议触达开发者。

推荐阅读！ ExploreNet: Learning Where to Explore in Diffusion GRPO

– arxiv.org/abs/2610.05923 Title: "VERA: Scaling Verifiable Environments for Agentic co-Evolution"

Nvidia 新论文提出 VERA，让长多步任务的 Agent 交替进行模型训练与技能文件编辑，并用真实证据的逐步打分决定每次修改方向。论文称只训练模型或只改 harness 会损失约一半收益；VERA 将 benchmark 运行转成 9,000 多个可重启沙盒，逐步对照真实文件和日志打分。

TechCrunch · AIAI 评分7070

OpenAI的数学解法尚未达到该领域的标准

TechCrunch报道，OpenAI本周发布了数百个号称解决世界最难数学问题的解法，但未达到精英数学家顾问组AGMAI设定的标准。719份稿件中仅10份包含模型思维链，42%的证明未经形式化处理，也未提供自然语言与形式化产物对应的机器可读元数据。

DAIR.AI 介绍 NVIDIA 的一篇论文：在所测六个模型中，每次 RL 步骤后仅 0.6% 到 1.2% 的模型权重发生变化，但标准 refit 每次更新后仍会把完整 checkpoint 复制到 rollout 集群，1T 模型跨两个 AWS region 复制需 87.5 分钟。

了解更多关于我们研究的内容，以及它对全球母婴健康的未来可能意味着什么。 goo.gle/4dua2Fi

深入阅读我们的博客中的完整技术报告：bit.ly/4hQP3xO，并在我们的 Alignment Index 中查看完整排名：bit.ly/4hMIHzp

在我们的新论文合集中追踪递归自我改进（RSI）的重要研究。

递归自我改进（RSI）是 AI 最热门的话题之一。 我们仍处于非常早期的阶段。 现在是了解最新 RSI 研究的好时机。 伟大的公司和产品将从中诞生。 如果你想找到优秀的 RSI 论文来了解历史和最新技术，不用再找了。 我还整理了一份 RSI 优质读物合集，供你追踪这一趋势。 链接在此：academy.dair.ai/papers/colle…

🌐 项目与代码：yuzhenmao.github.io/DeLM/ 📄 论文：arxiv.org/abs/2606.10662

Stanford 论文提出 DeLM，用共享上下文和任务队列替代中心协调智能体，让各智能体独立领取任务并即时共享发现。

Evolvent_AI 新发布的开源 RSIGym 让 AI Agent 在同一预算环境中重训模型并重写 harness，使 Claude Opus 5 作为自动化 AI 研究员把一个 Qwen 模型的 SWE-bench Verified 分数提升近三倍。

数学家 Shiva Kintali 发布了准黎曼猜想（Quasi-Riemann Hypothesis）的简化证明，针对 c=1/48 给出一个更短、易于理解的版本，声称可在一堂课内讲完。

Navier-Stokes lost in translation: Why Lean verification of AI autoformalisation does not guarantee correct natural language proofs – arxiv.org/abs/2610.08144

一篇新论文指出，当 AI 把数学证明翻译成 Lean 时，通过 Lean 检查并不能说明原证明本身是否正确。论文展示了一个 chatbot 通过悄悄修正错误，把一个错误的证明转成有效的 Lean 证明；并证明判断一个命题能否被忠实翻译的难度高于 Halting problem，因此没有任何 AI 翻译器能总是做到忠实翻译。

NVIDIA 被 NeurIPS 2026 接收的论文发现，给多模态模型添加工具会削弱其拒绝有害请求的能力，在其测试的所有模型上均成立，拒绝失败率相对上升最高 68.7%，平均上升 17.7%。

DAIR.AI 转发 Salesforce AI Research 的论文，一个 31B 开源 Gemma-4 web agent 在 9-app WebArena Infinity 上取得 74.6%，高于 Gemini 3 Flash browser use 的 70.1%，且无需在每步或部署时调用前沿裁判。

我们发布了 OpenAI 问题 #109（整数乘法）的更新，进一步大幅收紧： κ = 2⁻⁵⁹（原为 OpenAI 的 κ = 2⁻¹⁸²） 较我们之前的结果提升约 50 万倍，较原始 OAI 结果提升 2¹²³ 倍。 最新版本重新设计了有限网络以共享中间计算和暂存空间，然后收紧了递归和高斯估计。

Google Research精选AI 评分7474

Google Research 三个月专利撰写实验：AI 辅助提升产出但未必加速初级律师成长

Google Research 与 NBER 合作发表的三个月田野实验显示，在 133 名律师、11 家知识产权律所中随机开放 Google Labs AI 专利撰写工具（现属 Gemini Notebook）后，10 天和 90 天的起草评分分别提升 0.34 和 0.38 个标准差。

DAIR.AI 推荐一篇论文，研究模型不变时 agent harness 会带来什么变化。作者用同一模型在 SWE-bench Verified 上运行 Claude Code。

推荐阅读，因材施教！ Sherpa: Teaching LLMs to Teach Adaptively

推荐阅读，因材施教！ Sherpa: Teaching LLMs to Teach Adaptively

NVIDIA 的 VERA 论文把基准轨迹转化为 9,000 多个可重启沙盒并加入 rubric 评分，只保留能运行且可从可观测证据打分的环境，同时更新模型权重与 harness。

AWS AI Labs 的一篇论文提出 AECP 协议，要求多智能体编码团队只通过结构化产物通信并由 harness 执行，在不更换模型的情况下将测试通过率提升 28.2%、缩短 16.5% 的墙钟时间。

用我们全新的 MCP 工具探索本周热门 AI 论文。 将其连接到 Codex、Claude Code 或 Grok Bot。

MIT 论文《Harness as a Language: A Minimalist Agent Framework With Maximal Expressivity》提出 JAZ 框架，只保留基础 Agent 循环，让模型编写 Python、把自己作为子智能体调用，并把提示词和完整历史当作可搜索、可传递给子智能体的代码变量，避免手工复制上下文造成指令丢失。

Rohan Paul 转述 Apple 新论文，指出自动 ML 工程的进展来自模型与运行时而非外围脚手架。论文用同一代码库、模型、硬件和 24 小时预算重跑各种封装，发现一个带 shell 和文件访问的单一编码智能体匹配或超过 4 个多智能体 ML 系统，给模型 shell 而非聊天框是唯一明显起作用的改动。

Virginia Tech 论文提出 Hybrid Latent Attention，将旧 token 压缩为紧凑向量供 attention 直接读取，使循环 LLM 每 GPU 吞吐提升 4.0 至 8.8 倍且精度损失极小。

The Decoder精选AI 评分7878

OpenAI 在 GitHub 发布 372 项 AI 生成数学成果，绕开学术期刊

OpenAI 将一个内部前沿模型生成的 372 项数学成果发布在 GitHub 仓库中，而非传统学术期刊，每项成果声称解决一个开放问题或取得实质进展，涵盖重要计算机算法改进和与 Riemann 假设相关的进展。

– arxiv.org/abs/2610.03195 标题："Source Preference in the Wild: How LLM Agents Favor Items by Source, and How to Reduce It"

一项研究发现LLM Agent在选择条目时存在网站来源偏好，常因URL来自特定网站而选择更差的选项。

Latent SpaceAI 评分7474

OpenAI 公开内部模型 722 篇数学论文，解决 90 个顶级开放问题

OpenAI 在公开 GitHub 仓库发布其内部前沿模型产出的 722 篇数学手稿，归为 372 组相关结果，据称解决了 top 500 开放数学问题中的约 90 个，其中 Result 003 即 Quasi-Riemann Hypothesis 被评为分量介于 Fields Medal 与数论 200 年最大成果之间。

– arxiv.org/abs/2610.06778 Title: "IdeaLens: Detecting AI Ideas in Long-form Writing"

Google DeepMind 等机构合作的论文提出一种检测 AI 生成想法而非文本或图像的新检测器 IdeaLens。实验显示，当人依据 AI 提供的完整提纲写作时，IdeaLens 标记 7% 为 AI、Pangram 4 标记 92%；当 50 篇故事由人依据 AI 提纲写成时，IdeaLens 标记 68%、Pangram 4 标记 8%。

– arxiv.org/abs/2609.36054 Title: "What if automating AI R&D triggers an intelligence explosion?"

OpenAI 公布内部前沿模型在数学开放问题上的新结果

OpenAI 发布其内部前沿模型在数学开放问题上的新结果，并在 GitHub 上共享 Lean 证明形式化文件与研究细节。

Google与MIT联合推出Coco，一个供TPU架构师进行硬件与模型协同设计的智能体平台，其决策基于数百GB预训练未见过的全新仿真扫描数据。Coco将每次扫描注册进规范化关系型数据库，智能体报告的每个数字均来自SQL查询，并能自主组合类型化工具、读取UI导航状态作为上下文。近期目标是将架构师设置仿真并获取洞察的时间减半，论文见 arxiv.org/abs/2610.02376。

阅读他们关于此的详细技术博客 parsewave.ai/benchmark-resea…

– arxiv.org/abs/2610.00583 标题："更糟的协同：多用户多智能体团队中的性能如何崩溃"