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"

Stanford新论文发现，在共享预算或日历这类共享资源上，1个统一服务所有人的Agent表现优于每人各配1个Agent，结论跨5个前沿模型成立。实验中各Agent虽对自身用户合理，但合在一起会互相覆盖、随团队规模扩大而停滞，在2个环境中无通信时彻底崩溃；在有争议的token预算上，Opus 5团队只拿到可达价值的30%，而单一协调Agent拿到64%。

目标是让研究人员和公共卫生官员补充现有健康信息，弥合报告缺口，并主动应对健康挑战。 了解更多我们的最新研究 ↓ goo.gle/3TLTX73

Google Earth AI 可帮助公共卫生团队更快速、主动地应对疫情，将应急响应从被动管理转向主动预防。新研究显示，该技术能整合卫星影像、人口普查表和地方卫生记录等碎片化数据，传统上这需要数周时间。通过结合行为趋势与地理空间 AI 模型等超越简单统计的洞察，团队能更好理解复杂公共卫生问题并弥补报告缺口。

ALoDLM Adaptively Looped Diffusion Language Models paper: huggingface.co/papers/2610.0…

OmniReasoning Pushing the Limits of Audio-Visual Joint Reasoning paper: huggingface.co/papers/2609.3…

ID-Forcing：让长视频生成保持在分布内 自回归视频模型会漂移到训练时长之外。ID-Forcing 将 KV caching 和条件对齐到训练状态，无需微调即可生成分钟级视频。

DAIR.AI 的 Elvis Saravia 推荐一篇关于小语言模型 Agent 的 harness-aware distillation 论文（arxiv.org/abs/2610.02858）。

Google Research精选AI 评分6161

Google Earth AI 开放地球人口动力学基础模型用于全球公共卫生研究

Google Research 介绍以 Earth AI 的 Population Dynamics Foundation Model（PDFM）作为公共卫生领域的行星地理基础模型概念验证，将隐私保护的搜索趋势、人类流动、建成环境密度与环境因素压缩为月度刷新的位置嵌入，无需任务特定微调即可直接接入流行病学现有工作流。

Elvis Saravia 介绍 Meta AI 关于研究智能体如何决定下一步研究方向的论文 MIRA。该方法将智能体拆为外层元推理器与新执行器：外层读取持续研究记录并写下一份工作指令，执行器负责执行，决策只发生在工作指令边界，作者在这些点训练 critic 预测剩余收益，再训练单一 actor-critic（MIRA-AC）同时评估部分进展并选择下一步研究。

据 VentureBeat 报道，Mistral Large 4 在 DeepSWE 上得分 62%，超过 GLM-5.3；同时在 Finch 金融任务基准上得分 67%，被称为 SOTA open-weight。此外 Le Chonk 在 Harvey 的 Legal Agent Benchmark 法律任务上得分 15%，同样为 SOTA open-weight。作者表示现在需要一份技术报告，并致谢 @AiBattle_。

Meta 新论文发现，让两个不同的编码智能体互相审查补丁，比给单个智能体更大预算能捕获更多静默 bug。在相同预算下，混合使用 Claude Code 和 Codex 处理同一任务，将完全正确的补丁比例从 45.8% 提升到 62.5%。

The DecoderAI 评分6666

JEPA-Anything 把 LeCun 的 JEPA 扩展为跨领域通用世界模型

研究团队（由 PhAI Labs 牵头，与 Stanford、Oxford、Princeton 合作）提出 JEPA-Anything，把 JEPA 的预测状态拆成四个正交因子、各由独立预测模块处理后再重组，以避免简单模式淹没困难模式。

– arxiv.org/abs/2609.38445 Title: "AIM: Agentic Idea Management for Automated Research"

Google 新论文提出研究智能体 AIM，通过维护一份按主题排序的想法地图，并检查代码是否与每个想法一致，让智能体更早获得更好结果。AIM 将想法归入排序主题，每轮在强主题和未测主题之间分配，并用审计器剔除被钻空子的结果、重新标注想法以匹配代码。

DAIR.AI 介绍一篇提出 PAIR 的论文，该方法从同一状态重放智能体、分别在有无压缩下对比，以定位上下文压缩对长程智能体的损害。

– arxiv.org/abs/2609.36365 标题："Engineering Simplicity: Simple Mechanism Interfaces Steer LLM Agents"

MIT 新论文指出，LLM 智能体在选择以简单步骤呈现、或规则的安全动作被明确说明时决策更好，被告知推理对手时反而更差。为人类竞拍者设计的市场设计经验法则可迁移到 LLM 智能体，无需另造提示词技巧；GPT-4o、Claude、Gemini 和 Gemma 在拍卖与匹配博弈中仍会压价竞标。

– arxiv.org/abs/2609.35738 Title: "Harness Learning Enables Generalizable Test-Time Adaptation"

Johns Hopkins 与 Carnegie Mellon University 的新论文显示，一个 4B 小模型通过学习失败报告来改写 agent 的 harness 代码，可迁移到新任务。

– arxiv.org/abs/2609.27717 Title: "SkillGym: Internalizing Human Skills into LLMs for Real-World Problem Solving"

上海AI实验室新论文提出 SkillGym，把每个技能文件转成带代码检查器的沙箱任务，只用通过校验的运行数据微调模型，使模型在不加载技能文件的情况下也变得更强。

Google ResearchAI 评分5555

Google Research 发布智能体隐私与安全工作报告，提出上下文策略引擎方案

Google Research 发布新工作报告《Open and Emergent Problems in Agentic Privacy and Security。

JEPA-Anything: 在不同世界中学习预测模型

一篇 Harvard-MIT 论文发现，在拍卖与匹配市场场景中，给智能体加“提前规划”或“考虑其他玩家”这类提示词会使其整体表现变差。作者采用已知最优策略的设定，可对每次选择打分；真正有效的是改变界面，例如一次只呈现一个安全选项的升序拍卖在四个模型家族上都减少了出价错误，直接说明收益结构和为何如实出价是安全的也有帮助。

微软等提出 CorpusMap，在智能体检索大型文档集合前预先解析跨文档的重复实体，为每个实体建页并链接到所有提及它的文档，原文档保持原位；智能体读取文档后可沿实体跳转到相关文档，避免重复搜索同一证据。

– arxiv.org/abs/2610.00906 Title: "ActiveSaddler: Automated Curriculum Learning for Agent Harness Optimization"

微软发表关于智能体 harness 自动优化的新论文，提出 ActiveSaddler 方法，通过追踪失败模式、优先处理最值得修复的失败或尝试未见过的任务来选择训练任务，而非使用固定任务列表。

Fold2Reason：蛋白质折叠训练提升广泛推理能力 在 FoldingCorpus 上进行后训练，将 10 个推理基准的宏平均准确率从 45.09% 提升至 48.33%，结构预测能力提升 2.7–3.5 倍。

Rollout-Marginal Distillation for Long-Horizon Autoregressive Video Generation paper: huggingface.co/papers/2609.3…

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。

Google DeepMind 介绍 AlphaProtein Novo（AP Novo），一条用于酶从头设计的流水线，与 Frances Arnold 的团队合作开发，在 2 个基准反应上取得 SoTA 的 novel-scaffold 活性，并设计出合成药物片段 piperidine 和降解环境毒素 DEHP 的酶。

Import AIAI 评分5757

Import AI 475：智能体群体扩展、SynthID Bio 生物水印与 AI 科学经济

Jack Clark 在本期 Import AI 中讨论了 Toby Ord 关于智能体群体（swarm）扩展的分析：群体作为新的推理扩展形式，4 个智能体的群体用约两倍总 token 达到同等性能，但因并行只需一半时间；群体规模扩大 10x 只带来 3x 到 5x 的性能提升，存在类似经济学中踩脚效应的收益递减，但仍可能提高 RSI 驱动智能爆炸的概率。

The DecoderAI 评分6161

MIT报告：AI正在侵蚀大学答疑、学习小组与师生信任

MIT一份于6月2026日发布的报告指出，AI正削弱大学体验的核心部分：答疑时间出席减少、在线讨论参与下降、宿舍与图书馆学习小组变少，师生间信任也在流失。

EditHero 一个面向长时程部件级3D编辑与Vibe建模的基准 论文：huggingface.co/papers/2610.0…

八叉树作为显式3D语言 论文：huggingface.co/papers/2610.0…

通过递归自我重写扩展复杂任务的轨迹 paper: huggingface.co/papers/2610.0…