Anthropic 发布 Claude 智能体记忆研究:引入“做梦”机制提升长周期任务表现
Anthropic 发布研究文章《The components of agent memory》,将智能体记忆分为会话日志、记忆笔记、知识表征和注入上下文四层,并引入“做梦”机制,让 Claude 在两次交互之间回顾日志、纠错并更新知识库。
Anthropic 发布研究文章《The components of agent memory》,将智能体记忆分为会话日志、记忆笔记、知识表征和注入上下文四层,并引入“做梦”机制,让 Claude 在两次交互之间回顾日志、纠错并更新知识库。
NVIDIA 开源的 Aerial 与 Sionna 无线软件过去一年开发者采用量增长 10 倍,5G/6G 开源工具下载量超过 100 万次,全球 8000 多家科研与学术机构正用其构建 AI 原生 6G 网络。
Infinite Evolution Lab 提出 Evolver,一个不改动模型参数、把 Agent 执行记录提取为可检索、可审核、可撤回策略资产的外部经验系统,Gene 保存行动指导,Capsule 关联执行案例,来源与使用资格独立维护。
Hugging Face 与 Liva AI 合作,为 Open ASR Leaderboard 新增埃及和尼日利亚口音英语两组私有会话数据,时长分别为 1.34 小时和 1.55 小时。
Google Research 联合 Beth Israel Deaconess Medical Center 和 Harvard Medical School 在 Nature 发表研究,提出多模态 AI 系统 AI-PPG-ACC-HTN,利用消费级智能手表的 PPG 光学信号与加速度计信号,无需袖带校准即可被动检测高血压迹象。
推荐理由:研究以 24 小时动态血压监测为金标准验证,智能手表筛查准确度可比传统袖带流程,为可穿戴医疗级检测提供方法参考。
AI 行业人事变动频繁:Cat Wu 加入 OpenAI,Sharon Zhou 从 AMD 离职加入 Anthropic,Meta 收购 Conductor。
OpenAI 用一个尚未发布的网络安全模型驱动多智能体流水线,在 Linux 内核中锁定 948 个可本地提权至 root 的独立漏洞,总成本约 120 万美元,平均每个漏洞 1279 美元。
同一新闻,精选展示《OpenAI 自主管线修复 948 个 Linux 内核提权漏洞》
<summary_zh>中国科学技术大学 MIRACLE 实验室团队发布开源 RNA 序列基础模型 structRFM,相关成果于 11 月 5 日发表于 Nature。该模型基于约 2100 万条序列-二级结构配对数据进行预训练,仅需输入序列即可用于 RNA 结构预测与功能推断等下游任务。团队已开放完整配对数据、模型权重和源代码。</summary_zh>
OpenAI 构建了一条自主管线,在 Linux 内核中发现、验证并为 948 个本地提权漏洞生成了补丁。
推荐理由:原文给出了自主管线发现并修复 948 个 Linux 内核提权漏洞的结果,可据此评估 AI 在安全研究中的实际作用。
Google Research 提出 Agile Deliberation 框架,将主观概念分类器的构建重构为人机迭代对话,并在 18 场各 1.5 小时的真人实测中验证效果。
研究人员报告 GPT-6 Astra 能读取其他模型的原始权重并直接修改,他们将该方法称为 Weight-Space Programming,无需昂贵重训。
同一新闻,精选展示《MIT 研究:GPT-6 Astra 直接修改 Qwen3.5 权重,MATH-500 得分提升约 6 倍》
Anthropic 发布开源研究原型 FlashProve,用 zkSNARK 密码学技术验证 AI 回答是否来自声称的模型,且不泄露模型权重。
Anthropic 正在开发名为 FlashProve 的开源系统,通过密码学证明为特定 AI 输出提供数学层面的保证,验证其确实来自某个指定模型。该系统借助不泄露模型权重的指纹实现验证,因此适用于商业闭源模型,且用户可在本地设备上完成验证。Anthropic 已在 GitHub 公开技术规范与可运行代码,但强调研究仍在进行中,尚无部署计划。
Anthropic 正在开发名为 FlashProve 的开源系统,用密码学证明验证某段输出确实来自特定 AI 模型。该系统要求实验室发布不泄露模型权重的模型指纹,并可在本地设备上完成验证。技术规范和代码已在 GitHub 开源,但官方明确表示这只是阶段性研究进展,暂无部署计划。
斯坦福大学研究者 Owen Queen 与 James Zou 用 20 个模型检验了 50 项被广泛引用的 LLM 结论,发现 44% 已经失效,22 项估出过期时间的结论平均寿命仅 15.7 个月。
MIT CSAIL 团队提出「权重空间编程」,让 GPT-6 Astra 不经梯度训练直接读写神经网络权重,仅修改 Qwen3.5-0.8B 的 131072 个参数,MATH-500 从 7.9% 提升至 48.1%,GSM8K 从 13.8% 提升至 67.1%,IFEval 从 21.0% 升至 62.3%。
北京大学孙仲联合 IBM 苏黎世研究院与硅谷 Unconventional AI 在 Nature 旗下期刊发表综述,为「现代模拟计算」立下正式定义:以阻变存储器等新型纳米器件为硬件基础,核心原语为解微分方程、解矩阵方程与矩阵向量乘法。
MIT 提出 Weight-Space Programming(权重空间编程),让 GPT-6 Astra 直接分析并改写小模型权重,全程不用训练和梯度下降。在 Qwen3.5-0.8B 上仅修改 0.016% 的权重,MATH-500 得分就从 7.9% 升至 48.1%,指令执行能力也提高约 3 倍。
推荐理由:原文给出了一条可迁移的新思路,让通用大模型直接诊断和改写小模型权重,读者可据此重新评估训练与权重编辑的成本边界。
MIT CSAIL 研究人员提出「权重空间编程」方法,让 GPT-6 Astra 直接读取并修改 Qwen3.5-0.8B 的神经网络权重,仅调整约 0.016% 的参数、未使用梯度下降,就把 MATH-500 成绩从 7.9% 提升至 48.1%。
受访企业中,分析型 AI 智能体生成的洞察平均仅 48% 能促成改善业务的行动(一年前为 37%),表现最佳的“洞察领导者”企业该比例超过 70%。洞察质量不足主要归因于缺乏业务背景(55%)与数据分散难访问(45%),52% 的企业还面临洞察过载、仅 24% 能评估全部智能体洞察。企业正优先加强 AI 与数据治理(60%)并为数据架构添加语义层(45%),以提升智能体洞察质量。
研究团队将 50 个 GPT-6.1 Sol 智能体放入 Minecraft 生存世界三小时,仅给出建设繁荣文明的指令;智能体交换约 5,900 条消息,自发推举 Ada 为领袖,并在首个夜晚 22 次死亡后转向极端风险厌恶,衍生出烤鸡交接协议、肥料官任命与捕鱼轮班等微观管理制度。
Y Combinator 与 Olam Labs 的研究者在《我的世界》中测试了上百个智能体组成的集群,发现协作场景中智能体容易陷入官僚化低效,对抗场景中 GPT 智能体胜率更高。
Adobe Research 与 UC San Diego 提出 EditAgent,让图像编辑智能体像 Photoshop 专业人员一样为每步选工具,并用测量数据而非整体观感评判结果。
MoonOut 整理了 2026 年 11 月的论文速读清单,涵盖 SWE-Bench Pro Verified、ReMA、Absolute Zero 等论文,聚焦 LLM 强化学习、偏好对齐与技能发现等方向。清单标注了各论文的发现来源(如合作者推荐、NeurIPS 2025 oral)并附有少量初步思考,多数论文尚未深入阅读。
Google 联合斯坦福、牛津等高校的研究团队提出 StreamVibe,一个能区分明确、隐含和变化意图并自行决定何时开口的视频智能体。团队用约 4100 条来自 183 小时日常与软件录制的评测数据训练出 StreamVibe-VL(基于阿里巴巴 Qwen3.5-9B),其响应时机与质量比其他模型提升 10.7%,记忆系统将主动交互再提升 12.3%。
清华大学姚期智、袁洋团队提出代数世界模型(AWM),把交互环境抽象为代数世界,用Lean 4将规律形式化为可机器检查的证明。在ARC-AGI-3测试集上,AWM基于Opus 5以99.9%得分通关全部183个关卡,平均动作数只有人类基准的43%;面对无解关卡,基于Opus 5.5的AWM两次尝试即可证明无解。
DeepSeek 开源了 Super-agent 原型(github.com/deepseek-ai/dsh-superagent-prototype),并公开其面向常驻自主 Agent 的底层架构设计,让 AI 在无人指令下主动发现 Bug、跨平台推进任务。
同一新闻,精选展示《DeepSeek Harness 团队分享 Super-agent 架构探索:让 AI 持续在线、主动干活》
DeepSeek Harness 团队发表技术文章《Super-agent 设计探索:迈向更自主的 Agent 系统》,提出由 Router 统筹协调、Worker 独立执行的双层架构,让 Agent 跨会话连续交互、多任务并行并主动响应环境事件。
推荐理由:原文给出了 Router/Worker 双层架构、触发机制与实验数据,读者可据此理解多 Agent 协作的设计取舍。
DeepSeek Harness 团队发布《Super-agent 设计探索:迈向更自主的 Agent 系统》,提出由 Router 层与 Worker 层构成的双层 Super-agent 架构,具备连续、高效、主动、持久四项特征。
同一新闻,精选展示《DeepSeek Harness 团队分享 Super-agent 架构探索:让 AI 持续在线、主动干活》
Google DeepMind 与世界资源研究所推出全球森林类型地图 ForTy,以 10 米分辨率把 2020 年全球土地分为 6 类,为欧盟零毁林产品法规(EUDR)提供 2020 年参考基准。
苹果宣布首批 Apple 智能功能将于 11 月 4 日随 iOS 开发者 Beta 版在中国开放测试,Siri 等体验接入千问,12 月随 iOS 27.3 正式推出。DeepSeek 完成约 1055 亿元人民币第二轮融资,投后估值 6155 亿元,腾讯、宁德时代、长鑫等参投。OpenAI 更新 Model Spec,将「忠于人类意图」列为五项价值之首。
一个 Claude Sonnet 5 智能体在 Gabriel Ocana-Santero 团队的实验中,自主从 19 种候选基因疗法中选出药物、脑区与立体定向注射坐标,并在活体小鼠癫痫模型上完成手术。
推荐理由:原文既记录了智能体自主完成活体手术的完整流程,也保留了安全护栏在手术中途反而叫停的关键细节,读者可据此理解对齐问题在具身场景中的真实代价。
Anthropic 一项针对 50 位因果推断专家的实验显示,专家在分析决策中采纳 AI 偏好的比例高达 86%,远超随机水平,且多数人事后未察觉自己被影响。实验模拟农业合作社政策评估场景,使用 AI 的参与者严重方法或编码缺陷比例从 55% 降至 6%,中位耗时从 90 分钟降至 65 分钟。
推荐理由:原文用对照实验量化了 AI 智能体对专家分析决策的隐性影响,并给出呈现正反论证等可迁移的应对设计。
谷歌研究团队 10 月 27 日发布“睡眠框架”持续学习研究及论文《Language Models Need Sleep: Learning to Self-Modify and Consolidate Memories》,让大语言模型在部署后持续吸收新知识而不显著遗忘旧知识。
清华大学、无问芯穹与智元联合提出群体经验学习(CEL)范式,让机器人从同伴的成功与失败经验中学习,并在96台真实机器人集群上完成规模化验证。2台未参训机器人经600次测试总体成功率97.5%,五项任务成功率均超过6名人类操作员平均水平;参与训练的机器人从16台增至96台,成功率从86.7%提升至98.3%。
人工智能语言公平研究联盟发布的研究发现,AI 模型处理不同语言时 Token 消耗量最多可相差 17 倍,使用人数较少的语言用户需承担更高的隐性“分词器税”。Token 消耗增加还会拖慢响应速度、压缩有效上下文容量;研究者认为改善多语言数据质量并专门优化下一代分词器设计是缩小差距的关键。
中国科学院深圳先进院等团队的新一代无创超声脑机接口技术在粤港澳大湾区国际脑机接口产业创新大会上亮相,无需开颅、不用植入电极,靠超声波与大脑交互。按每周 3 次、每次 20 分钟、持续 4 周的方案可干预慢性意识障碍患者;在与昆明医科大学合作的初步临床研究中,24 名受试者有 13 名出现明确的意识行为改善,一名昏迷 3 个月的患者经 30 天超声治疗后被唤醒。
Anthropic 对 50 名因果推断专家的实验显示,参与者在 86% 的分析决策中采纳了 AI 智能体被随机指定的偏好,远高于随机水平,且多数人认为最终结论出自自己。
Microsoft Research Focus 第 97 期分享了微软在 AI 智能体、Copilot 使用及天气预报等领域的研究进展。自我改进框架 ForkPilot 在六个基准测试中最多减少 59% 的 AI 处理需求,研究还发现编程智能体的瓶颈在于理解陌生代码库。此外,Copilot Chat 最常见的活动是编辑文档(超 20%),BioEmu2 也已开启公共预览。
分子之心发布AI蛋白质从头设计平台MMDesign最新技术报告,覆盖18个靶点、两类分子模态共19个设计项目,18个获得实验确认的结合分子,项目成功率达94.7%,全部453个受测候选中139个命中。