01
SkillOpt: Executive Strategy for Self-Evol
Microsoft 提出 SkillOpt，用于训练 agent skills：不是更新主模型，而是迭代一个可复用的 skill document。该方法先观察 agent 处理任务时的成功与失败，再由更强的优化器模型提出对 skill 的小幅编辑，并且只在新 skill 通过 held-out check set 时才接受修改，避免 s...
值得跟进
Signal Feed
#研究突破 主题信号第 3 页
围绕 研究突破 的精选动态、来源摘要和重要性判断。
动态列表
02
文本频率定律
FaceMind团队基于100种语言、4个核心任务做实验，发现当语义完全不变时，Prompt或Fine-tuning使用预训练语料中出现频率更高的表达方式，模型表现会显著提升。原文将这一现象概括为 Adam’s Law（文本频率定律），并认为数据工程除“质量、规模、难度”外还应加入“频率”这一维度。
观察
03
Claude Opus 4.8 发布：可靠性和执行能力进一步提升，更适合承担复杂、长
Anthropic 发布 Claude Opus 4.8，在可靠性和执行能力上提升，适用于复杂、长期、多步骤的真实工作，尤其是编码、Agent 任务、知识工作和 Claude Code 场景。基准测试显示 SWE‑Bench Pro 69.2%、GDPval‑AA 1890、Terminal‑Bench 2.1 74.6% 等指标提升。该...
值得跟进
04
800VDC电力系统如何重塑数据中心生态
SemiAnalysis 分析了 800VDC 电力系统在数据中心的渗透趋势，预计将于 2030 年推动 39GW 增量容量。文章将过渡划分为四个阶段：2026 后期采用 row-level sidecar 进行改造（阶段 1-2），而 2028-2029 则实现集中式 rectification 或 SST 集成（阶段 3-4）。两类产...
观察
05
When Does LeJEPA Learn a World Model?
Yann LeCun 的最新论文探讨了 LeJEPA 在何时真正学习隐藏世界变量，并发现高斯结构是关键。相比于仅产生有用特征的自监督模型，论文证明在隐藏变量为独立高斯且观测视图来自稳定噪声过程时，最优 LeJEPA 解必须在旋转或翻转等变换下恢复这些变量。
观察
06
ATLAS
Yann LeCun 转发了 Charles Arnal 关于 Meta AI 团队 ATLAS 的发布。ATLAS 是一项自动形式化项目，收录了来自 25+ 本数学教材的 Lean 4 形式化内容，覆盖数十个领域，总计 50 万行代码；同时还开源了一个可扩展的形式化 harness 和配套论文。该工作由 AI at Meta、NYU D...
值得跟进
07
LocateAnything视觉检测模型
NVIDIA AI研究团队在CVPR2026会议上发布了LocateAnything视觉语言检测模型，该模型在HuggingFace上趋势排名第一。模型训练于138M高质量样本，采用并行解码边界框技术而非传统的一次一个坐标方式，提高了定位精度并大幅增加视觉定位和检测的吞吐量。
观察
08
HexoAI 开源 SIA
HexoAI 发布开源自我改进框架 SIA（Self Improving AI framework），主张在反复利用自身任务反馈训练后，模型不仅能改进外部工作流（harness），还会更新自身权重。原文称该方法在 LawBench 上提升 56.6%，GPU kernels 运行时减少 91.9%，在单细胞 RNA 去噪任务上相对基线提升...
值得跟进
09
PhysX-Omni: Unified Simulation-Ready Physi
AK 团队发布了 PhysX-Omni 论文，提出一种统一的物理模拟就绪 3D 生成方法，支持刚体、变形体和关节对象。该方法通过统一框架实现多类型物体的物理生成，视频演示了其在模拟就绪性方面的效果。
观察
10
Your Agents Are Aging Too: Agent Lifespan
德克萨斯大学团队提出论文《Your Agents Are Aging Too: Agent Lifespan Engineering for Deployed Systems》，指出 AI agents 在部署后即使底层模型不变，也会随着多轮会话、记忆压缩、事实更新和维护流程而逐步失去可靠性。论文提出基准 AgingBench，用于评估 ...
观察
11
Rethinking Cross-Layer Information Routing
研究者在论文《Rethinking Cross-Layer Information Routing in Diffusion Transformers》中指出，Image diffusion Transformers 训练缓慢的一个关键原因在于层间信息传递方式固定且过时。作者观察到标准 residual stack 存在三类问题：前向信号...
观察
12
护栏复杂度悖论
DAIR.AI 转发的一项研究指出，更强的模型不一定需要更轻量的 harness（结构化控制框架）。研究通过一个 432 轮受控实验检验了“模型能力越高，所需结构化指导越少”的常见假设：实验覆盖 6 个模型、4 个能力层级、3 种 harness 条件，并在一个包含 24 个任务、带 git-based workspace verific...
观察
13
DiffusionBlocks
Sakana AI 与东京大学小山雅典共同提出训练框架 DiffusionBlocks，并作为 #ICLR2026 论文发表。该方法将神经网络按 block 切分后逐块独立训练，使训练时所需内存可降到仅需单个 block 的规模，同时在 5 种架构上验证了与端到端训练相当的性能。验证对象包括 ViT、DiT、Masked Diffusio...
观察
14
生物蛋白质工程三大开源发布
Meta AI 团队开源了 ESMFold2，这是 esm 系列的下一代模型，包含 11 亿预测结构和 68 亿序列数据，比 AlphaFold 数据库多出 8 亿条目，并据称在蛋白质复合物预测上优于 AlphaFold3，包括抗体-抗原结合分析。同时发布了 esm atlas 扩展已知蛋白质空间，以及 litefold 提供的整合、清理...
观察
15
Your Agents are Aging Too
作者介绍了一项关于 agent 可靠性的研究，提出长周期可靠性基准 AgingBench。该基准将 agent aging 分为 4 种机制，包括 compression aging 和 interference aging，并评估部署后的 agent 不仅是否退化，还会以何种形式退化以及应当将修复目标放在哪里。文章还指出，尽管模型权重冻...
观察
16
连续学习平台发布
Trajectory 由前 DeepMind、OpenAI、Meta Superintelligence 研究员组成的实验室宣布推出持续学习平台。公司近期完成 1500 万美元融资，投资方包括 Conviction、Bessemer Venture Partners、Radical Venture Fund 等，并与 Clay RunHQ...
值得跟进
17
华为逻辑折叠突破
华为提出名为 LogicFolding 的芯片物理层叠技术，通过在垂直堆叠的活性层间划分数字、模拟和存储电路，压缩翻转器之间的传播延迟。该技术旨在以时间而非晶体管尺寸衡量进展，目标在 2031 年实现等效 1.4 nm (14 Å) 工艺的晶体管密度，以超越台积电和英特尔的传统空间缩小策略为对比。
值得跟进
18
Introducing DiffusionBlocks: Block-wise Ne
研究团队提出DiffusionBlocks框架，通过将神经网络按块训练来显著降低内存需求，同时在ViT、DiT、Masked diffusion、Autoregressive transformers和Recurrent-depth transformers等五种架构上验证了性能与端到端训练相当。该方法将Looped transforme...
高优先级
19
DiffusionBlocks
Sakana AI 转发并介绍了 hardmaru 提出的 DiffusionBlocks：一种将网络按 block 拆分、逐块独立训练的框架。该方法把网络前向过程重新解释为 diffusion 的逐步去噪，在 #ICLR2026 论文中声称可大幅降低训练深层模型所需显存，同时在 ViT、DiT、masked diffusion、auto...
值得跟进
20
ESMFold2
Roshan Rao 转发并由 Alex Rives 正式公布 ESMFold2，一个新的蛋白结构预测模型，可从单序列或 MSA 预测结构，在蛋白-蛋白相互作用基准上达到 SOTA，尤其擅长抗体-抗原复合物预测。团队还展示了在癌症和免疫学相关的 5 个治疗靶点上设计并验证 miniprotein binders 和单链抗体，称获得了很高成...
值得跟进