01
AGI ALERT
文章报告了当前AI系统中并行子代理使用率的统计数据，指出多数场景仅依赖单一代理，少数场景使用5个以上并行代理，强调并行策略可提升任务完成效率。对比公开信息显示，行业普遍采用单代理为主，仅有部分实验室尝试多代理协同。
观察
Signal Feed
#AI研究 主题信号
围绕 AI研究 的精选动态、来源摘要和重要性判断。
动态列表
02
Odyssey 发布了 Agora-1
Odyssey 发布了 Agora-1，称其为全球首个真正支持多人实时交互的多 agent world model，支持人类和 AI 在同一模拟世界中同时互动，并以可玩研究预览形式演示了基于 GoldenEye 死亡竞赛的实时生成体验。它的意义在于把 world model 从“单人生成”推进到“共享世界状态”的多人模拟，可能影响游戏、机...
值得跟进
03
Addy Osmani 发文警示工程师不要把学习与判断外包给 AI
Addy Osmani 发文警示工程师不要把学习与判断外包给 AI，并引用多项研究指出，被动复制 AI 代码可能降低理解、调试与决策质量。其行业意义在于提醒 AI 编程工具的效率收益可能伴随工程师长期能力退化风险。
观察
04
Google 论文提出 Nexus
Google 论文提出 Nexus，将时间序列预测重构为结合事件上下文的多智能体推理任务，并在 Zillow 测试中由 Claude 驱动版本相对直接 CoT prompting 将平均 MAPE 降低 86.6%。这表明 LLM/Agent 可能在含外部事件驱动的预测场景中补足传统统计外推的局限，但当前证据仍局限于少量数据集和单次评估。
观察
05
Apple MLR的研究人员发表论文'Normalizing Trajectory
Apple MLR的研究人员发表论文'Normalizing Trajectory Models'，提出了一种基于归一化流的高质量少步生成方法，保持了似然训练框架，推动了扩散模型的发展。
值得跟进
06
研究发现LLM在工具使用中常知其所为而未能行动
研究发现LLM在工具使用中常知其所为而未能行动，差距集中于认知到行动的转换阶段，影响智能体设计。
值得跟进
07
研究表明，在适当的Agent框架下，grep式文本搜索能够匹配或超越基于嵌入的检索在
研究表明，在适当的Agent框架下，grep式文本搜索能够匹配或超越基于嵌入的检索在编码Agent任务中的表现，并质疑对向量数据库的必要性。
值得跟进
08
MIT团队研发的电流体纤维肌肉可直接织入普通布料
MIT团队研发的电流体纤维肌肉可直接织入普通布料，通过电驱动产生强大力量，实现轻便、无声的可穿戴机器人与智能服装。
值得跟进
09
用户David Turturean使用ChatGPT-5.5-Pro解决了两个Erd
用户David Turturean使用ChatGPT-5.5-Pro解决了两个Erdős数学问题，并验证了解决方案，展示了AI在高级推理上的能力。
值得跟进
10
AnyFlow 是一种基于流映射的任意步骤视频扩散蒸馏框架
AnyFlow 是一种基于流映射的任意步骤视频扩散蒸馏框架。它通过优化全局 ODE 采样路径并使用流映射后向模拟，解决了多步采样时一致性蒸馏性能衰减的问题。
值得跟进
11
腾讯ARC Lab和清华大学推出Pixal3D
腾讯ARC Lab和清华大学推出Pixal3D，一种像素对齐的图像到3D生成模型，被SIGGRAPH 2026接受，通过像素反投影建立直接像素到3D对应，保真度优于现有模型。
值得跟进
12
Yann LeCun转发了纽约大学数据科学中心的研究发现
Yann LeCun转发了纽约大学数据科学中心的研究发现，指出通过潜在空间（latent space）预测的AI模型在恢复物理参数方面优于像素级模型，揭示了AI模型是否真正学习物理规律的关键问题。
观察
13
研究团队提出Token-Superposition Training（TST）方法
研究团队提出Token-Superposition Training（TST）方法，通过结合多个连续token训练并使用多热交叉熵目标，在不改变模型架构的情况下提升预训练数据吞吐量，验证显示在10B模型级别可实现2.5倍预训练时间缩短。
观察
14
Nous Research 提出 Lighthouse Attention
Nous Research 提出 Lighthouse Attention，一种在训练阶段包裹标准自注意力的层次选择机制，可在训练结束前移除，保持推理时的原始注意力，从而加速长序列预训练并降低损失。
值得跟进
15
Thinking Machines Lab 发布了交互模型研究预览
Thinking Machines Lab 发布了交互模型研究预览，这是一种从零训练的原生交互模型，采用多流微轮设计，支持实时音视频文本输入输出，旨在解决当前 AI 模型在人机协作中的瓶颈问题。
观察
16
Thinking Machines Lab 发布多模态交互研究预览
Thinking Machines Lab 发布多模态交互研究预览，采用微调的多流设计，使 AI 能实时处理音视频文本，实现人机协作的即时共存。该模型从零训练，旨在提升人机协作的自然性和及时性。
值得跟进
17
Consensus宣布获得3000万美元融资
Consensus宣布获得3000万美元融资，计划构建面向研究者的AI操作系统并扩展产品以覆盖更多用户。
值得跟进
18
Thinking Machines 推出一种原生交互模型
Thinking Machines 推出一种原生交互模型，实现同时倾听、观察、说话、插话、后台思考并使用工具，旨在突破传统的轮流对话模式，实现更协同的 AI 交互。
值得跟进
19
Thor Berger 在推文中指出
Thor Berger 在推文中指出，20-80%的学术论文从未被引用或阅读，LLMs可以通过消化这些未被引用的文献来推进科学知识，这挑战了人们对AI是否能产生新想法的争论焦点。
值得跟进
20
一篇论文展示了通过优化AI模型
一篇论文展示了通过优化AI模型，使其能够生成更具创意的变体，解决当前模型缺乏创意、重复输出的问题。
观察