本周必读研究

作为代理工具的代码
无人知晓地理空间基础模型的最新进展
δ-mem：面向大语言模型的高效在线记忆系统
MetaAgent-X：通过端到端强化学习突破自动多智能体系统的上限
三思而后行：面向LLM代理的自主探索
从失败中学习：基于可验证奖励的修正导向策略优化
可操作的世界表征
CompactAttention：通过块联合KV选择加速分块预填充
基于对比对搜索的目标神经元调制
持久遗忘：通过电路归因实现量化不变性遗忘
MMSkills：面向通用视觉代理的多模态技能
EndPrompt：通过终端锚定实现高效长上下文扩展
MixSD：面向知识注入的混合上下文自蒸馏

完整列表及本周最重要AI新闻请见：https://turingpost.com/p/fod-153-agentic-coding-in-search-what-it-even-means…

FOD#153：搜索中的代理编程——这到底意味着什么？

来源：https://www.turingpost.com/p/fod-153-agentic-coding-in-search-what-it-even-means 将图灵邮报分享给一个人，你将帮助我们成长

本周图灵邮报：

• 周三/AI 101系列（https://www.turingpost.com/t/ai-101）：从令牌到答案：LLM推理期间实际发生了什么

谷歌AI搜索正从信息检索系统转向能生成界面、执行任务、根据用户意图构建轻量级软件的系统。搜索不再只是返回链接，而是成为基于AI代理和生成式UI的交互式执行层。让我们深入探讨

主题介绍 → 我受邀报道了Google I/O，以下是我的亮点观察：

谷歌正在改变搜索框的本质。

这么说听起来很随意，但我真的难以平静。

这可能是互联网搜索本身的第二次重大变革。第一次改变了人们在网上查找信息的方式：输入查询，谷歌对网页进行排名，答案以链接形式返回。那个简单的界面重组了整个互联网：出版、广告、商业、知识工作，甚至我们对“知道“某事的思考方式。那时“谷歌一下“成了人人挂在嘴边的词。

现在谷歌正在改变搜索结果本身。搜索不再仅仅是你提问并接收信息的地方。它正成为一个地方，一个问题可以变成自定义界面、交互式小部件、专业布局、视觉解释、追踪器、规划器或即时生成的小工具——构建者们目前试图用数百个代理构建的东西，最终可能汇聚成Chrome浏览器里一个简单的搜索框。这感觉意义重大。

**它将如何运作：**谷歌正将Gemini 3.5 Flash及其Antigravity框架的代理编程能力直接集成到搜索中。在演示中，搜索能够规划答案、决定需要哪些组件、研究主题、编写代码，并在安全的容器化环境中运行。谷歌称之为“搜索规模的代理编程“，并表示带有Antigravity的生成式UI将于今年夏天免费推出。

这令人震撼，而我并不容易被打动。

我们习惯了将搜索视为通往网络的门户。谷歌正试图将其变成网络之上的执行层。这一转变影响深远。对用户而言，可能让复杂信息更易理解和操作。对开发者而言，它改变了“构建“的含义，因为许多小工具可能在需要时即时生成。对发布者和网站而言，它提出了一个更棘手的问题：当用户主要与生成的界面交互，而开放网络仅作为背后的素材时，会发生什么？

**我认为我们尚未完全意识到这在搜索规模上意味着什么。**IDE内的代理编程已经意义重大。搜索中的代理编程则完全不同。搜索是世界上最熟悉的界面之一。如果数十亿人能够使用它，如果它变得直观自然，那么构建将成为一种更普通的人类行为。

当然，许多问题依然存在。生成的界面可能出错。个人上下文可能变得过于侵入。代理需要约束、权限和问责制。网络经济可能再次被重塑。

或许它根本不够好用。连接太多、表面太多、上下文太多、容易出问题的地方太多。谷歌已有大量产品，将它们整合到一个连贯的代理层绝非小事，技术上和组织上都是。

但如果谷歌能成功，这一方向极为有趣。谷歌曾经改变了我们查找信息的方式。现在它正试图创造一种用信息构建的方式。

我仍难以完全想象：搜索变成一个意图转化为软件的地方。但我很期待看到它将如何运作。当然，前提是它能成功。

主题2关于构建者和公司构建。

说到构建者，我与埃里克·赖斯进行了一次精彩对话。他创造了MVP（最小可行产品）概念，并撰写了改变初创企业构建和测试方式的书《精益创业》。他的新书《Incorruptible》提出了一个不同的问题：如何构建保持连贯、可信且人性化的公司？为什么爱和信任应该成为构建者语言的一部分？你应该看看 →

如果这些想法引起你的共鸣——请在你的社交网络上分享。让我们继续对话。

Twitter图书馆

来自“常客“™的新闻

引发全民热议的推文

• Cerebras在纳斯达克盛大上市，表明市场仍需要可信的计算故事。代理对令牌的需求旺盛，推理的经济性正成为整个AI竞赛的核心。
• Cursor推出了Composer 2.5，称之为“迄今为止最强大的模型“——在长期编码任务上更智能，更擅长遵循复杂指令，据称效率比同行高10倍。该公司表示，该模型基于Moonshot的开源Kimi K2.5，并利用强化学习跨越庞大的令牌展开。Cursor还宣布与SpaceXAI合作，在拥有百万H100等效GPU的“Colossus 2“基础设施上训练更大的模型。硅谷最爱的消遣依然未变：随口提及足以匹敌小国的计算预算。埃隆·马斯克表示：“Opus 4.7仍然比Composer 2.5好，尽管贵得多。但Cursor是让Grok变得更好的关键拼图。”
• xAI将Grok更贴近构建者。处于早期测试阶段的Grok Build将Grok引入终端，作为支持规划、差异、插件、钩子、技能、MCP服务器和并行子代理的编码代理。这是所有人都在追逐的方向：能在真实开发环境中工作的代理。
• Thinking Machines展示了交互模型，一个实时多模态AI系统，旨在更像协作者而非提示框。不同于常见的回合制“你说我听“节奏，该模型以200毫秒“微回合“持续处理音频、视频和文本，支持打断、同时说话、视觉感知和实时工具使用。令人印象深刻。此外 →
• OpenAI从模型提供商进一步转向部署公司。它成立了OpenAI Deployment Company，获得重大投资支持，并收购了AI咨询公司Tomoro。信号明确：瓶颈不再是模型访问，而是组织内部的工作流重新设计。
• Anthropic继续将Claude推向企业基础设施。Claude for Small Business连接QuickBooks、PayPal、HubSpot、Canva、DocuSign、Google Workspace和Microsoft 365等工具。Anthropic还扩大了与普华永道的合作，将Claude Code和Claude工作流更深入引入专业服务领域。Claude的定位愈发清晰：面向机构工作的可信AI。
• Meta聚焦消息和社交界面中的AI。它在WhatsApp中为Meta AI引入了隐身聊天，增加了更多青少年监督工具，并继续推进WhatsApp上的Business AI。Meta的优势在于分发渠道。其挑战在于权限、隐私和信任。
• Isomorphic Labs融资21亿美元以扩展AI药物发现。这是最强信号之一，表明AI for Science正从令人印象深刻的研究演示转向工业管线。问题在于，AI原生的药物设计能否成为制药领域可复制的引擎。
• 阿里巴巴将Qwen更直接地与云和电商绑定。AI在阿里云收入中的占比正在提升，同时Qwen也被用作淘宝和天猫的对话式界面。这里的模型不是终点，而是通向购物、物流、广告和云消费的界面。
• Mistral强化了主权AI论点。Arthur Mensch警告称，欧洲大约还有两年时间避免依赖美国AI基础设施。他的观点很实际：主权意味着控制芯片、能源和计算能力。
• **谷歌一览。**谷歌在众多产品中宣布了一件大事：AI正变得代理化、多模态化，并嵌入到每个表面。

主题

主要公告

规模

谷歌服务每月3.2Q令牌；Gemini应用9亿用户；AI模式月活突破10亿

模型

Gemini 3.5 Flash发布；3.5 Pro下月推出；Gemini Omni宣布用于多模态生成/编辑

搜索

新版AI搜索框；AI概览+AI模式合并；搜索代理；生成式UI；自定义迷你应用、追踪器、仪表盘

代理

Gemini Spark用于24/7后台任务；即将支持MCP；Chrome代理浏览；今年晚些时候推出Android Halo

编程

Antigravity 2.0；CLI/SDK/语音；子代理、钩子、异步任务；代理构建操作系统演示

工作空间

Docs实时语音起草；Gmail和Keep即将支持语音；Spark将进入Workspace和企业版

商务

UCP扩展；AP2用于受控代理支付；Search/Gemini通用购物车，后续支持YouTube/Gmail

创作工具

Google Pics；Stitch更新；Flow获得Omni、代理、自定义工具、音乐混音

XR

Android XR眼镜；今年秋季与三星、Gentle Monster、Warby Parker推出音频眼镜

信任与安全

SynthID扩展；Search/Chrome中内容凭证；CodeMender API

科学

Gemini for Science；AlphaEarth、WeatherNext、Isomorphic Labs更新

这更清晰了，因为核心信息是：谷歌在众多产品中宣布了一件大事：AI正变得代理化、多模态化，并嵌入到每个表面。

🔦研究亮点

代码作为代理工具

来自伊利诺伊大学厄巴纳-香槟分校、Meta和斯坦福大学的研究人员调查了代码如何成为AI代理的操作性工具，而不仅仅是其输出。他们将领域组织为三个层级：推理、行动和环境建模的接口；规划、记忆、工具、反馈和优化的机制；通过共享工件进行协调和验证的多代理扩展。应用包括编码助手、GUI/操作系统自动化、具身代理、科学、个性化、DevOps和企业工作流→阅读论文（https://arxiv.org/abs/2605.18747）

无人知晓地理空间基础模型的最新进展

来自Taylor Geospatial、慕尼黑工业大学、Microsoft AI for Good、艾伦人工智能研究所、向量研究所、克拉克大学、不列颠哥伦比亚大学和亚利桑那州立大学的研究人员审计了152篇地理空间基础模型论文（2019-2025年），发现了严重的可比性失败。他们识别出46个案例，相同模型-基准协议得分差异≥10分，包括Scale-MAE在NWPU-RESISC45上得分33.0 vs 89.6。在401个基准中，35%的论文未共享任何前十大数据集。此外，39%未发布模型权重，75%使用独特预训练配置，94/126篇论文的预训练配置无法比较。该研究提出了六项标准：强制性许可权重发布、共享基准套件、重跑/复制基线标注、方差报告、统一评估框架，以及分离架构与数据的消融实验→阅读论文（https://arxiv.org/abs/2605.12678）

模型（上周发布了大量优秀开源权重模型）

研究

我们观察到上周发表的所有AI和机器学习相关论文中的趋势：

代理系统、记忆与自主工作流

• 🌟δ-mem：面向大语言模型的高效在线记忆系统–将记忆视为与注意力直接耦合的紧凑在线状态，而非依赖更长的上下文窗口或外部检索→阅读论文（https://arxiv.org/abs/2605.12357）
• 🌟MetaAgent-X：通过端到端强化学习突破自动多智能体系统的上限–尝试直接优化多代理协调，而非手工设计协作工作流→阅读论文（https://arxiv.org/abs/2605.14212）
• 🌟三思而后行：面向LLM代理的自主探索–研究代理在脚本化环境之外运行的探索策略，这在代理离开演示进入开放系统后变得关键→阅读论文（https://arxiv.org/abs/2605.16143）
• MMSkills：面向通用视觉代理的多模态技能–推动代理向可复用多模态能力发展，这一方向比无限扩展单一单体代理更重要→阅读论文（https://arxiv.org/abs/2605.13527）

推理、RLVR与测试时智能

• 超越舒适区助推：面向RLVR的高效策略引导探索–改进带可验证奖励的强化学习中的探索，这是推理导向后训练的核心瓶颈之一→阅读论文（https://arxiv.org/abs/2605.15726）
• 🌟从失败中学习：基于可验证奖励的修正导向策略优化–将失败的推理轨迹转化为结构化优化信号，而非作为噪声丢弃→阅读论文（https://arxiv.org/abs/2605.14539）

世界模型、具身AI与空间智能

• 🌟可操作的世界表征–主张世界模型应优化可操作的表征而非被动真实性，这是一个有意义的概念转变→阅读论文（https://arxiv.org/abs/2605.18743）
• 基于语言模型先验从观测中学习POMDP世界模型–结合语言先验与部分可观测世界建模，直接相关于在不确定性下运行的具身代理→阅读论文（https://arxiv.org/abs/2605.13740）

效率、推理与架构优化

• 🌟CompactAttention：通过块联合KV选择加速分块预填充–针对长上下文推理中实际的操作瓶颈之一：昂贵的预填充计算