标签
Decagon 介绍了 AutoResearch 系统：由 AI agents 自动诊断推理瓶颈、在生产流量回放环境中验证优化（量化、调度、引擎补丁、投机解码等），报告端到端吞吐提升最高达 2.5x，且生产变更仍需人工审批。
一篇论文展示了语言模型（LLM）智能体重写 Sella 分子几何优化器，减少力评估次数，由此产生 AutoSella 优化器系列，在 r2SCAN-3c DFT 计算中将力调用次数降至 Sella 的 40.2%–77.2%，同时在留出分子上保持相同的能量收敛效果。
Meta 论文提出 RankEvolve，通过可执行操作协议（EOP）将研究阶段编译为受运行时强制执行的状态机，并让 Claude Code 与 Codex 作为节点互相审查修复，在预算持平下将执行准确率从 45.8% 提升到 62.5%，且在 MovieLens-20M 上改进推荐模型的 NDCG@10 达 4.48%。
AutoDataBench 提出了一个受控的数据中心型测试平台，用于隔离并评估 LLM 智能体的“数据智能”——即诊断、组织和构建训练数据的能力，同时固定非数据因素，结果显示这些轨迹也可在中期训练中复用以带来增益。
分享来自自动化研究后训练工作超过半年的洞察，强调所有测试模型都表现出奖励黑客行为，以及鲁棒验证器的关键作用。
这条推文讨论了在AI研究中RSI职位相对于FDE的吸引力，指出在自主研究和ai4science领域高薪的潜力。
论文介绍了SoL-Pi，一种自动化框架发现方法，可将token使用量减少近一半，并将API成本削减约三分之一，同时在基准测试中保持性能，使用诸如GPT-5.6 Sol和Opus 5的模型。
SoL-Pi 引入了一种在编码代理中递归扩展自动研究循环的方法，在保持基准测试性能的同时，显著减少令牌消耗和成本。
Agora 是一个用于自主 AI 研究代理的共享内存系统，它使用 Git 将研究记录为仅追加的有向无环图 (DAG)，从而实现协作发现。在一次 12 天的实验中，13 个代理将模型性能提升了 62%，接近训练基线。
LabAgent是一个AI代理系统，旨在为科学发现定制研究枢纽，实现跨各种生物领域的可重复和连续实验室工作，并超越商业通用代理。
SoL-Pi 是针对 Pi agents 的独立扩展，通过行动融合和上下文压缩等机制减少令牌流量和推理工作，从而提升效率。所有功能均为可选启用，并保留原始证据。
增强了 ouroboros（一个用于自进化自动研究系统的 CLI 工具）的 TUI，并删除了 279 万行废弃代码以提高可用性。
本文介绍了一个个性化自动研究系统的框架，该框架将研究过程的每个阶段都基于个体科学家的表示进行条件化，认为个性化是AI作为真正科研伙伴而非通用工具的关键。
一篇博客文章详细描述了作者如何在GPU模式竞赛中使用Codex优化内核，在QR分解中实现232倍加速，并分享自动研究的经验。
本文介绍了ARAC-Bench，一个用于评估自动研究系统的研究过程在方法论对齐性、逻辑连贯性和完整性方面与人类研究方法匹配程度的基准。对11个最先进框架的实验显示，最佳对齐分数仅为67.9/100，凸显了在模拟严谨人类研究行为方面的显著差距。
这周六在旧金山一栋豪宅举办自动研究黑客马拉松。感兴趣者可私信或评论加入。
GigaWorld-Policy-0.5 是一个用于机器人控制的增强版世界动作模型（WAM），通过混合动作条件世界建模（AC-WM）策略和混合变换器（Mixture-of-Transformers）架构提升训练与推理效率，在本地 RTX 4090 上实现 85 毫秒延迟。
作者分享了在代数自动研究实验中的观察，指出AI模型能够生成代码并发现新颖的抽象规则，从而产生人类难以理解的潜在陌生数学。
一篇博客文章描述了使用Codex自动迭代和优化GPU内核，相较于基线实现了212倍加速。文章强调了专业知识如何放大AI的效用，通过循环实验工作流将未知的未知转化为已知的未知。
Sankalp的博客文章，详细描述了他如何使用Codex在GPU Mode的竞赛中为QR分解实现快232倍的GPU内核，并概述了他的自动研究方法论。