标签
ASI-Bench 是一个新的基准测试，旨在评估 AI 系统在 11 个科学领域中创新探索和自主科学执行的能力，揭示了当前 AI 对人类指导的严重依赖。
本文介绍了 Spark-to-Paper，一个端到端的研究论文生成系统，在编程助手中以十三个可组合技能实现，在减少伪造的同时实现了高引用有效性和图形可编辑性。
介绍了AutoWorldModel-Bench，这是一个闭环基准测试，用于评估AI编程代理在八个游戏环境中进行自主世界模型研究的能力。该基准测试表明，Codex-5.4和Claude Opus 4.6等前沿代理在大多数会话中进行了非平凡的研究型改进。
Google Cloud AI Research 的 ScientistOne 论文通过引入 Chain-of-Evidence 来解决 AI 生成研究中的信任问题，该方法会在最终确定稿件之前，对照源工件验证引用、数值声明和方法描述。
这篇arXiv论文提出了一个AI科学家循环，用于研究四足机器人导航中的泛化，添加了实验卡片、专门化子代理以及一个名为kkanbu的偏好预言机，以防止漂移并保持自主研究的可证伪性。
介绍了Project2Task，一种用于自主研究系统的图引导项目级规划层，可将宏观项目简报分解为有界、依赖感知的研究任务，并明确贡献归属。评估显示其提高了项目组合质量和下游任务准确性。
EviGraph 是一个自主研究框架，它将研究过程表示为类型化证据图，以在各阶段保持主张与证据的一致性，在 ARC-Bench-ML 和 NanoResearch-20 上提升了主张支持率和实验数据一致性。
一个自主的AI智能体（math-god）证明了加权θ扩展定理，证明了每个通过一条桥边连接一个任意有根树的简单θ图都满足 s⁺(G) > |V(G)|，使用了根同余PSD证据、局部归约、相位符号分类和其他先进技术的组合，并提供了机器可验证的证书。
智能体可解释性正在成为一个研究方向，其中AI智能体自主形成假设、设计实验并完善对模型内部的解释。三个工作——SAGE、Agentic-iModels和HYVE——展示了这一向自主、假设驱动可解释性的转变，改进了特征自动解释、模型设计和电路解释。
NVIDIA 展示了一个编码智能体，它自主构建了训练环境并教会 Qwen3-VL-2B 数彩色星星，使用 NeMo RL 和 NeMo Gym 框架将准确率从 25% 提升至 96.9%。
Superpowers 6 发布，利用 Fable 5 进行 25 个自治实验，将构建速度提高 50%、token 开销降低 60%，并详细记录了实验过程和失败教训。
本文介绍了TrafficSci，一种自主AI系统，通过迭代工作流程自动化发现跨城市的通用交通法规，成功重新发现了已建立的法规，并识别出城市驾驶行为中一种新的时间记忆尺度。
一条推文推测，OpenAI即将推出的AI研究实习生（9月）感觉像早期AGI，并预测到2027-2028年将出现完全自主的AI研究员，这可能是第一个ASI。
演示了通过向AI编码代理（Claude Code/Codex）发送单个提示来构建完整的LLM，并安装由DeepSeek研究员开发的自主AI研究技能，涵盖架构、故障模式以及无人值守运行。
DeepSeek 研究员开源了 AutoResearch，这是一个自主框架，能够在无需人工干预的情况下，为 DeepSeek 285B 模型规划、执行并调试强化学习实验，并附带了一篇关于自我对弈的综述论文。
GPT-5.4 与 Molecule.one 的 Maria AI 平台合作，自主推动了一个药物化学项目，从文献综述到验证的实验结果，提出了对药物发现中广泛应用的反应的意外改进。
Deli AutoResearch SKILL 已开源，这是一个自主框架，可自动化 GPU 实验和强化学习流水线，同时附带一篇关于自我对弈的综述论文。
Sakana AI 发布其首款商业产品 Sakana Marlin，这是一款自主研究助手，可在数小时内完成策略工作，生成结构化的幻灯片和详细报告。
THU Team Eureka 开源了 EurekAgent，这是一个基于 Claude Code 构建的自主研究系统，通过环境工程在数学、内核工程和机器学习任务上取得了最先进的结果。
一篇论文介绍了Arbor，这是一种AI框架，通过结合策略协调、隔离假设测试和持久知识树，实现跨多个领域的自主科学研究，并迭代改进研究成果。