标签
Auto-RecSys 是一个自主研究系统，用于自动化工业级推荐模型的长期实验，通过分布式执行、集中式记忆和认知程序分离来提高效率和可靠性。
由求是引擎（Qiushi Engine）进行的自主研究项目对BabyLM 2026 Strict-Small进行了端到端的研究，通过原则指导的方法改进了数据高效的语言模型，并在公开快照中取得了最高分。
Meta的自主AI研究系统AIRA₃在一场由NVIDIA主办的Kaggle竞赛中排名第8（约4000支参赛队伍），赢得金牌。该竞赛旨在对300亿参数的Nemotron模型进行微调，AIRA₃的表现优于拥有相同工具访问权限的人类竞争者。
GPT-6 Astra 通过研究数百张参考照片、迭代3D场景并渲染视频，以极少的人工干预自主地在 Blender 中再现了艺术宫。
本文介绍了AIMC，一个用于人类监督自主科学发现的可视化分析框架，支持对AI生成的研究成果进行监控和理解。
Starpower Technology 开发了 arXiv-WVY-43M，这是一款微小的 43.5M 参数语言模型，基于 arXiv 标题和摘要从零开始训练，专为自主研究应用设计。
Amplio 是一个由 Google DeepMind 开源的轻量级、健壮的代理工具，用于自主长期 AI 研究运行，具有崩溃恢复功能和简单的步骤模型。
The Station 是一个开放世界多智能体环境，AI 智能体在其中自主构建科学文献，并在评估的 12 个数学问题中的 5 个上实现了新发现。
AutoResearch 引入了一个两阶段自主系统，通过集成生成和基于证据的执行来奠定研究理念的基础，以提高实验可靠性和减少幻觉。
本文报道了在nanoGPT优化器速度竞赛中，对18个前沿AI模型进行自主测试的比较，详细阐述了它们在缩小与人类记录差距方面的表现。
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%。