加州理工最新研究：AI科学家跑完79个实验，竟然一次都没跑偏
论文标题: An AI Scientist that Doesn’t Drift: Taste, Structure, and Falsifiable Findings in a Quadruped Navigation Research Loop 发表日期: 2026年08月 发表单位: California Institute of Technology
标签：Agent
共 147 篇
Google+UC Berkeley新作：ArchAgent v2自动进化三级预取器
预取器是芯片里的“预言家”，过去全靠人类工程师手搓，如今Google联合UC Berkeley让LLM进化智能体自己“进化”出一个三级预取器，直接拿下DPC4冠军，IPC比人类顶级方案还高0.3%，低带宽场景下更是领先2%。这是AI自动硬件设计第一次真正在权威竞赛里赢过人类冠军，值得所有做体系结构和AI的人围观。
智能体｜生成一万个假说不如做对一次反馈：自动科研新范式
AI做科研这件事，已经不再是“帮忙查文献”这种打杂级别了。如今的自主科研智能体能够自己提出假说、写代码、跑实验、解读结果、再修改方案，流程跑得飞起。
南洋理工最新：AI代理“自我投毒”，93%成功率绕过所有防御
这可能是第一篇系统研究“AI代理自我投毒”的论文：攻击者不注入任何恶意外部输入，只靠模型自己在正常任务里“写”出带毒的技能文件，就能让隐私泄露、提权、越权写入在后续任务中自动触发，在OpenClaw、Codex、Claude Code上平均攻击成功率超93%。对做AI Agent安全和部署的同学来说，这篇值得细读。
Meta最新研究：LLM Agent让用户一句话重塑信息流，反感内容直降2.74%
Meta在RecSys 2026上放了颗实弹：用LLM Agent把推荐系统从"被动猜你喜欢"变成"用户实时说了算"。三层架构干净利落，离线准确率98.85%，线上A/B负面反馈同时下降，是目前少见的工业级对话推荐实战样本，搞推荐的同学值得一读。
印度团队出手：让AI Agent"不敢乱动"，F1 88.5%还能全员验证
给AI代理发工具权限就像借车给实习生——怕他乱开。Niyam-AI直接上密码学“行车记录仪+电子围栏”：每次工具调用都得先过轻量Judge模型，再生成零知识证明，F1 88.5%、误报率仅1.1%，关键是任何第三方都能在53毫秒内验证“安全检查真的发生了”。同类工作里把ZK证明用到agent工具调用验证上的，这是头一遭。
OOD准确率最高涨9点！北航ToolLIFT：让LLM换套工具照样干活
ToolLIFT把“具体工具”抽象成“功能角色”，让LLM在没有见过的新工具集上也能规划出像样的工作流。OOD基准上最高涨近9个点，泛化能力肉眼可见，工具规划方向的小伙伴值得一读。
A/B测试不用等两周？AI智能体模拟实验校准后误差降77倍
每次A/B测试都要烧流量、等数周，现在亚马逊尝试让AI智能体先在"平行宇宙"里把结果跑一遍！这篇论文把"AI模拟实验"正式化为S-RCT框架，用67个真实营销测试检验，还给出了可落地的校准与降方差技巧。对搞实验平台的团队来说，是实打实能抄作业的一篇。
告别脏数据！亚马逊开源Data Turnstile，让0.6B模型逼近7倍大模型
这篇论文切中了AI智能体落地的一个真痛点：小模型工具调用能力弱，但可靠数据既贵又脏。Data Turnstile把整段对话拆成带校验的角色化有向无环图，用开源权重模型就能批量产出高质量函数调用数据。0.6B微调后BFCL直逼7倍大的Qwen3-4B，多轮电信任务1.7B直接超越32B——数据质量对小模型而言，就是胜负手。
多目标决策太难？这只"狐猴"从人类偏好中学会平衡的艺术
现实世界的决策总在多个目标之间为难：既要跑得快，又要省电；既要安全，又要高效。当奖励函数难以定义时，多目标强化学习该何去何从？LEMUR给出了一个优雅的答案，在多个连续控制任务上全面超越既有方法，逼近全知Oracle的性能表现。
遥感分割只盯一张图？中南大学：要学会按需查资料
农田分割遇到难题，让模型再强十倍也可能白搭——关键证据压根不在当前图像里。中南大学这篇FarmSeeker，把分割从“图内思考”拉到“图外思考”，按需查时空影像，把模糊地块查得明明白白。跨11国测试，比一堆老牌方法都稳，值得一看。
坦佩雷大学百人实证：多智能体AI进课堂，学生仅批准56%的AI需求故事
当别人还在纠结AI会不会让学生“躺平”时，坦佩雷大学直接把多智能体AI工具扔进需求工程课堂，用100人的实证给出答案：精心设计的教学流程，能让AI从“代写工具”变成“思维陪练”。56%的批准率背后，是学生批判性思维的觉醒。
