中科院计算所提出ChemDiffAgent：8B化学智能体反超GPT-5.5
化学智能体这几年做得不少，但几乎都押在自回归这条路上：一个token一个token从左往右吐，工具名、参数、SMILES谁先谁后，全被钉死。这篇论文干脆把化学推理整体改成掩码扩散的迭代去噪，让工具名、参数和推理过程在同一个块里一起收敛。结果是一个8B模型六类化学任务总分91.8%，反超GPT-5.5，还直接开源了。
标签：Agent
共 147 篇
架构文档总烂尾？列支敦士登大学三层智能体流程给出解法
这个不对称其实很好解释。代码能编译就是能编译，编译不过就是过不去，对错有硬反馈，智能体可以在里面反复试错。
山东大学等提出MIRA：开源音乐生成追平Suno，意图对齐最高涨11.5分
"来一段像 RPG 最终 Boss 战那样的音乐，钢琴开场，三十秒之后弦乐进来，情绪从压抑慢慢转到悲壮。"
亚马逊12周实测：LLM自主科研提升1.82倍召回，却暴露五种失效模式
把AutoResearch放进真实生产流水线跑满12周是什么体验？亚马逊给出了答案：220多次实验、多GPU连续烧钱，换来1.82倍和2.1倍的指标提升，也换来五种翻车模式的完整记录，还顺手让代理自己补上了5.8倍的目录覆盖缺口。自主科研的真实边界在哪里，这篇值得花时间读。
中科大提出ProxyEraseAgent：11种水印盲去除成功率94.8%
AI生成图片越来越多，水印成了内容溯源的最后一道防线。这篇论文给了一个不太舒服的结论：只要拿到一张水印图，不用知道对方用哪套算法、不碰它的解码器，也能把水印打到接近失效，11套系统平均成功率94.8%。中科大的思路值得细看——拿公开水印模型的解码器当"代理"，把开环乱打变成闭环搜索。做水印的要读，做内容治理的更该读。
哥伦比亚大学提出LEVER：定理证明成本降34%，解出率96%
证明这东西，对只是及格线。数学家还挑它短不短、纯不纯、找起来贵不贵。哥伦比亚大学这篇LEVER，把这几件事直接写进搜索目标，成本降了三成多，解出率反而从80%升到96.3%。
智能体翻文件总漏关键表？MIT用双层经验一次补齐
想象一个干了十年的财务顾问，面对杂乱报表，他翻完一遍后脑中会留下便签：“这张表够用”，“那份文件跳过”。下次再来任务，他按便签取该看的东西，既快又准。
TokenRhythm Agent后训练：4B十项均分+5.93
原文标题： NeoHorse-1: Towards Recursive Self-Improvement via Agentic Post-Training with Routing Harness 首次公开： 2026年9月8日（arXiv v1） 主要署名单位： TokenRhythm Technologies 论文： https://arxiv.org
快手与北航新范式：从“挑视频”到“造视频”，广告视频可以现场拍
如果把短视频推荐系统想象成一家大型仓库，算法的工作就是“在仓库里找一件用户最可能喜欢的东西”。仓库越大，推荐越准。可问题在于：算法再聪明，也只能在仓库里挑，不能在用户最想要的那一刻，照着用户的心思现场做一件出来。
视频面试AI评分91.5%？8B小模型超GPT-5.4还带证据链
想象一下这样的场景：你精心准备了半个月的面试，对面坐着三位表情严肃的考官。他们一边听你自我介绍，一边在打分表上勾勾画画——逻辑思维、表达能力、应变能力、专业素养……十八个维度，每个都得给出0到2分的评价。
ETH&哈佛新基准：AI智能体修复电网不收敛，成功率从82.6%冲到100%
把这个问题再往前推一步：潮流不收敛以后，电网调度员通常要反复“试探”——检查网络结构、分析残差、判断是不是无功支撑不够、猜想某个发电机电压定值压得太低，然后带着假设去跑仿真，不行就换个方向再来。
相关系数0.993：这款模拟器让Agent排行榜终于可信了
图1：披露门——五级有序门禁，释放三个深度层级。系统的状态是一扇“门”，而门所释放的是一个“深度”：只有信息深度不高于当前门所放行的层级时，这条信息才有资格浮出水面
