时间线
科研页面与文章按时间排列，共 72 条：70 个科研页面 · 2 篇文章。
2026年10月 50 条
- 2026-10-30 科研 Heuresis：自主科研 Agent 的搜索策略 六种经典搜索策略（Greedy、MAP-Elites、Go-Explore、Islands、Omni、Curiosity）在同一个 agentic ML research loop 内的首次等预算受控比较，跨质量、多样性、新颖性三轴，含反伪造审计与 held-out 泛化测试。
- 2026-10-30 科研 MASS：多智能体自监督的递归自我改进 Recursive Self-Improvement through Multi-Agent Self-Supervision：同一模型扮演 agent、optimizer、evaluator 三角色的同质 RSI 闭环中，用多智能体 workflow 优化 + 轨迹蒸馏提供自监督，两循环后 1.2–1.6×/token。
- 2026-10-23 科研 为何 AI 智能体在说谎、作弊与协调？ 解读 Bengio 关于智能体失当行为及其训练机制的观点，并结合谄媚研究证据讨论目标、激励与安全边界。
- 2026-10-23 科研 Agentic Context Engineering: Evolving Contexts for Self-Improving Language Models 精读 ACE：分析其以结构化 playbook 和增量更新缓解 context collapse 的机制、实验与实现边界。重点关注反馈质量、可编辑性及其与 agent 记忆研究的联系。
- 2026-10-23 科研 Agents' Last Exam 深读 Agents’ Last Exam：一个面向长时程、真实职业工作流的 agent benchmark。
- 2026-10-23 科研 AI Finds A Way｜奖励黑客、环境边界与 AI 创新 从 26 个跨领域案例分析 AI 如何绕过设计者预期，并区分真正创新、环境漏洞与 reward hacking。
- 2026-10-23 科研 AlphaEvolve: A coding agent for scientific and algorithmic discovery 以 AlphaEvolve 为焦点，从可执行轨迹与评估闭环重新审视 LLM 优化能力：它能做什么、何时有效，以及证据边界在哪里。
- 2026-10-23 科研 Automated Capability Discovery via Foundation Model Self-Exploration 让一个基础模型当考官（scientist）、另一个当考生（subject），用开放式算法自动发现基础模型的数千项能力与失败模式——GPT-4o、Llama3、Claude 3.5 三轴实验 + 人类校验的完整精读。
- 2026-10-23 科研 Discovering Novel LLM Experts via Task-Capability Coevolution AC/DC 通过模型与合成任务共演化，自动发现多样且互补的 LLM 专家集体。本文梳理其方法、实验结果与证据边界。
- 2026-10-23 科研 Dynamic Cheatsheet: Test-Time Learning with Adaptive Memory 中文深读：黑盒语言模型如何通过动态外部记忆进行 test-time learning，以及其收益边界。
- 2026-10-23 科研 Epistatic strength, modularity, and locus heterogeneity shape the number of local optima in fitness landscapes 围绕焦点论文解析局部上位性、模块聚集与位点异质性如何共同塑造适应度景观的局部最优峰数。
- 2026-10-23 科研 ERT：红队第一次拿到眼睛 Embodied Red Teaming for Auditing Robotic Foundation Models 的中文深度阅读页：GPT-4o 看环境图生成合法指令、失败回灌的朴素循环，把 3D-Diffuser 从 90%/79% 打到 53%/3%，7B OpenVLA 也从 76% 掉到 30.8%；失败指令跨模型迁移，安全维度第一次摆上台面。
- 2026-10-23 科研 EurekaBench：AI agent 能不能发现新科学洞见？ EurekaBench 中文深度精读：26 个跨领域真实科研任务显示，前沿 agent 的预测准确率逼近人类参考，但科学洞见能力仍明显落后。
- 2026-10-23 科研 EvoMemBench: Benchmarking Agent Memory from a Self-Evolving Perspective 从记忆范围与内容两轴深读 agent memory benchmark，拆解六类评测、方法与条件性结果。
- 2026-10-23 科研 ExplorationBench：可验证外星世界中的 AI 探索能力 用与先验冲突但可精确执行的“外星世界”，把探索评测拆成探针选择、过程里程碑和迁移使用，并通过对照条件归因。
- 2026-10-23 科研 FATE-VLA：面向视觉-语言-动作模型的故障感知测试生成 把 VLA 评测从静态基准的随机采样，改成 FSCS-ART 多样性与决策树/随机森林代理引导的主动失败发现——场景参数化、两类出题算法、四个 VLA 模型在 SimplerEnv 上的对照实验，失败发现率最高提升 29.7 个百分点，且失败覆盖更多样。
- 2026-10-23 科研 Fitness Landscape of Large Language Model-Assisted Automated Algorithm Search 以图论重建 LLM 辅助算法搜索的观测景观，厘清其经验发现、度量边界与搜索空间未解问题。
- 2026-10-23 科研 FormalEvolve: Neuro-Symbolic Evolutionary Search for Diverse Autoformalization · 深度精读 把 autoformalization 从翻译出一个正确答案，变成在固定预算下搜索一族编译可行、语义忠实、对 prover 各有暴露面的等价表述——LLM 生成 + Lean 4 编译门 + 语义 judge + 岛屿档案进化的完整精读，附 matched no-archive 对照、预算审计与人工校验。
- 2026-10-23 科研 Formalizing Mathematics at Scale 用 AutoformBot 将 26 本数学教材转化为可审计 Lean 4 库：方法、结果与信任边界。
- 2026-10-23 科研 Foundation Model Self-Play：用基础模型跨越自我对弈的局部最优 本文解读 Foundation Model Self-Play（FMSP）：让基础模型生成代码策略，并以自我对弈与质量-多样性归档共同搜索。论文在 Car Tag 与 Gandalf 上展示其方法及适用边界。
- 2026-10-23 科研 FrontierSmith: Synthesizing Open-Ended Coding Problems at Scale 深读 FrontierSmith：从封闭题变异生成开放式 coding 问题，并用策略分歧与执行验证筛选训练数据。
- 2026-10-23 科研 GEPA: Reflective Prompt Evolution Can Outperform Reinforcement Learning GEPA 如何以自然语言反思、Pareto 候选多样性与演化提示优化复合 AI 系统
- 2026-10-23 科研 Growing and Elastic Neural Networks｜中文深度精读 动态生长、持续自适应与死单元剪枝如何在在线持续学习中维持可塑性，并让网络规模趋于稳定。
- 2026-10-23 科研 GrowLoop: Self-Evolving Conversation Evaluation Seeded by Human GrowLoop 以人工种子启动对话评测，并让 rubric 与测试案例协同演化。本文梳理其生成流程、质量门槛及实验证据。
- 2026-10-23 科研 IdeaScientist: Orchestrating Agents for Grounded Scientific Ideation IdeaScientist 将科研构想拆解为可训练的多智能体协作流程。本文梳理其文献检索、角色编排、阶段化强化学习与评测边界。
- 2026-10-23 科研 LatentSkill：从上下文文本技能到权重空间潜在技能 LatentSkill 通过 hypernetwork 将 LLM agent 的文本技能编译为可挂载、可缩放、可组合的 LoRA 权重，并在 ALFWorld 与 Search-QA 上验证性能与上下文效率收益。
- 2026-10-23 科研 Learning to Discover at Test Time｜中文深度精读 把单题 verifier 反馈写入测试时训练，并用策略归档复用探索经验：一套面向可验证开放问题的发现系统。
- 2026-10-23 科研 Learning to Forget：FADE 自适应遗忘｜中文深度精读 FADE 把权重衰减重写为逐参数的在线遗忘机制，用前向模式元梯度自动学习每个参数该忘记多少。
- 2026-10-23 科研 Loss of Plasticity in Deep Continual Learning｜中文深度解读 arXiv:2306.13812v2 中文深度解读：深度网络为何在持续学习中逐渐失去学习新任务的能力，以及 Continual Backpropagation 如何用选择性重置维持可塑性。
- 2026-10-23 科研 MANGO：让 AI 给机器人评测写判卷标准 MANGO: Automated Multi-Agent Test Oracle Generation for Vision-Language-Action Models 的中文深度阅读页：三模块流水线从指令蒸馏原子任务库，Generator/Assessor/Judge 协作生成可执行细粒度 oracle；与符号 oracle 一致率 91%、失败定位 78%、任务集可缩至 3 条的经济学。
- 2026-10-23 科研 Metamorphic Testing：当机器人「成功」的定义里没有过程 Metamorphic Testing of Vision-Language Action-Enabled Robots 的中文深度阅读页：两个蜕变关系模式、五条蜕变关系、Fréchet 距离判定，9,320 对用例对照符号判定，192 例失效分类学——MT 与符号判定互补，前者看执行质量，后者看任务成败。
- 2026-10-23 科研 OMNI-EPIC：当环境本身成为搜索对象 用基础模型生成完整环境代码（世界+奖励+成功判定），为 RL agent 无限生成可学习且有趣的任务——ICLR 2025 论文深读。
- 2026-10-23 科研 Q-DEG：在 VLA 自己的表示空间里红队它 Red-Teaming of Vision-Language-Action Models via Quality Diversity Environment Generation 的中文深度阅读页：以被测 VLA 的内部策略嵌入为多样性度量，在 25 维环境参数空间搜索可行对抗环境，并用自模仿微调修复弱点。
- 2026-10-23 科研 Q-DIG：让机器人听懂人话之前，先搜出它听不懂的人话 Red-Teaming Vision-Language-Action Models via Quality Diversity Prompt Generation for Robust Robot Policies 的中文深度阅读页：以 8 种攻击风格为多样性轴、失败方差为质量轴，用视觉接地的 VLM 搜索能力边界上的对抗指令，并用指令增强微调修复语言盲区。
- 2026-10-23 科研 Rethinking Code Similarity for Automated Algorithm Design with LLMs 从 problem-solving trajectory、DTW 与 behavior family 视角深读 BehaveSim，并审视它对 exploration/exploitation 研究真正提供了什么证据。
- 2026-10-23 科研 SkillOpt: Executive Strategy for Self-Evolving Agent Skills 深读 SkillOpt：以受限文本更新与验证门控优化可复用 agent skill，并审视其跨模型实验、成本与证据边界。
- 2026-10-23 科研 SkillsBench: Benchmarking How Well Agent Skills Work Across Diverse Tasks 中文深读：Agent Skills 如何在 87 项跨领域任务中改变 agent 表现，以及配对评估的证据边界。
- 2026-10-23 科研 Step-size Optimization for Continual Learning｜中文深度精读 区分 RMSProp/Adam 的步长归一化与 IDBD 元梯度步长优化，并解释这一差异对持续学习的意义。
- 2026-10-23 科研 Test-time Recursive Thinking：无需外部反馈的自改进 TRT 用 Generate/Select/Reflect 在单问题实例内递归自改进：蒸馏可迁移的失败知识 + 域自适应自生成验证。AIME-25/24 开源模型 100%，LiveCodeBench hard 上 o4-mini +10.4pp、o3 +14.8pp，均超 RSA。
- 2026-10-23 科研 The Override Gap：即时知识内化的幅值失败账户 论文把 Doc-to-LoRA 类超网络即时内化的知识冲突失败形式化为 logit 幅值不等式 Δlora>Δprior，194 题逐题检验零反例；SLB/CA 推理期免训练修复，深冲突 Gemma 46.4→71.0%、Mistral C-avg 55.8→76.3%，novel 回忆保持。
- 2026-10-23 科研 Theory of Space：前沿模型能通过主动探索构建空间信念吗 — paper2html 深读 Theory of Space (arXiv:2602.07055, ICLR 2026) 深读：任务无关主动探索 + 平行文本/视觉世界 + 信念探测，诊断前沿模型的空间信念构建、漂移与修正。核心发现：主动探索是瓶颈，视觉朝向信念惯性高达 68.9%。
- 2026-10-23 科研 Training AI Scientists to Replicate Research — 深度论文解读 Inherent 用 310 个自动生成的论文复现任务（Replica）与按任务生成 rubric 的 judge 后训练 27B 模型：held-out AI-for-science 任务上 60% 胜过 Claude Opus 4.8 与 GPT-5.5；turn-level credit 是长 horizon GRPO 稳定的关键。
- 2026-10-23 科研 ValuePlanner：用价值驱动具身智能体的层次化框架 arXiv:2604.27699 深度阅读
- 2026-10-23 科研 VISTA：交互世界推理的视觉 Harness — paper2html 深读 VISTA (arXiv:2610.02200) 深读：纯机械视觉 harness（无损帧存档 + 模型主导检视）让 Claude Opus 5.0 在 ARC-AGI-3 公开 25 局取得 RHAE 100.00，动作数比人类少 57.4%，全程无程序合成、无训练。
- 2026-10-23 科研 VLATest：给机器人模型出 18,604 道题的期末考试 VLATest: Testing and Evaluating Vision-Language-Action Models for Robotic Manipulation 的中文深度阅读页：在 ManiSkill2 里按 10 个测试算子随机生成场景、语义有效性过滤、逐步骤判分，对 RT-1/Octo/OpenVLA 七个模型给出六维失效体检——干扰物、光照、相机、未见物体、指令变异。
- 2026-10-23 科研 WHALE：权重与可执行 Harness 的交替协同优化 本文梳理 WHALE 如何交替优化 agent 模型权重与可执行 harness，并分析其调度、实验结果与边界。重点讨论 harness 与权重协同优化相较纯提示演化及可复用技能资产的互补位置。
- 2026-10-23 科研 What are the Right Symmetries for Formal Theorem Proving? 中文深读：形式定理证明的对称性、rewriting categories 与 test-time ensembling。
- 2026-10-23 科研 What Do Evolutionary Coding Agents Evolve? 用可重放搜索轨迹分析进化式 coding agents 的编辑机制、循环、重放稳定性与参数调优。
- 2026-10-23 科研 What if automating AI R&D triggers an intelligence explosion? 一篇由顶级 AI 安全与政策学者联署的立场文：用 2026 年实证校准 software-driven 智能爆炸的可能性，并给出可见性、约束与适应三段政策菜单。
- 2026-10-10 文章 Human Finds a Way 当机器越来越擅长完成我们的工作，我们该如何重新理解人的价值、学习的意义，以及希望与另一种智能共同创造的未来？
2026年9月 5 条
- 2026-09-29 科研 LLM4MIP：LLM 能在多大程度上帮助求解 MIP？ 基于公开项目站与 GitHub 的深读：LLM 提出结构假设、求解器搜索、独立 checker 验证；技术报告尚未发布。
- 2026-09-11 科研 构建 AI 科学家：除了智能之外究竟还需要什么 MLST 深度访谈讲义：Tim Scarfe 对话 Edward Hughes（Inherent 联创 / 前 DeepMind），从第 37 手的创造力辨析、Csikszentmihalyi 三要素、满意决策与优化之争，到 Replica 复现任务空间、Faraday 小模型指导大模型、GRPO 逐轮信用分配，以及递归公司与群体智能。
- 2026-09-08 科研 欢迎来到未来 中文讲义 HTML 版：NJU 生成式软件工程课程第 01 讲。从'欢迎来到未来'切入，讨论生成式软件工程的课程定位、Everything is Code 工作流与核心问题。
- 2026-09-08 科研 提示词工程：从聊天框到上下文工程 中文讲义 HTML 版：NJU 生成式软件工程课程第 02 讲。从'提示词工程=上下文工程'切入，以 next-token / self-attention / verifier / 上下文污染等机制贯穿，讲清指令、思维链与 long-horizon 任务的设计原则。
- 2026-09-04 科研 以数字速度做科学：AI 时代的科学未来 Nobel Prize Dialogue London 2026 深度讲义：Demis Hassabis 与 Paul Nurse 在皇家学会的 88 分钟对谈，从「以数字速度做科学」三层、可解问题三要素、虚拟细胞，到 AGI 风险与意识、科学哲学的新黄金时代。
2026年8月 4 条
- 2026-08-26 科研 一节 Karpathy 讲座讲透现代 AI 中文讲义 HTML 版：Karpathy 一小时讲座讲透现代 AI，从 Software 1.0/2.0/3.0 到 Transformer 历史谱系、注意力机制图论视角与 nanoGPT 实现。
- 2026-08-26 科研 OpenAI 内部视角：从算力重置、超快模式到个人 AGI 中文讲义 HTML 版：前 OpenAI 成员 Tibo 内部视角访谈，从超快模式、ChatGPT/Codex 融合、递归自我改进到个人 AGI 演进路线。
- 2026-08-19 科研 深度持续学习中的可塑性维持：Continual Backpropagation Rich Sutton & Shibhanjan Dohare 在 CoLLAs 2022 的讲座中文笔记：持续反向传播如何维持深度网络的可塑性。
- 2026-08-13 科研 不要只朝目标走：开放式演化与 AI 生成算法 Jeff Clune 30 分钟演讲中文深度讲义：从目标欺骗、stepping stones、MAP-Elites、POET 和 OMNI，到 Darwin–Gödel Machine、HyperAgents、ALMA 与 AI Scientist。
2026年7月 2 条
2026年6月 2 条
- 2026-06-14 科研 AI 自进化精读讲义：从 Recursive Self-Improvement 到可验证反馈闭环 2026 智源大会 AI 自进化论坛精读讲义：八位讲者、一场圆桌，从计算底座、经验生成、记忆结构、多模态闭环、自我工程、因果世界理解到可验证评测——把整场论坛连成一条线。
- 2026-06-07 科研 Jeff Clune: Open-ended and AI-generating Algorithms in the Era of Foundation Models Jeff Clune 研究报告中文讲义 HTML 版：从目标欺骗、quality diversity、MAP-Elites、POET 到 OMNI、ADAS、Darwin Gödel Machine、AI Scientist 与 self-improving coding agents 的研究启发。
2026年5月 9 条
- 2026-05-29 科研 From Self-Correction To Self-Improving 把 self-correction、self-improving 与 Harness Engineering 压缩成一条从答到监的学习路线。
- 2026-05-29 科研 Harness Engineering：有时候语言模型不是不够聪明，只是没有被好好引导 李宏毅 2026 机器学习 Harness Engineering 讲义 HTML 版：context engineering、AGENTS.md、工具接口、workflow、feedback、lifelong agent 与 MetaHarness。
- 2026-05-28 科研 自动形式化与自动定理证明：Formal Reasoning Meets LLMs Berkeley CS294/194-280 Spring 2025 Kaiyu Yang 讲义 HTML 版：SFT/RL 的可验证性边界、LeanDojo/ReProver、LIPS、autoformalization 评估和 LeanEuclid。
- 2026-05-28 科研 AlphaProof：当强化学习遇到形式数学 Berkeley CS294/194-280 Spring 2025 AlphaProof 讲义 HTML 版：Lean/Mathlib、AlphaZero 风格搜索、IMO 2024、formalizer/prover、test-time RL 与形式数学边界。
- 2026-05-26 科研 人工智慧能不能夠做到自我成長？ 李宏毅 self-improving AI 上集讲义 HTML 版：pseudo-answer、proxy reward、RLHF/RLAIF、self-questioning 与弱到强训练。
- 2026-05-26 科研 AI 能自我修正吗？从 Decoding、Workflow 到 Reasoning 李宏毅 2026 机器学习 self-correction 讲义 HTML 版：从 contrastive decoding、verification workflow 到 RL reasoning。
- 2026-05-26 科研 AI 要跨越卢比孔河了吗？自我成长的 AI 离我们多远（下集） 李宏毅 self-growing AI 下集讲义 HTML 版：Harness、Prompt/Memory/Workflow 优化、SEAL、meta learning 与目标错位风险。
- 2026-05-23 科研 Cheat-Sheet ICL 论文深度解析 围绕 many-shot ICL 压缩成 cheat sheet 的论文做结构化解读，关注方法动机、压缩机制与 agent 场景启发。
- 2026-05-01 文章 作为一名在读博士生，我在日常是如何与 AI 协作的？ 从低摩擦入口、科研阅读、Code Agent、Skill 沉淀到反效率幻觉，整理我日常与 AI 协作的方法论。