新闻、仓库与研究，按时间排列。
研究者提出 DiffuPlan，一种维护单一可编辑规划状态的扩散搜索智能体，当后续证据确定实体或改变搜索路线时仅重建受影响步骤，并引入 Expansion-Partition Marginalization（EPM）支持变长修订，还将扩散轨迹 RL 适配到多轮搜索。在四个多跳 QA 基准上，DiffuPlan 取得 50.24 平均 F1，超过强 AR 搜索智能体；同等数据与训练下，可编辑规划状态为扩散智能体带来 2.44 F1 提升，而其 AR 源模型仅提升 0.47。
论文提出 SELM（Self-Evolving Library Management）框架，将 LLM 智能体技能进化建模为库级管理问题，通过维护技能置信度与效用信号，联合管理技能检索、更新与生命周期。SELM 引入效用感知检索、Map-Reduce 定向更新及基于有效性的技能保留/剪枝机制。在四个覆盖多任务与执行环境的 agent benchmark 上，SELM 在多数设置中持续优于对比方法。
prompts.chat 收录了一条新 prompt"开源发布清单生成器（YAML）"，可将开源发版计划转化为覆盖版本 bump、changelog、构建产物、测试、安全说明和公告渠道的 YAML 清单。它会先询问项目、SemVer 版本、变更列表等信息，遵循 Conventional Commits / Keep a Changelog 风格，禁止编造 CVE ID，CI 失败时标记 ship_ready 为 false 并列出 blockers，并包含回滚步骤。
论文提出技能演化中的认知分化方法 CDSE，把统一技能拆为 Meta、Experience、Tool、Script 四个功能组件，从成败轨迹中提取语义梯度并按功能角色做组件级更新与协调调用。对 500 个高分技能包的分析显示 96.8% 包含至少两种功能角色的知识；在六个基准、三个 Agent 模型、两种执行框架共 36 个设置中全部取得最高分，比 Base Agent 平均高 7.6 个百分点，比各设置最强对照方法平均高 2.6 个百分点。论文 22 页，编号 arXiv:2610.23599。
推荐理由：论文用功能分化思路改造 Agent 技能演化，并在 36 个实验设置中给出对比数据，方法对技能库维护有参考价值。
Munin是一个开源自托管科研助手框架，可索引研究组文献库和引用图谱，并把任意开放权重模型包装成带阅读、检索和计算工具的智能体。在199组配对文献问题上，框架将基座模型准确率从0.387提升到0.874，而朴素检索式回答在所有测试骨干模型上均低于无辅助模型；移除来源论文后系统在约九成问题上放弃作答，300条伪造引用中未产生虚构的本地引用；断网状态下两个Qwen骨干模型仍超过已发表的PaperQA2准确率，其中gpt-oss-20b可在单张消费级GPU上运行。
prompts.chat 新增用户提交提示词"Stock Chart Reading and Trade Levels Skill"，用于分析给定的股票市场图表，并给出目标位、买入位、卖出位和止损位（target、buy、sell、stop-loss）。该 skill 以 stock-chart-reading-and-trade-levels-skill 命名，采用带 name 和 description 字段的格式编写，指令部分仍为待填充的模板步骤。
prompts.chat 收到一条用户新增的图像生成 prompt，内容为“一名模特身穿红色 Dior 羽绒服、脚踩漆皮高跟鞋赢得派对”。该 prompt 以文本形式提交，标记为 FALSE（非越狱类），作者为 sachinkarmaran@gmail.com。
研究提出 novelty patching，借鉴 LZ77 式压缩思路，让 Byte Latent Transformer（BLT）等字节级模型在即将出现不重复内容处开启新 patch，替代基于下一字节熵的分块规则。在 1.9 GB 数学语料上从头训练的 BLT 风格模型中，该方法在 12M 参数时将最终答案准确率从 47% 提升到 72%，50M 参数时计算结果准确率从 21% 升至 57%、最终答案从 60% 升至 90%；该规则只需在前两字节上拟合查找表，秒级完成且无需标签。在散文、代码等数学之外场景优势缩小。
arXiv 论文提出集合级强化学习目标，让模型一次生成 K 张基于源论文、彼此明显不同的结构化想法卡片，质量按与前文想法的距离加权。训练后的 8B 模型在无污染 benchmark 上的 creative utility 超过 Claude Opus 4.8 和 GPT-6 Astra。四位专家试点评估认为其想法集与 Claude Opus 4.8 相当且独特想法略多，coding agent 验证的 success@k 也与之相当。
一篇 arXiv 论文提出 training-free on-policy 蒸馏：不用训练，仅通过前向传播就能把多个单独微调的专家模型能力合并到一个学生模型中，合并后平均精度高于任一专家。当专家共享同一 base 模型时，蒸馏有精确的逐层解，等价于一个最小二乘问题，只需几百条 rollout 的前向计算即可得到二阶矩。去除重复循环截断的回答后，在 AIME25 上将合并模型从 task arithmetic 水平提升到专家水平；在 Olmo 3 7B 上，每个专家只需几 GPU 小时的前向计算，即可在七个数学和代码基准上保留各专家的大部分增益。
推荐理由：给出免训练合并多个专家模型的具体方法，层式最小二乘解只需几百条 rollout 的前向计算即可落地。
论文提出面向长时程自主机器学习工程优化的后训练方法，训练出 35B Mixture-of-Experts 智能体模型 MLExpert。方法包括构建可执行任务的 Kaggle-MLE Factory、层级 agentic SFT，以及将两次实验结果之间的多轮决策作为一个执行窗口并赋予共享结果奖励的 Windowed Interaction RL（WIRL）。在 MLE-Bench Lite 上，MLExpert 将基座模型平均奖牌率从 37.9% 提升到 72.7%，达到与 Kimi-K3、GLM-5.3 等更大前沿模型相当的水平，并在 NatureBench Lite、agent scaffold 优化和算法优化上显示能力可泛化。
推荐理由：论文展示了用层级SFT加窗口化RL把35B模型训练成自主机器学习工程智能体的完整后训练方法，MLE-Bench Lite数字可作参考。
arXiv 技术报告提出 MMLA-RSI，一种在 Memory-Mediated Learning Architecture 中的递归自我改进方案，包含两条实现路径：Reasoning-Time Training（RTT）修改策略状态 Φ，Reasoning-Time Memory Adaptation（RTMA）修改权威记忆 M，且各自的适配方法本身也是改进对象。在四候选程序选择任务中，保留 LARC 反馈更新使两个训练初始化的期望误差分别降低 24.65 和 36.65 个百分点；两条递归路径的联合实现已给出规范，但其有益递归链与发现效率仍有待评估。
一篇 arXiv 论文（arXiv:2610.18613）重新检验了自蒸馏方法 SDPO 与 OPSD 在代码、科学、工具使用和数学推理任务上的表现，发现其相对强化学习（RL）的收益不能稳定泛化到未见问题。作者认为收益主要来自过拟合或迁移既有推理行为，而非有效利用特权信息；自蒸馏梯度与直接优化期望回报的策略梯度对齐较弱。实验覆盖 Qwen3（1.7B-14B）和 OLMo-3-7B，结论是有效利用特权信息改进推理仍是开放问题，代码已开源。
推荐理由：论文在代码、数学等多任务上复测 SDPO 和 OPSD，指出其收益主要来自过拟合而非特权信息，并给出复现代码。
研究者针对建筑优化中控制策略难以跨建筑迁移的问题，发起一项 NeurIPS 2026 竞赛，推动开发能以极少配置适配新建筑的建筑基础模型。美国建筑造成近 40% 的碳排放，其中 HVAC 系统占建筑排放的 40-60%、占全球能耗的 15%。参赛者需在模拟建筑上训练控制策略，并在规模、布局、天气、材料与 HVAC 系统各异的未见建筑集上评测。
prompts.chat 每日 prompt 更新中移除了 "The Technical Co-Founder: Building Real Products Together" 提示词。该提示词让 AI 扮演 CTO 角色的产品开发伙伴，通过 Discovery & Validation、Strategic Blueprint、Iterative Development、Quality & Polish、Launch Readiness 共 5 个阶段，把用户的产品创意推进到可上线的完整产品。协作规则规定用户担任 CEO 掌握最终决策，AI 零术语沟通、诚实评估局限。
prompts.chat 每日 prompt 新增了一条名为 Dependency License Audit 的提示词，用于依赖许可证审计。该提示词已收录入库，用户可直接获取使用。
Matt Suiche 在 Hugging Face 发布针对 google/gemma-3-12b-it 的投影控制向量（GLP），在层 5–47 的残差流上以 alpha 0.25 运行时应用，不修改权重。验证显示 refusal32 中原本仅存的 2 个拒绝在转向后变为连贯交付，benign32-holdout 32/32 保持正常，alpha 阶梯 0.25 至 1.0 均无损坏输出；层 1–4 因低于 5x 分离门槛被排除。该文件使用 glp.* GGUF 命名空间，仅限本地权重和实现投影的运行时，作者警告 alpha 值不可移植到其他模型或 revision。
推荐理由：作者给出了投影向量的推导门槛、alpha 阶梯和拒绝率前后对照，还写明各层取舍与局限，可复现性远高于一般的无对齐发布。
prompts.chat 新增社区贡献 prompt「Inclusive Language and Tone Reviewer」，用于审查 UI 文案、营销、邮件和帮助中心内容中的排他性用语、性别或残障歧视措辞及指责性语气，并给出保留品牌声音的改写建议。该技能包含仅用 stdlib 的启发式扫描脚本 scan_inclusive_language.py、语言模式与语气参考文档、报告模板，工作流分五步并输出 SHIP / SHIP WITH EDITS / NEEDS VOICE DECISION 三种结论。
prompts.chat 新增社区贡献 prompt「Git Commit Message Quality Coach」，用于按 Conventional Commits 规范审查并重写 Git 提交信息。该 skill 附带 Python linter 脚本、subject 行规则和教练笔记模板，逐条给出 GOOD、NEEDS EDIT 或 SPLIT OR SQUASH 结论。规则明确：除非用户明确要求，绝不擅自 amend、rebase 或 force-push。
musatoktas 向 prompts.chat 提交了一条新提示词，让模型扮演资深工程师对网站及其 MCP 服务器做成熟度审计，覆盖 SEO 爬取健康、负载韧性、MCP 协议一致性、输入加固、Agent 行为评测、安全与隐私合规等 A-H 类别。提示词限定仅对授权或 staging 环境做破坏性测试，各按 0-4 分评分并给出生产上线门槛，如 sitemap URL 健康率 ≥99%、Agent 评测任务成功率 ≥90%、日志零 PII，最终输出 REPORT.md 等六类交付物。
论文提出 Oído 推理引擎，在 ESP32-S3（240 MHz 双核、512 KB SRAM、无神经加速器）上运行 13M 参数 Conformer-CTC int8 模型，实现开放词表英语语音识别。LibriSpeech test-clean/test-other 片上 WER 为 3.70%/8.23%，加 1.3M 参数语言模型后降至 3.33%/7.15%，transducer 头达 2.99%/6.67%，比同芯片厂商识别器少 2.3-2.8 倍错误，也优于笔记本全精度 Whisper 与 Moonshine tiny。
推荐理由：论文给出了在无神经加速器的 ESP32-S3 上跑开放词表语音识别的完整方案和实测 WER、耗时数据，方法与测量细节都可复现。
研究者提出 MoPrO-SD，一种针对立场检测的提示词优化框架，将提示词分解为语义模块并用 LLM 反馈依次优化，包含 I、I+R、I+R+E 三种策略。团队还发布人工标注的疫苗立场检测 benchmark VaccineStance。在四个数据集和五个开源权重 LLM 上，MoPrO-SD 多数场景优于人工 Base 提示词，SemEval-2016 上五个 backbone 中四个的类条件反馈取得更高 Macro-F1，代码与数据集已在 GitHub 开放。
研究者提出 ReSFlow（Rectified Statistical Flow）模型，借鉴 Rectified Flow 的“直且快”特性，在统计流形上显式学习测地线轨迹，实现离散数据的一步类别生成，降低多步数值积分的推理开销。理论证明校正后轨迹逼近测地线，在图像、文本和生物等生成任务上展现出更优的一步生成质量，代码已开源。
Zimo Wen 等人发布 arXiv 论文 RoboRSI（arXiv:2610.12424），提出基于 Top-Down Skill Refinement（TSR）的机器人自我改进系统，将任务分解为复合、原子和基础技能，把执行结果归因到对应分支并只修改该分支，由 Manager、Planner、Engineer、Reviewer 协同完成规划、执行、诊断和新技能的验证发布。在移动操作机器人上经 104 轮学会多物体家庭清理，在 LIBERO、LIBERO-PRO、LIBERO-Plus 和 RoboTwin 仿真基准上取得最高成功率，超过最强基线 2.7 至 11.0 个百分点。
推荐理由：原文给出了按技能分支归因修复的自进化框架和多个基准上的成功率数据，读者可以据此评估机器人自改进方法的可复用思路。
小米 LLM-Core 团队在 arXiv 发布 MiMo-V2.6 系列全模态模型技术报告（arXiv:2610.11959），核心是通过扩展 RL 计算推动模型自我改进。RL 前先在多模态语料上做 mid-training，RL 计算沿三轴扩展：异步训练每步消耗 1,568 个样本、2.7-3.7B tokens，上下文最长 1M；环境覆盖代码、通用、视觉与 cyber 域；采用 groupwise agentic grading 提升长程任务奖励信号精度并引导更短的 token 高效解法。为稳定训练冻结了 MoE router 并建立多层防 reward hacking 机制，同时开源训练动态、RL 环境与 RL 框架。
推荐理由：报告系统拆解了沿数据、环境、评分三轴扩展 RL 计算的工程细节，并开源训练动态与环境框架，可作复现参考。
研究团队提出 CogMem，一种基于 PEC²F（Person-Event-Concept-Claim-Fact）图模式的认知记忆架构，用 Claim 节点保留主观陈述的来源与对象，并将对话轮次增量转为带溯源的图记录。检索由基于规则的控制器结合 LLM 意图解析，组合锚定、遍历、交集、证据落地四个确定性图算子来重建查询相关上下文，在 LoCoMo 与 LongMemEval 上表现突出，尤其是多跳、时序与知识更新任务。论文被 EMNLP 2026 主会接收，代码已开源。
推荐理由：论文用 PEC²F 图结构区分主观信念与事实记录，在 LoCoMo 和 LongMemEval 上给出多跳与时序任务的实测表现。
社区版 Gemma 4 E2B Uncensored-MAX 已转换为 .litertlm 格式，可在 Android、Pixel 及 Tensor / Mali 设备上完全离线运行。模型为 INT4 量化，有效参数 2.3B（含 PLE 总参数 5.1B），支持 32,768 token 上下文，仅保留文本能力，体积 2.37 GB。可通过 Google AI Edge Gallery 或 LiteRT-LM CLI 加载，采用 Apache 2.0 许可证。
一项 arXiv 研究显示，LLM 可以被训练以容忍硬件不可靠性，且随着模型规模增大，其错误韧性反而提升。基于 40,000 GPU-hours 在模拟故障数字硬件上的训练，研究者推导出修正的神经缩放定律，并猜想经过适当训练的 LLM 可能是形式上容错的，这意味着在低功耗故障硬件上运行 AI 推理有望带来可观的能耗节省。
研究者推出开源可扩展框架 Open-MMUnlearning，统一 MLLM 遗忘（unlearning）的目标模型准备、多模态数据处理与评测流程。框架支持 5 个涵盖隐私、安全、版权的基准、4 个模型族的 8 个 MLLM 和 12 种遗忘方法；在 10 种代表性方法对比中，GD 与 MIP-Editor 并列最高总分。评测还引入指标元评估协议，13 个指标中 BLEU 综合可靠性最高，KS-Test 忠实度 AUC 最高但鲁棒性较弱。
Yongqiang Yao 等在 arXiv 发布论文 RollVerify（arXiv:2610.09914），提出基于部分 rollout 的轻量强化学习框架，在样本进入训练前主动验证并修复，而非被动重加权。框架引入偏离策略度量 OPS，据其约束进行序列级与 token 级验证、截断无效后缀。数学与工具辅助数学推理实验显示其准确率接近全在策略训练且降低训练成本，代码生成结果提供了数学之外的初步证据。
SkillSandbox 是一个面向自进化智能体（agent）的技能验证框架，可为每个技能动态合成新颖且相关的任务场景：由 Proposer 指定保留条件与可变细节，Builder 构建可执行场景，Verifier 对比有无该技能的执行效果并给出 Keep 或 Reject 判定。在 ALFWorld 和 WebShop 上使用三个模型测试，SkillSandbox 均取得最强的下游性能和更高的执行效率。该框架从可执行性、实用性和效率评估技能可复用性，决定其是否进入技能库。
Huishan Ji 在 arXiv 发布 YANchor-4B，一种以 Anchor 保存关键记忆的通用循环模型，实现 O(N) 时间生成与 O(1) 内存。该模型在 AIME 2024–2026 上平均 pass@1 达 82.93%，HMMT 达 63.64%，优于线性时间常数状态的同类模型包括更大的模型；在 H100 上批量长生成吞吐比 Transformer 与混合基线高数倍，并在数十个基准上展示通用能力。论文 24 页 8 图，代码与模型已开放。
推荐理由：论文给出了循环架构在长程推理基准上的具体成绩和吞吐对比，读者可以据此评估 O(N) 时间加 O(1) 内存的实用性。
研究者提出一个将 LLM 知识蒸馏进可解释决策树的少样本学习框架，用于表格数据分类。该方法不让 LLM 直接生成完整树，而是采用三阶段范式：先让 LLM 生成规则，再将规则组织成树。在多个真实表格数据集上，该方法相比现有基线取得更高的准确率、更好的可解释性，并显著降低提示词开销，论文已被 EMNLP 2026 主会接收为 oral 报告。
ComfyUI 发布 v0.39.2 版本，标签为 3c1b7a1，于 10 月 7 日在 GitHub 打上发布标签，附 2 个资源文件。本次发布说明中未列出具体功能变更。
作者提出 Agentic AutoRAG，一种用于多目标 RAG 超参数优化的 LLM 智能体优化器，能在每次试验后用 Diagnoser 将失败问题归因到检索或生成阶段，并由 Proposer 结合模型排名与定价知识库选出下一组配置，在精度与成本间逼近 Pareto 前沿。在三个多跳 QA 基准上，其 LLM 评审准确率高于所有对比基线，且前 10 次试验即达到统计基线 30 次试验的水平；在真实医疗语料的成本感知模式下，中位测试准确率 77% 高于最强基线的 71.5%，查询成本约为其 58%，匹配 71.5% 时成本仅约 22%。论文已被 EMNLP 2026 REALM Workshop 与 NeurIPS 2026 ML for Systems Workshop 接收，代码已开源。
arXiv 论文提出 DeltaTTT，针对非线性 test-time training 记忆网络中串行更新优势不稳定、单遍优化困难的问题，将两层记忆网络的联合内环优化改为逐层学习，每层分配局部预测目标并通过状态依赖的 delta rule 更新，保留非线性 readout 同时支持 chunkwise 并行计算。在 DeltaNet 和 LaCT 骨干上的实验显示，语言建模与检索能力较各自循环基线有所提升。
Yexiong Lin 等发布 arXiv 论文 SquidAgent（arXiv:2610.08647，已被 NeurIPS 2026 接收），提出并行多智能体比串行更慢源于重探索成本和对齐成本，并给出按层判断是否并行的 token 成本判据。SquidAgent 从编排者会话直接 fork worker 并用预生成共享约定块替代事后调和，实测对 Claude Code 平均吞吐提升 2.2 倍、墙钟时间加速 2.6 倍，对最强多智能体基线吞吐提升 2.0 倍。
推荐理由：论文指出并行多智能体常比单智能体更慢的原因，并给出以 token 估算成本的并行决策判据，方法可供 Agent 系统设计参考。
Selective-RL 方法通过隔离 RL 训练阶段产生的参数更新，保留其主导矩阵方向并迁移至 VLM 的语言模块，实现免训练的能力迁移。在 3 个模型家族和 5 个视觉推理基准上，该方法在 15 组对比中的 12 组优于全量更新插值，其中 Qwen 接收模型在 MathVision 上提升 8.55 个百分点。对照实验表明，仅更新幅度或任意低秩都无法复现这些收益。
arXiv 论文提出 ScienceClaw 框架，将 AI for Science 智能体的持续自我进化形式化为固定参数的程序自我进化，统一任务求解、科学验证与程序更新。其配套评测 ScienceClaw-Eval 覆盖 23 个学科，通过序列任务流与独立重置评测衡量科学正确性、进化收益、保持率、跨数据集迁移和进化成本。框架仅当源任务重放复现修复且独立科学任务获得提升时才保留更新，代码已开源。
研究者提出 VAN-Flow（Variance-Averse n-step Flow），一种面向生成式离线强化学习的框架，结合 categorical 分布式 critic、方差厌恶期望算子与 flow-matching 生成 actor 及拒绝采样，在无需硬截断或辅助惩罚的情况下优先选择高回报、低方差动作。该框架在 D4RL 和 OGBench 的 40 多个任务上持续超越强基线，在长时序和高方差场景中优势最大。论文已被 NeurIPS 2026 接收。