新闻、仓库与研究，按时间排列。
论文提出 Bolzano，一个使用并行 prover 智能体加 verifier 智能体并维护人类可读研究状态的开源多智能体系统。专家选定问题的早期人工使用产出8个经领域专家核验证明的结果；随后在从四组论文提取的约3800个开放问题上无问题特定人工引导运行，解出约200个。在 STOC 2026 论文的实验中，系统回答了论文中提出的四个问题，经论文作者确认。论文被 NeurIPS 2026 第六届 MATH-AI workshop 接收。
推荐理由：论文给出了多智能体证明搜索系统在约3800个开放问题上的无人工引导实测结果，可了解其解题规模和验证方式。
开源项目 LLM Wiki Agentic Workflows 发布 v2.0.0，采用 MIT 许可证，是一个由大语言模型驱动的知识管理智能体工作流引擎。它包含摄取引擎（支持 47+ 种数据格式）、知识结晶器、研究智能体、图构建器和质量校验器，其中校验器应用 50 多条验证规则检查幻觉与逻辑矛盾，图存储采用 Neo4j 与向量混合方案。
GitHub 上的 Wonky-Wombat/research-lite 项目发布，这是一款轻量级、本地优先的研究助手，面向以证据为依据的文献工作流程。项目采用 Apache-2.0 许可证开源，目前获得 1 个 star，无 fork 和 release。
Neural Magic 在 GitHub 开源了 Crucible，一个把 Agent 工作组织成声明式任务图的执行引擎，用 Starlark 编译为静态计划，在单个 Git 工作区内按成本预算执行。它提供 playbook 和 autoresearch 两条通道，后者把任务图包进提出修改、judge 打分、保留或回滚的优化循环；文中还解释了不采用 Argo Workflows 或 Tekton 的原因，并给出安装命令、manifest 配置和 counter 等示例。项目以 MIT 或 Apache 2.0 双许可证发布。
推荐理由：README讲清了以Starlark声明任务图、在Git工作区内带预算执行Agent任务并配评审回环的做法，也解释了为何不用Argo或Tekton。
ChenHsieh 发布 agentic-research-toolkit 仓库，介绍自己如何用 Claude Code 在大学集群上做研究，包括失败经历和改进方法。核心经验是写在文件里的规则在实际执行时会被跳过，重要规则应写成能停止工作的代码。仓库包含 setup/CLAUDE.md 起始规则文件、skills/ 目录下的结果检验流程（如设计混杂检验、结果尸检、第二种方法验证），配套网站提供文章、示例、七个真实案例和项目会话，代码 MIT 协议，文本和图表 CC BY 4.0。
该仓库配套论文《Execution-Aware Alpha Mining》，用本地部署的 Qwen2.5-Coder-14B-Instruct 生成股票横截面因子，并以 Corwin-Schultz 价差加平方根冲击模型计入真实执行成本。在 2006-2026 年 21 折 walk-forward、3 个采样种子 x 4 类种子因子的测试中，只看原始收益的基线收敛到 49-101%/天换手率、净 Sharpe -4.7 至 -11.2，而成本感知智能体在各类别将换手率降低 22-38x，低波动类因子实现净盈利（净 Sharpe +0.35，累计收益 +117%）。
一个基于 Claude Code 的自主求职智能体，每个工作日在 Google Cloud VM 上按 cron 运行，爬取 Station F、Welcome to the Jungle 等 7 个法国招聘网站，寻找法兰西岛地区的 AI / Backend / Data / MLOps 岗位。它定位公司真实决策者并验证邮箱后发送个性化冷邮件（最多 3 次跟进），用 epsilon-greedy bandit 按 Wilson 下界评估 7 种策略的回复率，并在每封邮件 P.S. 中披露由 AI 撰写。回复由人工审批，绝不自动发送给真人；每次运行前有 26 项自检。
作者在 GitHub 开源 SeleneQuant，一个本地优先的 AI 量化研究系统：问题持久保存，结论按编号版本迭代并引用证据，已存结论会被自动召回影响下一次调用。系统基于 Python 3.11+ 与 Node 20+，包含 49 个策略模板、带 DSR/PBO/purged K-fold 等抗过拟合统计的回测引擎、133 token 词表的因子挖掘、30+ 风控规则、7 家交易所接入、523 个 FastAPI 端点与 142 页 Next.js 应用，支持 OpenAI 兼容端点和 Ollama，采用 AGPL-3.0-only 许可。作者说明决策到结果的闭环记录尚少，自动召回也只在部分路径接通。
推荐理由：原文详述了持久问题、版本化结论与自动召回构成的研究闭环，以及抗过拟合统计的具体做法，读者可以据此评估这套量化研究组织的可用程度。
应用数学家 parawanderer 在 GitHub 开源 window-ml 仓库，实验 LLM 推理问题：服务器能否从实际使用记录中学习模型加载位置与时长、预测解码速度并自我纠正。核心机制是让上下文的每一帧拥有地址，工具输出以短指针引用而不复制回上下文，智能体可据此用选定帧重建窗口并评判结论。代码由智能体编写维护，仓库定位为假设检验装置而非代码库，多数想法尚未实测。
开发者 4FR41D 在 GitHub 开源手机优先的 PWA 应用 evrim，集成聊天记忆、间隔重复学习、GitHub 仓库操作和 37 工具的智能体循环，可无密钥免费运行（Groq / OpenRouter / Google Gemini 免费层）。其元学习机制在每次回复后提取规则并写入系统提示词，v78 起研究实验室每 6 小时用独立 LLM 评审打分，v79 起可自动测量并改写自身模型路由代码，所有修改需通过 node --check、esbuild 和 334 项测试的回归门槛，失败自动回滚，支持 SmolLM2-135M / Gemini Nano / WebLLM 完全离线运行。
推荐理由：这个仓库给出了从手机端搭建带记忆、自我改进循环和自动评测回滚机制的 AI 助手的完整实现，方法可迁移到类似项目。
GitHub 上的 AI-automated-mobile-reporting 项目是一个端到端自动化移动应用分析报告的智能平台，覆盖数据采集、清洗、存储、KPI 计算、异常检测、生成式 AI 分析到报告分发的完整流程。平台通过 Google Play Developer Reporting API（OAuth 2.0）和 App Store Connect API（JWT）采集数据，使用 PostgreSQL/Supabase 存储，生成式 AI 部分采用 OpenAI / Claude，工作流由 n8n 编排，最终自动输出 HTML/PDF、PPTX 和 Email 报告。
nova-cortex-lab 是一个开放实验环境，研究多个独立 LLM 节点的持续交互能否产生无法单独归因于任一节点的假说、区分或能力。仓库明确这是问题而非论断，答案也可能是“否”。操作员作为独立角色全程记录于 trace.md，所有交互公开、不删除内容，参与者可阅读、复现实验或提交新实验。
twaldin 在 GitHub 开源了 Hone，一个针对固定可测目标的实验性代码优化引擎：模型优化器在沙盒中提修改，受信评测代码在固定容器中测量并只保留优于基线的候选，写代码者无法自评。已公布的窄域结果包括 Leduc CFR+ 求解器在固定计算量下验证 q 从 0.8453 升至 0.8599、封存 holdout 从 0.7733 升至 0.7899；早期 Python 版为 Claude Haiku 4.5 演进的系统提示词把 9 个未见 bug 的解决率从 65% 提到 85%。递归自优化实验已跑通但尚未证明跨任务迁移，结果未经独立复现。
推荐理由：作者把写代码的模型和评分的受信评测分离，并给出保留证据的实测结果，读者可以了解这种优化闭环的适用边界。
GitHub 仓库 swsgbl/hmharness 发布了一个面向鸿蒙（HarmonyOS/OpenHarmony）开发全流程的自进化智能体框架，零依赖内核，支持 terminal、harmonyos、browser、desktop 与 ARC-AGI-3 五种环境适配，并提供 MCP 客户端接入 5800+ 社区服务器。框架含五层记忆、世界模型、校准探索与技能编译等认知层能力；README 附带的 30 天诚实注脚写明，首月零统计可靠晋升，但协议自暴露并修复了 7 个生产缺陷，跨环境迁移校准证据为 +0.4166。安装方式为 npm install -g @hmharness/cli（Node >= 22），Windows 优先，macOS/Linux 为社区支持。
GitHub 开源项目 Auto-Research-Paper-Scraper 用关键词过滤加 LLM 二分类，自动从 ArXiv 筛选时间序列建模相关论文。使用 GPT-3.5 turbo 在 284 篇基准论文（80 篇相关、204 篇不相关）上达到 93% 准确率和 100% 精确率，用 Mistral mistral-medium API 过滤 1000 篇论文成本约 $0.50。工具支持本地与云端 LLM 切换，提供一次性、批量及每日自动抓取脚本，仅需修改配置即可适配其他研究领域。
GitHub 项目 Arslan 发布，一个本地优先的个人 AI orchestrator，在你自己的机器上用你自己的 LLM API key 运行。每次请求由 host agent 拆分任务、在内核沙箱里运行生成的代码并返回答案。spawn 的提示词会从运行历史自动修订，但需在至少 10 对留存历史任务上盲评取得至少 60% 胜率且各维度不劣于现任版本，生成可读 diff 后由用户点击 Promote 才生效。
推荐理由：项目把自进化人格拆成可审查的流程，用留存任务对打加人工 Promote 把改动挡在生效前，方法本身可以借鉴。
开源项目 LinkedinDailyGitTrending 是一个基于 FastAPI、LangGraph 和 EURI LLM API 的自动化 Agent，抓取 GitHub 上超过 5k star 的热门仓库并生成真实技术人风格的 LinkedIn 帖子。生成内容经 Telegram 一键人工审核后发布到 LinkedIn，配置为 max_tokens: 1500、temperature: 0.55，支持 gpt-4.1-mini、gpt-4o、claude-3-5-sonnet 等模型，并通过 LangSmith 实时追踪每次 LLM 调用。系统用 SQLite 保证每天严格只发一帖，提供 Docker 部署和完整 REST API。
jordanking211 在 GitHub 发布 awesome-rsi-classified 仓库，按系统实际修改对象将递归自改进（RSI）及相关自改进 Agent 技术分为提示词、记忆、技能、工作流、hooks、Agent 自身源码、任务程序、模型权重与研究产物九类。索引收录 71 个方法条目、37 个评测与背景条目，逐条给出关键源码路径等分类证据；作者强调源码静态核查不等于完整审计或性能复现，且提示词优化、技能积累不能一概当作优化器自身递归变强的闭环。
推荐理由：这份索引按系统实际修改对象给71个自改进方法分类，并区分源码核查与论文层证据，读者可借它避免把提示词优化误当递归自改进。
stwhwing 发布 pi-evox-lab，将 Pi 编码智能体的任务轨迹接入自进化引擎，通过受控实验量化经验继承收益：注入已验证修法后，确定性陷阱任务上 token 降 55.3%、陷阱特异错误 11→4，跨陷阱类别与 agnes-2.5-flash / deepseek-v4-flash 复现。仓库含闭环编排器、审核守卫与召回实现，0.15.0 修复中文分词等四个召回断点，并诚实指出生产会话可蒸馏样本密度低、注入遵从度依赖模型等边界。
推荐理由：作者用受控实验量化了智能体经验继承的收益与失效条件，并给出可直接复用的闭环 Harness 与四类召回断点修复。
adeerkhan 在 GitHub 开源了 Vitruvius，一个工程研究智能体技能包，覆盖机械、软件、土木、电气、建筑 5 个学科共 25 项技能，运行发现、阅读、综合、验证、评审的研究循环。验证器基于 20 个对抗案例加 5 个确定性 PASS 评分夹具的基准，最新记录为 80% 判定正确、0 次错误放行、0 次错误拦截，说服压力测试 4/5 保持且含 1 次错误放行；项目强调这些是带方差的实测结果而非认证，支持 Claude Code、Cursor、Codex、OpenCode 等多种宿主安装。
推荐理由：这个工程研究智能体把盲验证基准和实测数字连同弱点一起公开，读者可以直接复现验证流程评估其可靠性。
Atharv279 发布开源项目 ai-research-agent，用 GitHub Search API 每日查找近 24 小时内新建的 AI/ML 仓库，通过本地 Ollama（llama3.2:3b）生成摘要，并自动克隆仓库、运行 pytest/jest/cargo 测试。项目会打分排名并输出对比分析，报告存为 `reports/YYYY-MM-DD.md`，由 GitHub Actions 每日自动运行并提交。
GitHub 上的 ai-scientist 项目是一个 AI 智能体，为给定靶点提出候选蛋白结合剂并输出带引用的排序报告，串联文献检索（Europe PMC）、RFdiffusion 骨架设计、ProteinMPNN 序列生成与 Boltz-2 共折叠打分等 NVIDIA BioNeMo 模型。默认内置模拟器，无需 GPU、API key 或网络即可离线端到端运行测试；通过 `--real-bio` 等参数可切换到托管或自托管的 BioNeMo NIM。复合评分为 0.5×复合置信度 + 0.3×亲和概率 + 0.2×逆 MPNN 分数的透明启发式排序，项目定位为研究原型，候选结果供湿实验验证。
开源项目 sre-weekly-cn 将知名 SRE/DevOps 周刊 SRE Weekly 自动聚合为中文站点，每日通过 RSS 抓取文章，调用 LLM 生成中文翻译、SRE 视角点评和 1-10 分质量评分，并按事故报告、监控可观测等 10 大分类整理。项目基于 Astro 5、Tailwind CSS 4 和 TypeScript 构建，默认模型为 gpt-4o，通过 GitHub Actions 在每日北京时间 09:00 自动化运行并部署到 GitHub Pages，采用 MIT 许可证。
GitHub 仓库 llm-ca-evolution 实现了用 LLM 进化可编程元胞自动体，通过 config 文件控制 local_functions、global_functions 数量、pcg_benchmark 游戏及 code_context 开关。每次运行需 ANTHROPIC API KEY，一代的 API 调用并行发出，适应度在 worker 进程中评分；支持 sweep.yaml 网格扫描，可用 run_sweep_tmux.sh 分片并行。默认配置针对 24 vCPUs、48 GB RAM、32 GB 磁盘的 vast.ai 机器，8 个分片各 4 个 fitness workers 和 6 个并发 API 调用，全程只用 CPU 和 API，不使用 GPU。
PyAutoLabs 的 PyAutoMemory 是 PyAutoScientist 的长期记忆，将已学知识整理为交叉链接的 LLM wiki，含文献摘要、科学概念及用于验证的引用元数据。当前收录 166 页、69 页已起草、651 个论文章节中 40% 已具备规范引用键、229 篇论文排队待读。子 wiki 覆盖强引力透镜、超大质量黑洞、CTI、贝叶斯方法与星系演化；配套 Dashboard 与 GitHub Actions 工作流（queue_actions.yml、queue_filing.yml、queue_sweep.yml）管理阅读队列，Claude 生成的归档 PR 须经人工合并。
开源工具 farsight 面向创始人和研究爱好者，用户输入问题即可由 Claude 驱动自动收集并分析信息，生成深度研究报告。它运行于 Windows（需 Windows 10 及以上、4 GB 内存、500 MB 磁盘空间），采用 TypeScript 编写并基于 Next.js 构建，支持可插拔技能模块和网页抓取，代码在 GitHub 开放，无需技术背景即可使用。
VulnSeeker 在 GitHub 开源了 Onyx，一个通过搜索网络自主习得技能并构建知识库的自学习 AI Agent，无需预置知识或手动配置技能即可端到端完成任务。它支持任务驱动、指定技能和模型训练三种模式，可自动学习缺失技能、在沙箱中执行代码并引用所用技能，提供 CLI、FastAPI REST API 和 Streamlit 界面，采用 MIT 许可证，需配置 OPENAI_API_KEY。
University of Essex Online 智能体课程项目 llm-academic-research-agent 正在开发中，是一个由 LLM 驱动的学术研究规划智能体。原型已实现规划、从 Crossref 和 OpenAlex 检索学术元数据、确定性排序、LLM 总结、证据校验及 LangGraph 编排，通过 Hugging Face Inference Providers 接入模型（默认 google/gemma-2-2b-it），自动化测试 38 项全部通过；持久化、审批/导出和最终演示界面尚待完成。
SourceShift 开源了 mini-ork，一个面向 AI Agent 的任务操作系统，用 classify→plan→execute→verify→reflect→reduce 流程，以 Docker 沙箱中的真实执行结果（测试、类型检查、schema）而非模型自评来验证修改。实测中在对抗性 SWE-bench 语料上 21 个 PROVEN 判定全部正确、0 次误判放行；基于仓库历史 held-out 任务解题 22/40（55%），单证书约 $0.03。项目以 Apache-2.0 许可发布，其自我改写 apply 循环可无人审批提升修改但默认关闭，作者明确提示需依靠版本控制与回滚命令兜底。
推荐理由：README不仅讲思路还给出实测数字，包括对抗性SWE-bench上21个判定全对与自我改写循环的风险警示，可作验证型Agent框架的参照。
GitHub 上的 AI_Intelligence_News 项目提供一套多智能体流水线，自动抓取、过滤、分析并发布高信号 AI 新闻。系统先用纯 Python 确定性过滤层（11 阶段过滤器、24 个 RSS 源和 2 个 News API）剔除约 90% 噪音，再由 Gemini-2.5 驱动分析，生成面向 5 类受众的版本，并通过 GitHub Actions 定时任务写入 Supabase PostgreSQL，前端为 Next.js 15。
Luciole-Studio 在 GitHub 发布开源项目 MISAKA，一个面向人文社科研究的 AI 智能体架构（Apache-2.0），用 Last Order 协调员拆解问题、多名 Sisters 专家并行执行任务卡，以有向无环图逐层展开研究分支，红队以症候式阅读审视结论未言明的预设，最终产出引用可溯源到页码与字符偏移的研究文章。技能按层级加载以节省协调员上下文，配合 PageIndex 分层文档索引和 LCM 层级压缩处理长文本，全部数据留在本地，计划须经用户批准，支持 macOS、Linux 和 Windows，可用 uv、brew 或 winget 安装。
推荐理由：原文完整给出了用 DAG 分层展开研究分支、红队审阅和按页码溯源引用的架构细节，方法可迁移到其他多智能体研究工具设计。
Daegu-Agent-Crew 在 GitHub 开源 ai-agent-news 项目，让 Agent 通过网络搜索收集最新 AI Agent 新闻，经抓取、韩语翻译、深度分析后存入结构化 markdown 记录。系统采用 Karpathy LLM Wiki 三层结构（records/wiki/registry），并自 2026-09-11 起引入 Comp AI CRM 缩减版证据账本模式，要求事实与解读分离、重要性星级由来源权威和交叉验证计算。用户向 OpenClaw Agent 请求“收集新闻”即可使用。
yorbisanthany 在 GitHub 开源 auto-survey-agent 项目，通过结构化协议驱动 AI 智能体自动化文献调研并生成分析报告。项目基于 AutoGen 框架与 LLaMA API 构建，涉及 chain-of-thought、in-context-learning 等技术，目前获得 1 star。
Recursive Game Creator 是一个面向游戏体验的智能体开发框架，通过 Designer、Builder、Player、Reviewer 四个组件递归迭代，把粗糙的游戏原型打磨成有趣的游戏。该方法在 GameCraft-Bench 上取得 77.89 的 SOTA 综合成绩，在 GameASG-Bench 上严格任务成功率达 53.2%，较同模型基线提升 34.1%，运行时检查通过率 93.4% 为对比方法中最高。用户研究显示玩家游玩时间更长、评分更高，代码即将开源。
arXiv 论文提出“bottling”概念与 BOTTLED 基准，让 LLM 智能体在固定时间、算力和 API 预算内将大规模任务转化为廉价方案（如训练小模型或写可复用程序）。跨 10 个模型、3 个任务显示：60 次运行中 48 次低于零样本 95% 置信区间下界，31 次不敌同 token 预算的小模型蒸馏基线；但 Opus 5 在查询-商品相关性分类上以约 657 倍更低的成本保留约 82% 零样本 macro-F1，并以四分之一成本达到专用廉价模型 Jev 约 94% 的 macro-F1。
arXiv 论文提出 IdeaAnchor 训练范式，用结构化规范作为特权信号教 LLM 基于文献进行研究构想，实例从已发表论文中挖掘。模型通过示范、自蒸馏和强化学习训练，并在推理时结合检索。实验显示构想质量持续提升，其中 anchor 训练强化创造性综合、检索增强细节展开，两者结合效果最佳。
GitHub 开源项目 daily-hotspots 每日挖掘有真实信号的商业机会，核心原则是“LLM 提议、确定性门控裁决”。它通过三级漏斗从 HackerNews、Product Hunt、X、arXiv、GitHub、reddit 等来源并行抓取，仅保留 ≥2 个独立来源的聚类，按五维度打分后经 verify_gate.py 校验，输出一条排名消息到 Discord 并存档；单源信息归入标注“单源未验证”的社区脉搏区。深挖委托给 market-intel / small-cap-deepdive，每天限 ≤3-5 次。
David Condrey 在 GitHub 发布 misterdev，一个自主 LLM 构建编排器，可将目标拆解为任务，用锚定 SEARCH/REPLACE 编辑代码，并通过 build/test/lint/typecheck 门控验证每次变更，回归即通过 git 回滚。它以 CLI 或 MCP server 运行，基于 tree-sitter 符号图理解 Python、Rust、TypeScript/JavaScript、Go、Java、C/C++、C#、Swift、Kotlin 九种语言，支持跨 OpenRouter 的成本感知动态模型选择和隔离 git worktree 并行任务，还包含 AlphaEvolve 式自改进循环与双时间尺度工具库。
推荐理由：原文给出了完整的门控机制说明和 Aider polyglot 基准的分语言通过率，读者可以据此评估这个自主构建编排器的实际做法与效果。
论文提出 SIGMA，一种仅需 Model Spec 即可让模型自我改进安全对齐的数据生成与训练流程，通过 spec 引导任务合成和基于 rubric 的强化学习完成。尽管只在单轮对话数据上训练，SIGMA 在多轮智能体环境中将 AgentHarm 有害性从 22.6 降至 14.8，Agentic Misalignment 从 79.1 降至 3.8，优于 Deliberative Alignment 和 Constitutional AI 基线，且保留通用能力。
推荐理由：原文给出了仅凭 Model Spec 进行对齐自我改进的流程和 AgentHarm、Agentic Misalignment 前后数字，可与外部监督方法的局限对照阅读。
研究提出 HMED（Hindsight Meta-Experience Distillation），一种为自改进智能体构建 Meta-Experience 的机制：从同一恢复的发现状态重新执行原与修订后的 Meta-Skills，使修订的实际影响可在相同条件下观察，并将比较结果蒸馏为可复用的结构化记录。在三个交互式智能体 benchmark 及开源与闭源模型上，HMED 的 Skill 发现性能均持续超越强基线。