新闻、仓库与研究，按时间排列。
arXiv 论文 2610.08077 提出 prospective learning 与 Self-Retrospection Distillation（SRD），将智能体事后获得的轨迹经验蒸馏为同一策略在交互前的预测目标，且推理时无需显式生成 foresight。在 10 个工具集成推理和长程智能体任务上，SRD 相比 RLVR 和自蒸馏基线最高提升 24.2 pp；在 98% rollout 组全失败的 2B 设定下，RLVR 成功率为 0.0%，叠加 SRD 后在相同 rollout 预算下达到 60.6%。
GitHub 上的 latest_arxiv_analyze_ai 项目每天用 LLM 爬取并分析 600 多篇最新 arXiv 论文，覆盖 cs.AI、cs.CL、cs.CV、cs.LG、cs.SE 等方向，自动提取背景、创新点和结论。结果以 markdown 和 RSS/Atom 文件每日导出，可订阅或导入 Zotero，也可 fork 仓库在本地或 GitHub Actions 上自动运行。
SciLink 是一套基于大语言模型智能体的科研自动化平台，提供实验设计规划、多模态数据分析和计算模拟三类智能体系统，支持 RAG 知识库检索、动态代码生成与可插拔技能包。平台提供 Co-Pilot、Autopilot 和 Autonomous 三档自主级别，可通过 CLI、Web UI、MCP 服务器或 Python API 使用，支持 Gemini、OpenAI、Anthropic 等 LLM 提供商，经 pip install scilink 安装。
kumori-ai 发布 sparebrains 仓库，把 60 多个免费档模型组成的路由池闲置算力用于 Lean 4 形式化的竞赛数学证明，由 Lean 证明内核而非人工或模型判分。题目分 primer、MIL、miniF2F 分级等 578 道，每题每条模型通道最多试三次，验证通过率达 0.5 即算通关；每晚 22:00 和 03:00（太平洋时间）跑两轮扫描，全部转录存入 Postgres 并在 sparebrains.kumori.ai 公示，验证标准为 lake env lean 退出码为 0、无 sorryAx、公理仅限 propext、Classical.choice 和 Quot.sound，仓库以 Apache-2.0 许可并给出完整复验命令。
GitHub 上的 nullius 项目将 Dream-RSI 的递归自我改进机制应用于量化研究，在加密市场中发现预测性信号，并通过在评估层植入隐藏的 null 假设来度量假发现率。系统采用只读信任区、AES-GCM 加密 null 侧车和 gVisor 沙箱保证可复现性，核心产品是随时间改进、带已知假发现率的校准搜索与选择策略，而非交易策略本身。
GitHub 上的 autoresearch-claude-code 项目通过目标驱动的循环，让 Claude Code 自动测试、度量和持续优化代码改动，无需额外服务器。该项目为开源仓库，当前仍在早期阶段。
GitHub 开源仓库 autoresearch-rl 通过让 AI 智能体自动运行并评估多个训练实验，寻找稳定的后训练配置，实现 RL 微调流程自动化。该项目目前有 1 star、0 fork。
zou-group 在 GitHub 开源了 Virtual Lab，一个让人类研究员与多个 LLM 智能体通过团队会议和个别会议协作开展科研的框架，配套论文发表于 Nature (2025)，https://doi.org/10.1038/s41586-025-09442-9。框架演示了用 ESM、AlphaFold-Multimer 和 Rosetta 组成的流水线设计 92 个经实验验证的 SARS-CoV-2 纳米抗体；默认使用 OpenAI 的 GPT-5.2，也支持 Claude、Gemini、Ollama 等多家模型，内置 max_cost 费用限额、Docker 沙箱执行代码、MCP 工具接入、项目级预算管理和断点续跑，需 Python 3.12 及以上。
推荐理由：作者详细给出了会议机制、费用限额、Docker 沙箱与断点续跑等设计，读者可以了解多智能体科研协作框架的工程取舍。
GitHub 仓库 AI-PaperDaily/llm-agent-papers 每日精选 Arxiv 上大模型与 Agent 领域论文，仓库内容包含公众号 HTML 页面、小红书内容和 README 等资源。目前该项目尚未获得 stars、watchers 和 forks，也无 Releases 与 Packages。
yannickYamo 发布 Python 工具 receipts，位于研究智能体与最终文档之间，要求每条论断绑定代码抓取页面上的逐字引用、链接和阅读日期，无法对应引用的论断被删除并列出原因。流程分两阶段：代码检查引用是否逐字在页、数字是否在引文内，再由小模型（claude-haiku-4-5）作为 reader 判断句子是否涵盖论断，无答案视为不通过；reader 阶段标价为 120 条论断 $0.17。核心零依赖，需 Python 3.10+，MIT 协议，支持 --code-only 模式与 MCP 服务器，仓库见 https://github.com/yannickYamo/receipts。
推荐理由：作者保留了自家工具的失败测试与误切率，读者可以据此了解这套引用核查流程的真实边界。
eunomia-bpf/bpf-benchmark 仓库提供 ATC 2026 接收论文 BPF-Ext: Safely Extending the eBPF Compilation Pipeline with Native Operations 的工件评测说明，评测指南在 docs/atc26-artifact-evaluation.md，Zenodo 存有不可变归档备份。
Assem-ElQersh 在 GitHub 发布 HypothesisOS，一个执行自主深度学习研究循环的实证 ML 框架，核心是 UCT 状态树搜索、多模型匿名同行评审共识与 Keep-or-Revert 决策。评估器 evaluate.py 完全自包含，启动时以 SHA-256 哈希加 chmod 444 锁定防篡改，验证数据 val.pt 被隔离；评审用 mean-rank 聚合、Kendall's W 一致性系数和含信息增益与新颖性的 EV 公式打分。基线为 TinyShakespeare 上 Transformer 的 0.1672 BPB，单次试验固定 30 秒训练预算，支持本地或 Modal GPU 执行，并明确指出小数据集结论未必迁移到大模型场景。
GitHub 上的 markgitup-research-desk 是一个无人值守的自动研究门户，由树莓派每小时运行一次，从 24 个固定 AI 与科技主题族中选题，经 SearXNG 搜索（Bing News RSS 兜底）并要求至少 2 个独立来源后合成文章。
研究者提出一个 AI agent 驱动的可微分科学软件演化环境，连接需求识别、开发与质量评估。该工作构建并验证了覆盖物理、化学和生物建模的 20 个包的自动微分扩展，通过独立导数检查、工作流测试和性能评估评估实现。基准测试显示其在梯度评估和完整参数估计中相比有限差分节省计算，量子控制与热设计研究复用已有导数改进了设计。
研究者提出 TRIZ^a，一种结合 TRIZ 发明理论与 LLM 智能体进化搜索的研发自动化范式，用 40 条发明原理和矛盾矩阵替代随机变异来引导方案生成。在 PowerDuck GOOSE、CICIoT2023、CIC-DDoS2019 三个网络安全数据集上，配对重跑协议下 F1 分别绝对提升 +2.88、+4.23、+0.15 个百分点；一次 45 活动的 CICIoT2023 完整实验将 macro-F1 从 0.8325 提升至 0.8483，但未通过冻结的晋升门控。
ShadowMiner v1 是一个从 AI 论文中自动发现研究问题并生成假设的系统，采用九阶段流水线：将文档结构化为知识图谱、找出图谱中的结构性盲区，并据此驱动 LLM 生成假设。每个假设经过已有研究覆盖检查、质量评分与事实溯源核验。报告不提出新技术，而是记录实现与应用已有思路的实践经验，并测量每个环节的实际贡献。
R-Quest 通过问题有效性与新颖性反馈维持推理模型的自进化：先训练求解器识别并拒答无效问题，再用其判断引导提问者奖励并过滤训练数据，同时用冻结的基础模型对比问题对提供新颖性反馈。该方法在两个模型家族的 12 个数学推理、通用推理与代码生成基准上取得最高平均性能，十轮自进化中保持稳定提升，最终比 R-Zero 高 17.32 分。
Human-Agent-Society 在 GitHub 开源了 Reef，定位为首个面向持续自我改进 Agent 的开源基础设施，连接推理、反馈、学习与版本化交付。它支持模型权重训练（配合 Slime 与 SGLang）和 harness 自我改进（提示词、规则、技能，仅需模型端点无需本地训练 GPU）两条路径，学习循环分 Serve、Observe、Grow、Commit 四步，推理端点兼容 OpenAI 与 Anthropic 格式，recipe 附 AIME 2025、IMOAnswerBench、Terminal-Bench 等实测结果页，仓库地址 https://github.com/Human-Agent-Society/reef。
推荐理由：README 给出四步学习循环、双学习面架构和带实测基准的 recipe 目录，便于评估这套自我改进 Agent 基础设施的落地方式。
thierrypdamiba 在 GitHub 发布 teeth（MIT 许可），一个用于自我改进 Agent 的预测计分库：Agent 对 7 个加密市场以 5 分钟为周期持续预测，用 Brier 分数对照市场实时价格计分，结算自动划转资本，纯 Python 标准库实现，账本为可审计的 JSONL。Agent 凭准确率赚取支出上限，未验证 Agent 上限打 75% 折扣，只有结算结果可改变上限；可作为 DGM 式演化系统的适应度函数，Season 0 到 2026-09-30 为不发放奖金的公开试运行。
推荐理由：提出用实时预测市场作为自我改进 Agent 的适应度函数，Brier 边际随市场结算计分，规避基准泄漏与评委操纵问题。
ShinkaEvolve v0.0.7 已发布至 PyPI。新增 Wolfram Language 和 Go 作为一等演化目标，并补充 Gemini 3.5 Flash 与 Claude Opus 4.8 的定价条目。修复了 WebUI 中仅完成初始生成的运行被过滤为空结果、以及单模型 Headless 运行在 Ensembling 标签页不显示数据点的问题。
karpathy/autoresearch 项目合并了 PR #342，修复分析模块中变量 best_bpb 未先定义就被用于 Y 轴缩放的问题。修改内容是在计算 margin 前先通过 kept_bpb.min() 定义 best_bpb，再据此设置图表 Y 轴范围并输出 progress.png。
Karpathy 更新其 autoresearch 仓库的 README，补充项目背景介绍和参考链接。该项目让 AI 智能体在夜间自主运行小型 LLM 训练实验：智能体修改代码、训练 5 分钟、评估结果并决定保留或丢弃，循环迭代。训练代码是 nanochat 的简化单 GPU 实现，研究者通过编辑 `program.md` Markdown 文件而非 Python 文件来设定自主研究组织。