新闻、仓库与研究，按时间排列。
论文提出 SEIS（Self-Evolving Inference Systems），用智能体自我进化在无人干预下端到端优化 mini-sglang 推理引擎。在 H100 上服务 Qwen3-0.6B 时吞吐达到原版 mini-sglang 的 3.27X，并在单请求负载下超过 vLLM、TensorRT-LLM 和 SGLang；正确性通过数值差异及数学、长上下文检索任务的下游准确率验证，会话经验继承的迭代优化优于独立尝试。论文地址 https://arxiv.org/abs/2610.04646v1
推荐理由：论文用智能体自我进化端到端优化整个推理引擎，并在实测中与 vLLM 等主流引擎做了吞吐对比，方法可迁移到系统优化场景。
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。
论文提出 Action Consequence Alignment（ACA）训练目标，解决潜在世界模型预测误差低但规划不可靠的错配问题。ACA 通过惩罚局部搜索替代动作相对事实动作的预测误差优势来改进规划，无需额外模型组件或训练期环境交互。在多种环境评测中，ACA 提升了规划表现、降低真实目标误差，其引导的数据收集优于随机局部采样。
SakanaAI/ShinkaEvolve 项目将 CI 工作流中固定的 actions/checkout 从 v4 升级到 v7.0.1，claude-code-action 升级到 v1.0.239 release commit，两者均固定到完整 SHA。checkout v5-v7 的变更（Node 24 运行时、凭据分离文件、fork-PR 阻断）不影响该工作流，所用 claude-code-action 输入项在 v1.0.239 中保持不变。
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。
IgorGanapolsky 在 GitHub 开源 ThumbGate，一个运行在 PreToolUse hook 的 AI 编码 Agent 执行前防护引擎，在工具调用执行前给出放行、警告或硬拦截判定。默认硬拦截 secret 泄露和两类自我禁用命令，rm -rf、force-push 等默认警告，设 THUMBGATE_STRICT_ENFORCEMENT=1 可升级为硬拦截；用户 👎 反馈沉淀为本地规则，可自动从警告升级为拦截，支持 Claude Code、Cursor、Codex、Gemini CLI 等 MCP Agent。免费版每天 2 次反馈、3 条自动规则，Pro 为 $19/月或 $149/年。
推荐理由：作者给出按风险分级的默认拦截策略和分阶段接入流程，读者可以对照自己用的编码 Agent 判断是否适用。