🤖 Agent 从执行者进化为自我进化者（4/4 天出现）

本周最强信号。智能体研究沿"记忆→加速→自修复→自主进化"路线全面推进，从数字环境延伸到物理世界，从单体技能迁移扩展到群体知识共享。

• 06-15：User as Code — 可执行 Python 项目表征用户状态，聚合查询准确率 99%
• 06-16：PreAct — 将成功轨迹编译为状态机程序，重复任务加速 8.5-13×
• 06-17：Skill-Guided Continuation Distillation — GUI 智能体离轨自改进，OSWorld 成功率突破 50%
• 06-18：ENPIRE — 编程 Agent 自主驱动真实世界机器人策略迭代达 99% 成功率
• 06-18：Connect the Dots — 端到端 RL 训练 LLM 元能力实现跨域泛化的长生命周期 Agent

⚡ 推理效率与 RL 训练稳定性攻关（4/4 天出现）

GRPO 生态快速成熟，焦点从 reward 设计转向数据效率和信用分配；循环 Transformer 在 06-16 集中爆发；MoE 效率优化从"设计新路由"转向"挖掘参数冗余"和"跨中心训练"。

• 06-15：Expert Tying (MoE) — 跨层共享专家参数，内存减半质量无损
• 06-16：Looped World Models — 首个循环架构世界模型，参数效率提升 100×
• 06-17：SC-GRPO — 自条件化 token 级信用分配，跨 5 基准超 GRPO 8.1%
• 06-17：FoMoE — 跨数据中心 MoE 训练通信量降 45×
• 06-18：StreamKL — O(1) 内存注意力 KL 蒸馏原语，前向 43× 加速

🛡️ 安全研究走向形式化与系统化（4/4 天出现）

安全研究从经验性红队测试向形式化证明演进——不可能性定理、规约推断、系统级安全集成三条路线齐头并进。研究范围从模型层扩展到 Agent 行为经济学和 API 基础设施层。

• 06-15：Greed Is Learned — 揭示 RL 策略对可见激励的学习性"成瘾"可翻转安全对齐
• 06-16：Red-Team Study of Fable 5 & Opus 4.8 — 7826 意图大规模红队证明前沿模型仍可被系统攻破
• 06-17：TRAP — 首次证明 softmax 模型隐私-任务不可能性定理
• 06-18：SafeSpec — 推测解码内嵌安全头，ASR 降 15% 同时保留 2× 加速

🦾 具身智能：从能力展示到可靠部署（3/4 天出现）

世界模型、VLA 模型压缩和真实世界策略迭代构成三角支撑。VLA 模型 50% 冗余层的发现为边缘部署打开大门，频率域动作生成和信息论故障检测推动部署可靠性。

• 06-15：Kairos — 面向物理 AI 的原生世界模型栈，含理论误差界
• 06-18：VLA Layer Pruning — 训练无关裁剪 50% 深度，训练加速 40-50%
• 06-18：Tri-Info — 信息论故障检测跨模型/环境迁移，真实世界 83% 准确率

🔬 科学与医疗 AI 纵深应用（4/4 天出现）

医疗 AI 从可穿戴数据问答到心脏电生理数字孪生全面铺开；AI4Science 延伸至催化剂发现、行星搜索等前沿领域。评估框架（RubricsTree）和决策辅助（Medical Heuristic Learning）推动临床可落地。

• 06-15：Compositional Reasoning Depth Predicts Clinical AI Failure — 量化推理跳数与准确率的单调下降关系
• 06-16：RubricsTree — 100+ 临床布尔指标 + 自适应路由，HealthBench 提升 66%
• 06-17：AdsMind — 闭环多智能体催化剂构型发现，评估次数降 14 倍

"可执行表征"正在替代"文本/向量检索"

本周多篇论文不约而同地将传统检索式范式替换为可执行结构：User as Code（用户状态→Python 对象）、PreAct（Agent 轨迹→状态机程序）、VeriGraph（推理链→证据 DAG）、ToolPro（静态 API→可执行工具程序）。这一趋势跨越记忆、加速、验证和工具使用四个维度，暗示"表征可执行化"将成为下一代 Agent 系统的核心范式。

RLVR 瓶颈从"怎么定义奖励"转向"怎么高效利用梯度信号"

SC-GRPO（token 级信用分配）、RODS（奖励方差驱动数据合成）、Beyond Reward Engineering（纯数据配方）、ICT（分布偏差选择性更新）四篇论文在 06-17/06-18 密集出现。它们共同揭示：GRPO 系训练的真正瓶颈不在 reward 函数设计，而在于静态数据集中有效梯度信号的迅速耗尽。数据效率和训练稳定性将是 RLVR 规模化的决定性挑战。

安全能力差距仍在扩大，但形式化方法提供了锚点

一方面，红队测试（Fable 5 / Opus 4.8 仍可被攻破）、PseudoBench（自动研究系统对伪科学零拒绝）、Cognitive Atrophy（AI 削弱用户自主思考）等发现表明能力提升正与安全对齐拉开距离。另一方面，TRAP 的不可能性定理和 Code-Augur 的规约推断方法代表了安全研究的形式化转向——用数学证明划定防御天花板，用可验证断言替代经验性 patch。本周信号明确：经验性 red-teaming 必须搭配形式化保证才能跟上前沿模型的迭代速度。