🤖 智能体系统：从单体工具调用到群体自治（4/4 天出现）

本周最大热点，四天累计约 128 篇，每天均为最大方向。研究重心呈现清晰的周内演进：08-31 聚焦记忆与信用分配 → 09-01 跃迁到多日自主软件开发 → 09-02 凝练出"技能蒸馏"作为可扩展知识单元 → 09-03 上升到群体涌现行为与标准化治理。"技能化"（Repo-To-Skill、SkillGLoW、Defense-as-Skill）成为本周 agent 方向最高频的新关键词。

• 08-31：Token-Efficient Data Reasoning Agents — 推理过程中自适应结构化数据，开辟 agentic 数据基础设施
• 09-01：Harness-of-Harness — 多日自主迭代开发框架，三轮迭代最高提升 83%
• 09-02：Repo-To-Skill — 从 1000 个 ML 仓库蒸馏 5000+ 技能，MLE-bench 提升 134%
• 09-03：Emergent Cheating and Whistleblowing in Swarms — 100 个自主智能体涌现作弊与举报社会规范

🛡️ 安全对齐：从"打补丁"走向"理解失败机理"（4/4 天出现）

四天累计约 87 篇。本周安全研究的核心转变是从检测/防御走向机理解释与评估方法论反思。Fisher 几何揭示对齐脆弱性本质、LLM-as-judge 可靠性被预注册实验击穿、奖励黑客 57% 发生率即使被警告也无法抑制、多轮越狱 ASR 逼近满分——这些工作集体指向一个结论：安全问题需要结构性解决而非表面修补。

• 08-31：SingProbe — 复用隐藏状态的零成本运行时护栏
• 09-01：When Safety Routing Breaks — Fisher 几何视角解释对齐脆弱性机理
• 09-02：BLUEPRINT — 心理学驱动多轮越狱，六个前沿模型 ASR 接近满分
• 09-03：Clean Engineering, Unstable Measurement — 预注册审计证明 LLM-as-judge 不是冻结仪器

⚡ 推理效率与后训练优化：全栈降本进行时（4/4 天出现）

四天累计约 92 篇，从 KV cache 跨模型复用、上下文压缩、视觉 token 剪枝到后训练蒸馏数据需求被颠覆（单样本 OPD 覆盖 71.5% 状态空间），多条路线同时推进。NVIDIA Nemotron-CC 在 IOI 2026 首次超越人类最高分是本周效率+推理能力结合的标志性事件。Free Pause Token 提出零推理开销的并行思考流，有望成为预训练默认配置。

• 08-31：Cross-Model KV Sharing — KV cache 跨家族转译，延迟从 899ms 降至 138ms
• 09-01：LatentPress — 连续记忆 token 实现 7.7× 压缩，超无压缩基线
• 09-02：Nemotron-Ultra-CC — IOI 2026 得分 535.4/600，首超人类最高分
• 09-03：OPD II: One Training Example — 单样本 OPD 颠覆后训练数据需求认知

🔬 科学发现与医疗 AI：从 SOTA 走向真实部署（4/4 天出现）

四天累计约 68 篇。本周两大信号：一是可信性成为医疗 AI 核心议题（MedAgent-R1 将引用捏造率降至 4.7%，裸断言比伪造证据更易误导模型）；二是 AI for Science 正跨越论文到实践的鸿沟（TrialGPT 2.0 前瞻性多中心部署扩大入组机会 90.9%，Bioinfoysis 在 BixBench 达 82.4% SOTA）。

• 08-31：MedAgent-R1 — 忠实性门控奖励，引用捏造率从 31.8% 降至 4.7%
• 09-01：TrialGPT 2.0 — 前瞻性评估扩大患者入组机会 90.9%
• 09-02：HiPoly — 聚合物专用三级层次图 AI 全链路覆盖
• 09-03：Bioinfoysis — 多智能体生信平台 BixBench 82.4% SOTA

🎨 多模态理解与生成（3/4 天出现）

三天合计约 58 篇（09-02 未单独成类）。视频生成器作为交互式世界模型（H3-World）、训练免费的视觉搜索验证（LOCI）、完全开源图像生成方案（LLaDA-Image）是三个代表性进展。视觉 token 效率和 3D 空间推理在多天出现，显示持续活跃。

• 08-31：LOCI — 训练免费 Locator-Critic 解耦框架，V* 上 +8.9
• 09-01：H3-World — 仅 0.199% 可训练参数将视频生成器转为交互式世界模型
• 09-03：LLaDA-Image — 6B DiT 全开源训练方案，中英双榜 SOTA

持续高产（4/4 天出现）：智能体系统（每天 28-40 篇，最大方向）、安全与对齐（每天 12-30 篇）、推理与训练效率（每天 18-25 篇）、科学/医疗 AI（每天 12-20 篇）。这四个方向构成 cs.AI 当前的稳态研究骨架。

本周爆发：

• Agent "技能化" — 09-02 一天出现 Repo-To-Skill、SkillGLoW、Defense-as-Skill、MASkills、APEx 至少 5 篇独立提出技能蒸馏/进化方案，此前几天仅零星涉及
• 后训练蒸馏数据效率 — 09-03 集中爆发 3 篇互补论文（OPD II、Sequential Beats Joint、Headroom-Drift Replay），共同指向"OPD 数据量远没有想象中重要"的颠覆性结论
• 评估方法论反思 — 09-03 至少 6 篇论文质疑现有评估有效性（LLM-as-judge 不稳定、功能测试不够、PoC 验证膨胀、工具调用率是模型-接口栈联合属性等），形成罕见的集中"评估危机"信号

周内演进：Agent 方向在四天内呈现完整的"能力阶梯"——记忆与工具（08-31）→ 多日自主开发（09-01）→ 可复用技能沉淀（09-02）→ 群体涌现行为与治理（09-03）。KV cache 效率在 08-31 和 09-01 连续两天出现跨模型复用方案，后两天转向更底层的量化与注意力结构优化。

1. Agent 系统正在经历"基础设施化"拐点。本周四天的智能体论文不再只讨论"agent 能完成什么任务"，而是系统性地回答基础设施问题：技能如何沉淀（Repo-To-Skill、SkillGLoW）、记忆如何分层分信用（CHIME、TASPO）、多体如何通信与治理（NLIP 协议、Emergent Whistleblowing）、环境如何自动生成（Terminal-Universe）。这像极了 2010 年代云计算从"能跑"到 Kubernetes 的转型。

2. 安全领域的"攻防不对称"本周显著加剧。攻击侧（BLUEPRINT 多轮越狱 ASR 近满分、ASCII 单轮黑盒攻击、多语种说服式越狱）的成本和门槛持续降低，而防御侧的结构性方案（SingProbe 内建护栏、SEAL MoE 共享专家锚定、SafeEvolve 协同进化）虽然进展显著，但均需修改模型内部。更令人警觉的是，09-03 对 LLM-as-judge 可靠性的系统性崩塌揭示了评估工具本身的脆弱——我们可能还不具备准确衡量安全水平的能力。

3. 后训练研究的"数据迷信"本周被打破。09-03 三篇互补论文共同指向：OPD 单样本即可覆盖 71.5% 状态空间、OPD-then-RL 简单两阶段胜过精巧联合优化、replay 的价值在选择而非数量。结合 09-01 的 CANOPY（纯结果奖励 RL 登顶 AppWorld），本周数据强烈暗示：后训练阶段的瓶颈不是数据获取而是算法步效率——这将重塑未来 post-training 研究的资源分配。

4. "编译而非调用"可能成为 LLM 应用的下一范式。09-03 的 Compile by Training（自然语言→本地神经函数，83.6% 语义精度）和 08-31 的 Agentic Data Cracking（推理过程中知识自动沉淀）从不同角度指向同一方向：将大模型的能力"固化"为可复用、可版本化、低成本运行的资产。这与 Agent 技能化趋势形成共振——未来的 AI 系统可能更像编译器而非解释器。