Paper Digest: 2026-08-24
今天最值得看的 paper,我会选 AI with Authority, from Application to Silicon。 论文报告了一个相当激进的工程实验。一个研究者使用消费级 AI subscriptions,指挥一支小型 agent fleet,在五周内完成应用代码、verified compiler、executive 和 RISC-V processor,并把芯片送入 c...
今天最值得看的 paper,我会选 AI with Authority, from Application to Silicon。 论文报告了一个相当激进的工程实验。一个研究者使用消费级 AI subscriptions,指挥一支小型 agent fleet,在五周内完成应用代码、verified compiler、executive 和 RISC-V processor,并把芯片送入 c...
今天最值得看的 paper,我会选 EnvHarness: Awakening Static Worlds for Agent Learning。 Agent RL 有一个很朴素的矛盾。Policy 在持续更新,environment 却常常保持原样。训练初期有价值的任务,在模型掌握主要模式后会迅速失去区分度。Environment 也看不到 policy 当前卡在哪里,只能重复提供既定分...
今天最值得看的 paper,我会选 SPADE: Self-Play in Adaptive Synthetic Executable Environments。 Agent RL 有一个很现实的上限:模型可以持续训练,环境池却常常停在原地。人工任务、静态合成任务和固定 verifier 都会逐渐被学会。继续增加 rollout,只是在重复已经缺少学习信号的分布。 SPADE 把 env...
今天最值得看的 paper,我会选 ClawGym II: Exploring Black-Box RL on Agent Harness。 训练一个能在真实环境中工作的 agent,最麻烦的部分往往发生在 model 之外。OpenClaw、Claude Code 这类 harness 会管理工具、状态、重试、上下文压缩、并发任务和长时间执行。对用户来说,这些能力组成了完整产品。对 RL...
今天最值得看的 paper,我会选 Beyond Final Scores: A Systematic Evaluation of Agents for Long-Horizon AI Research and Development。 研究型 agent 的演示越来越像真正的 R&D:读代码和论文、提出方案、运行实验、观察结果,再继续修改模型或系统。评价这类 agent 时,最终...
今天最值得看的 paper,我会选 DarwinX: Evolving Agent Harnesses Through Natural Selection。 一个 LLM agent 的能力同时存在于两处:模型 weights,以及包围模型的 harness。Prompt、tools、skills、memory 和 control flow 都会决定它怎样行动。模型冻结之后,agent 仍...
今天最值得看的 paper,我会选 The Devil Is in the Interface: Evaluating How Tool Architecture Shapes Coding Agent Behavior。 Coding agent 的工具越来越多。Shell、文件读写、代码搜索、patch、Python execution、scratchpad、subagent,几乎每个...
今天最值得看的 paper,我会选 Persistent Recursive Worlds Enable Autonomous Software Evolution。 它研究的是 coding agents 最难绕开的系统问题:一个软件项目可能持续几天、几个月,甚至几十年,任何单个 agent 的 session、context 和 memory 都活不了这么久。作者提出的 EvoX Ge...
今天最值得看的 paper,我会选 SWE-Bench ProMax: Benchmarking Agents on Large-Scale Multilingual Code Refactoring。 它选了一个 code agents 还远没有解决、同时非常接近真实工程的能力:large-scale refactoring。模型需要在多个文件之间协调修改,保持外部行为一致,并让完整 t...
今天最值得看的 paper,我会选 DCAS: Decoupling CLI Agent Scaffolding to Internalize Planning across Scaffolds。 它指出 code-agent training 里一个容易被忽略的 confound:模型学到的内容同时包含解决软件问题的能力,以及生成 trajectory 的 agent scaffold ...