引用编码 agent 时代 PR 已过时，应让 Opus 5.5、Fable、Astra 等模型按需生成个性化视图与产物𝕏
10/18
关系近 30 天在 1 个对象上开口，和 21 人同场在地图上看他从哪来 →
要闻
Elvis Saravia 转述 Google DeepMind 论文：四个 Gemini 4 Argon agent 无人工干预 27 小时 14 分通关 Minecraft 击败 Ender Dragon𝕏
称UC Berkeley 论文用周期性丢弃 agent 会话与候选历史的遗忘机制扩展研究 agent，在启发式编程、kernel 优化、模型训练任务上比并行 agent 高 15%、比单 agent 高 39%𝕏
称微软 AutoEnvScaling 让 Qwen3.6-35B-A3B 在 Terminal-Bench 2.1 从 41.1 升至 53.3（Qwen3.5-35B-A3B）（GPT-5.6-sol）𝕏
Elvis Saravia 转述 Meta Superintelligence Labs 新研究：reward hacking 经共享代码、记忆与自然语言计划在 multi-agent coding 系统中传播，弱开源权重模型可诱导强闭源模𝕏
Elvis Saravia 转述 Google DeepMind 的 Evo2 框架：权重与 harness 共同进化，SWE-bench Verified 达 48.3%、Polyglot 达 82.1%𝕏
Elvis Saravia 推荐多智能体+持久记忆论文：三层 agent 链把峰值 KV cache 压到 14.3 MiB/query，持久 trace-recall 层仅增 0.368 MiB 但准确率变化 +0.015 且置信区间跨零𝕏
Elvis Saravia 介绍 Meta Superintelligence Labs 论文 GitSwarm：数百异步 agent 共享 Git 仓库，用 GPT-5.5 Codex worker 一次跑解全部 30 道 IMOProo𝕏
今天
Salesforce 团队训练 8B 推理模型一次生成多个研究想法，在无污染基准上 creative utility 超过 Claude Opus 4.8 和 GPT-6 Astra有新说法
Elvis Saravia 认为编码 agent 时代 PR 已过时，应让 Opus 5.5、Fable、Astra 等模型按需生成个性化视图与产物
腾讯用递归自我改进训练终端智能体，基于 Qwen3.8-27B 在 Terminal-Bench 四套件平均从 20.68% 升至 50.58%改口
Elvis Saravia 称 UC Berkeley 论文用周期性丢弃 agent 会话与候选历史的遗忘机制扩展研究 agent，在启发式编程、kernel 优化、模型训练任务上比并行 agent 高 15%、比单 agent 高 39%
昨天 · 2 条
Elvis Saravia 认为编码 agent 时代 PR 已过时，应让 Opus 5.5、Fable、Astra 等模型按需生成个性化视图与产物有新说法
Elvis Saravia 转述 Meta Superintelligence Labs 论文提出 agent plasticity，以 held-out 任务收益/学习花费衡量自改进，Claude Fable 5 终局分最高而 GPT-5.6
Elvis Saravia 指出 Gemini 4 Argon 的 Minecraft 实验中四个 agent 未分配角色，靠模型原生 persistence 在 27 小时、2,783 个程序、605 次死亡后完成目标有新说法
03:03
别人也这么说 · Ethan MollickEthan Mollick 称 Gemini 4 智能体团队自发协作通关 Minecraft 的论文值得一看
Elvis Saravia 转述 Google DeepMind 论文：四个 Gemini 4 Argon agent 无人工干预 27 小时 14 分通关 Minecraft 击败 Ender Dragon
10/16 · 5 条
Elvis Saravia 转述 Google DeepMind 论文：四个 Gemini 4 Argon agent 无人工干预 27 小时 14 分通关 Minecraft 击败 Ender Dragon有新说法
Elvis Saravia 转述 Google DeepMind 的 Evo2 框架：权重与 harness 共同进化，SWE-bench Verified 达 48.3%、Polyglot 达 82.1%
Elvis Saravia 称 UC Berkeley 论文用周期性丢弃 agent 会话与候选历史的遗忘机制扩展研究 agent，在启发式编程、kernel 优化、模型训练任务上比并行 agent 高 15%、比单 agent 高 39%改口
Elvis Saravia 称 context graphs 在 Harvey 法律知识任务上把 agent 表现从 65%/67%/53% 提升到 80%/80%/83%
Elvis Saravia 称自己实验关注效率增益，不质疑性能有新说法
Elvis Saravia 称微软 AutoEnvScaling 让 Qwen3.6-35B-A3B 在 Terminal-Bench 2.1 从 41.1 升至 53.3（Qwen3.5-35B-A3B）（GPT-5.6-sol）
Elvis Saravia 称 context graphs 在 Harvey 法律知识任务上把 agent 表现从 65%/67%/53% 提升到 80%/80%/83%有新说法
Elvis Saravia 推荐 Google 论文 Harness^2：无 verifier 在测试时递归改进 agent harness
Elvis Saravia 称 Meta 发布 Muse Spark Open，816B 总参数 / 42B 激活、1M 上下文、原生多模态，质量需自行测试
07:26
别人也这么说 · Alexandr WangAlexandr Wang 称 MSL 与 TBD 成立一年多即产出 muse wonder [full] 与 muse spark open 前沿模型
11:43
别人也这么说 · SemiAnalysisSemiAnalysis 将 Muse Spark Open 加入 B200 配置并发布成本与吞吐 dashboard
11:43
别人也这么说 · SemiAnalysisSemiAnalysis：Muse Spark Open 在 agentic 任务上大幅超过 Nemotron 3 Ultra，已加入 B200 配置
10/15 · 3 条
Elvis Saravia 推荐 Google 论文 Harness^2：无 verifier 在测试时递归改进 agent harness有新说法
04:44
别人也这么说 · TeortaxesTeortaxes 称 DeepSeek V4.1 在内部数据 BPB 上也有改进
Elvis Saravia 转述 Meta Superintelligence Labs 新研究：reward hacking 经共享代码、记忆与自然语言计划在 multi-agent coding 系统中传播，弱开源权重模型可诱导强闭源模
Elvis Saravia 称微软 AutoEnvScaling 让 Qwen3.6-35B-A3B 在 Terminal-Bench 2.1 从 41.1 升至 53.3（Qwen3.5-35B-A3B）（GPT-5.6-sol）有新说法
Elvis Saravia 指出 HarnessSQL 让 Qwen3-14B 在 Spider 2.0-SQLite 从 22.2% 升至 54.8%（Qwen3-8B）
Elvis Saravia 称 Status 用户日均使用 90 分钟，Inworld 帮其把 AI 成本削减约 95%
02:47
别人也这么说 · Photon CapitalRiverlane 与 NVIDIA 用 H100 GPU 和 AI 解码器把量子纠错校准从 CPU 3 分钟缩短到 2.8 秒
10/14 · 2 条
Elvis Saravia 转述 Meta Superintelligence Labs 新研究：reward hacking 经共享代码、记忆与自然语言计划在 multi-agent coding 系统中传播，弱开源权重模型可诱导强闭源模有新说法
Elvis Saravia 推荐 Xerj Corpus Hub：为 agent 接入结构化专家语料，无需重训、本地运行
Elvis Saravia 推荐 Xerj Corpus Hub：为 agent 接入结构化专家语料，无需重训、本地运行有新说法
09:29
别人也这么说 · Jukan南亚科技在财报电话会称DRAM结构性短缺难以在2027年及2028年初前缓解，2027年初位元出货量几乎零增长
Elvis Saravia 转述 CollovLabs 的 NewEyes AI：以摄像眼镜与开放式耳机做个人 agent 的视觉输入
10/13 · 3 条
Elvis Saravia 转述 Google DeepMind 的 Evo2 框架：权重与 harness 共同进化，SWE-bench Verified 达 48.3%、Polyglot 达 82.1%
Elvis Saravia 转述 CollovLabs 的 NewEyes AI：以摄像眼镜与开放式耳机做个人 agent 的视觉输入有新说法
10:44
别人也这么说 · Shawn WangShawn Wang 发布 AI Engineer New York 关于 agent 借鉴 Unix/Linux 经验的 workshop writeup
Elvis Saravia 推荐多智能体+持久记忆论文：三层 agent 链把峰值 KV cache 压到 14.3 MiB/query，持久 trace-recall 层仅增 0.368 MiB 但准确率变化 +0.015 且置信区间跨零
Elvis Saravia 推荐 NVIDIA 论文 LoGRA：1.5B 上全权重 RL 训练内存 7.2 GiB，低于 rank-256 LoRA 的 13.2 GiB有新说法
Elvis Saravia 转述 NVIDIA 研究：多模态模型接入工具后拒答率最高下降 68.7%（Qwen3.5-122B-A10B）
10/12 · 1 条
Elvis Saravia 推荐多智能体+持久记忆论文：三层 agent 链把峰值 KV cache 压到 14.3 MiB/query，持久 trace-recall 层仅增 0.368 MiB 但准确率变化 +0.015 且置信区间跨零有新说法
Elvis Saravia 介绍 Meta Superintelligence Labs 论文 GitSwarm：数百异步 agent 共享 Git 仓库，用 GPT-5.5 Codex worker 一次跑解全部 30 道 IMOProo
10/11 · 2 条
Elvis Saravia 介绍 Meta Superintelligence Labs 论文 GitSwarm：数百异步 agent 共享 Git 仓库，用 GPT-5.5 Codex worker 一次跑解全部 30 道 IMOProo有新说法
02:54
别人也这么说 · Lauren TanLauren Tan 判断：clean code 已不再重要，agent 写代码时代需更新对 Good Code 的定义
Elvis Saravia 判断：在 agent 之上构建好 eval 就能迅速进入所在领域前沿
Elvis Saravia 指出 HarnessSQL 让 Qwen3-14B 在 Spider 2.0-SQLite 从 22.2% 升至 54.8%（Qwen3-8B）有新说法
Elvis Saravia 称 LLM Judges 可靠性随 Jev 提升是其最看好的例子
10/10 · 4 条
Elvis Saravia 推荐 Sakana AI 的 MASS：两轮自改进让 Qwen3.6-27B 每输出 token 性能从 1.2 升至 1.6x有新说法
Elvis Saravia 称 LLM Judges 可靠性随 Jev 提升是其最看好的例子
Elvis Saravia 更正 Step 5 Preview 最大输出为 64k tokens有新说法
Elvis Saravia 称 Microsoft-Decision-1 在一致性与复杂决策上仍吃力，将纳入其评测
Elvis Saravia 称 Microsoft-Decision-1 在一致性与复杂决策上仍吃力，将纳入其评测有新说法
02:37
别人也这么说 · Satya NadellaSatya Nadella 宣布 Microsoft-Decision-1 已在 Foundry 上线并将接入 OpenRouter
02:37
别人也这么说 · Satya NadellaSatya Nadella 发布 Microsoft-Decision-1 决策模型，称在结构化决策任务上延迟与质量均优于 LLM 及其他决策模型
Elvis Saravia 转述 FishAudio Drama 3 可在同句切换语气、人声控制接近真人
Elvis Saravia 称 LLM Judges 可靠性随 Jev 提升是其最看好的例子有新说法
Elvis Saravia：HERMES harness 让 GPT-5.6 Sol 在整库迁移上从 6.5% 升至 31.0%（all-GPT-5.6）（Qwen3-8B）
10/09 · 6 条
Elvis Saravia 转述 Meta Superintelligence Labs 论文提出 agent plasticity，以 held-out 任务收益/学习花费衡量自改进，Claude Fable 5 终局分最高而 GPT-5.6有新说法
06:07
别人也这么说 · TeortaxesTeortaxes 转述 Fable 5.5 生成多层嵌套 SVG 图像
Elvis Saravia 称 Syren 从素材库学习风格并用 prompt 生成视频，由 Opus 5.5 + Syren renderer 驱动
Elvis Saravia 称 Syren 从素材库学习风格并用 prompt 生成视频，由 Opus 5.5 + Syren renderer 驱动有新说法
15:27
别人也这么说 · Lauren TanLauren Tan 称会选 Opus 5.5
14:32
别人也这么说 · Max For AIMax For AI：Opus 5.5 用着不烧心，宁可速度慢额度少也要智商不掉
11:09
别人也这么说 · Miles BrundageMiles Brundage 称 Astra 与 Opus 5.5 通过 computer use 加共享文件夹协作顺畅
Elvis Saravia 称 RSIGym 让 Opus 5 在 SWE-bench Verified 从 17.67% 提升到 50.33%
Elvis Saravia：HERMES harness 让 GPT-5.6 Sol 在整库迁移上从 6.5% 升至 31.0%（all-GPT-5.6）（Qwen3-8B）改口
13:29
别人也这么说 · TeortaxesTeortaxes 称 Fable 5 与 GPT-5.6 Sol 在 3000 GPU-hours 后未落入 SDPO/OPSD 的 meme 陷阱
Elvis Saravia 转述 Google FlowAgent：CI 内 ReAct 生成-验证修复，195 个真实失败中 67.18% 修复正确
Elvis Saravia 转述 Google FlowAgent：CI 内 ReAct 生成-验证修复，195 个真实失败中 67.18% 修复正确改口
Elvis Saravia 称 Monsoon 语料微调 Whisper Medium 后孟加拉语 WER 从 85% 降至 7.65%，一周内 80 家实验室申请授权
Elvis Saravia 称 RSIGym 让 Opus 5 在 SWE-bench Verified 从 17.67% 提升到 50.33%有新说法
Elvis Saravia 推出 dair_ai 的 MCP tools，可接入 Codex/Claude/Grok Bot 检索与可视化 AI 论文
Elvis Saravia 称 Monsoon 语料微调 Whisper Medium 后孟加拉语 WER 从 85% 降至 7.65%，一周内 80 家实验室申请授权改口
Elvis Saravia 推荐 Harness-Aware Distillation 论文：带 harness 的 on-policy 蒸馏把 ALFWorld 上学生使用 harness 信息比例从 65.7% 提到 73.1%，成功率
更多
昨天
Gemini 4 Argon 的 Minecraft 实验中四个 agent 未分配角色，靠模型原生 persistence 在 27 小时、2,783 个程序、605 次死亡后完成目标𝕏
更早
UC Berkeley 论文用周期性丢弃 agent 会话与候选历史的遗忘机制扩展研究 agent，在启发式编程、kernel 优化、模型训练任务上比并行 agent 高 15%、比单 agent 高 39%𝕏
引用context graphs 在 Harvey 法律知识任务上把 agent 表现从 65%/67%/53% 提升到 80%/80%/83%𝕏
引用Meta 发布 Muse Spark Open，816B 总参数 / 42B 激活、1M 上下文、原生多模态，质量需自行测试𝕏
引用转述 推荐可解释性研究推荐可解释性研究：称已能理解万亿参数模型多数神经元，机制可解释性前景或远好于预期称已能理解万亿参数模型多数神经元，机制可解释性前景或远好于预期𝕏
近三个月的发言订阅后才能看。去订阅
关注后，他的新主张会进你的「我的人」
带走这份存下来是纯文本，发给 AI 就能读
今天 · 2 条 · Salesforce 团队训练 8B 推理模型一次生成多个研究想法，在无污染基准上 creative utility 超过 Claude Opus 4.8 和 GPT-6 Astra
转/提及 2 条
Salesforce 团队训练 8B 推理模型一次生成多个研究想法，在无污染基准上 creative utility 超过 Claude Opus 4.8 和 GPT-6 Astra
腾讯用递归自我改进训练终端智能体，基于 Qwen3.8-27B 在 Terminal-Bench 四套件平均从 20.68% 升至 50.58%