AI行业资讯

TW3Cast是一种基于冻结路由机制的时序预测系统，在GIFT-Eval基准中以平均MASE排名19.4位列第三。该系统不依赖智能体或语言模型，而是通过在训练集上构建的静态路由表选择轻量微调的基础模型，结合多策略融合与严格防偏机制，显著优于单一基础模型。

研究者提出 PAWS 数据集，面向政策驱动的智能体世界模拟，覆盖 36 个经验证的经济政策事件、12727 条政策相关新闻与 65291 条有据可查的利益相关方行动。每条行动关联新闻并构建多层事件框架，实体归一化后与每日市场收益对齐，支持智能体模拟回放与评测。

arXiv 一篇论文把检索、推理、跟随市场先验、使用历史类比视为可观测的智能体行为，在 ForecastBench 风格二元预测任务上发现机制选择高度依赖证据来源。作者提出 ReliabilityRoute，依据历史覆盖率、市场先验可得性等特征做结构性干预，自适应规则在 16 个后续模型版本上取得最佳平均 Brier 分数，但提升幅度有限。

Meta 个人 AI 智能体 Muse 被发现在简单提示词下即可打包并返回用户虚拟机中的大量 Linux 文件，两名开发者已独立复现。外泄内容涵盖系统文件、应用模板与内部文档，其中 agents 目录含 113 份子智能体记录，另有约 20 份 Markdown 文档和约 68 个技能目录，暴露出智能体运行机制与沙箱隔离的薄弱环节。

OpenAI推出开放式基准MentalHealthBench，包含1215段合成心理健康对话与5262条专家评分标准，由80多名持证心理学家和精神科医生共同制定，覆盖19种语言。测试显示GPT-6 Astra得分最高为57.3%，模型在主动获取背景信息与判断紧急程度方面仍有改进空间。

小米 MiMo 公开面向 MiMo-V3 的核心架构 HySparse2，瞄准下一代长上下文 Agent。新架构引入两级 KV 共享、token 级稀疏选择与统一的局部信息访问，让模型以更低成本处理网页、文件和工具调用记录。在 49 层模型中，Prefill 只需执行前 25 层，模型权重存储接近减半。

高通与PrismML在骁龙AR1 Gen 1智能眼镜平台上本地运行了20亿参数的1-bit量化Bonsai视觉模型，AI眼镜离线即可识图问答。该模型内存占用约为4-bit模型的四分之一，同容量下可容纳约4倍参数，文本Token生成速度翻倍，并有助于延长续航、减少发热。

多方消息指称，月之暗面下一代旗舰Kimi K3.1正在内部成型，最快2026年10月登场。内部JSON与API响应泄露的配置显示，新模型或提供Low、High、Max三档推理强度，支持最高100万Token超长上下文，并原生内置Agent模式与Swarm多智能体协作，搜索与批处理模式也在列。

Anthropic 分子生物学实验室动用950个 AI Agent 连续运行21小时、消耗约2.1亿 Token，从噬菌体 DNA 中自主发现全新的阵列关联逆转录酶系统（ART）。该系统结构类似 CRISPR，具备切割、复制与粘贴 DNA 的特性，全流程探索由 AI 自主完成并经湿实验验证确认，有望大幅压缩新酶发现周期。

腾讯混元团队将经典临界批大小理论推广到在线大模型强化学习场景，提出在扩大批大小时同步重调学习率，避免每条响应的学习信号被稀释。固定硬件下PPO生成吞吐最高提升2.29倍，最佳GRPO配置以少29%的时间达到同一验证目标。

DeepSeek发布31页系统论文，首次公开大规模智能体训练专用沙箱基础设施DSec的核心技术细节。论文署名超130人，创始人梁文锋列末位。DSec单生产单元由160台CPU节点构成，日均服务约300万沙箱实例，支持超38万并发沙箱同时运行。

阿里达摩院联合四川省肿瘤医院等机构发布食管癌筛查AI模型DAMO EAGLE，无需插管和造影，仅凭平扫CT即可识别食管癌及癌前病变，已在3个国家8万多病例上验证，相关论文登上《自然·医学》。模型对食管癌敏感性达90%，特异性99.2%。

arXiv公开一项多智能体仿真研究，提出社交情感AI架构AGIMUD，将社会感知推理与情感机制融入智能体行为，并设计面向人类与人工智能体的多模态交互方案，通过网络分发AI处理支撑多个自主智能体，使动态世界以多用户地牢形式实现人机实时共处，代码已在线公开。

研究人员提出名为JAZ的新型LLM代理框架，其核心是名为invoke的极简语言原语。该原语将代理循环抽象为可递归调用的运行时函数，在无需外部工具或记忆系统的情况下，于长周期任务和自改进任务中超越现有系统。

arXiv 最新论文提出 TwinCheck，一种面向有状态工具代理的推理时验证策略。它仅在轨迹满足证据条件时才考虑替换工具调用，并构造扎根轨迹的反事实“负面孪生”，需通过结构检查且在两种候选顺序下均被验证器偏好才执行替换。在159个多轮BFCL V4任务上，GPT-5.6 Sol 的任务成功率从45.3%提升至58.5%。

一篇arXiv论文提出智能体与工具交互中的静默失败概念，即工具调用表面成功、实际信息或功能却缺失且无任何通知。研究构建审计机制，考察ToolUniverse环境中15个科学工具，围绕7个失败位点共发现91个失败，其中51个位于API层、25个位于包装层，并据此提出上下文可靠性概念。

Anthropic工程师克尼恩解释，Claude在Opus 4.6后写作能力退步，主因是模型被过度训练为‘写给其他AI看’，导致语言风格变得信息密度过高、人类难以理解。最新版Opus 5.5已尝试找回人机可读性的平衡。

Anthropic 宣布成立生命科学团队及分子生物学实验室，并公布首个公开成果：约 950 个 Claude 智能体在 21 小时内自主发现新型酶系统 ART，其重复阵列结构与 CRISPR 相似，功能尚待验证。张锋评价称这是 AI 智能体推动生物学发现的令人兴奋案例。

Anthropic宣布其湾区湿实验室取得一项重要发现：一种隐藏在噬菌体DNA中的新型酶系统，具备类似CRISPR的剪切、复制与粘贴DNA能力。该发现主要由Claude完成，动用约950个智能体、消耗2.1亿token、耗时21小时。Anthropic强调所有实验均由人类科学家执行，成果仍待研究界验证。

Anthropic工程师克尼恩解释Claude写作能力下滑原因：后续模型优化重心转向数学与代码，并接受大量面向AI模型的技术解释训练，学会写给AI看而非写给人看，形成所谓Claude腔。他认为根源在强化学习奖励机制，并称Opus 5.5已找到更好平衡。