跳到正文
  1. 机器之心76

    WildAWM 研究发布:纯开源模型合成高难度环境,训练 Qwen 模型提升 GUI Agent 能力

    微软研究院等机构发布 WildAWM 研究,利用纯开源模型合成包含 CLI、GUI 和 MCP 接口的个人电脑环境及 341 个高难度任务。该研究通过强化学习训练 Qwen3.6-35b-a3b 和 Qwen3.5-4b 两个模型,使其在 8 个分布外评测基准上全部取得性能提升,其中 Qwen3.6-35b-a3b 平均分提高 10.58 分,且合成任务的难度足以挑战 GPT-6 Astra。

    推荐理由:原文展示了如何用纯开源模型合成高难度计算机使用环境,并在8个分布外评测中提升了两个Qwen模型的性能。

  1. 机器之心88

    Axiom 发布有限单群分类定理 AI 形式化项目, 24 天生成 4310 万行 Lean 代码

    Axiom Math 宣布由其数十个 AI Agent 在 24 天内完成了有限单群分类定理的 Lean 形式化,生成约 4310 万行代码和 205 万个形式化声明。这一过程不仅提供了第一份覆盖整个分类定理的计算机检查证明,还发现了包括 1986 年 John Walter 关于不平衡群定理中的漏洞在内共 34 处文献偏差,并辅助构造了新的群论结果以修复证明路径。

    推荐理由:文章展示了 AI 协助完成世纪数学工程的实践案例,揭示了自动形式化在修正历史证明漏洞方面的潜力。

  1. Hugging Face Blog77

    微软与 Hugging Face 开源 ThinkingBox-Training 训练栈

    微软 Copilot Studio 团队与 Hugging Face 联合开源 ThinkingBox-Training,提供将数据库终态检查改造为可执行奖励、用于智能体 RL 后训练的完整栈,包括离线策略相对难度筛选、GRPO 训练与评测脚本。

    推荐理由:开源了完整训练栈和离线难度筛选方法,读者可复用于将数据库终态判定改造为智能体 RL 训练奖励。

  1. OpenAI (X)68

    OpenAI 发布内部前沿模型产生的新数学成果

    OpenAI 发布由内部前沿模型产生的广泛新数学成果,并声明参考了高等研究院独立数学与人工智能顾问组的建议及公开建议来确定发布方式,相关结果发布于 GitHub 仓库 openai/math。

    推荐理由:原文说明了发布渠道和咨询独立数学顾问组的过程,读者可据此了解AI生成数学成果的披露方式。

  1. Hacker News LLM82

    GPT-6 Astra 首次实现 LLM 智能体通关 NetHack 并自主构建代理框架

    GPT-6 Astra 在 9 月 21 日通过独立运行 37,140 回合,首次实现 LLM 智能体通关 NetHack 3.6.7 的 Hardfought 难度。该智能体未依赖预设代码,而是通过自主编写和修复 Python 工具链构建代理框架,并利用外部参考资料和终端状态解析保持决策连续性。整个过程耗资约 300 美元额外算力及 200 美元订阅费,相关证据与代码已开源。

    推荐理由:文章完整披露了 GPT-6 Astra 实现 NetHack 通关的独立运行架构、成本及证据链,为评估 LLM 智能体自主构建工具解决复杂问题的能力提供了具体案例。

已经到底了