专题｜RSI 与 Agent 自进化：站内内容地图与三条阅读路线
本站「RSI 与 Agent 自进化」专题入口页：把站内 11 篇原创深度与 14 条一手动态收进同一张地图——先给 30 秒定性（RSI 改"改进能力"、自进化改"任务表现"），再按概念／全景／证据／判定／事件／工程／治理七层分层索引，附三条按时间预算划分的阅读路线（30 分钟 / 2 小时 / 半天）、一页速查卡、收录标准与更新日志。
阅读全文 →
全部文章
ARCHIVE 共 523 条猫与幸福感正相关]
根据发表在 PLOS One 期刊上的一项研究，猫的数量与幸福感正相关，一个国家的猫越多，其幸福感通常越高。但主要通过猫传播的弓形虫感染率与幸福感负相关，弓形虫感染率较高的国家的幸福指数通常较低。两个关系似乎矛盾，但也可能与卫生、经济条件相…
When Do Biological Reasoning Models Use Their Biological Inputs?
Biological reasoning models use post-training to connect LLMs to biological foundation model representations and biologi…
KaliBench: A Fine-Grained Benchmark for Cybersecurity Tool Use on Kali Linux with Runtime-Free Verifiable Rewards
LLMs are increasingly applied to cybersecurity workflows, where they are expected to translate analysts' intent into too…
PS5 越狱取得突破]
由于索尼频繁更新 PS5 的固件，而大部分 PS5 越狱方法只针对特定固件版本的漏洞，因而这些越狱方法实用性相当有限。但情况在本周二发生了变化，名为 Relapse 的漏洞利用方法适用于最高固件版本 v13.6 的 PS5 游戏机，而 v1…
UniWAM：统一的世界-动作模型
UniWAM 提出统一架构，整合物理推理器、世界生成器与动作预测器，联合学习物理世界语义理解、视觉生成与动作预测，并配套了严格的数据清洗与标注流程。
Inherit-MAS：通过工作流与执行继承实现多智能体系统的测试时演化
受生物进化中遗传与选择机制启发，Inherit-MAS 在工作流和执行两个层面引入显式继承，由元模型合成带角色、通信输入与工具权限的工作流，并用评审模型打分诊断，以减少大范围改动破坏有效组件及重复执行带来的冗余计算。
VTR-Bench: A Systematic Benchmark for Evaluating Visual Text Rendering in Video Generation
Recent video generation models can produce highly realistic videos from natural language instructions, with visual quali…
Keyword Harnesses Fail Open: A Cheap Diagnostic Ladder for Tool-Use Claims in Small Language Models
Keyword-matching benchmarks can credit small models for tool use they never perform. We document such a false positive i…
ScholarCatalyst: A Benchmark for Retrieving Papers That Inspire New Research
What makes great scientists great? Even as AI systems start to make progress on open problems, scientists remain far ahe…
Before It Fades: Reinforcing Temporal Representations at Inference Time in VideoLLMs
Video Large Language Models (VideoLLMs) receive frames in sequential order and interpret how visual content evolves alon…
Ego2Act：面向自我中心视频生成中目标导向操作评估的基准
论文提出Ego2Act基准，包含来自110个真实任务的2,640段视频，用于评估视频生成模型在执行多步骤、目标导向操作时预测环境动态变化的能力，弥补现有基准偏重单一短动作的不足。
StepCAD：基于LLM策略与几何引导搜索的网格到CAD代码生成
论文提出StepCAD，结合状态条件CAD策略与IoU引导的树搜索，从3D网格恢复可执行的CAD程序，并发布ARCADE-1.5M大规模数据集。