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Google 开源 RRSI：让智能体在冻结 LLM 上递归自改进 harness，同时防止基准过拟合
Google 联合多校开源 RRSI 框架，在冻结 LLM 前提下自动进化智能体 harness，并用正则化抑制基准过拟合，8 项基准最高提升 14.1 分。
Better Supervision Is Nearby: Neighborhood On-Policy Self-Distillation
On-policy self-distillation (OPSD) trains mathematical reasoning models using a privileged teacher that sees a reference…
Semifactual Credit-Augmented Policy Optimization：改进GRPO的信用分配方法
文章通过半事实提示干预分析大语言模型对任务无关提示特征的敏感性，发现抑制高漂移token可提升推理准确率，并指出GRPO对所有token赋予相同优势可能强化虚假依赖，据此提出信用分配增强的策略优化方法。
CNNIC 称中国生成式 AI 用户超 7 亿]
中国互联网络信息中心（CNNIC）发布了《生成式人工智能应用发展报告（2026）》，截至 2026 年上半年，我国生成式人工智能用户规模突破 7亿 人，普及率超 50%。76.0%的 用户表示自己会让生成式人工智能回答问题；使用生成式人工智…
新奥声称实现氢硼聚变反应突破]
新奥集团发表新闻稿，称其“玄龙-50U”装置实现氢硼聚变反应。新闻稿称：氢硼聚变具有无中子、燃料丰富易得、低成本等商业化优势，产物是氦（α粒子），但相对于氘氚聚变，反应温度及三乘积要求更高，反应条件更苛刻。本次新奥聚变团队通过高能中性束注入…
夜空每年增亮 10%]
世界正日益城市化，夜空的亮度每年都在增加10%。全球八成的人口生活在受光污染影响的夜空之下，真正的黑暗日益稀缺，对大部分人而言正变得遥不可及。享受黑暗的意义不止于观星。黑夜本身就是一个独特的生态环境。人造光会干扰依靠月光导航的动物：无论是误…
PhysVista: Benchmarking Physical Intelligence in VLMs via a Perception-Reasoning-Assessment Loop
Vision-Language Models (VLMs) have shown strong multimodal reasoning capabilities, yet whether they truly capture the ph…
Anthropic 警示：GLM-5.3 可自主构建端到端网络攻击利用，且发布时缺乏有效防护
Anthropic 评估称 GLM-5.3 可自主构建端到端网络漏洞利用，且发布时缺乏有效安全防护，警示高级网络能力的扩散风险。
八分之一癌症病例由感染引起]
根据本周发表在《The Lancet Oncology》期刊上的一项研究，全世界八分之一癌症病例由感染引起。研究发现，2024 年感染性病原体相关的新癌症病例有 230 万例，占到了总新癌症病例的 12%。其中幽门螺杆菌会增加胃癌风险，这种…
STEPQuant：Delta规则循环状态量化中误差的时空影响分析
论文分析线性注意力循环状态量化误差在时间与空间维度上的不同影响，提出时空后训练量化框架STEPQuant以降低低精度量化带来的精度损失。
Explore Broadly, Reason Sharply: Push Small Models toward the Frontier via Sampling
Power-sharpened sampling is an inference-time alternative to reinforcement-learning (RL) post-training for enhancing rea…
苏黎世联邦理工学院研发出能用指尖行走的五指机械手
苏黎世联邦理工学院研究人员基于常规仿人机械手，利用强化学习在仿真中训练出可依靠指尖自行行走、被碰倒后多数情况能自主站起、并能敲键盘和玩推箱子的机械手。