Agent 智能体

Dream-RSI：通过演化世界实现递归自我改进

该论文提出 Dream-RSI 框架，通过将历史发现记录构建为回放模拟器，让探索策略在离线环境中获得低成本反馈并持续改进，从而减少昂贵的在线评估。改进后的策略再部署到线上驱动新发现，形成递归自我改进循环。在算法工程、数学优化和 GPU 内核工程任务上，该方法在保持或提升发现质量的同时显著降低了发现成本。

前OpenAI后训练VP回应陶哲轩：AI或能成为数学研究伙伴

前OpenAI后训练VP Liam Fedus回应陶哲轩等25位菲尔兹奖得主联署的《人工智能在数学中的严重错位》声明，认同数学不能只剩答案，但认为不应以当前AI能力边界框定未来，未来AI可提出洞见并建立新概念框架。文章梳理了AI从IMO竞赛数学到挑战Erdős猜想、Navier-Stokes方程奇点等开放问题的进展，以及由此引发的署名与优先权争议，并引述AM

西门子Xcelerator繁星生态大会9月21日深圳启幕，聚焦工业AI与生态共创

西门子Xcelerator繁星生态大会将于9月21日在深圳前海举办，这是其一年一度的旗舰生态活动。自2023年繁星计划启动以来，该平台已汇聚600余家生态伙伴，涵盖工业AI、自动化机器人、工业软件及行业集成等领域。本届大会聚焦工业AI趋势前瞻、智能体生态共创与伙伴实践分享，旨在推动技术讨论与商业落地结合，帮助科技型企业找到场景与合作伙伴。

PhysMent：面向LLM物理问题推理的交互式基准

研究者提出 PhysMent，一个基于 MuJoCo 物理模拟器的交互式基准，用于评估大语言模型通过多轮工具调用进行物理实验推理的能力。该基准包含 105 个经典力学场景，覆盖四种难度、三种场景模态和一个场景操控类别，并采用六维评分框架。结果显示，当前模型在定性单概念任务上可达 80% 准确率，但在需要精确多步实验的定量任务上大多低于 30%，七个模型整体准

用多智能体仿真复现资产市场价格操纵实验

该研究由加泰罗尼亚理工大学与加泰罗尼亚开放大学的研究者完成，旨在用多智能体仿真模型复现人类交易者的心理决策过程，并分析其对资产最终价值的影响。作者以Veiga与Vorsatz的实验为基准，用虚拟交易者重现了操纵者与交易机器人试图扭曲市场的实验场景。研究还主张使用形式化与图形化语言（如规范与描述语言SDL）来简化跨学科团队对复杂经济行为的理解与验证。

从实验到决策：自主编码研究中的证据复用

该论文研究自主编码智能体在实验后如何复用证据来指导下一步决策。作者重建了400任务NeuroGolf竞赛中的证据复用过程，发现智能体常将实验结论过度泛化，例如把仅证明新颖性不足的拒绝误读为已测得的封闭性，或使用过宽的排除理由。为此提出一种可检查的交接协议，将测试命题、适用范围、候选与评估者身份、检查状态和重开条件关联起来，并设计调度树与晋升谓词，要求每项检查

机器学习辅助的智能体模型校准：代理优化结合遗传算法与粒子群优化

该研究将机器学习代理模型嵌入遗传算法和粒子群优化的迭代搜索循环中，用于基于智能体模型（ABM）的校准。代理模型每代筛选候选参数，模拟器仅验证排名靠前的候选，从而降低昂贵的黑箱模拟开销。在Brock-Hommes资产定价模型和Island增长模型上，该方法相比无代理基线将参数恢复RMSE分别降低20.0%和63.8%，速度分别提升32.1%和61.1%。

智能体公司操作系统：面向企业智能体持续部署的基底反转

这篇 arXiv 立场论文指出，企业 AI 智能体常在演示中成功却在持续运营中停滞，根源在于智能体所读取的工作上下文（认知基底）是为人类操作者和传统应用设计的，而非为语言模型设计。作者提出「基底反转」主张：企业应围绕 LLM 的推理界面重建共享认知基底，将模式转换隔离在行动边界，并以 Markdown 作为当前可用实例。论文提出数据、知识、智能、治理四层框架

SkillSeam：审计智能体技能集合的六项原则

该论文提出 SkillSeam，一种用于审计智能体技能集合的方法，将六项集合级设计原则（持久性梯度、系统一致性、制度门控、正交覆盖、流程、粒度纪律）分别映射到具体失败机制与可观测指标。通过从单一封闭技能系统生成字节差异的 L0–L6 扰动阶梯，实验测得展平持久性层级使加载技能 token 增加 60%、悬空锚点使总 token 增加 64%、同义别名使非规范

BudgetBench：本地LLM智能体记忆策略的预算分层评估协议

研究者提出 BudgetBench，一个以每次调用输入 token 预算为自变量的记忆策略评估协议与参考工具，在 2K 至 32K 预算下测量质量、预算利用率、延迟和预算违规率。初步实验使用本地 qwen2.5:1.5b、托管的 Qwen3 30B-A3B 以及 LongMemEval 研究，暴露了预算合规失败和非单调质量曲线，但预算与全上下文方向仍未定论。

比亚迪携手阿里云，千问大模型接入“迪迪虾”智能座舱

9月14日，比亚迪在腾势N8L纯电上市发布会上推出超级智能体“迪迪虾”，并宣布与阿里云深化AI合作，将千问大模型接入比亚迪座舱体系。千问参与多轮对话、意图识别、任务编排与长期记忆，并协同车控、音乐、视频、搜索及飞猪、淘宝闪购等生态Agent执行任务，使车机从被动应答转向主动办事。双方自2023年起已在辅助驾驶、智能座舱等领域合作，此次将合作从云基础设施、数据

梁汝波：豆包、飞书与火山引擎整合后将加大企业市场投入

字节跳动CEO梁汝波在2026飞书未来无限大会上表示，大模型Agent能力进入可用阶段后，Agent、模型、协作环境三者必须紧密融合才能发挥价值。基于此，字节跳动已在两个月前完成组织架构调整，将豆包、飞书与火山引擎整合，聚焦工作与生产力产品，并宣布将加大企业市场投入。梁汝波还回顾飞书立项十年历程，称AI是继PC、Web、移动互联网之后的第四次产业高峰，办公协

XHToken 发布 Spark-X2.5-4B 与 1.7B 通用语言模型

XHToken 发布 Spark-X2.5-4B 与 Spark-X2.5-1.7B 两款紧凑型通用语言模型，采用混合注意力架构（1 层全注意力加 3 层滑动窗口注意力），原生支持最高 1M token 上下文与 200 多种语言。模型在华为昇腾集群上基于约 20 万亿 token 预训练，并通过大规模强化学习与 MOPD 后训练提升推理、编码与智能体能力。

英伟达开源 SoL-Pi：AI 自我优化工作流，Token 最高省 64%

英伟达开源了名为 SoL-Pi 的工作流优化 Harness，基于开源项目 Pi 改造，通过让 AI 自动审查并优化 Agent 工作流来降低 Token 消耗和 API 成本。团队让 AI 批量提出 152 个优化想法，经自动化沙盒筛选后仅保留 4 个核心机制，包括合并连续操作、压缩上下文历史、工具输出本地化存储、用小模型提炼日志等。在 535 个可验证环

阿尔伯塔大学提出FAME双系统框架破解持续强化学习遗忘困局

加拿大阿尔伯塔大学强化学习团队提出持续强化学习框架 FAME，通过快速学习模块与元学习模块的双系统设计，分别模拟海马体与大脑皮层协同机制，解决智能体学习新任务时遗忘旧知识的灾难性遗忘问题。论文定义了环境间距离与灾难性遗忘的数学度量，并在 MinAtar、Atari 和 Meta-World 上验证，在平均性能、前向迁移和遗忘三项指标上全面优于 Reset、微

7名博士生3个月从零训练7B大模型并全流程开源

北京中关村学院7名博士生用一个暑假从零训练出7B大模型ZGCM-1，并开源模型权重、训练代码、数据配方、中间checkpoint和日志。团队组建数百个Agent分头处理数据、跑实验、看日志和做评测，实践「AI4AI」研发范式，并对11类任务的Agent自主性做了L1-L5评级。ZGCM-1在多项通用评测中与Qwen3-8B等相近，部分数学推理和搜索任务可与更

Arm发布Neoverse CSS N4与AI Portal，布局智能体算力平台

Arm在Arm Everywhere China年度大会上发布Neoverse CSS N4平台，并展示Arm AGI CPU在中国生态的进展。Arm称AGI CPU在同等性能下TDP为300瓦，而x86方案通常为500瓦，可缓解数据中心电力与机架空间压力。同时Arm上线Arm AI Portal开发者平台，首批预优化模型包括通义千问、Google Gemm

NVIDIA 发布 Muse-Glimmer-30B NVFP4 量化模型

NVIDIA 发布了 Muse-Glimmer-30B 的 NVFP4 量化版本，该模型基于 Meta Superintelligence Lab 的 Muse-Glimmer-30B 稠密因果 Transformer，带有专用感知编码器，支持文本与图像交错输入，面向本地智能体任务。量化使用 NVIDIA Model Optimizer v0.46.0，采用

Claude 推出 Salesforce 插件 beta，内置 37 项销售技能

Anthropic 在 Claude 中推出 Salesforce 插件（beta），将销售人员的客户、商机和销售管道数据接入 Claude，并提供 37 个预置销售技能，可在 Claude 内完成通话准备、交易复盘、管道仪表盘创建和预测发送。该功能面向所有付费计划开放，但需通过 Salesforce 的 beta 注册审批。

另有 1 家信源报道

OpenAI Agents API 出现性能下降后已解决

OpenAI 状态页面显示，Agents API 自太平洋时间 9 月 14 日下午 1:30 起出现性能下降，客户在托管会话中启动轮次时遇到延迟或无法启动。OpenAI 随后应用缓解措施并观察到服务恢复，但尚未完全恢复，最终该问题被标记为已解决，托管会话已恢复正常处理轮次。