AI 日报 2026-06-16 · 自改进智能体、MiniMax稀疏注意力、GeminiApp

论文

EvoArena：在动态环境中追踪记忆演化以实现鲁棒的 LLM 智能体

当前大语言模型（LLM）智能体的评估大多在静态环境下进行，而真实部署场景本质上是动态的，需要智能体持续调整知识、技能和行为以适应环境变化。为此，我们提出 EvoArena，一个包含终端、软件和社交领域渐进式更新的基准套件。同时提出 EvoMem，一种基于补丁的记忆范式，将记忆演化记录为结构化更新历史，使智能体能通过记忆变化推理环境演变。

Jundong Xu原文

MiniMax Sparse Attention

前沿大语言模型对超长上下文的需求日益迫切：agent工作流、仓库级代码推理和持久记忆都需要模型联合处理数十万到数百万 token，但softmax注意力的二次复杂度让大规模部署难以实现。本文提出 MiniMax Sparse Attention (MSA)，一种基于分组查询注意力（Grouped Query Attention, GQA）的块级稀疏注意力。

Xunhao Lai原文

WeaveBench: 面向混合界面计算机使用代理的长期现实世界基准

现有基准将计算机使用代理（CUA）的各界面作为独立能力评估，缺乏对跨界面长期编排的测试。为此，我们提出 WeaveBench，一个面向长期混合界面的基准，包含 114 个任务，覆盖 8 个真实工作领域，基于真实用户请求和可公开验证的工件。每个任务要求代理在单条轨迹中结合 GUI 观测/动作与 CLI/代码操作。

Wanli Li原文

SpatialClaw: 重新思考代理空间推理的动作接口

空间推理——确定物体在三维空间中的位置、关系及运动的能力——仍然是视觉语言模型（VLM）面临的基本挑战。工具增强代理通过为VLM附加专业感知模块来应对这一挑战，但其有效性受限于调用这些工具的动作接口。本研究探讨了接口设计如何影响代理进行开放式空间推理的能力。现有空间代理要么采用单次代码执行，在观察到任何中间结果之前就确定完整分析策略；

Seokju Cho原文

InterleaveThinker: 强化代理式交错生成

近期图像生成器在单图生成与编辑中展现出逼真的效果和指令跟随能力。然而受限于架构，它们无法实现交错生成（文本-图像序列），这在视觉叙事、引导和具身操作中至关重要。即便是最新的开源统一多模态模型（UMMs）也表现有限。本文提出InterleaveThinker，首个多智能体流水线，赋予任意现有图像生成器交错生成能力。

Dian Zheng原文

MaxProof: 利用生成验证器强化学习与群体级别测试时缩放扩展数学证明

MaxProof 是一个针对竞赛级数学证明的群体级别测试时缩放框架，属于 MiniMax-M3 系列。首先，M3 使用工程化的低假阳率生成验证器（defense-in-depth generative verifier）训练三种面向证明的能力：证明生成、证明验证和基于批评的证明修复。这些能力被合并到单一发布的 M3 模型中。

Jiacheng Chen原文

Robust-U1: MLLMs 能否自我恢复损坏的视觉内容以实现鲁棒理解？

多模态大语言模型 (MLLMs) 在视觉理解中取得了显著成功，但在现实世界的视觉损坏下性能严重下降。现有鲁棒性增强方法存在局限：黑盒特征对齐缺乏可解释性，白盒文本推理无法恢复丢失的像素级细节。本文研究根本问题：MLLMs 能否自行恢复损坏的视觉内容？为此，我们提出 Robust-U1，一种赋予 MLLMs 显式视觉自恢复能力以实现鲁棒理解的新框架。

Jiaqi Tang原文

FORT-Searcher: 合成抗捷径搜索任务以训练深度搜索代理

训练深度搜索代理需要可验证的问题，其答案直到通过搜索获取足够证据后才可获得。现有合成方法常通过丰富图结构来增加表观难度，但结构复杂并不能保证实现搜索难度：预期的搜索过程可能通过更廉价的识别路径坍塌。本文用捷径感知难度框架形式化这一差距，并识别出四种可操作的捷径风险：证据共覆盖、单线索选择性、暴露常量、先验知识绑定。

Jia Deng原文

LabVLA: 在科学实验室中落地视觉-语言-动作模型

科学实验室日益依赖AI系统进行实验推理，但物理操作仍主要由人类完成。Vision-Language-Action (VLA) 模型为书面协议与机器人执行之间提供了接口，但现有策略多基于家庭和桌面演示训练，很少涉及实验室中的仪器、透明液体或固定协议流程。为弥补这一差距，我们聚焦数据和具身两大瓶颈。

Baochang Ren原文

VIA-SD: 通过模型内部路由进行投机解码的验证

投机解码 (Speculative Decoding, SD) 通过轻量级草稿模型生成候选词，并由大型验证器并行验证，从而降低大语言模型的高推理成本。现有草稿-验证方法采用二元决策：接受或完全重新计算。

Yuchen Xian原文

从二维网格到一维Token：改革多模态图像融合的共享表示

多模态图像融合旨在整合不同模态的互补信息，生成既保留丰富局部细节又保持全局一致外观的融合图像。现有方法在2D特征网格上构建共享表示，擅长建模局部结构，但对图像级全局外观因素的控制有限。为平衡局部与全局目标，我们引入基于冻结预训练图像分词器的紧凑一维Token接口，用于建模非局部外观因素。

Yuchen Xian原文

EurekAgent: 智能体环境工程是自主科学发现的全部所需

基于大语言模型的智能体在自动化科学发现方面展现出越来越大的潜力。给定一个可优化的度量和执行环境，它们能够提出、验证并迭代科学解决方案，并且已经产生了超越人类设计方法的结果。随着模型能力的不断提升，我们认为自主科学发现的瓶颈正从规定智能体工作流转向设计智能体环境：即塑造智能体行为的资源、约束和接口。

Amy Xin原文

HYDRA-X: 原生统一多模态模型与整体视觉分词器

整体视觉分词器是统一多模态模型 (UMM) 的基础，能将多样视觉输入映射到统一表示空间。本文提出 HYDRA-X，首个在单个 Vision Transformer 中统一图像和视频分词化的 UMM。设计面临两大核心挑战： 1. 高效向原生 ViT 注入时空重建能力； 2. 将图像级和视频级语义意识嵌入潜空间。

Guozhen Zhang原文

N-GRPO: 嵌入级邻居混合用于增强策略优化

大型语言模型在数学推理中的成功高度依赖于生成多样化且有效的解题路径。然而，当前的展开技术面临一个根本性权衡：token级采样往往产生仅措辞不同的冗余轨迹，而利用随机噪声的嵌入级方法则经常破坏语义一致性。为解决此问题，我们提出N-GRPO，一种集成在Group Relative Policy Optimization (GRPO)框架中的新型探索策略。

Xukun Zhu原文

揭示隐状态循环：基于在线策略强化学习的可切换潜在推理

潜在思维链（latent chain-of-thought）通过用连续的隐状态循环替代可见推理迹来压缩推理，但现有形式难以用标准在线策略强化学习（on-policy RL）优化，且缺乏因果可解释性。我们的核心洞察是：一对显式的边界令牌可同时解决这两个问题：离散的进入和退出锚点使潜在模块与标准在线策略 RL 兼容，同时为机制分析提供了自然支点。

Jiayu Yang原文

VideoMDM：从2D监督走向3D人体运动生成

我们提出 VideoMDM，一种基于扩散的框架，可直接从单目视频中提取的精确2D姿态训练3D人体运动先验，无需任何3D真值。预训练的 2D-to-3D lifter 提供近似3D姿态序列作为有噪教师：这些序列被扩散，模型在3D空间中去噪，并通过重投影预测结果并与精确关键点比较，在2D空间进行监督。

Amir Mann原文

哪里、什么、为什么及重要性：面向文本到图像反馈的结构化缺陷定位

尽管文本到图像（T2I）模型生成的图像越来越逼真，但仍存在局部、细微且结构复杂的失败。诊断这些失败需要实例级反馈，回答缺陷发生在哪里、是什么类型、为什么有缺陷，以及它对整体图像质量的重要性。近期密集反馈方法虽超越了标量监督，但其热力图中心表示仍将诊断建模为像素场回归，难以定位可变数量的缺陷，也无法将语义原因绑定到单个失败上。

Huaisong Zhang原文

MoVerse: 实时视频世界建模与全景高斯脚手架

从单个窄视场图像创建可交互漫游的场景极具挑战性，因为输入仅覆盖环境极小部分，而交互式漫游需要完整的周围世界、持久的几何结构、可控的相机运动以及时间连贯的高保真观测。 MoVerse 通过将世界构建与观测渲染分离来解决该问题。首先，利用拓扑感知扩散将输入扩展为重力对齐的 360° 全景图，在3D推理前填补缺失视场。

Yang Zhou原文

TreeSeeker: 深度搜索中树状结构的试探、错误与回溯

深度搜索要求智能体通过多步网络搜索、浏览、证据比较与综合来回答复杂问题。核心挑战在于：当多个方向看似可行但仅部分后续能产生可靠证据时，如何决定搜索路径。若智能体贪心地沿当前最佳方向推进，可能持续延伸薄弱分支；若无纪律地探索，则会浪费预算在无关联的尝试上。为此，我们提出 TreeSeeker，一个用于深度搜索中受控试探与错误的推理时框架。

Zhuofan Shi原文

HarnessBridge：用于LLM Agent Harness的可学习双向控制器

大型语言模型越来越多地被部署为智能体以执行长周期任务，然而其性能不仅受模型能力和环境设计影响，还受调节智能体-环境交互的 harness（控制框架）影响。现有 harness 主要依靠人工设计，随着轨迹变长和交互复杂化，难以扩展。我们提出 HarnessBridge，一个轻量级可学习 harness 控制器，它将智能体-环境接口参数化为双向投影。

Xiaoxuan Wang原文

动态

探讨agent代码质量与工作有效性

对于智能体工作，“只要能用谁在乎代码长什么样”这种思路的问题在于，它假设智能体对“能用”有完美的理解。实际上，事物往往定义不足，智能体会做出错误假设等等。平心而论，智能体在单元测试覆盖率方面相当不错，但在设计人类体验（如 API、CLI 标志等）方面很差，尤其是为未来路线图设计连贯的体验（除非你的待办事项完美且愿景完整，我怀疑）。

jason原文

Hermes Agent 支持异步子代理

不再需要等待子代理完成才能继续使用 Hermes Agent。异步子代理现已推出。

Nous Research原文

Codex目标设置技巧：使用setgoal函数或提示模型自设目标

Codex目标设置技巧当然你可以使用 /goal，但它也有 setgoal() 函数更好的方式是提示模型自行设定目标，它可能会写出比你更好的提示

jason原文

Hermes Agent 支持异步子代理

Hermes Agent 现在支持异步子代理！现有的委托工具，你的代理用它来生成子代理以扩展执行任务，不再阻塞你的聊天！现在运行 hermes update 即可访问，尽情享受！ https://t.co/6hN94wpRLW

Teknium 🪽原文

Gemini Trusted Tester计划招募用户测试未发布功能

想在别人之前体验未发布的 @GeminiApp 功能吗？喜欢破解、测试和塑造新技术？我们开放有限名额，让高级用户加入 Gemini 信任测试者计划。在此注册：https://t.co/kSsRsavJPv https://t.co/6sxYCb8S0y

Josh Woodward原文

推出text-to-lottie v1.0.0，用AI生成Lottie动画

推出 text-to-lottie v1.0.0（稳定版）一个使用 Claude Code 和 Codex 生成生产级 Lottie 动画的框架。新增功能： - 多项目、多场景支持 - 拖放 Lottie 文件导入 - 完全重写的 UI 现已获得 2.8k GitHub 星标（MIT 许可）尝试运行：$ npx skills add diffusion…

jason原文

使用OpenAI插件在Codex中加速开发

在Codex中使用OpenAI开发者插件，通过设置API密钥、查找文档和调试来更快地构建OpenAI工具。https://t.co/ztBd3h3oeb

jason原文

支持开源AI和Hermes Agent自我改进循环

不可能写出更好的博客来支持开源AI或Hermes Agent的自我改进循环了！感谢您强有力的言论，支持将权力重新交还给真正应该拥有自己技术栈的个人和企业。

Teknium 🪽原文

批评AI行政命令实为许可制度，呼吁国会立法

正如我所预测的，最近的网络行政令——行政官员坚称这不是一项许可制度——在实践中最终变成了一项许可制度。忘记“自愿”，忘记“无许可”吧。人工智能现在需要许可，但要求不断变化，且始终保密，甚至对行政当局本身也是如此，后者将在实时应对事件时自发地发现规则。这也意味着，对于行政当局不喜欢的组织，这些规则在实践中更严格、执行更粗暴。

Andrew Curran原文

使用Mosh和zellij应对恶劣上网环境

Mosh + tmux/zellij 对于糟糕的机上网络来说是救星。（我更喜欢zellij，但两者都行）

Peter Steinberger 🦞原文

作者回应HN上对其批评，称赞Ben的文章

每次opencode在HN上被发布时，总有些白痴抱怨我对Anthropic不友好，好像我有什么极端观点。Ben非常理性、聪明，这篇文章比我读的大多数内容更了解生态系统。他也表达了担忧。

dax原文

OpenAI宣布通过GitHub Sponsors赞助超过16万美元

自豪地宣布，@OpenAI 正在续期并扩大对Astral和Codex工具链中使用的开源项目维护者的支持。今天，首先通过@GitHub Sponsors承诺超过16万美元的直接赞助。

jason原文

博主接近90k粉丝，询问需要写哪些Codex文章。

这么接近90k粉丝了... 我需要写哪些codex文章才能达到呢...

jason原文

AI工具在明确目标时是超级能力，否则效果一般

我意识到，使用AI工具（编程+非编程任务）时，当我清楚自己想做什么、全神贯注且不让自己分心时，它们绝对是超级能力。就像穿上了机械外骨骼。当我不在状态时，感觉就“一般般”。这不是工具的错！

Gergely Orosz原文

Lovable设计负责人分享AI时代高效团队七条经验

Lovable 的设计负责人 Felix Haas 在社交媒体上分享了一篇关于"AI 时代高效团队"的观察，七条经验总结，来自这家增长速度惊人的 AI 创业公司内部视角。几条有意思的观点：第一，别像员工一样等安排。影响力最大的人不问"这归谁管"，看到问题直接上手。主人翁意识不是靠分配的，只能靠自己拿。第二，招人看态度不看简历。

宝玉原文