OpenClaw-RL提出了一种统一强化学习框架，通过环境自然产生的"下一状态信号"训练各类智能体。该方法无需人工标注或定制奖励函数，从下一状态中提取二元奖励和token级梯度信号，组合成统一优势函数。关键创新包括：1）利用过程奖励模型(PRM)进行逐步二元评判；2）后验引导在线策略蒸馏(OPD)，复用模型自身生成教师信号；3）逐步标准化解决奖励尺度问题。实验显示该方法在对话、

EvoScientist提出了一种多智能体进化框架，通过研究智能体、工程智能体和进化管理智能体的协作，实现了端到端的科研自动化。该系统创新性地引入构想记忆和实验记忆机制，使AI科学家能够积累经验并持续进化。实验表明，EvoScientist在想法生成、代码执行和论文质量等方面显著优于现有系统，其全自动生成的6篇论文全部被ICAIS 2025接收。该研究为AI自主科研提供了新思路，解决了现有系统缺乏

摘要：Google Research研究发现，大语言模型在回答简单事实问题时，开启推理模式能显著提升正确率。实验表明，这主要依赖两个机制：1）"计算缓冲效应"——即使推理内容是废话，额外的前向计算也能帮助激活知识；2）"事实启动效应"——推理轨迹中的相关事实能触发联想记忆。有趣的是，模型能力越弱，推理带来的提升越明显，且这种效应与问题复杂度无关。研究揭示了T

摘要： DeepSeek-R1 通过强化学习（RL）颠覆了传统 Agent 开发模式，摒弃了繁琐的 Prompt 和 Workflow 组装，转向端到端训练。传统方法因流程固化、错误级联等问题陷入瓶颈，而 RL 框架将 Agent 视为马尔可夫决策过程，赋予其自主试错与优化能力。GRPO 算法通过组内相对评分替代复杂奖励模型，大幅提升训练效率。结合分布式 Ray 架构，RL 训练的 Agent 展

GLM-5：从代码生成到工程智能体的跨越 智谱AI与清华大学联合推出744B参数的GLM-5模型，通过三大创新实现AI编程能力的质变： DSA稀疏注意力：动态筛选关键token，降低128K长文本计算开销 异步强化学习框架：解耦生成与训练，解决长任务GPU闲置问题 四阶段后训练流程：分步强化推理、编码和智能体能力 模型在SWE-bench等工程任务上表现突出，标志着AI从"氛围编码&qu

SciDER是一种多智能体科研系统，能够从原始数据出发自动完成科研全流程，包括文献调研、数据分析、实验执行和结果评审。该系统由四个专业智能体组成：创意智能体负责生成研究假设，数据分析智能体处理原始数据，实验智能体编写和执行代码，评审智能体评估结果并提供反馈。核心创新在于自进化记忆系统，通过积累任务经验不断提升性能。实验表明，SciDER在创意生成、科学代码和机器学习工程三大基准上均超越现有最强模型

OpenClaw 的颠覆性创新 OpenClaw 远不止是一个代码助手，它在重新定义AI助手的本质。通过五个被严重低估的创新： 灵魂手册：用SOUL.md赋予AI鲜明个性，打破传统AI"表演性帮助"的困境 模块化操作系统：将上下文拆分为7个独立模块，实现精准的行为控制 时间感知系统：Cron机制让AI从被动响应变为主动助手 安全分身系统：支持8个并行子代理，严格限制权限防止失控

《UniG2U-Bench》论文系统评估了统一多模态模型（UMMs）的视觉理解能力，挑战了"生成能力提升理解"的直觉假设。该研究设计了包含3000样本、30子任务的综合性基准，通过对比基座模型与统一模型在7类任务中的表现，发现多数情况下生成能力反而降低了理解性能（"统一税"现象）。但在空间推理等特定任务中，生成能力展现出优势，"先生成再回答&quo

OpenClaw-RL提出了一种统一强化学习框架，通过环境自然产生的"下一状态信号"训练各类智能体。该方法无需人工标注或定制奖励函数，从下一状态中提取二元奖励和token级梯度信号，组合成统一优势函数。关键创新包括：1）利用过程奖励模型(PRM)进行逐步二元评判；2）后验引导在线策略蒸馏(OPD)，复用模型自身生成教师信号；3）逐步标准化解决奖励尺度问题。实验显示该方法在对话、

IndexCache提出了一种跨层索引复用方法，显著加速稀疏注意力推理。研究发现相邻层的索引选择结果高度重叠（70%-100%相似度），因此可以让多个层共享同一份索引，跳过75%的索引器计算。在200K上下文长度下，该方法实现了1.82倍预填充加速和1.48倍解码加速，且几乎不损失模型质量。通过贪婪搜索算法确定最优索引器保留层，并引入多层蒸馏损失优化索引质量，IndexCache无需额外训练即可部