AI 编程实时动态与要闻

腾讯混元（Tencent Hy）10 月 26 日开源实时同声传译模型 Hy-SimulMT，支持中英双向语音到语音翻译，边听边译，同时输出译文文本和语音，并可实时克隆说话人音色。Hugging Face 上一次放出 6 个权重（30B-A3B 的纯译文版与带原文的 Interleave 版，各含 BF16、FP8、GGUF），模型卡标注 Apache-2.0；GitHub 同步提供 SimulInfer 推理服务与 SimulTrain 训练工具。官方口径：RealSI 长音频评测 StreamLAAL 约 3 秒，为对比系统最低。

查看大图

腾讯优图实验室（Tencent ARC）联合清华大学在 arXiv:2610.29989 正式发布并开源基于自回归（AR）架构的长视频生成新范式 Looking Ahead（TencentARC/Looking-Ahead）。针对传统自回归视频模型采用逐帧、逐 Token 单向外推导致误差呈指数级累积、在数十帧后画面严重变形崩溃的行业顽疾，Looking Ahead 提出前瞻注意力（Lookahead Attention）机制。系统在保持自回归高效流式生成特性的同时，引入全局规划前瞻流对未来时空锚点进行宏观锁定，反向约束当前局部帧的微观生成，全面终结自回归视频的时空漂移与纹理闪烁，树立了开源自回归视频生成新标杆。

查看大图

现有 3D 世界模型多直接采用几何基础模型（GFM）特征作为状态，但视角依赖性导致相机运动与场景演变相互纠缠，长链路外推极易发生尺度漂移崩溃。同济大学与腾讯团队发表 GeoState（arXiv:2610.22343，项目主页上线）。该框架利用场景 Tokenizer 将多视角几何特征聚合为视角解耦的世界状态，自回归模型仅推演绝对场景状态，在 Waymo 自动驾驶长程深度预测中全程保持单一上下文尺度，且零样本泛化至 KITTI 与 nuScenes。

查看大图

深度搜索智能体在长链路多轮检索中面临严重的信贷分配（Credit Assignment）难题。浙江大学与腾讯联合开源 KnowGPO（arXiv:2610.22331，GitHub: ZJU-REAL/KnowGPO）。该算法将复杂问答拆解为原子知识条件集合，以知识状态对齐代替杂乱的表面文本对齐，并在同状态组内计算增量知识过程奖励。微调后的 Qwen3-8B 在 BrowseComp-ZH（38.8%）与 GAIA（40.2%）上全面超越 GRPO 与 GiGPO，越级战胜 32B 级开源深搜基线并逼近闭源模型。

查看大图

腾讯混元 10 月 16 日开源 Hy Memory 2.0，三层齐发：Apache-2.0 的专用记忆写入模型 Hy-Memory-30B-A3B（约 3B 激活，HF + arXiv 技术报告）、覆盖 Chat/Working/Coding 三种场景的 Python SDK（PyPI hy-memory 2.0.x），以及本地优先的 MemHub（CLI + macOS，preview）。官方口径下，该模型替换 Mem0、MemOS、Hy-Memory 与留出的 EverMemOS 中的写入 LLM 后四框架均分 55.49，Claude Opus 5 为 54.62；评测基于固定 20% 子样本，部分单项仍落后 Opus 5。

查看大图

终端智能体（Terminal Agents）在长程命令行交互中常难以将局部进展转化为最终任务通关。腾讯 AI Lab 与新加坡国立大学联合提出 Terminal-RSI，通过交替执行已验证轨迹的递归自重写（RSR）与继承 Critic 状态的递归策略精炼（RPR），结合跨轮次跳过观测的 TB-GAE 优势估计，基于 Qwen3.8-27B 历经五阶段演化后在 Terminal-Bench 2.1 斩获 86.52%、Hard 达 79.00%，LHTB 严格通关数从 0/46 跃升至 5/46。

查看大图

当前 Deep Research 智能体评测大多局限于学术科研与合成问答，难以反映真实日常决策与复杂工作流。腾讯混元团队推出 LifeSearch 基准，涵盖 7 大生活生产力领域的 203 个中英文真实任务，投入逾 4500 小时专家标注提炼 4000+ 条细粒度评分规则。实测 12 款主流深度研究智能体显示，顶尖模型最高仅获 63.4% 分数，暴露长程网页搜索、多源冲突时间线融合等关键短板。

查看大图

港中文（CUHK）与腾讯等团队提出面向长程智能体强化学习的递归自改进策略优化算法 RSIPO（Recursive Self-Improving Policy Optimization）。针对现有在线自蒸馏（OPSD）普遍依赖静态特权技能且教师监督存在噪声的缺陷，RSIPO 首次实现“智能体技能”与“策略网络”在训练全程的双向共生演进：策略模型从完成轨迹中自主提取技能并通过轨迹重放优化技能生成，同时引入经验贝叶斯收缩（Empirical Bayes Shrinkage）动态校准学生对教师指导的信任权重。Qwen2.5-7B 在具身交互 ALFWorld 上取得 98.6% 成功率，比原生 GRPO 飙升 17.4%。

查看大图

随着终端智能体（Terminal Agents）从常规软件开发向生物信息、量子化学及天体物理等复杂科学垂直领域纵深渗透，如何构建高保真且具备确定性验证能力的训练环境成为了业界最大的工程死穴。传统手工编写特定领域任务与断言不仅成本高昂，且规则极难复用。来自清华大学与腾讯的研究团队提出了革命性的自监督框架 SWR（Software-in-the-Loop Reconstruction，arXiv:2610.02710）：直接利用工业界与科研界成熟现存的软件工作流（Executable Software Workflows）作为真实真值源，通过自动化输入配置扰动将测试集切分为公开观测与隐藏评测。智能体在仅看到输入模式与部分输入输出对的黑盒条件下，自主逆向重构出全功能可编辑脚本程序；再由多级层级验证器（结合语义断言、结构合法性与防捷径反作弊检查）在隐藏配置上进行绝对真值校验。团队在跨越 6 大科学领域的 500 个真实工作流与 46 个知名软件家族上落地 SWR，采集并清洗了 1,422 条高难度通关轨迹（扩增至 3,000 条训练集）。微调 Qwen3.8-27B 后，模型在权威基准 Terminal-Bench 2 上的平均得分由 47.94% 飙升至 53.56%，在全部对比对照组中全面斩获第一。

查看大图

在复杂终端操作系统运维与代码修复任务中，收集高难度问题的成功解决轨迹对于大模型后期微调（SFT）至关重要。然而高难任务往往依赖带有特化先验与调试介入的专用外壳（Specialized Harnesses），这些外壳在生产真实部署时无法复现，且直接在专用外壳轨迹上微调会导致严重的“外壳过拟合”与测试泄漏。来自马里兰大学（UMD）与腾讯 AI Lab 团队推出了 RSR（Recursive Self-Rewrite）递归自重写架构：仅利用单一 Qwen-3.8-27B 底座，构建包含规划器（提取可复用操作规程 Runbook）、批判员（过滤验证器泄露并指导递归重构）与执行器（在纯净独立沙箱中复现）的三位一体工作流。在 3,000 个终端任务实测中，RSR 将 2,001 条高杂质源轨迹递归重写扩增为 11,094 条通用沙箱标准轨迹；微调后驱动模型在 Terminal-Bench 2 上 Pass@3 飙升至 74.2%，在极难评测 Terminal-Bench Hard 上成功率从 39.0% 暴拉至 63.0%。

查看大图

同策略自蒸馏（OPSD）通过引入能够查看参考答案的“特权教师模型”（Privileged Teacher），在学生模型采样的推理前缀上提供密集监督，是当前训练复杂数学推理模型的前沿路线。然而传统 OPSD 在每个状态节点仅固定依赖单一参数状态的教师输出，错失了深层更具指导性的潜在信号。腾讯微信与腾讯 AI Lab 联合团队提出了邻域同策略自蒸馏（Neighborhood OPSD, N-OPSD）。研究惊奇发现：对教师模型施加局部参数扰动，可在相同的参考上下文中激发出高度互补的参考对齐纠错信号。团队构建了紧凑的冻结专家池，并提出“最大峰值锚定（MaxPeak）+ 分位数动态路由”算法为学生采样状态精准匹配最优邻域专家。在 AIME 2024、AIME 2025 及 HMMT 2025 三大顶级数学竞赛基准上，N-OPSD 驱动 Qwen3 多尺寸模型实现全面突破，平均分提升高达 2.75 分。

查看大图

高吞吐大模型推理引擎 SGLang 迎来里程碑版本 v0.5.20，汇聚来自 237 位开发者的 713 个合并 PR。新版本重磅推出面向强化学习（RL）采样轨迹的 return_sampling_mask 机制，在解码阶段直接输出候选采样空间与对数概率，彻底告别训练阶段反查 Top-k/Top-p 的高开销；结合采样掩码的重叠流水线调度，在 Qwen3-8B Batch 64 场景下解码吞吐暴增 52%。此外，统一基数树（Unified Radix Tree）为滑动窗口注意力（SWA）提供分支点复用，并全面支持 GLM-5.3-Flash、腾讯 Hy4-Preview 与 Qwen3.8-Flash-Next 等最新前沿模型。

查看大图

腾讯混元团队（Tencent Hunyuan，@TencentGlobal）联合复旦大学 NLP 实验室（黄萱菁、张奇团队）正式开源了面向前沿 AI 系统的科学自主探索评测基准 ExplorationBench（arXiv: 2609.30199，项目主页: explorationbench.com）。面对现有模型在传统科学考题中仅仅依赖海量预训练数据的“死记硬背”、难以判定其是否具备真正科学探索与假设验证能力的行业难题，团队开创性构建了由 AlienCode 与 AlienLogic 两大交互沙箱组成的“可验证外星世界（Alien Worlds）”。沙箱底层运行与人类现实常识截然冲突的确定性新物理/代码法则，系统必须自主提出假说、设计实验调用工具并闭环验证真伪。

查看大图

腾讯与浙江大学 REAL 实验室（@huggingface）联合开源了革命性的深度搜索智能体框架 IterSynth（arXiv: 2609.29444，GitHub: Tencent/IterSynth）。针对传统 ReAct 智能体将规划、证据搜集与信息归纳单一绑定的角色耦合问题，以及多轮检索中历史上下文无限堆积导致的注意力污染难题，IterSynth 首创“规划者（Planner）与归纳者（Synthesizer）动态解耦 + 演化式摘要状态机”范式，并提出角色解耦强化学习算法（RDPO）。在 BrowseComp 与 Xbench-DS 等顶级长程深搜基准中，IterSynth-8B 平均得分达 50.7，显著超越同等规模所有前沿 Agent。

查看大图