AI 编程实时动态与要闻

当大语言模型（LLM）的输出质量超越人类专家可靠评估的极限时，如何实现不依赖外部人类标注或环境判题器的‘递归自进化（Recursive Self-Improvement, RSI）’？以往在数学、代码等领域依赖编译器（RLVR）的成功范式，在科研探索、复杂论证等无法自动验证结果的开放式非可验证任务（Non-Verifiable Tasks）中彻底失效；单个模型若既当裁判又当考生，又极易陷入同质化自我闭环与评估盲区。知名 AI 实验室 Sakana AI 在最新重磅成果（arXiv:2610.12176，项目主页：sakana.ai/mass）中推出了全新自进化框架 MASS（Multi-Agent Self-Supervision）。MASS 突破性地使用单一基座大模型（如 Qwen3.6-27B），让其同时扮演任务解决者、多智能体工作流优化器与客观评估者三大角色。系统在‘演化工作流结构优化’与‘基于自身生成的高质量轨迹实施监督微调（SFT）’之间交替迭代。经过两轮 MASS 递归自进化循环，模型在复杂科研基准（MLR-Bench、ScienceAgentBench、DSBench 等）上的每输出 Token 性能提升达 1.2x 至 1.6x，对初始基座模型的胜率从第一轮的 53.9% 飙升至第二轮的 69.9%，并证明多智能体自生成轨迹蒸馏的学生模型大幅超越消耗 1.4 倍 Token 训练的单智能体学生模型，论文与项目全貌已正式公布。

查看大图

编码智能体在处理大型代码仓库与多轮排错时，会高频反复复述相似的代码片段、错误日志及前序修改尝试，这使得基于检索的推测解码（Retrieval-based Speculative Decoding, SD）具备巨大的加速潜力。然而，现有通用检索推测解码器在真实 Agent 流水线中严重水土不服：智能体输出格式（如带行号标注、Diff 补丁及转义代码块）与本地原始磁盘文件存在巨大表征鸿沟，且固定推测草稿长度无法自适应多智能体协作中的轮次漂移。韩国科学技术院（KAIST）团队推出了面向编码智能体定制的推测解码框架 AgSpec。该框架在会话级、工作区级与全局语料库中建立与智能体发射格式完全对齐的动态索引，并结合离线性能剖析与在线验证反馈动态调整推测草稿长度。在多智能体代码仓库级评测中，AgSpec 吞吐加速高达 4.76 倍，且在单卡低延迟场景下全面碾压 EAGLE-3。

查看大图

深度求索（DeepSeek AI，@deepseek_ai）正式推出开源智能体运行时 DeepSeek Harness（dsh）的官方桌面客户端应用程序，适配 macOS 与 Windows 双平台。针对此前开发者在本地运行 Harness 智能体时必须依赖终端 CLI、手动配置多通道守护进程与管理本地沙箱的繁琐门槛，桌面版将 Web 交互前端、Cordis 插件编排内核与本地沙箱执行环境做到了“零配置开箱即用”，原生支持轨迹可视化回放（Trajectory Playback）、分支会话分叉（Session Forking）以及多模型子智能体混合编排。

查看大图

Google DeepMind（@GoogleDeepMind）最新技术进展透露，其下一代旗舰大模型 Gemini 4 已正式进入全面的后训练（Post-Training）与强化学习对齐阶段。Gemini 4 采用了原生统一的多模态世界模型架构，支持数十万步超长程具身工具链规划，预计将于 2026 年底前分批次向开发者开放预览。

查看大图

@Kimi_Moonshot 宣布 Kimi K3 已登陆 Amazon Bedrock，可用于编码、文档分析与长程智能体工作流，并接入 Bedrock 的访问控制、加密与审计；同时支持显式 Prompt Caching。官方文档指向 AWS Bedrock 模型卡，方便企业在 AWS 栈内直接调用。

查看大图