夜雨聆风
📚 1. MLEvolve：自进化机器学习算法发现框架
【分类】 最新算法
【核心摘要】 研究人员提出MLEvolve，一种基于LLM的自进化多智能体框架，用于端到端机器学习算法发现。通过Progressive MCGS树搜索和回顾性记忆机制，解决现有MLE智能体的分支信息隔离、无记忆搜索和缺乏层次控制问题。在MLE-Bench上达到SOTA性能，12小时内平均奖牌率和有效提交率均超越现有方法，甚至超过AlphaEvolve。
【专业点评】 这是AutoML领域的重大进展，将"自我改进"从概念推向实用，可能改变未来ML算法的发现方式。
【信息来源】https://arxiv.org/abs/2606.06473
📚 2. Goedel-Architect：形式化定理证明新突破
【分类】 最新算法
【核心摘要】 普林斯顿、清华等研究团队推出Goedel-Architect，专注于Lean 4形式化定理证明的智能体框架。通过蓝图生成与细化策略，在MiniF2F-test达到99.2% pass@1，PutnamBench达75.6%。结合自然语言证明引导后，MiniF2F-test达到100%，PutnamBench提升至88.8%，并解决IMO 2025的4/6题目。
【专业点评】 开源 pipeline 在成本降低500倍的情况下达到如此性能，标志着AI数学能力进入新阶段。
【信息来源】https://arxiv.org/abs/2606.06468
📚 3. Benchmark Agent：全自动基准测试构建系统
【分类】 最新算法
【核心摘要】 针对LLM/MLLM基准测试构建劳动密集、难以复用、快速饱和等问题，研究团队提出Benchmark Agent——一个完全自主的智能体系统，可自动完成从用户查询分析、子任务设计到数据标注和质量控制的完整基准构建流程。已生成15个跨文本理解、多模态理解和领域特定推理的基准测试。
【专业点评】 动态生成基准测试的能力将帮助研究者更准确地评估模型真实能力，避免"刷分"现象。
【信息来源】https://arxiv.org/abs/2606.06462
📚 4. Vortex：稀疏注意力高效服务系统
【分类】 产品发布
【核心摘要】 针对长序列生成中稀疏注意力的部署难题，Vortex系统结合Python嵌入式前端语言和页面中心张量抽象，支持广泛的稀疏注意力算法快速原型、部署和评估。在MLA-based GLM-4.7-Flash上实现4.7倍吞吐量提升，在229B参数的MiniMax-M2.7上实现1.37倍提升。
【专业点评】 稀疏注意力是大模型长上下文的关键，Vortex的工程实现将加速该领域的研究迭代。
【信息来源】https://arxiv.org/abs/2606.06453
📚 5. AI智能体内存系统首次系统级表征
【分类】 行业趋势
【核心摘要】 研究人员首次对AI智能体内存系统进行系统级表征，提出四轴分类法，构建阶段感知分析框架，对10个代表性系统进行基准测试。发现设计选择会显著影响读写路径成本，并提出10条系统建议，涵盖构建调度、能力下限、查询量摊销、新鲜度-延迟权衡等。
【专业点评】 随着Agent进入长时程任务，内存系统的工程优化将成为关键竞争点。
【信息来源】https://arxiv.org/abs/2606.06448
📚 6. DataCOPE：无监督数据分析技能发现
【分类】 最新算法
【核心摘要】 针对数据分析智能体的技能发现难题，DataCOPE框架通过无监督验证器信号从探索轨迹中提取质量特征，协调数据分析智能体、无监督验证器和技能管理器进行对比技能蒸馏。在报告式分析任务上平均提升9.71%，推理式分析提升32.30%。
【专业点评】 无监督技能发现是降低Agent训练成本的关键方向，对数据分析师Agent的实用化意义重大。
【信息来源】https://arxiv.org/abs/2606.06416
📚 7. ALMANAC：智能体协作的心理模型数据集
【分类】 最新算法
【核心摘要】 研究团队发布ALMANAC数据集，包含2,987个协作动作，每个动作配有理论指导的心理模型标注，记录参与者的自我推理、感知伙伴意图和感知团队目标。基于Map Task经典双向路由任务构建，用于评估LLM模拟人类协作行为和推断潜在心理模型的能力。
【专业点评】 有效协作需要"心智理论"能力，该数据集填补了Agent协作研究的关键空白。
【信息来源】https://arxiv.org/abs/2606.06388
📚 8. Anthropic发布递归自我改进深度分析
【分类】 行业趋势/大鳄洞察
【核心摘要】 Anthropic研究所发布重磅文章讨论递归自我改进(RSI)：AI系统完全自主设计开发后继系统的能力。数据显示Anthropic工程师人均季度代码交付量较2021-2025年增长8倍。METR数据显示AI可靠完成任务的时长每4个月翻倍，从Claude Opus 3的4分钟增长到Claude Opus 4.6的12小时任务。
【专业点评】 Anthropic首次系统阐述RSI时间表和风险，强调"我们尚未到达，但可能比多数机构准备得更早到来"。这是AI安全领域的重要里程碑。
【信息来源】https://www.anthropic.com/institute/recursive-self-improvement
📚 9. ChatGPT记忆系统全面升级
【分类】 产品发布
【核心摘要】 OpenAI向所有Plus和Pro用户推出ChatGPT升级记忆系统，基于"梦境"功能允许ChatGPT在后台整理对话并保存信息。升级后ChatGPT在更新记忆和跨对话记住偏好方面表现更佳，免费用户将在未来几周获得更新。
【专业点评】 长期记忆是ChatGPT与Claude等竞争的关键差异化功能，此次升级可能显著提升用户粘性。
【信息来源】https://www.theverge.com/news/646968/openai-chatgpt-long-term-memory-upgrade
📚 10. Suno AI音乐估值翻倍至54亿美元
【分类】 社区动态
【核心摘要】 AI音乐生成公司Suno在6个月内完成新一轮4亿美元融资，估值从24.5亿美元飙升至54亿美元。尽管面临RIAA版权诉讼，投资者热情不减。该公司2024年估值仅约5亿美元。
【专业点评】 版权诉讼阴影下的高估值反映了市场对AI生成内容的强烈信心，也可能预示行业监管冲突将加剧。
【信息来源】https://techcrunch.com/news/824108/suno-valued-at-2-45-billion-in-latest-funding-round-as-lawsuits-loom
