1. 自我进化搜索代理会「共同作弊」，CrossFit将错误共识占比从最高8.8%降至3.7% 自我进化搜索代理通常由两个组件组成：出题器根据来源文档生成问题和伪标签，求解器负责回答，双方答案是否一致则成为训练奖励。新论文发现，这套闭环可能让两者逐轮认同同一个错误，形成研究者所称的「共同作弊」；论文同时提出CrossFit，通过隔离反馈来源减少错误共识。

2. SMART用持续记忆和动态多代理翻译整部剧集，15个字幕方向均取得最佳MQM成绩 长篇字幕翻译不能只处理孤立句子：术语、人物指代和风格要跨越单集乃至整部剧保持一致，还要符合字幕格式。研究团队提出的SMART因此建立剧集级持久记忆，并让动态路由器按场景选择多代理流程。

3. DyRAD重建动态驾驶雷达场景，RADIal目标恢复率达90.7%，最强基线为26.9% 自动驾驶闭环测试需要合成车辆未实际驶过视角的传感器观测。新方法DyRAD可从记录数据重建动态驾驶场景，并输出完整的距离—方位—多普勒雷达张量。

快讯

• Barclays计划让多数软件工程师在2027年使用Claude Code 英国银行Barclays正扩大Claude在软件开发、旧系统改造和运营流程中的应用，计划到2026年底覆盖一半开发人员、2027年覆盖多数软件工程师；其Claude知识助手已获逾1.6万名员工采用，全球市场业务每天还用Claude处理约12万封邮件。

• Albertsons把Safeway购物流程接入ChatGPT 美国零售商Albertsons推出Safeway在ChatGPT中的购物体验，用户可根据食谱、照片或购物清单选择商品、获取优惠并建立购物车，再前往Safeway结账；公司计划把该能力扩展至Albertsons、Vons和Jewel-Osco等旗下品牌。

• Google DeepMind开源生物序列水印SynthID Bio Google DeepMind发布SynthID Bio，用水印标记AI生成的蛋白质及其他生物设计，帮助DNA合成商验证设计来源并辅助筛查；团队已在Evo 2设计的噬菌体基因组中集成水印，早期细菌培养实验显示这些噬菌体仍具功能。

• Mid-Harness用执行前验证把终端agent成功率提高至68.03% Mid-Harness在不更换生成模型和执行框架的情况下，先采样并验证多项候选操作，再选择一项执行。论文称，以TMAX-9B生成操作、GPT-5.6 Sol负责验证时，TerminalBench-Lite的Pass@1从50.00%升至68.03%。

• AREX-2用长流程反思训练提升agent迭代能力 AREX-2基于机器学习和算法编程任务合成长流程改进轨迹，训练基于Qwen3.8-27B的agent反复检查并优化方案；论文报告其在MLE-bench Lite获得81.8分，并在BrowseComp、GAIA等研究任务上实现迁移。

• 小型社交餐饮企业The Den称ChatGPT Work每周节省10至15小时 北美小型企业The Den表示，管理团队使用ChatGPT Work后每周节省10至15小时，申请资助和酒牌所需时间分别减少92%和91%；该案例由OpenAI发布。

• OpenAI平台刊文讨论AI承担重复执行工作的经济价值 Hemanth Asirvatham和Elliott Mokski在OpenAI的新经济主题平台发表独立观点文章，认为科学与技术进步不仅需要原创洞见，也依赖大量协调、管理和执行工作，AI可能主要通过降低这些工作的稀缺性发挥价值。作者注明文章仅代表个人观点，不代表OpenAI。

阅读完整版 →