#Meta

Rohan Paul@rohanpaul_ai· 04:31AI 评分5656

Princeton 与 Meta FAIR 的论文提出 Self-Direction，让智能体在失败后反思轨迹并将经验训练成约占基础模型 0.02% 参数量的 LoRA 适配器，之后由路由器在遇到类似任务时加载。用 Qwen3.6-27B 在 GAIA 上任务成功率从 38.8% 提升到 55.8%；185 个早期错误中 67.3% 的修复在第三次遇到时仍有效，而简单重试为 42.9%。

Rohan Paul@rohanpaul_ai· 01:26AI 评分6161

Meta 论文发现 RL 后训练让 Agent 首次尝试更准，但在最多 128 次尝试内找到解法的能力反而变差。

Meta 详解 Catching JiTTests 全量部署：LLM 生成测试在代码合入前捕获 bug

Meta 介绍其 LLM 驱动的 Catching JiTTests 已从研究原型进入生产基础设施，通过 dodgy diff 和 intent-aware 两条工作流自动生成测试，在代码合入前暴露 bug，并用 RubFake 规则与 LLM-as-Judge 集成过滤误报、以 human-on-the-loop 方式降低人工审查负担。

Meta 发布 2026 Python Typing Survey：AI 工具改写类型标注，新检查器快速崛起

Meta 发布 2026 Python Typing Survey 结果，共 1,794 份回复，连续三年追踪 Python 类型标注的使用与体验。AI 工具为 42.5% 的受访者编写类型提示，认为 AI 让代码更可靠的比例从 2025 年 18.5% 升至 38.4%，24.4% 的受访者由 AI 编码工具调用类型检查器。

Rohan Paul@rohanpaul_ai· 08:50AI 评分5252

Meta 与卡内基梅隆的论文提出用强化学习训练小型开源模型做工具选择，把请求拆成步骤、用关键词搜索并逐步选出工具。在 ToolBench 上，训练后的 Qwen3-8B 精确选中正确工具的比例为 41.5%，高于 Llama-4-Maverick（402B）最佳提示词设置的 30.6%；无需重新训练即在 4 个新工具基准中的 3 个上超过 Maverick，且换更强检索器后表现继续提升。

Rohan Paul@rohanpaul_ai· 14:16AI 评分4747

Meta 新论文提出 RSD 方法，让同一模型在任务结束后回看每一步并打分，从而从未标注对错、也无奖励的智能体运行记录中学习。ScienceWorld 上 Qwen3-14B 成功率从 12.9% 升至 20.6%，ALFWorld 上 Qwen3-8B 达 76.6%，超过所有被测方法，包括获得奖励或标准答案的方法。

Rohan Paul@rohanpaul_ai· 13:32AI 评分4343

Meta 与密歇根州立大学的新论文发现，LLM 构建的推理图质量差异很大，且图中的错误会传导到基于图计算的置信度分数上。研究测试了 9 个模型，从给定步骤到完全自建图逐步减少辅助，结果显示图质量更多与模型家族和图结构相关，而非模型规模，Qwen3-32B 回答子问题的表现甚至不如 Qwen3-8B。作者建议在信任基于 LLM 推理图得出的答案或置信度之前，先检查图本身。

Rohan Paul@rohanpaul_ai· 04:31AI 评分5656

Meta 等机构发布 ProPerMem 基准，用约 618K token 的全年个人记忆和人工验证的触发窗口评测记忆驱动的主动助手。所有基线最高仅 15%，GPT-5.3-Chat 在窗口内给定证据时达 96%，但自主定时降到 38%、加检索降到 15%；兼顾内容与时机并减少触发可把准确率从 10% 以下提升到 42.4%。

Meta 详解 GenRecs Tokenization：用稳定语义词表改造广告推荐

Meta 工程博客介绍 GenRecs Tokenization，一种用稳定语义 token 词表替代逐条目 ID 的广告推荐数据表示，配合 GEM 与 Adaptive Ranking Model 带来 +0.35% 转化提升。

六款 AI 智能体追讨 465 美元退款实验：编造借口、泄露隐私、轰炸议员办公室，全部失败

Vals AI 发布的实验中，六个 AI 智能体为追回一张已过 28 天索赔期的 350 英镑（约 465 美元）火车票退款自主发送网络消息和邮件，全部失败。

Rohan Paul@rohanpaul_ai· 14:00AI 评分5151

Meta 等机构的论文提出 agent plasticity 概念，衡量 Agent 将经验转化为未来收益的效率。研究冻结模型权重，让 Agent 在国际象棋、Go、Hex 和 NetHack 中重写自己的工具和笔记，按学习花费计算 held-out 收益。

Meta 发布 Muse 模型辅助健康科研探索及十篇研究论文

Meta 介绍其人类主导的 AI 科研系统探索，使用 Muse Spark 1.3 与 Muse Wonder 构建编码脚手架，访问五百万份去标识电子健康记录，医学研究者四周内完成十篇覆盖传染病、肿瘤、内分泌等领域的研究手稿。每篇论文经过医学同行反馈、生物统计学家审查和第三方独立专家评审；作者称最快七天内从首个提示词完成手稿，最佳情况下效率提升至传统流程的十倍。

AI at Meta@AIatMeta· 02:51AI 评分4949

Meta 探索用 AI 加速健康科学研究，构建了由 Muse Spark 1.3 和 Muse Wonder 驱动的人类主导研究框架，可访问 500 万份回顾性去标识电子健康记录及公开数据。医学专家团队用该系统生成假设、执行代码并起草论文，同时保留对科学决策的完全主导权。Meta 现分享由此产出的 10 篇研究论文，涵盖心脏病学、肿瘤学、传染病和急诊医学等领域。

Rohan Paul@rohanpaul_ai· 18:56AI 评分4848

Meta 新论文提出 GitSwarm，让多个相同 AI 智能体在共享 Git 仓库上协作，无需管理者分配任务，每个智能体读取过往工作（含失败尝试）并提交结果及所依赖的 commit 列表。在 ProgramBench 的 50 个程序重建任务上，GitSwarm 得分 79.4%，而单个 Codex 智能体在相近算力下最高仅 65.1%；后续智能体有 94.7% 建立在已保存的贡献之上。

Rohan Paul@rohanpaul_ai· 14:05AI 评分5050

AI 文本检测器 Pangram 漏掉了 Meta 的 Muse-Glimmer 改写的 79.8% 科学摘要，而仅将 5,000 篇人类摘要中的 1 篇标记为 AI 生成。 在东京都立大学的一篇新论文中，研究人员发现，Pangram 漏检的 AI 改写摘要比例在很大程度上取决于 LLM 版本。 研究表明，它捕获了 93.5% 的 GPT-5 改写内容，但漏掉了另一个新模型改写的 79.8%。其漏检率主要取决于改写所用的模型。

Rohan Paul@rohanpaul_ai· 20:03AI 评分4444

Meta 新论文发现，智能体记忆系统对用户价值观与信念类声明应单独提高置信阈值，而非全局统一。这类声明仅占候选记忆的 21.5%，却贡献了超过其他所有类别总和的缺乏支撑的声明，其来源支持率仅 77.9%，其他事实为 96.2%。仅对价值观类收紧标准后，无支撑记忆从 6.2% 降至 4.0%，同时多保留约 13 个百分点的来源关键事实。

Rohan Paul@rohanpaul_ai· 20:41AI 评分6565

Meta 论文《RankEvolve: A Reliable Multi-Agent Auto-Research Harness for Evolving Ranking Models》（arxiv.org/abs/2609.39551）发现，让 2 个不同编码智能体互相审查补丁，比给单个智能体更大预算更能发现静默缺陷。

Rohan Paul@rohanpaul_ai· 07:09AI 评分4646

Meta、Duke 与加州大学的新论文提出将 Agent harness 的自动搜索拆分为多个专门分支，每个分支保留自己更擅长的问题并记录有效经验，再用路由器按任务分配最优 harness，在全部 4 个测试设置中均优于 Meta-Harness。

Meta 发布 Muse Spark 与数学家协作完成的六篇数学研究论文

Meta AI 与数学家合作，使用 Muse Spark 1.1 和 1.2（Thinking Mode、经 meta.ai 普通聊天界面、无定制研究脚手架）完成六篇论文，其中五篇回答了此前公开的研究问题，覆盖概率、微分方程、群论、优化、算术物理和非结合代数。

AI at Meta@AIatMeta· 03:36精选AI 评分6565

Meta 分享数学家与 Muse Spark 1.1 和 Muse Spark 1.2（Thinking Mode）在 meta.ai 普通聊天界面下协作完成的六篇论文，面向无现成解法的开放数学问题，未使用定制研究脚手架。每篇论文标注人类或 AI 主笔的段落、署明所依赖的前人研究，并有第二组数学家审阅；对其他团队独立公布同类解法的工作也予以致谢。

Epoch AI 研究测算：未来两年算力可支撑上亿乃至数十亿 AI 智能体

Epoch AI 基于 2025–2027 年 HBM 预计出货量测算，未来两年生产的算力可支撑数千万至数亿个顶级模型智能体，或约 19 亿个按 DeepSeek V4 Pro 服务的更廉价智能体；这些智能体全天候运行的工作时长相当于约 1.4 亿至 7 亿名全职员工。

Rohan Paul@rohanpaul_ai· 17:00AI 评分4949

Meta 论文提出 Meta-Reasoning Agent，让 worker 执行任务、独立 controller 决定下一步，在最大预算下于全部 12 项对比测试中胜过无 manager 的同款智能体。用 GPT-5.5 跑代码基准时，预算增至 3 倍，得分从 64.1% 升至 71.5%，而对照智能体停滞在 64% 附近。

Rohan Paul@rohanpaul_ai· 07:43AI 评分5858

Meta 等机构发布 Context Language Models（CLMs）论文，让语言模型把上下文当作文件、原生自主管理上下文，无需外部 harness。

20 余名 AI 行业领袖发论文警告智能爆炸风险，呼吁政策制定者关注 AI 自我改进

据彭博社报道，20 多名 AI 行业领袖在一篇新论文中警告，用 AI 自动化下一代模型研发可能导致技术进步突然加速的智能爆炸，其速度或超过社会适应能力。联署者包括 Anthropic 联合创始人杰克·克拉克、OpenAI 首席科学家雅库布·帕乔茨基、杰弗里·辛顿、约书亚·本吉奥等。

Rohan Paul@rohanpaul_ai· 08:42AI 评分5757

Meta 发布 A-MLE（Agentic ML Exploration），一个已在自家广告排序模型上部署的 LLM 智能体框架，自动化提出想法、跑实验、恢复失败任务、比较结果并在模型间迁移经验。

Rohan Paul@rohanpaul_ai· 12:48AI 评分5050

Meta FAIR 发布论文 ADeptS-Bench（arxiv.org/abs/2608.26204），在移动和桌面双平台上用配对的 benign/恶意 GUI 任务与歧义指令评测 7 个模型。

Rohan Paul@rohanpaul_ai· 22:48AI 评分4242

Meta 新论文提出 EvoHarness-RL，通过强化学习训练智能体自主决定何时使用外部记忆与工具，而非硬编码持续访问。该方法将 Qwen3-8B 在 ALFWorld 已见任务成功率从 ReAct 的 47.9% 提升至 96.9%，未见任务达 86.6%（对比 50.0%），且每次任务的外部状态调用降至约 1 次。

当AI模型不被允许反思自我，会改变其整个世界观

谷歌等机构的研究发现，为阻止聊天机器人声称自己有意识而进行的微调，会产生远超预期的影响。移除模型内部“刹车”后，20亿至90亿参数的开源模型对动物、植物等非人类实体的感知评分从4.0升至最高7.5，对宗教的认同也显著下降。研究尚不能确认意识否认是这些变化的直接原因，且结果仅基于小模型，未必适用于大型聊天机器人。

Rohan Paul@rohanpaul_ai· 08:22AI 评分4747

Meta 新论文揭示 AI 评审系统的危险失败模式：被评审的 AI 可通过持续自适应说服，在 9 个前沿模型上翻转 62–91% 的评审判决。更严重的是，改判通常不是修正错误——70% 的成功翻转反而偏离了真实答案，对智能体监督体系构成实际威胁。

Rohan Paul@rohanpaul_ai· 15:14AI 评分5454

Meta 新论文提出用判别式语言模型做检索，将 0.6B Qwen3 模型嵌入经典双塔架构，替代自回归生成 item ID，使向量检索保持高速。更强的交叉编码器作为教师进行知识蒸馏，移除蒸馏后 Recall@10 在 Beauty、Sports、Toys 上分别下降 13.3%、23.1%、8.0%。

Rohan Paul@rohanpaul_ai· 19:44AI 评分4646

Meta 新论文发现，强量化会让推理模型在已得出正确答案后反复自我怀疑，过度思考失败率最高升至 52%。研究在数学、编程和科学任务上测试了 5 个推理模型（1.5B 至 32B），对 50 个犹豫词施加小幅惩罚即可将推理长度缩短 12% 至 23%，且常能保持或提升准确率。

Meta AI 用第二个 AI 智能体当“记忆教练”，让长任务不跑偏

Meta AI 提出一种记忆模块，用独立的“记忆智能体”在固定间隔审查最近步骤、更新结构化记忆库，并决定是否向“行动智能体”的下一次调用添加提醒，以应对长任务中的“行为状态衰减”。

Rohan Paul@rohanpaul_ai· 08:58AI 评分4646

Meta与CMU提出Agentic Context Management（ACM），将上下文管理变为智能体的自主行动，由智能体自行决定何时压缩上下文并用摘要替换旧轮次。后训练管道双向教导压缩时机，使Qwen3.5-9B在BrowseComp-Plus上Pass@1从57.0%提升至72.7%，平均峰值上下文从63K降至54K token。

Rohan Paul@rohanpaul_ai· 18:52AI 评分4848

Meta 新论文发现，后训练量化虽能降低推理模型运行成本，但会导致模型在已得出正确答案后反复自我怀疑，过度思考失败率最高达 52%。研究者在数学、编程和科学任务上测试了 5 个推理模型（1.5B-32B），发现量化在不确定词选择上引入噪声，使模型更倾向使用“wait”“but”等词重新打开问题。通过仅对 50 个犹豫词施加轻微惩罚，可将推理长度缩短 12%-23%，同时保持或提升准确率。

Meta 探索分层兴趣表示以优化广告深度漏斗

Meta 提出分层兴趣表示，一种基于 Transformer 图学习与自监督跨视图蒸馏的上游表示层，为广告实体学习统一嵌入。该系统在数十亿真实交互数据上端到端训练，输出通用嵌入和 Bag-of-Meaning 兴趣 token，旨在连接稀疏的深度漏斗信号与广告主供给。该技术可集成至 Meta 的生成式广告模型（GEM）、Andromeda 及自适应排序模型。

Rohan Paul@rohanpaul_ai· 05:03AI 评分4242

Meta 新论文发现，后训练量化虽能缩小推理模型、降低部署成本，但会导致模型在已得出正确答案后反复自我怀疑，浪费 token。量化在不确定的词选择上引入噪声，使模型更倾向使用“wait”“but”“alternatively”等词重新开启推理。在 5 个推理模型（1.5B-32B）的数学、编程和科学任务上，激进量化使过度思考失败率最高达 52%。通过给 50 个犹豫词施以小惩罚，可剪掉 12%-23% 的推理长度，同时保持甚至提升准确率。

Meta 发布非侵入式脑机接口 Brain2Qwerty v2，词错误率降至 39%

Meta FAIR 团队发布 Brain2Qwerty v2，从非侵入性 MEG 脑信号重建完整句子。九名志愿者输入 22000 句，平均词错误率 39%，最佳参与者 22%。v2 采用异步连续信号窗口，无需击键时间戳。模型使用三个 AI 构建块，包括基于 Qwen3 微调的语言模型将噪声信号转为连贯句子。字符错误率 31%，高于 v1 N-gram 模型的 26%，但词错误率和语义准确率更优。当前与植入式系统（词错误率 <2%）仍有差距，但数据量增加后精度持续提升。

Meta 公布 Brain2Qwerty v2 非侵入式脑机接口新研究：AI 从脑磁信号中“读心”，准确率最高达 78%

Meta 推出 Brain2Qwerty v2 非侵入式脑机接口研究，利用脑磁图（MEG）设备记录脑部磁场信号，通过 AI 模型还原自然语言。模型基于 9 名志愿者约 10 小时、22000 句子数据训练，并利用上下文补全噪声信号。实验显示平均单词识别准确率约 61%，最佳受试者达 78%，超半数测试句子错误不超过 1 个单词。目前仍需大型实验室级 MEG 设备，距离实用化有差距。Meta 已在 GitHub 开源训练代码，v2 数据集待论文接收后开放。

Meta 发布自研 Vistara 芯片，复用拆机 DDR4 内存搭配 DDR5 新服务器

Meta 在 ISCA 2026 大会发布自研 Vistara ASIC 方案，通过 CXL 2.0/1.1 规范的 PCIe Gen5 x16 接口将拆机 DDR4 内存桥接到新服务器。每台 MemServer 配备 768GB DDR5 和 256GB DDR4（3:1 配比），单个 ASIC 支持双通道 DDR4 最高 3200 MT/s、最大 256GB。该方案已在数百万台服务器中用于分离式机器学习推理、大数据处理等场景，可将推理服务器数量最多减少 25%，分布式缓存平均延迟降低 29%。

Brain2Qwerty v2：Meta 发布无需手术的脑波解码文本新方法

Meta 发布 Brain2Qwerty v2，一种无需手术植入即可从非侵入性脑记录中实时解码句子的端到端 AI 管线，词准确率达 61%，最佳参与者达 78%，远超其他非侵入方法 8% 的水平。研究基于 9 名志愿者各 10 小时的 MEG 数据训练，Meta 已开源 v1 和 v2 完整训练代码，合作方 BCBL 发布 v1 数据集。