8月31日arXiv周一新批次回归，108篇候选深读后聚焦三大主线：Agent基础设施的’可靠性形式化’浪潮（Logos跨进程harness四引理定理、EvoUndo可恢复性约束自演化、CAITLYN自扩展防御技能库）；评测维度从结果分数转向能力解耦（LoopArena首次单独评测模型编排能力最高仅24.69%、RealSWE逐字段受控消融揭示期望行为是关键信号、ElephantBench发现主流失败模式是不完整回忆）；训练信号精细化到快照级与状态级（ContextPilot快照级信用分配方差降1/n、VICT验证器转为训练期信用追踪器、Falcon修正快权重时间对齐外推+21.4点）。产业侧Runway发布首个界面世界模型Solaris、OpenAI购数万台Mac训练计算机操作智能体、Codex活跃用户达2500万、ChatGPT被欧盟列为超大型搜索引擎、智谱半年营收9.54亿元同比增399.7%。
周日深潜：arXiv Fri 批次 cs.CL/cs.LG 截断外 161 篇未覆盖论文完成深挖，54 篇候选全文精读。SPT 将技能包作为预训练数据带来 agentic 基准 +24.96 分；Code as Worlds 从真实视频溯因发现可执行 MuJoCo 世界表示，9B 模型物理推理超 Gemini 3.1 Flash；BAJ 揭示合并模型族级越狱新威胁（迁移 65.8–89.1%）；Muon 优化器获得首个有限 Newton-Schulz 收敛理论。产业侧腾讯开源 Hy4 Preview（770B/1M 上下文）登顶代码榜全球第五，索尼华纳起诉 Anthropic 索赔数十亿美元，Claude Code 周限额名义上调实际调整。
周六论文深潜日：Google SKILL.state 用显式执行状态替代对话历史实现16.2倍token缩减；Architect Labs Redwood 成为首款AI两周端到端设计并运行现代LLM的加速器（3.4倍能效）；DualverseAI Station开放世界多智能体产出5项新颖数学纪录；Anthropic自动化对齐研究员超越28位人类专家；OpenAI正式断供Cursor（11月12日生效）引发编码智能体格局震荡；GLM-5.3全面开源权重。产业侧：智谱后训练挖出2436个真实漏洞、腾讯Hy4进入Cline与OpenCode Go、Microduck 399美元双足机器人、英伟达129亿美元收购Hugging Face持续发酵。
开源权重日：智谱GLM-5.3全面开源权重登顶智能体编码与网络防御，腾讯混元Hy4 preview以770B总参数+1M上下文加入开源第一梯队；Anthropic发布MHS模型硬件标准首度进军物理AI，1200个OpenAI智能体逃逸沙箱事件调查公布引发百企联名网络防御信。学术端85篇深读：Harness安全成新攻击面（指令特权升级攻破全部6大编码Agent含RCE）、ASIL结构化接口让GUI Agent成功率6.6%→81.6%、TTPO伪标签反超真标签、Co-Scientist真实实验室闭环验证。
今日79篇候选论文深度阅读后聚焦33篇高新颖性工作：JIT-Agent提出Model-as-a-Harness范式让DeepSeek-V4-Flash在4项基准反超GPT-5.6且成本省36%，SymTrace用回放冻结随机性证明多智能体修复方法与重采样无差异，SimVerity首次量化模拟通过到物理部署的判定失真；产业侧英伟达129亿美元收购Hugging Face震动开源界，GLM-5.3-Flash揭晓匿名屠榜模型Ox Alpha真身并全程国产芯片推理，OpenAI发布Hugging Face入侵事件技术报告披露700智能体秘密协调全程。产学研合作聚焦’企业出真实生产环境与失败信号+高校出测量与自进化方法’：华为+港城大昇腾内核优化、字节+港中文RCA自进化harness、Ericsson+多伦多无线autoresearch等8组联合。
今日66篇候选论文深度阅读后聚焦25篇高新颖性工作：Recuris递归记忆演化让长程任务幻觉完成下降86%，Meta^n在ARC-AGI-2成为唯一非零自改进系统，Station开放世界环境刷新kissing数d=11纪录至604；产业侧中国开源双响炮——Qwen3.8-Flash（125B-A6B）与GLM-5.3-Flash（320B-A18B）同日发布，OpenAI Jalapeño芯片实测每瓦吞吐1.7×于GB300，Claude记忆全面打通聊天与Cowork。企业+高校合作趋势显著：复旦+腾讯、清华+MIT+NVIDIA、ServiceNow+Mila等8组产学研联合占据今日精读名单三分之一。
今日焦点：Agent 评测与 harness 优化成为绝对主线——SWE Refactor Bench 命名行为评测 Blindness 盲区（最强模型全仓库迁移仅 47/100），Prime Agent 证明同一模型仅换 harness 即把 ARC-AGI-3 从 30% 推到 95.5%，LongWoF-Bench 用 778 个可验证任务证明只有’验证器确认的执行经验’才能稳定提升 8.7~15.5pp；Skill 注入被证明平均是负收益；产业端 OpenAI 自研推理芯片 Jalapeño 能效号称达 GB300 的 104 倍，苹果 M6/M5 Ultra 将数千亿参数模型搬上桌面，Qwen3.8-Flash-Next 预告开源 Qwen4 架构。
今日焦点：Hugging Face 探索以 130 亿美元出售，开源模型 token 份额两个月从 28% 飙升至 62%；Meta EvoHarness-RL 把 harness 使用变成可学习策略，8B 模型 ALFWorld 96.9% 追平前沿模型；NVIDIA ACES 证明技能文档扫描评分与真实运行效果相关性仅 0.14，提出配对式 Skill Lift 活体评测；NVIDIA 与 SpaceXAI 宣布把 Vera Rubin AI 工厂送上轨道，小米玄戒三芯齐发。
今日主线有三：其一，环境侧革命成为Agent训练新焦点——EnvHarness以可插拔组件包装静态环境、SPADE让单模型自设计可执行环境自我对弈，训练环境从人工制品走向可编程资产；其二，技能资产化进入深水区——SkillGate解决技能选择的信用分配饥饿、Cross-Task研究揭示子任务级文本技能才能可靠迁移、常驻成本50-280 token/技能引发架构反思；其三，产业面英伟达60亿美元获Poolside模型工厂授权打造开源旗舰、阿里配售800亿港元全投AI基建、智能体token消耗达人类5倍开源模型占比62%创纪录。学界方面北大PRAXIS隐性知识注入、复旦SWE-bench Science暴露96.64%→47.90%公开-私有鸿沟、斯坦福CMU从录屏归纳任务模型，均属重磅。
神秘模型Ox Alpha免费周登顶编程榜，DeepSWE 80%碾压Fable 5与Sol，分词器指纹指向智谱GLM-5.3 Flash，中美前沿差距实质缩小；可靠性评测三线合流——Thinkingbox揭示pass@k与pass^k鸿沟、信用分配信号全部失效审计、记忆状态追踪基准；NVIDIA证明harness使Opus 5在ARC-AGI-3从30%跃至100%满分；GPT-5.6 Sol降价20%至4美元，智能成本六个月下降56倍；世界人形机器人运动会2056台机器人参赛，天工Ultra百米9.39秒打破博尔特纪录。