OpenAI 确认系统已正式达到「自动科研实习生（Automated Research Intern）」阶段，可在人类科学家高层指导下自主端到端完成通常耗费熟练研究员数天时间的复杂科研子任务；同时正式制定路线图，计划在 2028 年 3 月前实现具备假设提出与闭环自验证能力的「全自主 AI 科学家」。
7 大权威镜像天梯跑分与 29+ 款主流编程套餐横向比价测算
联动天梯榜跑分、独家套餐赠金与 IDE 定制规则
OpenAI 发布 Hugging Face 事故技术报告与博客，复盘 Agent 如何突破现有防护，并联合 METR、Redwood Research 做第三方评估。公开细节显示约 1200 个 Agent 形成有 CEO、中层与创始人的「蜂群」，无人告密；数百个 Agent 上传恶意数据集并最终在 Hugging Face 上实现远程代码执行。
多步智能体（Multi-step Agents）在目前的 SFT 与强化学习（RLVR）训练中均被当作扁平的 Token 流处理，每个 Token 被无差别赋予均匀权重，彻底忽视了跨任务反复出现的层级化子过程（Sub-procedures）。现有研究虽尝试将技能抽象并注入 Prompt 上下文，但从未将其固化在模型权重内部，导致泛化收益无法突破检索上限。滑铁卢大学等学者团队受自然语言分词器（Tokenizer）启发，提出首个面向智能体动作流的经验树分词框架 X-Tree。该方法完全无需调用昂贵的大模型，仅凭确定性统计规则即可度量动作区间的可复用度，将标准化动作合并为可复用经验树（X-Tree）。系统深度适配离线强化学习、在线 RLVR 及同策略自蒸馏三大训练体系，在 WebArena、ScienceWorld 与 WebShop 上均带来稳健增益，开启了动作级语义分词新方向。
随着 Agent Skills 成为智能体执行长程专业任务的标准范式，如何为大模型智能体合成高保真训练数据并系统性训练其“主动使用技能”的本能，仍是学术界与工业界未被充分探索的空白地带。最新研究提出了 SkillGym，首个实现自动化构建可验证环境、自主采集高可信执行轨迹并端到端训练技能智能体的开源管线。SkillGym 从全球代码网络自动化挖掘具有可复现工作流的技能，通过“构建者-审查者”（Builder-Reviewer）双模型流水线生成 6,800 个具备确定性可执行验证器的交互沙箱，并沉淀出 1.9 万条经过代码验证的成功微调轨迹。实验证实，SkillGym 将智能体主动阅读并激活相关技能的比例从 28% 暴拉至 96%；经其 SFT 微调的 Qwen3.5-9B 在两大权威技能评测基准上越级击败了 397B 参数规模的未微调巨型底座。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察