标签：大模型

agentic RL新方法：用失败回合的文本提示稳定引导在线自蒸馏

论文提出“targeted guidance”框架，在 agentic 多轮软件工程任务中，仅对失败回合注入文本反馈做在线自蒸馏，并与逐条准则的 RL 奖励结合，以在不明显拖累基线 RL 表现的前提下学习原本难以优化的行为。目前信息来自论文摘要与页面概述，尚未显示已产品化或经同行评审。

微软正在为Outlook搜索测试一款专用小型语言模型，负责对已有搜索结果重新排序，以提升邮件检索的准确性和相关性，目前仍处于内部测试阶段。

arXiv 2026年11月4日收录的论文提出 LaplaceDiag，通过监测执行器对传感器影响的变化来缩小故障设备排查范围，为异常检测与根因定位之间补上一环。

Hugging Face Papers 收录的论文提出 VidUEU-Agent，一套从原始视频自动合成多模态理解、编辑及统一任务指令数据的智能体流水线，并据此构建 10 万条样本的 VidUEU-100K 数据集，试图缓解高质量多模态指令数据稀缺、标注成本高的问题。

2026年10月30日，Hugging Face Papers 收录论文 EvoTeam，提出不再只优化单个智能体，而是让团队组织、交互规则和个体技能一起随执行经验演化，并维护可复用的团队库。

一篇 arXiv 新论文提出假设：推理类文本的词语共现拓扑结构比非推理文本更简单，质量越高的推理结构越简单，并讨论了其在 AI 安全与 AI 评测中的应用方向。

arXiv 新论文提出 RAGLog，利用 RAG 管线的执行日志自动找出出错环节，不需要参考答案，也不需要改代码加埋点。对越来越多依赖检索增强生成做企业问答的团队来说，这提供了一条更低成本的排障思路。

arXiv 上一篇新论文提出 EMBERS 框架，用缺陷引导的模糊测试专门检验深度研究（Deep Research）系统在执行链条中的内在脆弱性；在相同测试预算下，其发现失败案例的吞吐量达到最强基线的 3.21 倍，提示这类智能体的可靠性问题值得单独建模和测试。

arXiv 新论文提出开源框架 Simjecture，让语言模型代理围绕人类设定的物理猜想开展反例驱动的自主研究，并在约 82.6 小时内用于分析 Z-pinch 中辐射能量超过内爆壳动能的老问题。它值得关注，是因为这尝试把“AI 辅助数学发现”的思路搬到以实验和计算为根基的物理学中。

技术供应商Core 4 Solutions通过eBay挂牌出售一套约300机架的二手AI超算，配置9600块Nvidia A100和4200颗AMD EPYC处理器，要价5970万美元，并标注可免费送货。这笔交易把“退役企业算力”如何流通的问题摆上了台面。