EvoBelief 可证伪世界模型：不改参数让 LLM 智能体自主进化
arXiv 上线的一篇新论文提出 EvoBelief，把智能体对环境的认知拆成可被证伪、可被推翻的规则，让模型在不更新参数的前提下积累和修正环境知识。
标签： GPT-4
RLVR数据88%陷入零优势陷阱，MagicBeanStalk用递归合成让gpt-oss-120b提升8.6分
一篇 arXiv 新论文指出，广泛使用的开源数学 RLVR 数据中约 88% 落入“零优势陷阱”，对目标策略几乎不产生学习信号；作者提出递归数据合成算法 MagicBeanStalk，用少量种子题生成校准难度的新题，在 8 个数学基准上提升 gpt-oss-120b 和 DeepSeek v4Flash 的表…
自由职业者两年复盘：从GPT-4o作图到Vibe Coding，上线30款小程序
一位从传统制造业离职的自由职业者，用两年时间从GPT-4o图像生成服务切入AI应用探索，借助Vibe Coding累计上线30多款小程序，完整呈现了个人开发者在这波AI浪潮中的生存样本。
OpenAI 悄然列出 gpt-rosalind-discovery，生命科学模型再添一员
OpenAI 在 API 定价页悄然上线未正式发布的 gpt-rosalind-discovery，定价与 gpt-rosalind-research 相同，信号指向药物发现流程，但功能与效果仍待验证。
Hugging Face 新论文提出 AgenticBBO-Bench，统一评测大模型智能体的黑箱优化能力
2026年10月8日，Hugging Face Papers 收录论文提出 AgenticBBO-Bench，这是首个跨领域、统一预算下评测大模型智能体做黑箱优化的基准，结果显示智能体方法在五个领域均优于直接调用大模型，并在四个领域超过最佳数值优化器。
Sakana AI提出MASS框架：让多智能体集体智慧驱动递归自我改进
Sakana AI发布MASS框架，让同一个大模型同时担任执行者、优化器和评估者，通过多智能体团队工作流的反复优化与知识蒸馏，实现递归自我改进，并在研究类基准上提升了每输出token的得分。
OpenAI Dot 与 Meta Muse 对比：常驻 AI Agent 的价格与权限之争
Meta 与 OpenAI 先后推出可自主持续工作的 AI Agent——Muse 与 Dot，前者起价更低、接入 WhatsApp，后者深度绑定 ChatGPT 生态，但两者都需要权限监督，且目前可用地区有限。
GPT-6.1 Sol 在 Codex 与 Work 中默认上下文提至 500k，可用上限仍为 1M
OpenAI 相关人士 Tibo 在 X 上称，GPT-6.1 Sol 在 Codex 与 Work 两个入口下的默认上下文长度已从 272k 提升到 500k，约提升 80%，并保留 1M 上限供用户手动覆盖。
大厂Agent开发者自述：两个月实战AI工作流，从重Skill转向轻Prompt
一位在大厂做Agent开发仅两个月的工程师，在社交平台分享了其日常AI工作流，指出随着GPT-5.6 Sol、Astra等模型能力增强，过去依赖的复杂Skill和长Prompt正变成模型噪声，轻量化、按需约束成为更高效的选择。
AI科幻剧《The Arc》用3.8万美元AI积分，单镜头生成8到10次
由 Artlist 出品、Darin Stewart 执导的五集 AI 科幻剧《The Arc》完成制作，团队用约 3.8 万美元 AI 积分生成约 83 分钟内容，单镜头平均需 8 到 10 次生成。它值得关注的地方在于，这不再是概念演示，而是一次接近传统短剧制作流程的落地实践。