Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。

今天的主题是：

K2-Think: A Parameter-Efficient Reasoning System

Summary

K2-Think 是一个推理系统，在 32B 参数规模下实现了 SOTA 表现，达到或超过诸如 GPT-OSS 120B 和 DeepSeek v3.1 等更大模型的水平。基于 Qwen2.5 基座模型构建，我们的系统展示出：通过结合先进的后训练技术与测试阶段的计算优化，小型模型同样能够在高性能推理任务中竞争。

这一方法基于六个关键技术支柱：长链路思维（Chain-of-thought）监督微调、可验证奖励的强化学习（RLVR）、推理前的代理式规划、测试时扩展（Test-time Scaling）、推测式解码（Speculative Decoding）、以及推理优化硬件，全部依托公开的开源数据集。

K2-Think 在数学推理方面表现突出，在开源模型的公共基准上取得了 SOTA 成绩，同时在代码和科学等其他领域也表现强劲。我们的结果证实，像 K2-Think 32B 这样参数更高效的模型，能够通过包含长链路思维训练与战略性推理阶段增强的综合后训练方案，与最先进系统竞争，使开源推理系统更加易用且具成本效益。

K2-Think 已免费开放获取，可通过 Cerebras Wafer-Scale Engine 实现每个请求超过 2,000 tokens/s 的顶级推理速度。

原文链接：https://arxiv.org/abs/2509.07604

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。

今天的主题是：LiveMCP-101: Stress Testing and Diagnosing MCP-enabled Agents on Challenging Queries

Summary

工具调用已成为 AI 代理与现实世界交互并解决复杂任务的一项关键能力。尽管 Model Context Protocol（MCP）提供了一个强大的标准化工具集成框架，但在基准测试方面仍存在显著缺口：缺乏能够评估 AI 代理在真实、动态情境中利用多样 MCP 工具有效完成多步骤任务的能力衡量体系。

在这项工作中，我们提出了 LiveMCP-101，一个包含 101 个经过精心筛选的真实世界查询的基准测试集。这些查询经过迭代的 LLM 重写与人工审查，要求协调使用多种 MCP 工具，包括网页搜索、文件操作、数学推理和数据分析。此外，我们引入了一种新的评估方法：利用真实执行计划而非原始 API 输出，以更好地反映真实环境不断变化的特性。

实验表明，即使是最前沿的 LLM，其成功率也不足 60%，凸显了工具编排方面的重大挑战。详尽的消融实验与错误分析进一步揭示了不同的失败模式和 token 使用低效等问题，为提升现有模型的能力提供了具体方向。LiveMCP-101 为评估真实世界代理能力设定了严格标准，推动了朝向能够通过工具使用可靠执行复杂任务的自主 AI 系统的发展。

原文链接：https://arxiv.org/abs/2508.15760

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。

今天的主题是：Emergent Hierarchical Reasoning in LLMs through Reinforcement Learning

Summary

强化学习（Reinforcement Learning, RL）已被证明在提升大型语言模型（LLM）的复杂推理能力方面非常有效，但其成功背后的内在机制仍然大多不透明。我们的分析揭示，诸如“顿悟时刻”（aha moments）、“长度扩展”（length-scaling）以及熵动态等令人困惑的现象，并非彼此孤立，而是一个新兴推理层级结构的标志，类似于人类认知中高层次战略规划与低层次程序执行之间的分离。我们揭示了一个引人注目的两阶段动态：在初始阶段，模型受制于程序正确性，必须提升其低层技能；随后学习瓶颈发生决定性转移，性能提升主要由对高层战略规划的探索与掌握驱动。

这一洞见暴露了现有 RL 算法（如 GRPO）中的核心低效性：它们以一种与层次无关的方式施加优化压力，使得学习信号在所有 token 间被稀释。为解决这一问题，我们提出了 Hierarchy-Aware Credit Assignment（HICRA），一种将优化努力集中在高影响力规划 token 上的算法。我们的大量实验证实了 HICRA 显著优于强基线方法，并通过战略性探索的视角，对推理能力如何进步提供了深刻洞察。

原文链接：https://arxiv.org/abs/2509.03646

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。

今天的主题是：

A Comprehensive Survey of Self-Evolving AI Agents

Summary

大型语言模型的最新进展引发了人们对能够解决复杂现实任务的 AI 智能体的广泛兴趣。然而，大多数现有的智能体系统依赖于人工设计的配置，这些配置在部署后保持静态，限制了其在动态和不断演化的环境中进行适应的能力。为此，近期研究探索了智能体进化技术，旨在基于交互数据和环境反馈自动增强智能体系统。这一新兴方向为自进化 AI 智能体奠定了基础，它将基础模型的静态能力与终身智能体系统所需的持续适应能力结合起来。

在本综述中，我们对现有的自进化智能体系统技术进行了全面审查。具体而言，我们首先提出了一个统一的概念框架，用于抽象自进化智能体系统设计背后的反馈循环。该框架强调四个关键组成部分：系统输入、智能体系统、环境和优化器，为理解和比较不同策略提供了基础。在此框架基础上，我们系统性地回顾了针对智能体系统不同组件的一系列自进化技术。我们还考察了为特定领域（如生物医学、编程和金融）开发的领域专属进化策略，这些策略的优化目标与领域约束紧密耦合。

此外，我们对自进化智能体系统的评估、安全性和伦理考量进行了专门讨论，这些因素对于确保其有效性和可靠性至关重要。本综述旨在为研究人员和实践者提供对自进化 AI 智能体的系统性理解，为构建更加适应性强、自主化和持续进化的智能体系统奠定基础。

原文链接：https://arxiv.org/abs/2508.07407

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。

今天的主题是：

Implicit Reasoning in Large Language Models: A Comprehensive Survey

Summary

大型语言模型（LLMs）已经在广泛任务上展现出强大的泛化能力。利用 LLMs 进行推理对于解决多步骤问题和复杂决策至关重要。为了支持高效推理，近期研究已从显式的思维链提示转向隐式推理，在隐式推理中，推理过程通过潜在结构在内部静默地发生，而不输出中间的文本步骤。隐式推理带来了诸多优势，包括更低的生成成本、更快的推理速度，以及与内部计算更好的对齐。尽管先前的综述已在推理背景下讨论过潜在表示，但尚缺乏对推理如何在 LLMs 内部展开的专门化、机制层面的系统考察。本综述通过引入一个以执行范式为核心的分类体系填补了这一空白，将关注点从表示形式转移到计算策略上。我们根据 内部计算如何以及在何处展开 将现有方法组织为三类执行范式：潜在优化、信号引导控制和层级循环执行。我们还回顾了支持 LLMs 中存在隐式推理的结构性、行为性和基于表示的证据。此外，我们提供了对现有工作中用于评估隐式推理的有效性与可靠性的评价指标和基准的系统性概述。我们在以下地址持续更新该项目：this https URL.

原文链接：https://arxiv.org/abs/2509.02350

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。

今天的主题是：

Visual Story-Writing: Writing by Manipulating Visual Representations of Stories

Summary

我们将“视觉化故事写作”定义为：利用故事要素的视觉表示来支持叙事文本的写作与修改。
为展示这一方法，我们开发了一款文本编辑器，能够自动将实体之间的交互关系、实体在不同地点之间的移动，以及故事事件的时间线进行图形化呈现。
与这些可视化内容进行交互会产生相应的文本编辑建议：例如，在图中连接两个角色会在文本中生成他们之间的一次互动；移动某个实体会更新其所描述的位置；重新排列时间线上的事件则会重组叙事的顺序。
通过两项关于叙事文本编辑与写作的用户研究，我们发现，可视化方式在支持参与者进行高层次修订规划、跟踪故事要素以及探索故事变体方面具有显著作用，并且能够以促进创造力的方式发挥效果。
总体而言，我们的工作为写作支持奠定了基础，这种支持不仅依赖文字，也同样依赖视觉形式。

原文链接：https://arxiv.org/abs/2410.07486

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。

今天的主题是：

Universal Deep Research: Bring Your Own Model and Strategy

Summary

深度研究工具是当今最具影响力、也最为常见的代理型系统之一。
然而，我们观察到，迄今为止提出的每一种深度研究代理都被硬编码为执行某一种特定的研究策略，并且使用的是固定的一组工具。
我们提出了通用深度研究（Universal Deep Research，UDR），这是一种通用型代理系统，可以封装在任何语言模型之上，使用户无需进行任何额外的训练或微调，就能够创建、编辑并不断完善完全自定义的深度研究策略。
为展示该系统的通用性，我们为 UDR 配备了示例性的最小化、扩展型和高强度研究策略，并提供了一个用户界面，以便用户对系统进行实验和探索。

原文链接：https://arxiv.org/abs/2509.00244

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。

今天的主题是：

Fhevm: A cross-chain protocol for confidential smart contracts

Summary

Zama 的 fhEVM 是一种跨链协议，利用全同态加密（Fully Homomorphic Encryption，FHE）在任何 L1 和 L2 上实现机密智能合约。它为链上应用提供端到端加密，在保证机密性与隐私性的同时，仍然保持完全的可组合性、可验证性以及无许可特性。

fhEVM 通过协处理器来执行高开销的 FHE 计算，使用门限多方计算（threshold MPC）来保障解密密钥的安全，并配套一组可部署在 Rollup 或 L1 上的智能合约，用于协调和编排各个不同的系统组件。

原文链接：https://github.com/zama-ai/fhevm/blob/main/fhevm-whitepaper.pdf

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。

今天的主题是：

From AI for Science to Agentic Science: A Survey on Autonomous Scientific Discovery

Summary

人工智能（AI）正在重塑科学发现的方式，其角色正从专用的计算工具演进为自主的科研合作伙伴。我们将 Agentic Science（具身智能科学/代理型科学） 定位为“科学中的人工智能（AI for Science）”这一更大范式中的关键发展阶段，在这一阶段，AI 系统从部分辅助逐步走向具备完整科学主体性的自主体。得益于大语言模型（LLMs）、多模态系统以及集成化科研平台，代理型 AI 已展现出在假设生成、实验设计、实验执行、结果分析以及迭代优化等方面的能力——这些行为过去被普遍认为是人类科学家的独有特征。

本文综述以领域为导向，系统回顾了生命科学、化学、材料科学和物理学中自主科学发现的研究进展。我们通过一个综合性框架，统一了此前相对割裂的三种视角——以流程为导向、以自主性为导向以及以机制为导向——将基础能力、核心过程与具体领域实现有机衔接。在此框架基础上，本文进一步：（i）梳理了 AI for Science 的演进历程；（ii）识别了支撑科学主体性的五项核心能力；（iii）将科学发现建模为一个动态的四阶段工作流程；（iv）综述了上述多个学科领域中的应用实例；以及（v）综合分析了关键挑战与未来机遇。

本研究构建了一个面向领域的自主科学发现综合视角，并将 Agentic Science 定位为推动 AI 驱动科研发展的结构化范式。

原文链接：https://arxiv.org/abs/2508.14111

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。

今天的主题是：

Memento: Fine-tuning LLM Agents without Fine-tuning LLMs

Summary

本文提出了一种用于自适应大型语言模型（LLM）智能体的全新学习范式，该范式无需对底层 LLM 进行微调。现有方法往往存在两类局限：要么依赖静态、人工设计的反思工作流，灵活性不足；要么计算成本高昂，需要对 LLM 模型参数进行梯度更新。相比之下，我们的方法通过基于记忆的在线强化学习，实现了低成本的持续自适应。

我们将该过程形式化为一种记忆增强的马尔可夫决策过程（Memory-augmented Markov Decision Process，M-MDP），并引入一个神经化的案例选择策略来指导行动决策。历史经验被存储在情景记忆中，该记忆既可以是可微的，也可以是非参数化的。策略通过一种记忆重写机制，基于环境反馈持续更新；而策略改进则通过高效的记忆读取（检索）来实现。

我们在深度研究（deep research）场景中实例化了该智能体模型，命名为 Memento。该模型在 GAIA 验证集上取得了第一名（Pass@3 为 87.88%），在测试集上达到 79.40%。在 DeepResearcher 数据集上，其 F1 值为 66.6%，PM 为 80.4%，超过了当前最先进的基于训练的方法；同时，基于案例的记忆机制在分布外任务上带来了 4.7% 至 9.6% 的绝对性能提升。

总体而言，我们的方法为构建具备持续、实时学习能力且无需梯度更新的通用型 LLM 智能体提供了一条可扩展且高效的路径，推动了机器学习在开放式技能获取和深度研究场景中的发展。代码已在上述 HTTPS 链接中公开。

原文链接：https://arxiv.org/abs/2508.16153