论文提出以多个自主 AI Agent 构成的协作网络执行完整科研流程：文献综述、假设生成、实验设计、代码实现、数据分析与论文撰写，全程无需人类干预。核心机制包括任务分解、并行探索与迭代精炼三个模块，使 Agent 群能够在目标指导下递归地改进自身方法论。这对现有单代理 AI 科研助手（如 AI Scientist）是一次范式升级，预示大规模 Agent Swarm 可能成为下一代自动化研究平台。相关方法可推广至生物计算、材料科学等需大量实验迭代的领域。
来源：arXiv针对当前 SFT/RLHF 训练中模型仅对特定拒绝触发词过拟合的问题，论文提出"表征对齐"（Representational Alignment）方案：以内部表示分布的一致性替代对输入分布的匹配，使模型学会的拒绝行为可泛化到从未见过的新类型攻击。在多种对抗性测试集上，表征对齐模型的泛化拒绝率比传统 RLHF 高出约 15–20 个百分点，且不影响正常回答质量。这为下一代对齐训练提供了新的理论框架。
来源：arXivClaude Sonnet 5.5 是 Claude 5 系列最新一代模型，在 Terminal-Bench 4.0（终端操作基准）上达到 70.6% 通过率（Sonnet 5.4 为 ~56%），推理速度提升约 30%，API 定价维持 $2/M input、$10/M output 不变。相比 Opus 5.5（40% 降价版），Sonnet 5.5 在保持成本优势的同时大幅缩小了能力差距，预计将成为多数生产环境的首选模型。同系列 Claude Opus 5.5 已于 9 月 18 日发布，Elo 高达 1517.79 登顶 Chatbot Arena。
来源：Anthropic 官方博客2026-09-28 起正式商用。Claude 5 系列整体策略：Opus 5.5 主打高端（降成本 40%），Sonnet 5.5 主打性价比（同价提速）。在 LongBench v2、IFEval 等通用基准上与 GPT-6 Astra 相当，在编程和终端操作场景优于前代。预计 10 月随 Claude 架构 IPO 同步发布。
Fireworks AI 在开源推理模型 Kimi K3 基础上进行后训练（Post-training），将相同任务完成所需 token 数减少约 40%，显著降低调用成本。这是开源推理模型商业化运营的重要探索，为下游开发者提供了"免费基座 + 付费优化"的使用路径。
NVIDIA 发布开源 Agent 安全平台 OpenShell，集成 Sentry 沙箱（检测并隔离可疑工具调用）与 Dagger 编排（在模型输出与系统执行间插入策略检查层）。该平台专门针对自主 Agent 在执行链中的不可预测行为设计，填补了当前开源 Agent 安全工具的空白。
VLLM 0.10.1 重点优化了 GPU 显存管理，支持运行时释放空闲 KV Cache 并跨节点扩展连续批处理，对 DeepSeek V4.1 Flash、Qwen3.8 等大上下文模型的部署效率有明显提升。FP8/NVFP4 支持也得到强化。
Qwen 图像生成系列最新小参数版本，7B 模型同时支持文生图和图像编辑两个任务，并引入 RGBA 通道支持透明背景输出，在同类小模型中性价比突出，适合边缘部署和实时生成场景。
Google Research 开源 RRSI 框架，一种基于强化学习的 Agent 自改进方法：Agent 在执行任务过程中通过自身反馈信号自动优化策略，无需外部奖励模型。首次在真实多步骤任务场景中验证了 Agent 自进化的可行性，为开源 Agent 社区提供了可复用的改进基线。
多个自主 AI Agent 组成的协作网络可独立完成完整科研流程：文献综述、假设生成、实验设计、代码实现、数据分析与论文撰写，全程无需人类干预，通过任务分解、并行探索和迭代精炼三大机制实现递归自我改进。
arXiv:2609.35719 →提出自适应能力差距建模方法，使 Agent 在 RL 训练过程中能够感知并补偿自身能力与目标复杂度之间的动态变化，避免传统 RLHF 在任务升级后的性能退化问题。
arXiv:2609.35532 →引入主动视觉探测（Active Visual Probing）机制，使浏览器 Agent 在页面交互前可主动获取 DOM 结构信息，显著改善复杂 Web 任务中的定位精度和交互成功率。
arXiv:2609.33646 →提出使用"狡黠"对抗样本（cunning data）进行安全微调，使模型在面对隐蔽性强的越狱提示时仍能保持拒绝行为，相比传统 RLHF 在新型攻击模式下的泛化能力显著提升。
arXiv:2609.18515 →扩展 VISOR 方法至通用视觉输入场景，通过可微分 steering 技术对 VLM 的视觉理解过程进行干预，实现对模型输出行为的细粒度控制，适用于多模态对齐和安全调节。
arXiv:2509.25533 →揭示了视觉-语言模型中存在的一种系统性偏见：当文本描述具有"引导性"时，VLM 会忽略图像中的矛盾信息而倾向于跟随文本建议，导致选项重定向错误。该偏见在多模态问答和指令跟随任务中普遍存在。
arXiv:2609.32489 →通过神经元级可解释性分析，揭示 SFT 和 RLHF 等后训练方法如何在大模型内部塑造"拒绝电路"（refusal circuits），证明不同的对齐策略会导致完全不同的安全决策路径，为安全评估提供了可解释的依据。
arXiv:2609.03887 →提出稀疏激励对齐策略，通过在训练中仅激活少量关键神经元来建立安全边界，相比全量 RLHF 减少了约 60% 的计算开销，同时保持了同等水平的安全拒绝率，为低成本安全对齐提供了新思路。
arXiv:2609.33983 →OpenAI 在 DevDay 上预览 GPT-6 Cyber，定位为"安全优先的推理模型"，重点强化了对抗鲁棒性和红队测试抗性，预计 10 月正式发布。同期 GPT-6.1 Astra 因安全性问题被 OpenAI 主动撤销发布计划。
来源：OpenAI DevDay数据来源：LMArena（原 LMSYS Chatbot Arena）· 2026-09-29 更新 · 含近48h 主要变动
| # | 模型 | 机构 | Elo | 备注 |
|---|---|---|---|---|
| 1 | Claude Opus 5.5 | Anthropic | 1517.79 | ↑新登顶 · 2026-09-18 发布 |
| 2 | Claude Fable 5.1 | Anthropic | 1512 | 文本榜 #1 · 小幅下滑 |
| 3 | Gemini 3.8 Flash | 1505 | 速度优化版旗舰 | |
| 4 | Claude Sonnet 5.5 | Anthropic | 1501 | ↑新发布 · Terminal-Bench 70.6% |
| 5 | GPT-6 Sol | OpenAI | 1498 | 通用前沿推理 |
| 6 | Kimi K3 (OSS) | Moonshot AI | 1495 | 开源推理模型标杆 |
| 7 | MiMo-V2.6-Pro (OSS) | Xiaomi / Fireworks AI | 1490.73 | ↑超越 Qwen3.8 Max · MIT协议 |
| 8 | GPT-6.1 Luna | OpenAI | 1488 | 轻量快速版本 |
| 9 | Qwen3.8 Max (OSS) | Alibaba | 1485 | HF 点赞数历史第一 |
| 10 | Claude Opus 5 | Anthropic | 1482 | 上一代旗舰 |
| 64 | GPT-6 Astra | OpenAI | 1442.89 | ↓大幅下滑 · 安全争议 |