从GPT-2到gpt-oss，深度详解OpenAI开放模型的进化之路

OpenAI 近日发布 gpt-oss-120b 和 gpt-oss-20b 两个开源模型，Sebastian Raschka 发布博客对其详细分析，回顾自 GPT - 2 以来 AI 社区进步，还与 Qwen 3 比较，介绍架构、训练、推理等细节。

7个月翻一番！AI agent能力飙升，METR报告揭示指数级进化规律

非营利研究机构METR报告显示，Agent能力每7个月翻一番，这在9项基准测试中得到验证，任务涉及编程、数学等领域，大模型正迈向高度自动化，且Agent性能提升快，未来处理复杂任务能力或更强。

无需CUDA代码给H100加速33%-50%，Flash Attention作者新作火了

Flash Attention、Mamba作者之一Tri Dao与普林斯顿博士生提出QuACK库，用Python写，无需CUDA C++。在H100上比优化库快33%-50%，吸引英伟达、PyTorch团队关注。还给出优化torch.compile建议。

微软开源多智能体自定义自动化工作流系统，加速搭建基于AI的自动化系统

微软开源多智能体自定义自动化工作流系统，可助企业用AI智能体实现复杂组织任务自动化。该方案整合多项Azure服务构建管道，有聚焦核心价值等功能，还给出部署指南与成本估算。

大模型从“胡说八道”升级为“超级舔狗”，网友：再进化就该上班了

Jeff Dean投的RSI出成果了：Kimi K3自我进化排国产第一

本文报道Jeff Dean投资的AI初创公司推出DeepRSI新基准，测试大模型递归自我改进能力，设置48小时无网络自主科研挑战，最终Kimi K3拿下国产第一、开源第一，成果引发行业关注。

我给剪辑产品 0 元雇了个外部研发部：它开始自进化

作者的剪辑产品有了“外部研发部”——Agent。它每天研究新方法、用真实项目测试。作者三步搭建此“研发部”，让其自动查询、测试和汇报，自己负责最终决策，项目获取新方法不再只靠偶然。

代码榜刷满分，AI科研却撞墙？140道真实研究题撕开「自进化」真相

新工作MLS - Bench覆盖12领域、140个研究任务，评测前沿模型科研能力。虽模型工程执行强，但科学发现能力弱，当前仍难提出有效算法创新。其评测已纳入Kimi K3和Qwen3.8 - Max官方发版表。

不换模型，效果提升104%！上海AI Lab让Harness也能自进化了

上海人工智能实验室团队提出的Self-Harness引发关注，它针对Agent外层Harness改进。实验显示，在Terminal-Bench-2.0上，不换模型只改Harness，Qwen3.5-35B-A3B等模型效果显著提升。

Agent的自演进，被刚刚开源的AReaL 2.0按下了加速键

Agent 正从「会使用工具并完成任务」向「在使用中学习并改进方法」转变，但面临自演进难题。AReaL 2.0 上线，解决 Agent 服务侧问题，给出在线学习闭环方案，其价值已在实践中得到验证。