arXiv cs.AI 周报 (2026-08-17~2026-08-23)
🗓️ 本周覆盖
本周（2026-08-17 ~ 2026-08-23）共 4/7 天 daily 报告可用。
缺失日期：2026-08-21, 2026-08-22, 2026-08-23（这些日的论文不在本汇总范围内）。
下文所有数字和取舍都基于这 4 天的 daily picks。4 天合计约 502 篇 cs.AI 论文，主要子类为 cs.LG（139）、cs.CL（72）、cs.CV（26+）。
🔥 本周主题
🤖 Agent 训练与架构工程化（4/4 天出现）
本周最强信号。Agent 研究从"能不能做"全面转向"如何高效可靠地训练与部署"。Harnessed Agentic RL 作为独立范式正式确立，环境自生成与策略共演化成为新方向，技能选择与信用分配的理论保证开始出现。
- 2026-08-17：ClawGym II — 统一黑盒 RL 框架支持异构 harness 联合训练
- 2026-08-18：LEGO-RL + Agent Lightning — harness-native RL 范式同日两篇独立工作确立
- 2026-08-19：SPADE — 单模型自我博弈生成可执行环境，开放式进化里程碑
- 2026-08-20：MidTool — 证明工具使用能力需要 mid-training 专用阶段
🛡️ AI 安全：从模型对齐到系统级攻击面（4/4 天出现）
安全研究全面升级。攻击面从传统 jailbreak 扩展到潜意识线索叠加、Agent harness 生命周期、memory 持久化通道、隐藏 CoT 提取、时序越狱等新维度。"单点检测"范式被多角度证伪。
- 2026-08-17：Model Hypnosis — 微弱无害线索叠加即可强力控制，跨模型族可转移
- 2026-08-18：HarnessRisk — 首个 Agent harness 全生命周期安全基准，ASR 最高 80.9%
- 2026-08-19：SMTrap — 无需 GPU 即可对推理模型发起 DoS 攻击
- 2026-08-20：EchoCoT — 66.4% 近乎逐字提取隐藏 CoT，安全假设被推翻
⚡ 推理效率与自适应计算分配（4/4 天出现）
从长上下文记忆管理到推理深度自选择，计算预算的动态分配贯穿全周。OPD（On-Policy Distillation）在 8 月 19 日单日爆发 3 篇独立变体，标志其成为 post-training 事实标准。
📐 评估方法论的"元反思"（3/4 天出现）
学界开始系统质疑评估本身的可靠性：静态排名在线环境下翻转、自我改进可被测量伪影解释、reward model 与真实质量相关性仅 ρ≈0.12。重量级 benchmark（ASI-Bench、StartupBench）同步发布。
- 2026-08-18：ASI-Bench — 60 个项目级任务衡量迈向超级智能的距离
- 2026-08-19：Test-Time Scaling in the Wild — 首次量化 TTS 开放任务瓶颈
- 2026-08-20：Phantom Gains — 七种测量失效可逆转自我改进结论
📈 方向走势
持续高产：Agent 系统与训练（4/4 天，日均 ~30 篇）、AI 安全（4/4 天，日均 ~20 篇）、推理/训练效率（4/4 天，日均 ~22 篇）。这三个方向构成本周 cs.AI 的绝对主体。
本周爆发：On-Policy Distillation — 前 2 天零星提及，8/19 突然 3 篇独立工作同日发布（Open-MOPD、GC-OPD、R2-OPD），标志 OPD 从"新方法"晋升为"需要系统修补的事实标准"。Harnessed Agentic RL 在 8/18 以两篇定义性工作爆发，此后成为后续 Agent 论文的参照框架。
渐弱：RAG/知识增强在 8/17 有 ~15 篇的高密度输出（GRIP、Hyper-M2RAG、LENS 等），后续三天仅零星出现（DEPT on 8/18），可能是周期性波动。
🌟 周度 Top 10
-
SPADE: Self-Play in Adaptive Synthetic Executable Environments
Bo Liu, Simon Yu, Yiding Jiang 等 · 8/19 Top 1 · 环境自生成+自我博弈的开放式进化范式，30B 模型 8 基准 +5.3
-
Model Hypnosis: Strong control of AI via additive subliminal effects
Enric Boix-Adsera, Benedict Tessler · 8/17 Top 2 · 全新安全威胁维度：不可察觉线索的叠加控制，跨模型族迁移
-
LEGO-RL: Harness-Native Reinforcement Learning for Coding Agents
Yiming Du, Yuxin Jiang, Tao Yuan 等 · 8/18 Top 1 · 定义 harness-native RL，SWE-bench Verified 70.4%
-
Improving the matrix multiplication exponent with AlphaEvolve
Emilien Dupont, Matej Balog, Josh Alman 等 · 8/17 Top 1 · AI 辅助数学发现里程碑，ω 上界推至 2.371177
-
Learning When to Think: Adaptive Reasoning for Test-Time Compute Allocation
Kassenaar, Yang, François-Lavet · 8/20 Top 2 · 模型内化推理预算分配，41% token 节省零 shot 迁移
-
MoNe: Modular Neural Memory for Efficient Long Context Inference
Wonguk Cho, Kyubyung Chae 等 · 8/18 Top 3 · 即插即用 O(1) 查询长上下文方案，128K 下省 80% 资源
-
EchoCoT: Extracting Hidden Chain-of-Thought from Large Reasoning Models
Qu, Yang, Cui 等 · 8/20 Top 5 · 推翻"隐藏 CoT = 安全"假设，66.4% 逐字提取率
-
Open-MOPD: Diagnosing Capability Imbalance in Multi-Teacher On-Policy Distillation
Huan-ang Gao, Haohan Chi 等 · 8/19 Top 2 · headroom recovery 35.6%→83.4%，完全开源可复现
-
Physics of Agents: Statistical Mechanics Predicts Collective Behavior of AI Agents
Batu El, Surya Ganguli, James Zou · 8/17 Top 3 · 用统计物理建模万规模 Agent 集体动力学
-
MidTool: Mid-training Data Synthesis for Agentic Tool Use
Jiang, Wang, Liu 等 (Microsoft) · 8/20 Top 1 · 首证通用工具能力需 mid-training 专用阶段
📊 本周数字
🔮 趋势观察
Agent 研究进入"系统工程化"快车道。 从 8/17 的 AstronOS（持久化状态管理）、Policy Algebra（可信执行），到 8/18 的 Harnessed Agentic RL 范式定义，再到 8/19 的 SPADE（环境共演化）和 8/20 的 MidTool（能力分层训练），四天勾勒出 Agent 从研究到工业部署的完整技术栈。"如何可靠训练和运维 Agent"已超越"Agent 能做什么"成为首要命题。
安全攻击面扩展呈"维度爆炸"态势。 仅本周 4 天就出现了：潜意识线索叠加（Model Hypnosis）、harness 配置劫持（HarnessRisk）、memory 持久化极化（GraphWake）、SMT 引导 DoS（SMTrap）、隐藏 CoT 提取（EchoCoT）、时序字幕越狱（TempJail）、恶意技能分发（MaliciousSkillBench）等全新攻击向量——防御端远未跟上。
"计算自适应"成为跨层次的统一方向。 从模型内部（Learning When to Think 的三档推理深度、Proteus 的渐进式记忆容量）、到训练管线（OPD 三变体的预算动态分配）、再到系统层（Pandora's Router 的 value-of-information 路由、MoNe 的 O(1) 查询），"何时/投入多少计算"的决策正在被系统性内化到 AI 栈的每一层。
评论