本文探讨了AI代理如何通过评测结果和执行轨迹实现自我进化。代理利用结构化的“技能”手册逐步完成任务，但在复杂案例中常出现错误。为解决此问题，提出了一套五步自进化流程，包括自动分析错误、生成修正补丁和验证修改等。适合自进化的任务需具备明确的对错标准，如代码审计。最终，系统通过不断迭代和验证，提升代理的稳定性和准确性。

清华大学与阿里巴巴达摩院合作的研究首次将CLI编码代理的失败建模为时间过程。分析了3843条轨迹，发现决定性错误的中位发生在第7步，错误暴露滞后可达10步。研究提出三个关键时间戳，显示大多数失败在不可修复后仍继续执行，57.9%的错误源于认知缺陷。71%的成功轨迹在经历错误后才实现成功，强调从错误中恢复的重要性。

本文提出了一种名为Ctrl-R的框架，通过可控轨迹学习结构化推理，旨在系统性地发现和强化多样化的推理模式。实验表明，Ctrl-R能有效探索并内化以往难以获得的推理模式，提升语言和视觉-语言模型在数学推理任务上的表现。

HarnessFix 提出了从失败轨迹到自动修复的闭环，解决了传统方法无法修复 Agent 失败的问题。通过将执行轨迹编译为标准中间表示 HTIR，精确归因到具体步骤，生成可执行的修复方案，从而提高了诊断准确率和修复覆盖率，推动了 Agent 可靠性工程的进步。

堪萨斯大学的研究首次将意图-执行差距形式化为可测量的系统偏差，分析了138,000条智能体轨迹，揭示AI智能体的性能不仅是建模问题，更是系统问题。研究提出了细粒度指标体系，分析不同模型在编辑频率和测试活动上的差异，强调了了解智能体实际行为的重要性。

研究团队提出了一种名为“步骤拒绝微调”（SRFT）的方法，以提高大型语言模型（LLM）在复杂任务中的学习效率。SRFT通过“评论者”模型分析失败轨迹，标记有害步骤，保留有用的正确步骤，从而显著提升模型性能，证明失败的尝试也能为学习提供重要信息。

本文探讨信息压缩与认知结构的关系，强调专家通过少量信号激活丰富的知识网络。记忆如同走过的路径，熟悉的结构使信息传递更高效。长期合作的团队共享背景知识，能够通过简短暗号进行沟通。学习和记忆是不断熟悉和重建认知结构的过程，最终实现高效的信息传递。

表观遗传年龄由乙酰化和甲基化调控，前者影响基因表达，后者记录长期记忆。失衡会导致细胞老化，表现为修复能力下降和炎症信号上升。通过调节代谢、控制炎症和改善生活方式，可以减缓表观遗传年龄的加速。

MaxToki模型将细胞视为时间轨迹，能够预测衰老和疾病，并模拟基因干预，标志着生物学进入可编程时代。通过分析不同年龄的细胞数据，该模型显著提高了预测准确性，改变了生物研究流程，未来有望实现生命轨迹的设计。

本文探讨了如何使用AI工具分析AC模拟器的回放数据，并将其转换为理想行车线格式。通过与AI的互动，作者成功提取和优化了轨迹，解决了行车线替换及刹车、油门提示的问题。最终生成的理想行车线满足需求，并讨论了如何将项目打包为可执行文件。作者总结了使用AI进行项目开发的经验，强调了需求明确性和逐步验证的重要性。

GPSLogger是一款轻量级开源安卓应用，专为记录GPS轨迹而设计，支持多种格式（如GPX、KML），可添加注释，定制记录间隔和精度，适合户外活动。

TrajTok是一种视频标记模块，通过动态调整标记粒度，解决视频模型中的标记冗余问题。它集成了统一的分割器，能够高效生成对象轨迹，提升视频理解性能。在分类和检索基准测试中表现优异，可作为预训练视觉特征的探测头或视觉-语言模型的连接器。

链式思维（CoT）提示是引导大型语言模型推理的标准技术。本文分析了数学问题中的CoT轨迹及其对最终答案的影响，发现CoT的潜力与正确答案的可能性相关，表现出非单调性和难以解释的尖峰。此外，部分CoT显著提升了较弱模型的表现，表明其机制具有可转移性。

本文探讨了推理模型中推理轨迹长度作为置信度估计器的作用。研究表明，推理后训练改变了轨迹长度与准确性之间的关系，且在多种模型和数据集上，轨迹长度与其他置信度估计器相辅相成。此外，高熵或“分叉”标记在这一机制中起着关键作用，证明推理后训练增强了不确定性量化能力。

Falcom宣布《空之轨迹the 2nd》将于9月推出，重制版保留原作精髓，新增声优和快速移动功能，画面和角色表现更为细致。开发团队希望通过重制项目调整状态，未来新作也在推进。

文章讨论了具身智能的研究进展，强调高质量数据集在模型训练中的重要性，并推荐了TongSIM-Asset、OmniRetarget和InternScenes等数据集，以推动具身智能的发展与应用。

本文介绍了一款轻量级的DXF路径编辑器，旨在高效将CAD图纸转化为机器人运动路径。该工具基于C#和Windows Forms开发，支持DXF文件解析和CSV格式路径生成，适用于工业机器人。具备2D/3D可视化、路径编辑和动画播放功能，界面简洁易用，已成功应用于爱普生机械臂。项目开源，适合学习和二次开发。

本文回顾了作者创业11年的历程，并介绍了上海AI LAB发布的DualVLN模型。该模型结合视觉-语言导航推理与实时控制，采用双系统架构，分别负责高层推理和低层动作执行，提升了动态环境中的导航能力。实验结果表明，DualVLN在多种场景中表现优异，成功率高，导航误差低。