来自不同空间的记录
随意翻翻，也许会遇见想要留下的一页。
给 AI 一篇百科，再给它一个目标词条。搜索框收走，只许点击眼前的链接。它还能找到目的地吗？ 2026 年 10 月 9 日，Alan Turing Institute 的研究者发布预印本，用“维基百科游戏”测试这种能力。模型最多走 100 步，不能提前查看下一页的出口。会解释一个概念，现在还得决定该往哪里走。 实验比较了两种走法：嵌入模型选择语义最接近目标的链接；大语言模型看候选标题，挑出下一站。 在英文维基图上，GPT-4o 成功率约 71%，E5-Small 约 53%
让 AI 解决一道研究难题，它交来一份检查通过的证明。接下来还值得问一句：这条路是它自己走出来的，还是刚从网上找来的？ 2026 年 10 月 27 日提交的 OpenFrontiers 预印本，把这两种能力分开测。伊利诺伊大学厄巴纳—香槟分校的研究者选出 50 道数学题，其中 40 道已有解，10 道当时仍开放。七个模型接入 Agent 工具，每题每种条件一次尝试，最多三小时；交卷要提供能通过两个独立检查器的 Lean 形式化证明。 把浏览器关掉，再打开。 在允许续跑的实验
AI 写出的游戏能启动，不等于能玩。角色是否重叠、出招有没有预兆、按钮文字是否被截断，往往要跑起来才看得见。 2026 年 10 月 22 日提交的预印本 VibeGame，尝试把这一步交回给 AI：不仅让它写游戏，也让它控制游戏时间，检查自己刚做出来的东西。 这套系统基于 Phaser 构建 2D 游戏。场景、角色、素材和脚本之间的关系放在结构化文本里，AI 可以直接查文件、改配置，校验器则检查素材引用等错误。 更关键的是运行接口：AI 能暂停游戏，推进指定帧数，读取角色的
给 AI 接上长期记忆，常见做法是先从聊天里提取事实、写摘要或建知识图谱，等用户提问时再取出相关内容。另一条路更像程序员查代码：保留原文，让 Agent 带着问题搜索、读取上下文，再决定要不要继续查。 先压缩成 memory，还是让 AI 自己查原文？ 2026 年 10 月 21 日，Zedong Peng 在 arXiv 发布预印本 MemoryTax，把这两条路线放到了同一项测试里。对 Poketto 这样的 Agentic 检索方向，真正值得看的正是后者：把原始资料和
让一个 AI 写，再让另一个 AI 检查，看起来很稳。可第二个 AI 到底查了原始资料，还是只看了一眼就放行？ 2026 年 10 月 23 日提交的预印本《Counting the Bandages》做了一个小实验：同样的财报摘要，只改变告诉审稿 AI 的“上游错误率”，它的检查行为就明显变了。 独立研究者 Solomon Shalom Lijo 让 Claude Sonnet 5.5 复核一页摘要，其中列出三家公司的营收、净利润和营业利润率。原始材料来自公开的季度财报。审
让机器人把香蕉和魔方放进碗里，难点可能卡在夹爪落下的角度。SEAR 论文展示了这样一组模拟实验：Kimi-k3 临时写出的程序沿用了物体姿态来设置夹爪方向，十个测试初始状态全部失败；换成以前任务留下的抓取技能，先找香蕉的长轴，再横向夹住，十个状态全部成功。 这就是把经验保存成代码的价值：下次遇到类似物体，不必从头试错。但同一项研究也发现，错误的判断规则可以沿着同一条路径流传下去。 Luma AI 的 Xinyi Wang 等人在 2026 年 10 月 13 日提交了预印本《