提出 RSI-Anything，用世界模型选择候选并保留策略更新
RSI-Anything 是一个跨领域框架：用世界模型预测决定哪些候选去拿外部反馈，再用反馈决定策略、工作流或预测器是否更新，并用检查决定哪一对被保留。要处理的困难是交互预算有限，以及策略一变，预测器面对的候选分布也会变。作者认为只改进其中一侧，不保证组装后的系统更好。
提出 RATED，用执行反馈重排智能体的工具检索
作者搭建了一个可在笔记本上运行的本地智能体闭环，用来为自主系统的安全论证生成边缘场景，而不是发布一个新的公开测试集。
提出 EndoRSI，以物理证据递归改进内镜机器人策略
世界模型安全被组织成预测决策闭环的性质，而不是孤立的预测分数。
提出 COAP，用有状态代码在测试时无模型地控制机器人
扩展全模态基座的强化学习以支撑智能体自我改进
MiMo-V2.6 是全模态 MoE 技术报告，用扩大 RL 计算、环境和评分来追求智能体自我改进。
提出基于规则书的递归自我改进，让冻结 LLM 学习显式世界模型
摘要冻结 LLM 用可修订规则书与可执行模型学习环境，并在 ARC-AGI-3 达到 RHAE 上限。
提出 GROB，用只读公开痕迹保存候选智能体线索并检验归因边界
GROB 是一套多角色架构，在没有特权遥测、也不预先指定目标时，从公开网页痕迹里保存候选自主智能体活动，供日后解析。
提出 GENUI-Harness，用生成界面收集未决输入并完成数据库服务任务
GENUI-Harness 把数据库服务任务的交互，从纯文本改成按当前请求和检索记录生成的界面。
提出 comprehension audits，以人类理解证据作为继续研发门槛
本文是一份研发过程保障提案：用 comprehension audits 检验责任人是否理解 AI 参与产生的研发贡献，未达标就暂停后续开发与依赖该贡献的发布。。
提出 System Switch，让快决策模型仅在门控打开时询问推理模型
System Switch在不暂停的 Doom 里，让快的 typed-decision 模型做每一次决策，只在门控打开时把控制交给视觉推理模型。
用混合生成式多智能体仿真考察基准留出对评分与满意度差距的影响
提出 CARE，离线认证 VLA 加速配置的回合级失败风险并选出最快合格候选
CARE 在部署前从加速配置中选出最快、且加速诱发失败风险能被有限样本认证为低于用户预算的候选。证据不足就保留全计算参考策略。
发布开源个人智能体 nanoMuse，经 Sentinel 审查设备屏幕动作
提出 Transect，将长程 Agent 评测转录对齐到可回查的共享时间线
Transect 是基于 Inspect Scout 的转录分析包，用来在长程智能体评估里保住可回查的过程账户。
提出 DAEDALUS，用自生成任务自举 Agent 记忆
提出 AI Agent 主张的可审计性框架与裁决规则
作者给出把关于已部署智能体的主张写成可核查陈述的条件，而不是检测器或攻击方法。
提出 NetAgent，编排工具完成多任务网络流量分析
NetAgent 是一个多任务网络流量分析智能体框架。作者要让分析员用自然语言把分类、隧道检测和主机研判串成可重规划的工作流，而不为每个任务单独训练一个模型。
提出 HERA，协同演化 harness 与环境以提升 Agent 拒答准确性
HERA 在模型权重固定时，让 harness 与可执行环境按失败协同演化，以改进 agentic abstention。