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 SAFE-QE，过滤 LLM 查询扩展中无支持的幻觉词
摘要SAFE-QE 以可复现性与覆盖选择抑制扩展幻觉，作者称排序质量无可见代价。
提出证据驱动多智能体框架 EviRepair，用于仓库级漏洞修复
EviRepair 是面向稀疏漏洞报告的仓库级自动漏洞修复框架，用审查后的漏洞模型把诊断和补丁合成隔开。
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。
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。
定义任务充分收缩，认证用 GC 替换全信源后速率–遗憾曲线不变
任务充分收缩处理机器信息接口上的信源选择：已声明任务有时可以在编码器、码本、速率、失真目标或优化器选定之前，定出一个更小的信源。
提出选择性长时程精炼，筛选轨迹以提升终端智能体训练可靠性
这项工作研究终端智能体模仿学习里，教师轨迹应保留多少 token。
用两阶段 LLM 流水线量化英国年报中的 AI 风险披露
提出 Mid-Harness，在执行前验证并筛选终端智能体的候选动作
Mid-Harness 在不改生成器和执行 harness 的前提下，于二者之间做动作级测试时计算，用来研究终端智能体里“多采样、再验证”何时提高轨迹成功。
提出可复用语义网框架，把 FRIA 证据建成可查询知识图谱
提出 PatchHolmes，用混合检索和列表式智能体选出 CVE 修复提交
PatchHolmes 是面向补丁检索的两阶段系统：在本地 Git 仓库上用冻结开源权重模型，为一个已知 CVE 找出修复提交，不做按仓库微调，也不使用付费外部搜索 API。
提出 Tail-Influence Sampling，按尾部影响分配查询以估计策略下尾 CVaR
在条件转移可独立查询时，用 tail influence 把固定评测预算分给对一条固定策略的下尾 CVaR 更重要的 kernel。平均回报相近时，罕见失败仍可能差很多。完整 rollout 把大部分预算花在到不了最坏状态的转移上。
提出 SelfSearch，用自我修改记录无奖励搜索改进编码智能体
TAIP 是放在未修改 RepoAudit 之外的保证层，用来在软件交付门上重算智能体安全控制的当前姿态。
提出 Opera 口头批评框架，跟踪长程编码 Agent 的执行纠正
Opera 是给长程编码智能体用的口头批评框架：每次纠正是一条要跟到解决的持久笔记，而不是一次性评语。
提出 HTN 协调层，在执行前固定多服务器 MCP 工具顺序
HTN 规划在这里承担跨服务器工具协调层的角色。作者关注 MCP 宿主逐步选择工具时的复现、推理成本和执行前检查问题。
这项计算分析看的是美国雇主在招聘文本里如何定义隐私劳动力，以及 AI 治理是否被写进这些岗位。
访谈并审计 EdTech 平台如何推迟隐私与 AI 披露
EdTech 里的学生隐私常被推迟，而不是设计时的部署条件。作者要解释组织内部为何如此，以及公开政策是否呈现同样结构。
提出分形自然语言决策图 werr，在边缘做零权重运维分诊
构建基于论证方案与大模型的结构化欺骗分析网页工具
占位。