「不是“看权重就会”，而是“会写脚本去试”」

启用两个设置如何让我们在 ARC-AGI-3 基准上的得分增至三倍

How enabling two settings tripled our scores on the ARC-AGI-3 benchmark

OpenAI 于 2026 年 7 月 29 日发布的研究与论文类文章，讲述两个 API 设置如何通过保留推理内容和启用压缩（compaction），提升 GPT-5.6 在 ARC-AGI-3 基准上的表现、得分与效率。文中还讨论了智能体在记住自己已做之事时表现更好。

「27B本地模型，开始“看懂”另一套模型的权重了」

一条微博帖子，介绍 Simon Willison 围绕论文《Sparks of Weight-Space Programming》做的实验：把强化学习策略网络的原始权重直接交给大模型，不让它写代码、不用工具，仅凭读浮点数判断该网络在玩哪种游戏。论文主角为 GPT-6 Astra，Willison 用笔记本上的 Qwen 3.8 27B 复现，在接近一小时的纯推理中先后猜对 Pac-Man、Pong 和 Breakout，在 Freeway 上失败。帖子还提到他区分了「只读权重做判断」与「借代码改权重、提性能」，并提醒不要把这理解为源码时代结束；文末给出 simonwillison.net 文章链接。适合关注模型可解释性、权重空间编程和本地模型实验的人阅读。

deepseek-ai/dsh-superagent-prototype：迈向更自主的智能体系统

deepseek-ai/dsh-superagent-prototype: Towards a More Autonomous Agent System

这是 DeepSeek 在 GitHub 上发布的研究原型仓库 dsh-superagent：一个面向单个 GitHub 仓库的主动式编码 agent，打包为 DeepSeek Harness 的 bundle。它监听 GitHub（可选监听飞书），当被授权的人提出工作请求时，会创建 work item，在自己的 agent 会话和目录中处理，并在原对话中回复，例如提交 pull request；另有网页面板展示哪些事项需要人工介入。README 注明这是仅供参考的研究原型、并非官方 DeepSeek 产品，工程由 coding agent 大量完成，可能存在缺陷、代码风格与工程实践不一致，使用前需自行审查调整。材料未给出更具体的适用读者说明。

一个接近自主的 AI 化学家改进了药物化学中一项颇具挑战的反应

A near-autonomous AI chemist improves a challenging reaction in medicinal chemistry

这是 OpenAI 与 Molecule.one 合作的研究发布，介绍一个使用 GPT-5.4、接近自主运行的 AI 化学家（Molecule.one 的 Maria）改进了关键药物合成反应。文中称其找到一种出人意料的添加剂，使测试的 80% 以上底物的 Chan-Lam 偶联产率提升，并附有论文和思维链摘要链接。

「模型开始直接改权重了，但先别急着喊奇点」

一条微博帖子，介绍 MIT CSAIL 于 11 月 2 日提出的「Weight-Space Programming」：让大模型不靠梯度下降、训练循环或外部工具，直接读写另一个神经网络的原始权重。帖子称其一组建出约 2 万参数的 Breakout 小网络，表现超过论文中的 PPO 基线；另一组直接改 Qwen3.5-0.8B 的少量权重，缓解推理循环问题，将 MATH-500 从 7.9% 提到 48.1%，IFEval 提升约 3 倍。帖中还提到 Google Research 的 Alex Krentsel 复现了 Breakout 实验，并观察到这类能力更像最新前沿模型突然出现的「台阶式」能力；同时列出争议：任务简化、规模差距悬殊、结果是否部分来自后训练阶段的任务暴露无法从外部确认。适合关注权重空间方法、可解释性与模型自我改进讨论的人阅读。