Paper Morning 2026-07-17

各位早上好，Paper Morning又和大家见面了。 今天想先从一个我最近反复思考的问题开始：咱们做AI for Science的人，常常关心的是模型怎么学物理、怎么解方程，但另一条线其实正在悄悄改变整个科研的工作方式，那就是AI agent本身的能力演进。今天这几篇论文，恰好从不同角度展示了agent生态的最新进展，我觉得挺值得拿出来聊聊。 第一篇叫Harness Handbook，讲的是怎么让那些维护AI agent系统的人不要那么头疼。大家知道，一个现代agent背后不仅仅是一个大模型，还有一套复杂的harness系统，用来构造prompt、管理状态、调用工具、协调执行。这套东西会随着模型更新、API变化、需求迭代而不断修改。但问题在于，修改请求描述的是“系统应该做什么”，而代码库是按文件模块组织的，行为和代码之间的映射需要开发者手动去恢复。这篇工作提出了一个框架，让行为到代码的映射变得可读、可导航、可编辑。说实话，这个方向可能不如训练一个大模型那么光鲜，但它解决的是一个非常实际的工程问题。随着agent系统越来越复杂，这类基础设施工具的价值会越来越大。 接下来看VideoChat3，这是一个开源的视频多模态大模型。它有意思的地方在于“完全开源”——不只是模型权重，而是把训练代码、策略、数据集全都开放出来。同时它在效率上做了很多优化，能够处理长视频、streaming交互等多种场景。我注意到一个趋势：开源社区正在从“比谁的模型大”转向“比谁的推理快、谁的全链路可复现”。这对咱们做AI4S的人来说其实是个好消息，因为高效的推理管线对于把模型部署到实际科学场景中至关重要。 第三篇SEED提出了一个很有趣的思路，叫做自进化策略蒸馏。它解决的是一个核心问题：outcome-based RL只给episode层面的奖励信号，但在token-level的策略学习上缺乏中间监督。SEED的做法是把已经完成的轨迹 hindsight 地分析成自然语言技能，然后再把这些技能蒸馏回策略模型。这其实是一种把“经验”变成“可训练知识”的思路。我自己觉得，这种把执行过程中的中间产物反过来指导模型训练的范式，可能对咱们构建更智能的科学agent有启发——毕竟做科研本身就是一个长周期、多步骤的推理过程。 然后是Boogu-Image-0.1，这是一个开源的多模态理解与生成统一模型。它通过在模型理解、数据质量、训练流程上的针对性改进，再加上agentic inference-time scaling，在严格约束条件下实现了很强的生成和编辑性能。这里有个值得关注的点：它展示了一种“系统级集成”的思路——不追求单一模型的极致，而是在推理阶段通过agent式的调用组合来提升效果。这种思路会不会也影响到科学计算模型的构建方式？比如把多个专用的小模型通过agent编排来协同求解复杂PDE，我觉得是个值得观察的方向。 最后是Ring-Zero，这篇工作把zero RL扩展到了万亿参数规模。之前zero RL的研究受限于计算资源，基本只能在小型模型上做。这篇工作通过算法和系统层面的优化，比如clipped importance sampling和训练推理比例的调整，实现了稳定高效的大规模训练，并观察到了一些 emergent reasoning 能力。这里我最关心的是：当推理能力变得可扩展、可训练，它会怎样改变咱们在科学问题上的求解方式？比如让模型在解方程时自发地组织多步推理、或者在符号推理时产生可验证的中间结论，这或许会打开新的可能性。 好了，今天这几篇论文看下来，我有一个整体的感受：AI agent正在从“能做什么”向“怎样更好地做”进化。基础设施在完善，推理能力在增强，训练范式在丰富，开源生态在繁荣。这些进步当然直接服务于通用AI，但对我们做AI for Science的人来说，它们在悄悄改变科研的底层工作流——从自动化实验设计到智能化的文献分析，从符号推理到多步骤科学问题的分解求解。AI4S的下一阶段，可能不只是模型更强的 PDE求解能力，还有整个科研过程被agent化的深度。咱们拭目以待。