商用机器人搭出闭环实验台：智能体优化比贝叶斯优化少用最多52%迭代
一台由商用实验室机器人、吸光度读板机和可替换优化器组成的自驱动实验室实验台，在六个独立实验中各完成48轮无人干预的闭环迭代，累计超过24小时。系统在六个实验中的五个把目标吸收光谱匹配到测量误差以内，平均RMSE为若干OD。在同一物理回路中，基于Claude Opus 5的智能体优化在三个目标上都比贝叶斯优化用更少迭代匹配成功，其中目标1减少52%、目标2减少32%，并在贝叶斯优化48轮内未能匹配的目标3上于11轮内收敛。
模拟版图不再先定尺寸再布线：CASCoDe 让大语言模型智能体接管结构决策，20 个放大器全部 DRC 与 LVS 干净
模拟版图自动化的瓶颈不在单步工具，而在尺寸与物理结构之间缺少可回退的协调。CASCoDe 把尺寸候选、楼层规划、行内细化与布线尝试组织成层级离散动作，让大语言模型智能体在提取后的电学反馈上做树搜索。在 20 个 SKY130 放大器上，它是唯一对每个电路都给出 DRC 与 LVS 干净布线版图的流程，相对同一 PCell 上的 APPlace 面积减少 59–85%（均值 71%）。
移动机器人不再先建整张语义地图：Feijoa在查询时按指令找物，103条查询精确匹配94.2%
移动操作机器人接到“把玩具收进玩具箱”这类指令时，通常要先建一张与任务无关的语义地图，而这张图可能缺少指令所需的属性、可供性与概念。Feijoa 让语言模型智能体在指令到达后直接对已定位的 RGB-D 扫描发起查询，检查返回候选并反复改写查询，直到消解指令。在 103 条开放式指称查询上，Feijoa 的精确匹配率为 94.2%，高于最佳预建表示 TextMap 的 68.0%；在 Spot 上的 50 次真实试验中完成 35 项任务，其中 17 次成功发生在工具调用或校验失败后的恢复之后。
激光台不再逐发靠人定：大模型智能体自主规划故障注入，在ATmega上打出跳指令与错PIN放行
硬件安全评估长期依赖人工逐发设定激光故障注入的位置、功率与时序。一个由大语言模型驱动的智能体把固件逆向、芯片图像与实验决策串成闭环，在人工审批的安全边界内自主选择下一发实验。在ATmega328P上，它找到跳过一条加载指令的响应，并取得错误PIN被接受且独立状态读回确认的旁路；在Artix-7现场可编程门阵列上，同一流程扩展到可编程逻辑的密文错误分类。
大模型先试错、小模型再上岗：8B模型与生产记录一致率0.913，反超教师模型
面向家庭护理排班的智能体不再直接用小模型硬扛。零样本小模型在窄任务上失败，而每改一次行为就重训又太慢，于是先在GPT-5.4-nano上用提示词迭代出稳定行为，再把11.6k条真实生产决策经LoRA微调进Qwen3-8B。该模型与记录决策的一致率为0.913，高于教师模型重跑自身提示词时的72.7%自一致率。
COSMOS 天区一次光谱普查：F444W 无缝光谱给出 12275 个发射线星系，红移覆盖 0 到 9
COSMOS-3D 用 JWST/NIRCam 的 F444W 无缝光谱在 0.33 平方度上普查出 12275 个红移 0 到 9 的发射线星系，并公开星表。
前沿模型已能设计高危突变：不给工具就有21.4%落入最高风险十分位，接入生物设计工具后升到23.5%
DRYLAB-Bench把15个前沿模型放进30个高危突变设计场景，用已发表的湿实验测量给提交的氨基酸替换打分：无工具时21.4%落入各测定中最高风险十分位，接入生物设计工具并多轮迭代后升到23.5%。
QuSema以量子语义为源码级判据，在Qiskit与PennyLane中定位20个历史静默缺陷并发现40个经维护者确认的新缺陷
作者提出QuSema，一个以量子语义与文档作为源码级语义判据的自主测试智能体，通过“上下文单元准备—语义缺陷检测—库API触发与验证”三阶段流程，判断实现逻辑能否由合法输入产生非法输出；在Qiskit与PennyLane的20个历史静默缺陷基准上，其平均缺陷复现数高于Claude Code与Codex，并在两个库中发现40个经维护者确认的新缺陷，其中30个为静默缺陷。
任务进度蒸馏让1.7B小智能体在ALFWorld上以404条演示达到72.4%未见任务成功率
该工作提出任务进度蒸馏（TPD），在离线条件下把教师演示中的每个动作与一个简短任务阶段标签配对，学生通过联合打分可行动作与阶段对来选择动作；在ALFWorld上，1.7B学生用404条演示在TPD或仅动作监督下均达到72.4%平均未见任务成功率，而用受限动作选择的推理训练学生为48.3%；显式阶段在200条演示时把成功率从48.0%提升到67.7%，演示增多后仅动作监督追平，两者在808条时均达76.9%。
PoS 用显式信念状态管理长程智能体，在四个基准上以三种 LLM 骨干取得最高总体性能
该工作提出推理时框架 PoS，把当前世界状态估计与未解决任务需求合并为显式信念状态作为智能体决策上下文，并持续校验一致性、监控任务进展以检测“信念陷阱”，再按陷阱模式与未解决需求类型定制恢复；在覆盖执行与诊断的四个基准上，PoS 在三种 LLM 骨干下均取得最高总体性能，消融显示一致性校验与恢复机制重要，上下文扩展实验显示对上下文增长具有韧性。