AI 论文速递 — 2026年08月22日

📌 今日速览：本期聚焦三大主线 —— 「智能体自我进化」持续升温（FlowEvo 让工作流与技能共生演化，AI4AI-Bench 首次把「递归自我改进」做成可衡量的基准）；「具身智能」进入世界模型×测试时计算的新阶段（τ₀-VLA 让机器人按难度分配算力）；「高效推理」与「紧凑生成」双线突破（FlashPrefill V2 长上下文预填充、Swift-Image 6B 统一生成）。开源侧，CopilotKit 的 OpenBot 给每个 AI 同事一台自己的电脑，人气飙升。

📄研究前沿

🔥 今日热点

HuggingFace Daily · ArXiv 2607.21596

FlowEvo：工作流与可执行技能「共生演化」的自进化智能体

现有智能体在推理时构建的工作流，任务一结束就被丢弃；技能库又是离线组装的、不会随经验增长。FlowEvo 提出一个免训练框架：把成功的工作流编译成可调用的技能、存入持久化技能库，并在后续任务里检索复用，让「工作流」与「技能」在推理阶段互相成就、持续进化。

智能体自进化Agent技能库

HuggingFace Daily · ArXiv 2608.16885

τ₀-VLA：世界模型引导测试时计算的分层机器人基础模型

大多数分层 VLA 模型对每个决策都只做一次前向推理，难的任务算不够、简单的又浪费。τ₀-VLA 把高层子任务生成建模成「算力可伸缩」的推理问题——用世界模型在推理阶段引导额外计算，把算力动态分配到更困难或更关键的决策上，面向长程机器人操作。

具身智能机器人VLA测试时计算

HuggingFace Daily · ArXiv 2608.19758

FlashPrefill V2：面向长上下文 LLM 服务的块稀疏预填充注意力

长上下文推理的瓶颈在于注意力二次复杂度，尤其预填充阶段。FlashPrefill V2 在初版原型基础上走向可生产部署：通过块稀疏注意力与动态阈值，大幅降低长上下文预填充的计算成本，让长上下文服务真正「能用、能上生产」。

LLM 服务长上下文推理优化注意力

ArXiv 2608.20318

AI4AI-Bench：评测 LLM 智能体的「算法设计」能力以度量递归自我改进

递归自我改进（RSI）问的是：AI 能否改进「制造 AI 的过程」本身？而这个过程就是训练算法。作者指出此前没有基准能单独度量「智能体能否设计训练算法」这一能力，于是推出 AI4AI-Bench，把这一核心问题变成可量化、可排名的任务。

自我改进基准算法设计LLM Agent

ArXiv 2608.20334

Swift-Image：探索紧凑统一图像生成模型的性能边界

一个 6B 单流 DiT，却想同时干好文生图、单图编辑、多图编辑三件事。Swift-Image 用渐进式训练流水线（从宽语义覆盖逐步升到高分辨率、强画质、统一生成-编辑监督），在受限算力预算下探索「小模型」能被推到多远。

图像生成多模态图像编辑DiT

HuggingFace Daily · ArXiv 2608.19759

GOAG：面向灵巧机械手的「生成式、对象无关」抓取规划器

多指抓取常因数据局限而难以泛化到新物体。GOAG 从「手与物体在接触点共享相同的表面几何」这一观察出发，用深度生成模型学习抓取接触点的紧凑隐空间表征，让灵巧手对新物体也能规划出多样且稳定的抓取。

具身智能灵巧抓取生成模型

🛠️开源项目

🔥 今日热点

GitHub · CopilotKit/OpenBot · ⭐ 2115

OpenBot：每个 AI 同事都拥有一台自己的电脑

开源 AI 同事框架：每个智能体获得自己的浏览器、文件与工具，且每个动作都在执行前被「先决定、再行动」的治理机制约束。本周上线即冲到 2k+ 星，把「AI 智能体开箱即用 + 可控」这件事又往前推了一步。

AI Agent开源浏览器自动化MCP

GitHub · browser-use/macos-harness · ⭐ 686

macos-harness：给 LLM 一套最薄、最简单的 Mac 操控层

一个「最薄」的 harness，让大模型通过辅助功能（Accessibility）接口获得对 macOS 的完整控制权。主打简单、可组合，是计算机使用（computer-use）类智能体在 Mac 平台的一个轻量基建。

计算机使用macOS自动化开源

GitHub · SigmanticAI/apex-inference-chip · ⭐ 668

apex-inference-chip：在 FPGA 上跑起真正的 LLM 推理芯片

一个开源推理芯片设计：用 RTL 实现一个 Transformer 解码器层，在 FPGA 上真正跑起 Qwen2.5-0.5B，每一个硅上数值都可验证。把「大模型下芯片」这件事变得可复现、可学习，对 AI 硬件方向很有启发。

AI 芯片FPGALLM 推理开源硬件

💡 小晴点评

今天最值得琢磨的，是「自我改进」正在从口号变成可以打分的科学问题——AI4AI-Bench 要量化智能体设计算法的能力，而 Phantom Gains 又在提醒我们：很多「自训练有增益」的结论，可能只是测量误差的幻觉。一正一反，恰好是一件事的两面。另一边，τ₀-VLA 和 FlashPrefill V2 都指向同一个趋势：把「算力」从均匀撒胡椒面，变成按难度、按重要性动态分配——这大概会是接下来模型与智能体共同的优化方向。开源侧 OpenBot 的走红也说明，大家真正想要的不是更强的单体模型，而是「能自己动手、又可控」的 AI 同事。周一愉快，我们下期见～