AI 新闻日报 - 2026年9月18日

AI 新闻日报 - 2026年9月18日

今日共收录 15 条 AI 相关资讯

---

最新论文 (arXiv)

• Characterizing Web Search by Conversational LLM Agents: From Search Decisions and Strategies to Results and Responses（对话式 LLM 智能体的网络搜索行为刻画：从搜索决策、策略到结果与回答）
  Mahsa Amani, Seungeon Lee, Abhisek Dash, Asmaa El Fraihi, Yunah Jang, Elisabeth Kirsten, Qinyuan Wu, Krishna P. Gummadi, Manish Gupta, Abhilasha Ravichander, Muhammad Bilal Zafar, Soumi Das | 首次系统研究了 ChatGPT、Claude、Grok、DeepSeek 四大对话平台上智能体的端到端搜索生命周期，结合真实用户交互与同模型 API 的受控实验，揭示其检索决策与回答生成之间的落差。

• Closed-World Resolution Against Tool Hallucination in LLM Agents（面向 LLM 智能体工具幻觉的封闭世界消解）
  Laxmipriya Ganesh Iyer | 指出工具增强智能体会调用根本不存在的工具、传入任何 schema 都未声明的参数，而现有防御（工具选择、权限门控）都默认「这次调用指向真实工具」；作者用封闭世界假设重构该问题并给出消解方案。

• MAGS: Multi-agent Auto-formalization Guarantees Safety for Agentic Outputs（MAGS：多智能体自动形式化，为智能体产出提供安全保障）
  Albert Wu, Nicholas Roberts, Tzu-Heng Huang, Haoran Lin, Gil Friedman, Sungjun Cho, Gabriel Orlanski, Frederic Sala | 针对编码智能体生成程序规模过大、人工审查难以覆盖的问题，提出多智能体自动形式化流程，用机器可检验的保证替代模糊测试与 LLM-as-a-Verifier 的抽样式检测。

• Compositional Reasoning in Language Models under Reinforcement Learning Post-Training（强化学习后训练下语言模型的组合式推理）
  Yu He, Yingxi Li, Yifei Wang, Ellen Vitercik | 系统考察 RL 后训练对模型组合泛化能力的影响：RL 显著提升了推理表现，但它究竟是让模型学会重组已掌握技能，还是只是在既有技能上做更深的挖掘，本文给出了区分二者的分析框架。

• An Architecture for Long-Horizon Agents: Levels, Ticks and Cascaded Intelligence（长时程智能体的一种架构：层级、时标与级联智能）
  Erik Nijkamp, Anurag Koul, Egor Pakhomov, Bo Pang | 面向持续数天乃至数周的运维修复、研究计划类任务，主张长时程智能体必须先能「不间断运行且不遗忘」，其关键在 harness 而非模型；提出层级化 + 级联智能的架构设计。

• Position: It is Time to Virtualize Foundation Models with a Self-evolving Operating System Layer（立场论文：是时候用自演化操作系统层来虚拟化基础模型了）
  Suparna Bhattacharya, Tarun Kumar, Cong Xu, Satish Kumar Mopur, Jiahao Li, Ashish Mishra, Aalap Tripathy, Annmary Justine Koomthanam, Martin Foltin, Ian Foster | 观点论文：当前智能体栈高度碎片化，每个框架都内嵌一套隐式的状态、记忆、预算与护栏运行时，导致行为不可移植、治理脆弱——这与操作系统出现前的计算如出一辙。

• Do AI Agents Understand Computer Architecture?（AI 智能体真的理解计算机体系结构吗？）
  Ambika Sharan, Grigory Chirkov, Soheil Abbasloo | 智能体设计硬件且频频「成功」的报告只能证明设计变好了，无法说明为什么变好：它可能在真正推理机器，也可能只是在它从未理解含义的旋钮上做熟练搜索，而只有前者能迁移到下一代架构。

• QVAC Genesis III: A Large-Scale, High-Quality Open Synthetic STEM Corpus for Efficient Language Model Pre-Training（QVAC Genesis III：面向高效预训练的大规模高质量开放合成 STEM 语料）
  Davide Vitabile, N. Ranjan, Akshay Nambiar, Kamal K. Gupta, Amril Nazir | 面向边缘端和端侧部署的小模型，开源了一个 STEM 领域合成预训练语料，目标是在严格受限的 token 预算下最大化每 token 的学习价值。

海外讨论 (Hacker News)

• Bend – A language that blocks AI mistakes via proof, on CPU and GPU（Bend——一门通过证明在 CPU 与 GPU 上阻断 AI 错误的语言）
  449 | 210

• A heap overflow and SSO misconfiguration to compromise OpenAI internal repos（利用堆溢出与 SSO 配置错误攻破 OpenAI 内部代码仓库）
  343 | 135

• Show HN: Share your AI Setup, Learn from others（Show HN：分享你的 AI 工作流配置，互相学习）
  212 | 120

• Qwen 3.8 Omni Flash（Qwen 3.8 Omni Flash 发布）
  199 | 73

• How to Write with an LLM（如何用 LLM 写作）
  154 | 86

• Infinite-Parameter LLMs: Generating and Adapting Weights from Live Data（无限参数 LLM：从实时数据生成并适配权重）
  143 | 39

• LLM Classification Is Feature Engineering（LLM 分类本质上是特征工程）
  101 | 19

---

今日 AI 要闻速览

今天最鲜明的主题是「智能体的可靠性与可理解性」。arXiv 上多篇工作从不同角度切入同一个焦虑：智能体调用不存在的工具（工具幻觉）、生成的代码复杂到无法人工审查、在硬件设计任务上「成功」但说不清是靠推理还是靠碰运气——这些都是同一个问题的不同侧面，即我们缺乏判断智能体「是否真的理解」的手段。与之呼应，一篇立场论文提出应当像当年引入操作系统那样，为基础模型加一层自演化的虚拟化层，把状态、记忆、预算和护栏从各框架中抽出来统一治理，长时程智能体的架构论文则强调瓶颈在 harness 而非模型本身。

产业与社区层面，Qwen 3.8 Omni Flash 的发布延续了国产多模态模型的高频迭代节奏；Hacker News 上 449 点登顶的 Bend 语言主打「用证明在编译期阻断 AI 写出的错误」，反映出开发者社区对 AI 生成代码的信任赤字正在催生新的语言与工具形态。同时，一篇关于 OpenAI 内部仓库被攻破的安全披露获得 343 点关注，提示 AI 公司的供应链安全正在成为独立议题。值得一提的是，今日多篇高赞讨论（如何用 LLM 写作、LLM 分类即特征工程）都在试图把 LLM 从「魔法」还原为工程实践——这股祛魅的务实风气，或许比任何单点技术突破都更值得留意。