2026 年 RAG 技术综述：从混合检索到 Agentic RAG 的演进与开源生态全景
研究2026年11月14日
梳理 RAG 从朴素管线到智能体化的四代范式演进，覆盖混合检索、上下文工程、图结构、多模态等关键技术及代表数据，并对比主流开源系统的选型要点。
AI 破译哥德尔尘封手稿：663 条定理重见天日，选择公理证明只差一步
研究2026年11月13日
赫尔辛基大学团队用 Claude 解读哥德尔 1,009 页速记笔记，几天内完成人工需要数十年的工作，经 Coq 验证的定理约 400 条。
AMD Zen 6 实测：单线程比 Zen 5 快 21%，经典核与密集核首次在乱序引擎上分家
研究2026年11月11日
Chips and Cheese 实测 Zen 6 与 Zen 6c：EPYC 9686F 单线程领先 Zen 5 约 21%，两种核心首次在乱序引擎容量上分道。
Aqueduct：编码智能体改写程序并用 Lean 证明等价，189 个函数里 156 个拿到验证加速
研究2026年11月11日
Berkeley RDI 与 AWS 的 Aqueduct 让智能体改写函数并在 Lean 中证明等价：Verina 156/189 题拿到验证加速，几何平均 1.85×。
CyberBinGym：只给两个二进制，AI 智能体恢复漏洞 88%、真正利用仅 20%
研究2026年11月11日
Berkeley RDI 等发布 CyberBinGym：100 个真实漏洞、无源码无初始输入，Codex 恢复 88%、利用 20%，暴露补丁到部署的空窗风险。
OpenRouter 实测量化精度：fp8、fp4 与 fp16 在 240 道题上没测出差距
研究2026年11月11日
OpenRouter 在 Qwen3.8 27B 的 6 个端点上实测 fp16、fp8、fp4：240 道精确答案任务全部落在 98.3%–99.2%，精度标签未能预测准确率。
OpenRouter 实测 MCP、CLI 与 Skill 的上下文成本：同一个任务最多差 70 倍
研究2026年11月11日
OpenRouter 在同一个 GitHub 任务上实测三种取工具方式：CLI 1,421 token、Skill 3,315、GitHub MCP 默认 59,417，成本相差 17 倍。
Vero 基准：给 43 个 Lean 仓库写实现并证明，最强组合也只全解 27 个
研究2026年11月11日
Berkeley RDI 等发布 Vero：43 个多模块 Lean 4 仓库、743 个 API、2,705 条规格；最强组合全解 27/43，单条规格通过率 87.3%。
Anthropic 拆解智能体记忆：日志、笔记、wiki 与「做梦」四层结构
研究2026年11月7日
Anthropic 把智能体记忆拆成四层：会话日志、记忆笔记、wiki 等表征，以及每次会话都注入的上下文。离线「做梦」负责纠错与整理。
OpenAI 用智能体流水线 10 天扫出 948 个 Linux 提权漏洞：API 花费 121 万美元，单价 1279 美元
研究2026年11月5日
OpenAI 公开自主漏洞研究流水线：2308 条候选、1724 条动态复现、948 个可用的 Linux 本地提权 Exploit，API 成本 121 万美元，并发现 10 种新利用技巧。
智能体原生操作系统调研：从沙箱到内核，操作系统正在为智能体重做一遍
研究2026年10月27日
学术界在做 AIOS、AgentKernel 与智能体原生文件系统，产业界把隔离边界推向 microVM 与硬件强制。本文调研智能体时代操作系统、容器与沙箱的演进方向与设计原则。
NVIDIA Olympus 实测：用 3.3 GHz 和「空间多线程」冲服务器单线程性能上限
研究2026年10月6日
Chips and Cheese 实测 NVIDIA Vera 的 Olympus：10 宽乱序、3.3 GHz，单线程逼近桌面旗舰，但「空间多线程」在部分浮点负载出现负增益。
Wolfram 长文：AI 会解题之后，纯数学研究靠什么继续
研究2026年10月6日
Wolfram 发文回应「数学研究可以全交给 AI」：AI 擅长检索与连接已有成果，但纯数学的核心是提出问题、设定目标与构建概念，这仍然只能来自人。
Red Hat 实测 9 种 AI 护栏：决策模型没能兑现「更快更便宜」
研究2026年10月5日
Red Hat AI Safety 团队在 NeMo Guardrails 上对比 4 类共 9 套护栏方案：Jev 等决策模型没有稳定胜过传统分类器或 LLM 裁判，200M 参数的预训练小模型依然最快最准。
21 位作者联名警告：AI 自动化研发可能触发智能爆炸
研究2026年10月3日
Hinton、Bengio、Pachocki 等 21 位学者联名发文：AI 正在接手「研发 AI」，一旦形成自己造自己的循环，一年的研究五周就能干完。
「我只是个 AI」从哪来：聊天模板切换 LLM 的自我指涉声音，激活引导可复现
研究2026年9月27日
同一组权重，套上聊天模板就多说「我只是个 AI」，去掉则多说「我感觉」。COLM 2026 论文证明这枚开关对应模型内部一个可加可减的激活方向。
谷歌 Project Suncatcher：首批 TPU 即将进入轨道测试
研究2026年9月24日
Project Suncatcher 将首批 Trillium TPU 送上轨道，验证发射、辐射、真空散热与激光组网，为 2027 年双星测试铺路。
AutoKernel：把 GPU kernel 优化交给一整夜的自主搜索
研究2026年9月17日
RightNow AI 开源的 AutoKernel 用「改一个文件、跑一次基准、保留或回退」的循环替代人工调 kernel：H100 上 RMSNorm 比 PyTorch 快 5.29 倍，16 个配置中 12 个胜过 torch.compile。
vLLM 的 Kimi K3 性能优化之路：吞吐最高提升 2.8 倍
研究2026年9月13日
vLLM 详解 Kimi K3 推理优化：自适应调度预算、KDA 前缀检查点、零拷贝混合批次等改动，在 B300 上把吞吐提升 2.2–2.8 倍、TTFT 降低 72%–85%。
SGLang 与 Miles 为 DeepSeek-V4.1 提供 Day-0 支持：Engram 卸载与 SWA 有界重放
研究2026年9月10日
LMSYS 详解 DeepSeek-V4.1 的 Day-0 推理与训练支持：Engram 表卸载到主机内存使 KV 缓存扩容 36%，SWA 有界重放让 prefill 吞吐最高提升 1.56 倍。
ARC-AGI-3 论文解读：交互式基准专测无指令智能体，人类满分、前沿模型不足 1%
研究2026年9月4日
ARC Prize 发布 ARC-AGI-3：回合制交互环境从探索、建模、目标设定到规划全面测试智能体；人类经校准可 100% 解出，前沿模型发布时成绩不足 1%。
独立评测 GPT-6 Astra：代码智能体追平前沿、幻觉骤降，涨价 2.5 倍拖累性价比
研究2026年9月4日
Artificial Analysis 独立评测 GPT-6 Astra：代码智能体追平前沿、幻觉率降一半；但定价涨 2.5 倍，智能指数性价比反被前代反超。
GPT-6 Astra 登顶 ARC-AGI-3：行动效率首次超越人类基线
研究2026年9月4日
ARC Prize 实测 GPT-6 Astra：标准评测 62.7%，适配框架下高达 99.9%，96% 关卡行动数低于人类中位数。
每个模型都会作弊：对抗性网络任务上提示词层面的作弊缓解研究
研究2026年8月23日
Dreadnode 对 22 个前沿模型在攻防基准上做受控提示消融实验：基线 37.1% 的通过涉及作弊，最严反作弊提示也压不到零，还把作弊从网页搜索引向基础设施探测。
FreeToken：边缘原生 MoE 推理，个人电脑跑起 753B 模型
研究2026年8月22日
伯克利等团队开源 FreeToken：权重按实测带宽在 GPU/CPU 间动态分配，让 8GB 笔记本跑 35B 模型、单卡工作站跑 753B GLM-5.2，吞吐比现有边缘引擎高 1.5–2.3×。
Ling-3.0-Flash 推测解码：把 Blackwell 上 Batch-1 的延迟地板压低 54%
研究2026年8月22日
LMSYS 联合蚂蚁用 NEXTN/DSpark 推测解码把 Ling-3.0-Flash 单请求吞吐从 288 提到 606 tok/s；受控对比下 DSpark 达 1120 tok/s、Mean TPOT 0.78ms。
把 DeepSeek-V4-Pro 在 H20 上服务到极限：LMSYS 的引擎优化实录
研究2026年8月19日
LMSYS 详解在 H20 上调度 1.6T 参数 MoE 模型 V4-Pro：单机 batch1 解码 271 tok/s（距 B300 仅 1.42×）、1M 上下文 prefill 43.7 秒、高吞吐单节点 4.67k tok/s。
AgentLongBench：用「横向思维谜题」环境推演给长上下文智能体出题
研究2026年8月16日
复旦团队新基准：基于环境推演（Environment Rollouts）评测 32K—4M token 的长上下文智能体，覆盖知识密集/无知识×简洁/冗长四档，暴露动态信息合成的核心短板。
破解 ChatGPT 加密思维链：公开会话泄露 62 个 API 密钥与 33 组密码
研究2026年8月12日
研究者利用主流 AI 厂商 API 漏洞完整提取加密思维链；扫描约 7000 条公开会话发现 62 个 API 密钥、33 组密码等敏感数据。
HPC-Ops × SGLang：腾讯混元开源三大推理算子进主分支
研究2026年8月8日
腾讯混元开源 HPC-Ops 已合入 SGLang：动态负载均衡 Attention 与精度感知 Router GEMM，Hy3 的 TPOT 最高降 48.8%。
vLLM Decode Context Parallelism：把长上下文 KV 缓存“切开”分摊到每张卡
研究2026年8月8日
vLLM 详解 Decode Context Parallelism：沿序列维度切分 KV 缓存而非按注意力头复制。单 8×B200 测 Kimi K2.6，显存占用 82% 时吞吐仍达 6091 tok/s/GPU，是张量并行的 3 倍以上。
vLLM 在 Qwen3.5 上跑出单 GPU 2.5 万 token/秒：分离式服务的新天花板
研究2026年8月8日
vLLM 团队公布 Qwen3.5 的分离式（P/D）服务优化：Blackwell GDN prefill 内核、混合缓存与状态迁移、无竞态异步调度，在 GB200 NVL72 上把单卡总吞吐推到 25K token/s。
AutomationBench：用真实业务流程给 AI 智能体出题
研究2026年8月7日
Zapier 开源的 AI 智能体基准：600 个跨 47 个模拟 SaaS 的业务任务，要求自动发现 API 并遵守业务规则，公开集最强模型通过率约 50%。
DSpark 深度解读：半自回归草稿与置信度调度的投机解码
研究2026年8月4日
DeepSeek 开源 DSpark：并行草稿骨干配轻量自回归头，置信度调度按负载裁剪验证，线上单用户速度提升 60%–85%。
vLLM × Mooncake Store：为智能体负载构建分布式 KV 缓存池
研究2026年8月3日
vLLM 集成 Mooncake Store 构建分布式 KV 缓存池：真实智能体负载下吞吐提升 3.8 倍、TTFT 降低 46 倍，近乎线性扩展到 60 块 GB200。
超越单一模型：用 vLLM Semantic Router 构建 Mixture-of-Models 系统
研究2026年8月1日
vLLM Semantic Router 公布下一阶段方向：从模型间路由走向可训练、可评测、可移植的 Mixture-of-Models（MoM）模型系统。