CoPES：面向资源受限Agent大模型的协作协同进化后训练方法
评分
78提出新的协作子空间进化策略，解决资源受限下ES耗时问题，数据对比丰富。
方法描述清晰，实验设计合理，但预印本未经同行评审，细节待完善。
大幅降低显存和训练时间并有开源代码，对少卡团队极具实用价值。
当前Agent后训练成本高企，该工作切中热点，发布及时。
来自arXiv预印本，作者提供开源代码，可信度较高但未正式发表。
基础分 86.5 × T2 信源权重 ×0.9 = 78
精选线 70已入选精选
精选理由
面向真实资源瓶颈的工程创新，实验对比充分且附带开源代码，但尚属预印本，待同行验证。
AI 点评
「这篇论文最戳我的点是把进化策略的「省内存但费时间」和协同进化结合起来，直接命中只有几张卡的研究者的痛点。92%的GRPO增益恢复率相当能打，而且代码开源了，想复现的人可以立刻上手。对做LLM对齐或Agent训练的小团队来说，这可能是比LoRA更值得一试的路线。」
速览
面向使用工具的LLM智能体，梯度后训练因长轨迹而显存占用高。进化策略虽能省显存，但GPU耗时大。为此，研究者提出CoPES，将全参数空间分解为低维子空间进行协作搜索，提升优化效率。在Qwen3.5-4B数学工具智能体上，同等GPU预算下CoPES恢复GRPO验证精度增益的92%，标准ES仅67%；显存需求不足全参GRPO的八分之一，并在五个基准上全面超越标准ES和LoRA式GRPO。代码已开源。
- CoPES将参数空间分解为低维子空间协作搜索，在有限GPU下显著缩短进化策略训练时间。
- 在Qwen3.5-4B数学智能体上，同等GPU预算下恢复GRPO增益的92%，显存需求低于全参GRPO的1/8。
- 五个基准的pass@k指标上均优于标准ES和LoRA式GRPO，问答任务上也有优势。
- 代码已在GitHub开源。
正文
本文为 AI 生成的中文精读,原文请点「查看原文」
相关条目
精选DeepSeek V4 在 OpenRouter 上的代币份额翻倍，智能体工作负载成主要驱动力
DeepSeek V4 的快速采用表明市场对高性能、低成本推理模型的强烈偏好，尤其是智能体场景将重塑 AI 部署格局。
91
精选启用两项设置使ARC-AGI-3基准测试分数提升三倍
这项发现太关键了！它表明模型的性能不仅取决于训练，还取决于推理时的配置。对于AI工程师和研究者来说，这是一个必须注意的优化方向。特别是那些在资源受限设备上部署模型的团队，可能会因此找到低成本提升能力的方法。
91
精选GPT-5.6：前沿智能与前沿效率的融合
这条消息值得关注，因为它标志着大模型竞争从单纯拼参数转向拼效率。对于AI开发者和企业决策者来说，GPT-5.6意味着可以用更少预算获得更高性能，尤其适合那些被推理成本挡在门外的长上下文或Agent场景。OpenAI这一步，可能重新定义‘前沿’的标准。
91
精选LFM2.5-Encoder：面向CPU快速长上下文推理的新模型
这篇博文让我眼前一亮，因为它直接解决了大模型在CPU上跑长上下文的痛点。对于没有高端GPU的团队或个人开发者，LFM2.5-Encoder系列提供了可立即使用的开源方案。尤其推荐给做RAG、文档搜索或代码分析的朋友——现在用普通服务器就能处理百万级token的文档了。
91
精选GPT-Red：OpenAI通过自我对弈实现AI红队自动化，提升模型鲁棒性
GPT-Red 是红队测试从人工到自动化的里程碑，特别适合安全工程师和对齐研究者关注。它直接降低了测试成本，但也引发了对“自动攻击”本身的伦理讨论——值得所有关注AI治理的人深入思考。
91
精选OpenAI推出GPT-5.5生物漏洞赏金计划
这个计划值得关注，因为它首次将AI漏洞赏金制度拓展到生物安全领域，不仅为安全社区提供了新的研究方向，也为AI风险治理提供了实际演练场。对模型安全研究者、生物安全专家以及关心AI双重用途的从业者尤其重要。
91
精选vLLM推出原生速度Transformers建模后端，大幅提升推理性能
这项更新对于AI工程团队非常关键：无需格式转换意味着能更快地迭代模型，而2-5倍的速度提升直接降低GPU成本。如果你正在做LLM在线服务或者批量推理，这几乎是必读的技术更新。
90
精选Google DeepMind 发布手语转文本模型 SL2T，助力聋人用户
这则消息的意义不仅在于技术突破，更在于AI开始真正关注边缘群体的需求。对开发者而言，SL2T的架构思路和技术路径值得深入研究；对无障碍倡导者来说，这是推动行业标准的重要案例。