Google 研究人员提出 RRSI，减少智能体 harness 对测试任务的记忆
Google 研究人员提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过约束智能体 harness 的自我优化，减少其记忆测试任务的问题。
#编码
The DecoderAI 评分5757
GitHub Blog · AI & ML精选AI 评分7676 GitHub 发布 ReviewBench 开放基准，评测 AI 代码审查智能体
GitHub 推出 ReviewBench 开放基准，用于评测 AI 代码审查智能体，并提供公开数据集、统一评分方法和系统比较入口。基准包含来自 187 个开源许可仓库的 219 个 PR，覆盖 19 种语言，其分布参考了对 103.9M 个 GitHub PR 的分析；资深工程师独立复核标注，判断一致率为 96.6%。
推荐理由：ReviewBench 将真实 PR 分布、多来源标注和专家复核纳入同一评测流程，并用线上实验对照离线信号，为代码审查智能体比较提供可复现依据。
Berkeley AI ResearchAI 评分5959 ABBEL：通过更新信念状态实现高效长程交互
Berkeley AI Research 提出 ABBEL，通过自然语言信念状态压缩长交互历史，并用信念评分监督状态中保留的信息。 在 CollabBench 协作编程实验中，重建式信念评分将与完整上下文的性能差距缩小约一半，训练步数从 100 降至 50；峰值上下文 token 长度也低于完整上下文设置。