心识周刊 | 谷歌正式发布 Gemini 3、MiroThinker 通过交互式扩展加强开源研究智能体……

本周主要内容：Gemini 3、LLM 交互式扩展、全自主进化系统 Agent0、个性化记忆系统 O-Mem、意识与物理现象、去现实感中视觉感知、临界脑动力学、冥想的神经过程

AGI 每周速递

[1] 谷歌正式发布 Gemini 3

标题：Start building with Gemini 3

链接：https://blog.google/technology/developers/gemini-3-developers/

单位：谷歌

摘要：

谷歌正式推出其最具智能的 Gemini 3 Pro 模型，该版本在 AI 基准测试与编程任务中的表现均超越前代。开发者可通过 Google AI Studio 和 Vertex AI 中的 Gemini API 进行调用，亦可使用 Google Antigravity 平台开展智能体开发。现可立即开始构建，探索其在多模态理解、视觉推理与氛围编程方面的强大能力。

[2] MiroThinker：通过交互式扩展突破开源研究智能体性能极限

标题：MiroThinker: Pushing the Performance Boundaries of Open-Source Research Agents via Model, Context, and Interactive Scaling

链接：https://arxiv.org/abs/2511.11793

作者：MiroMind Team, Song Bai, Lidong Bing, Carson Chen, Guanzheng Chen, Yuntao Chen, Zhe Chen, Ziyi Chen, Jifeng Dai, Xuan Dong, Wenhan Dou, Yue Deng, Yunjie Fu, Junqi Ge, Chenxia Han, Tammy Huang, Zhenhang Huang, Jerry Jiao, Shilei Jiang, Tianyu Jiao, Xiaoqi Jian, Lei Lei, Ruilin Li, Ryan Luo, Tiantong Li, Xiang Lin, Ziyuan Liu, Zhiqi Li, Jie Ni, Qiang Ren, Pax Sun, Shiqian Su, Chenxin Tao, Bin Wang, Hellen Wang, Haonan Wang, James Wang, Jin Wang, Jojo Wang, Letian Wang, Shizun Wang, Weizhi Wang, Zixuan Wang, Jinfan Xu, Sen Xing, Chenyu Yang, Hai Ye, Jiaheng Yu, Yue Yu, Muyan Zhong, Tianchen Zhao, Xizhou Zhu, Yanpeng Zhou, Yifan Zhang, Zhi Zhu

单位：MiroMind

摘要：

本研究推出 MiroThinker v1.0 开源研究智能体，旨在推动工具增强推理与信息检索能力的发展。与以往仅扩大模型规模或上下文长度的智能体不同，MiroThinker 探索了模型层面的交互扩展机制——通过系统性训练使模型能够处理更深层次、更频繁的智能体-环境交互，将其作为性能提升的第三维度。相较于孤立运行且易因推理链延长而性能衰退的 LLM 测试时扩展，交互式扩展通过环境反馈与外部信息获取来修正错误并优化轨迹。借助强化学习，该模型实现了高效的交互扩展：在 256K 上下文窗口支持下，单任务可执行高达 600 次工具调用，从而支撑持续多轮推理与复杂现实研究流程。在四大代表性基准测试（GAIA、HLE、BrowseComp 和 BrowseComp-ZH）中，72B 参数版本分别取得 81.9%、37.7%、47.1% 和 55.6% 的准确率，超越此前开源智能体并逼近 GPT-5-high 等商业模型。分析表明，MiroThinker 持续受益于交互扩展：当模型进行更深入更频繁的智能体-环境交互时，研究性能呈现可预测的提升，证明交互深度与模型规模、上下文长度类似，同样展现出扩展规律。这些发现确立了交互扩展作为构建下一代开源研究智能体的第三大关键维度，与模型容量和上下文窗口形成有效互补。

[3] Agent0：通过工具集成推理从零数据释放自进化智能体

标题：Agent0: Unleashing Self-Evolving Agents from Zero Data via Tool-Integrated Reasoning

链接：https://arxiv.org/abs/2511.16043

作者：Peng Xia, Kaide Zeng, Jiaqi Liu, Can Qin, Fang Wu, Yiyang Zhou, Caiming Xiong, Huaxiu Yao

单位：北卡罗来纳大学教堂山分校、Salesforce 研究院、斯坦福大学

摘要：

大语言模型（LLM）智能体通常通过强化学习进行训练，但其发展受限于对人类标注数据的依赖，这种依赖性不仅制约了扩展性，还将人工智能束缚在人类知识范畴内。现有的自我进化框架虽提供替代方案，但普遍受限于模型固有能力与单轮交互机制，难以支撑涉及工具使用或动态推理的复杂课程开发。本研究提出 Agent0 框架，该全自主进化系统通过多步协同进化与无缝工具集成，无需外部数据即可培育高性能智能体。Agent0 在源自同一基础大语言模型的两个智能体间建立共生竞争机制：课程智能体负责提出日益具有挑战性的前沿任务，执行智能体则学习解决这些任务。通过集成外部工具增强执行者的问题解决能力，这种能力提升反过来促使课程智能体构建更具复杂性且需工具参与的任务。在此迭代过程中，Agent0 形成了自我强化的循环体系，持续生成高质量课程。实证研究表明，Agent0 显著提升推理能力：在数学推理和通用推理基准测试中，将 Qwen3-8B-Base 模型的性能分别提升 18% 与 24%。代码可见：https://github.com/aiming-lab/Agent0。

[4] O-Mem：面向个性化、长时程、自演化智能体的全向记忆系统

标题：O-Mem: Omni Memory System for Personalized, Long Horizon, Self-Evolving Agents

链接：https://www.arxiv.org/abs/2511.13593

作者：Piaohong Wang, Motong Tian, Jiaxian Li, Yuan Liang, Yuqing Wang, Qianben Chen, Tiannan Wang, Zhicong Lu, Jiawei Ma, Yuchen Eleanor Jiang, Wangchunshu Zhou

单位：OPPO

摘要：

近期基于大语言模型的智能体在生成类人响应方面展现出显著潜力，然而其在复杂环境中维持长期交互时仍面临挑战，主要受限于上下文一致性与动态个性化能力的不足。现有记忆系统通常在检索前依赖语义分组，这种方法可能遗漏语义无关但关键的用户信息，并引入检索噪声。本报告提出 O-Mem 的初步设计——一种基于主动用户画像的新型记忆框架，能够从用户与智能体的主动交互中动态提取并更新用户特征与事件记录。O-Mem 支持对人物属性与主题相关上下文进行分层检索，从而实现更具适应性与连贯性的个性化响应。在公开的 LoCoMo 基准测试中，O-Mem 达到 51.67% 的准确率，较此前最优模型 LangMem 提升近 3%；在 PERSONAMEM 测试中达到 62.99%，较前最优模型 A-Mem 提升 3.5%。与现有记忆框架相比，O-Mem 还显著提升了令牌处理与交互响应的时间效率。此项研究为未来开发高效且具人类特质的个性化 AI 助手开辟了新的方向。

意识科学 每周速递

[1] 意识为何能解释物理现象：迈向可检验的理论

标题：Why Consciousness Should Explain Physical Phenomena: Toward a Testable Theory

链接：https://arxiv.org/abs/2511.04047

作者：Yoshiyuki Ohmura, Yasuo Kuniyoshi

单位：东京大学

摘要：

科学方法中普遍采用的还原论预设了宏观与微观现象均可仅通过微观层面的规律进行解释。这一假设隐含了层面内因果闭合性，致使所有宏观现象被归结为副现象。然而意识的整合性特征表明，它本质上属于宏观现象。为确保科学可检验性并否定副现象论，必须摒弃还原论关于层面内因果闭合的预设。这意味着即使神经层面的行为也无法仅通过可观测的神经层面规律得到完整解释。因此，需要建立新的方法论以承认宏观层面现象的因果效力。本研究将大脑建模为遵循不同层面双重规律运作的系统：既包含不完全由微观神经定律决定的宏观心理定律（假设性存在），也涵盖从宏观到微观层面的因果作用。本文提出一种建构性研究路径，通过两组定律间的相互作用，实现对心理与物理现象的统一解释。

[2] 探究去现实感中视觉感知的改变

标题：Lifting the veil: probing altered visual perception in derealization

链接：https://academic.oup.com/nc/article/2025/1/niaf045/8340542

作者：Anikó Kusztor, Nirmitee Mulay, Makiko Yamada, Jakob Hohwy, Naotsugu Tsuchiya

单位：莫纳什大学、巴斯克认知脑与语言中心等

摘要：

在人格解体/现实感丧失（DP/DR）的急性发作期，患者常报告其知觉体验出现复杂而独特的改变。具体而言，现实感丧失表现为对外部世界的疏离感和视觉知觉的异常——周围环境显得褪色、模糊或如梦似幻。尽管有观点认为现实感丧失可能并不伴随真实的知觉变化，但这一假说尚未得到实证检验。为此，本研究着手探究现实感丧失中潜在的知觉改变。在这项注册报告中，作者通过两项在线实验，基于剑桥人格解体量表状态版（CDS-state）测量的 DP/DR 症状，系统考察了其对受试者评估（实验一，N = 200，CDS-state 均值 32.43±29.94）与调整（实验二，N = 125，CDS-state 均值 29.38±30.47）不同饱和度及对比度自然场景图像的影响。参与者需评估所呈现图像相较于日常体验的真实感（实验一），或调整图像的对比度与饱和度以匹配其日常视觉体验（实验二）。通过贝叶斯因子模型比较，作者检验了 CDS-state 评分对这些主观评价的影响。两项实验均发现强证据支持零模型，表明 DP/DR 症状既未影响真实性评分，也未改变生动性调整。这些结果为相关理论提供了实证支持：现实感丧失中自我报告的生动性体验变化并不反映真实的知觉改变，而是对这些体验的（元）认知解读。本文进一步讨论了当前现实感丧失研究实践的优势与局限，并指明了未来研究的关键路径。

[3] ConCrit 框架：批判性脑动力学作为意识理论的统一机制框架

标题：The ConCrit Framework: Critical Brain Dynamics as a Unifying Mechanistic Framework for Theories of Consciousness

链接：https://www.sciencedirect.com/science/article/abs/pii/S0149763425004841

作者：Inbal Algom, Oren Shriki

单位：内盖夫本-古里安大学

摘要：

理解意识的探索催生了众多理论，这些理论各自提供了独特视角，但尚未达成普遍共识。尽管现有理论提供了宝贵见解，但它们往往更多充当指导性叙事，而非可供实证检验的机制性框架。本文提出，引入临界脑动力学——即神经网络在临界转变点附近运作的理念——或可为理解意识提供更融贯的阐释。作者将这一假说命名为 ConCrit 框架，融合了意识与临界性两大概念。通过回顾实证证据与计算模型，本文认为近临界系统展现出许多与主流意识理论相符的特性。具体而言，趋近临界点可增强内部表征的复杂性与丰富度，并提升系统对自身状态的敏感性。因此，一个具备意识体验能力的系统更可能在临近临界状态时显现意识，并在偏离此状态时逐渐丧失。本文系统梳理了临界性与临界脑动力学的核心概念，从理论与实证双重视角探讨其与意识的关系，并阐明了关键的理论推论与可检验预测。

[4] 冥想会引发神经振荡、大脑复杂性和关键动力学的变化

标题：Meditation induces shifts in neural oscillations, brain complexity, and critical dynamics: novel insights from MEG

链接：https://academic.oup.com/nc/article/2025/1/niaf047/8340544

作者：Annalisa Pascarella, Philipp Thölke, David Meunier, Jordan O’Byrne, Tarek Lajnef, Antonino Raffone, Roberto Guidotti, Vittorio Pizzella, Laura Marzetti, Karim Jerbi

单位：意大利国家研究委员会应用数学研究所、蒙特利尔大学等

摘要：

尽管冥想的有益影响日益受到认可，但其背后的神经机制仍不甚明晰。本研究通过检测佛教高僧在两种经典冥想方法（止观和内观）中的脑电信号，结合源空间脑磁图与先进信号处理及机器学习技术，首次系统评估了脑振荡、神经信号复杂度与临界性在冥想中的作用。除功率谱密度外，作者计算了长程时间相关性（LRTC）、临界偏离系数（DCC）、Lempel–Ziv 复杂度、1/f 斜率、Higuchi 分形维数及谱熵。研究发现：与静息态相比，两种冥想实践均伴随神经信号复杂度水平的提升，同时伽马波段长程时间相关性与 1/f 斜率出现广泛降低。尤为重要的是，临界偏离系数分析揭示了止观和内观之间的分离特征，表明二者独特的现象学特性由其动态状态的特异性计算属性所介导。此外，与多数既往研究相反，本文观察到冥想期间振荡伽马功率的下降——这一差异可能源于经 1/f 斜率校正后的功率谱能够更有效剥离宽带 1/f 活动带来的混淆因素。本文进一步探讨了这些发现如何深化我们对专注注意与开放监控两类冥想实践相关神经过程的理解。

Mindverse Research

心识研究院

心识浩渺连广宇

心识宇宙研究院，致力于在即将到来的元宇宙数字时代，研究和创造真正等价于人类意识水平的数字生命，目前已经综合多种研究进路和方法规划出一条通向AGI和人工意识的道路。在后续内容运营上，我们也会介绍和创造更多有关人工智能、意识科学、元宇宙方面最新的研究成果和原创内容。

欢迎有志者关注和加入我们的研究！