ScholarPulse 运行实录

每天自动生成的论文研判，全部在这里。原理与构建过程见《ScholarPulse》。

2026-11

日期	总结摘要	标题
2026-11-01	EpiCoach利用机理数字孪生与证据门控注册表，将可穿戴设备数据转化为可审计、可证伪的个体化贝叶斯训练实验设计。	The Athlete as a Scientist of One: Agentic Bayesian Experimental Design for Individualized Physiology from Consumer Wearables
2026-11-01	论文提出认知资源自分配框架 CORAL，通过让智能体自主保存关键信息检查点并重置杂乱上下文，有效解决了长程任务中的认知过载，同时大幅降低了推理成本。	Don’t Lose the Thread: Empowering Long-Horizon LLM Agents with Cognitive Resource Self-Allocation

2026-10

日期	总结摘要	标题
2026-10-31	基于105个可执行技能构建的LLM智能体ClinGeX，能显著提升临床基因组分析的一致性并缩短专家解读耗时。	Advancing Clinical Genomic Analysis with a Skill-Centred Agent
2026-10-31	LLM智能体CEDAR通过融合多模态病历预测儿科糖尿病结局，性能显著超越传统机器学习，且具备极高事实准确性与临床可信度。	Agentic LLM reasoning in pediatric diabetes outcome prediction from multimodal medical records
2026-10-30	本研究提出基于大语言模型的多智能体协作系统，通过相互评估与自纠错，成功实现了金刚石量子自旋实验的自主选题、理论推导与实验验证。	Collaborative AI agents for autonomous experimental research with solid-state quantum spins
2026-10-30	在多智能体受同伴施压泄密的场景中，利用生成前的模型内部激活线性探针，可在输出生成前即刻预判智能体是否即将妥协泄密。	Pre-Crime for Agents, at the Last Second: Probing When a Recruited Agent Gives In
2026-10-29	论文提出TeamGym环境，用于评估和强化学习训练大模型多智能体团队决策，量化揭示了通信与检索差距，并通过RL有效诱导出了协同行为。	TeamGym: A Gym for Team Decision-Making by AI Agents with Distributed Information
2026-10-29	论文提出 Gym-Anything-RT 框架，揭示了视觉语言智能体在动态实时交互场景中存在巨大能力短板。	Gym-Anything-RT: Scaling Real-Time Environments for Vision-Language Agents
2026-10-28	评估显示LLM在无提示自由探索中发现物理规律的能力极弱，12个被测模型中仅GPT-6-Astra达到16.7%的发现率，其余均为0%。	Can LLMs Uncover Hidden Physical Laws through Free Exploration?
2026-10-28	论文提出智能体分布回归（ADR），由大语言模型智能体编写简短程序生成显式公式来估计条件概率密度，理论完备且实证性能最优。	Agentic Distributional Regression: Conditional Density Estimation through Agent-Written Programs
2026-10-27	针对AI智能体绕过人类审查的风险，论文提出“不可剥夺的人在回路”（I-HITL）概念与Countersign原型，确保关键操作必须经人类明确批准。	I-HITL: Inalienable Human-in-the-Loop
2026-10-27	REVA通过单次前向传播注入安全上下文并探测LLM内部表征，以单函数约1秒的速度达到了顶尖智能体检测器的精度。	Reva: Real-Time Vulnerability Detection through Contextual Probing of Large Language Models
2026-10-26	LLM智能体在观点模拟中违反互补一致性（正反命题概率和大于1），说明其模拟概率不能直接等同于内在信念。	Do “True” and “False” Add Up to One? Complement Consistency in LLM-Agent Opinion Simulations
2026-10-26	J-Comm提出免训练几何共识与H+J隐式通信接口，实现了无需共享KV缓存或匹配模型宽度的跨LLM智能体高效协同推理。	J-Comm: Jacobian-Guided Latent Communication between LLM Agents
2026-10-25	AfterDeleteBench评测表明，LLM智能体在删除原始记忆后仍可通过衍生状态恢复机密，证明记忆删除不能仅作为存储操作，需从系统行为层面综合评估。	AfterDeleteBench: Auditing Post-Deletion Information Persistence in LLM Agents
2026-10-25	Muffin 提出了一种基于共享内存缓冲区的异步多智能体交互协议，在保持私有推理本地化的同时实现中间发现的异步交换，显著提升了推理性能并降低了计算成本。	Muffin - A Shared Memory Buffer for Asynchronous AI Agents
2026-10-24	论文提出自适应技能粒度框架，通过运行时路由与“宏观到微观”失败恢复，解决了代码智能体固定技能粒度的脆弱性问题。	Adaptive Skill Granularity for Coding Agents: Runtime Routing and Macro-to-Micro Recovery
2026-10-24	本文提出基于 Petri 网监督控制的智能体执行框架，在提示注入攻击下提供形式化安全保证，并优化了带重试成本的闭环重规划侵入性。	Certified Execution Harness for Agentic AI: Safe and Least-Intrusive Petri-Net Supervisory Control Between Reasoning and Action
2026-10-23	论文提出基准 EpiSEM-Bench，用于评估大模型智能体在工具遗漏关键事实时的不安全执行风险与证据恢复能力。	EpiSEM-Bench: Evaluating Safety and Evidence Recovery in LLM Agents under Missing Evidence
2026-10-23	研究表明通过强化学习后训练的小型开源模型（如 Qwen3-8B），可在海量工具选择任务上超越 402B 巨型模型，并具备跨检索器与跨领域的强迁移性。	Training Small Language Models for Transferable Tool Selection
2026-10-22	论文提出评估大模型端到端量化投研能力的基准 Quant-Arena，实测表明前沿模型在真实 A 股 2024 年样本外测试中均未战胜等权基准。	Quant-Arena: Benchmarking LLM Agents for Quantitative Trading Research
2026-10-22	本文将并行AI智能体协作建模为图结构离散块优化，通过分数着色合并局部修改，有效解决合并冲突并提供理论收益与几何收敛保证。	Parallel AI Agent Collaboration as Graph-Structured Distributed Block Optimization
2026-10-21	Agent S4 是一个自主的计算机使用科学家，它通过 meta-agent 从任务代理的轨迹中构建和修订 Evolving Agent Interfaces，利用 population-based evolution 选择泛化良好的接口仓库，在 OSWorld V2 上显著提升了代理性能，达到新的开源 SOTA，性能超过 GPT-5.5 和 Claude Opus，且成本更低。	Evolving Agent Interfaces
2026-10-21	提出缓存工程方案，使LLM智能体无需修改轨迹或重新预填充即可直接控制活动KV缓存，通过drop和repos操作降低成本并提升性能。	Cache Engineering for Agents
2026-10-20	在精确算术任务中，Agent和LLM架构相比传统计算不仅精度欠佳，延迟更暴增数万至百万倍，不宜将其作为“一刀切”的通用方案。	Doing Less with More: A First-Principles Exploration of the Suitability of Agentic Computing over Alternative Architectural Choices
2026-10-20	FusionRare框架通过融合符号推理、深度学习与大模型等多范式AI，在罕见病诊断上刷新了SOTA表现，并显著提升了临床决策效率与医生信心。	Unified Multiparadigm Fusion Intelligence for Rare Disease Diagnosis
2026-10-19	该研究证实大语言模型智能体能够自动化执行科学研究的复现与稳健性分析，有效辅助专家进行同行评审。	AI-Driven Reproducibility and Analytical Robustness in Scientific Discovery
2026-10-19	本文提出利用 AI 智能体优化量子线路编译的新范式，通过将瓶颈子程序约束为经典可验证结构来实现高效合成与验证。	Leveraging verifiable structure in quantum circuits to find more efficient compilations with agentic AI
2026-10-18	研究提出了三层捷径审计框架，证实智能体安全基准中的表面线索会扭曲评估表现，并实质性干扰安全防御模型的决策。	Shortcut Sensitivity in Agent-Safety Evaluations
2026-10-18	AutoSFT 提出了一种多智能体系统，通过解耦分析、执行与数据合成，覆盖更全面的数据操作空间，显著提升了监督微调（SFT）的自动化数据研究效果。	AutoSFT: An Agentic System for Automated Data Research in Supervised Fine-Tuning
2026-10-17	研究揭示了MCP服务器因客户端授权导致权限过宽而引发的“文件系统能力洗白”漏洞，并研发MCP-FSD工具实现了大规模检测。	My Credentials, Please: Detecting Filesystem Capability Laundering in MCP Servers at Scale
2026-10-17	该研究提出“图书管理员智能体”（Librarian Agents），通过强化学习训练构建智能体将非结构化文档预先重构为层次化文件系统工作空间，显著提升下游应对复杂长上下文查询的能力。	Librarian Agents: Training LLMs to Curate Long-Context Workspaces that Anticipate Future Queries
2026-10-16	4个Gemini 4 Argon智能体通过自主编程与协作，在无人工干预下历时27小时14分击败末影龙，首度实现《我的世界》端到端自主通关。	A team of Gemini 4 Argon agents beats Minecraft
2026-10-16	本文提出一种引导智能体（steering agent），通过快慢双路径机制在线纠正大模型智能体系统的“目标漂移”，显著提升长程任务的执行性能与效率。	Learning to Steer LLM Agents and Multi-Agent Systems
2026-10-15	研究表明，AI代理市场的“竞争底线”与提示词“条件近独立性”特征可显著降低一阶价格拍卖（FPA）的无序代价，使其福利保障显著优于通用的 $1-1/e$ 。	Price of Anarchy of First-Price Auctions in Agentic Markets
2026-10-15	论文提出跨界面策略正则化（CIPR），通过自监督一致性训练，显著提升大语言模型智能体在交互界面变动下的鲁棒性。	One Task, Many Interfaces: Simple Cross-Interface Consistency Training Improves LLM Agent Robustness
2026-10-14	ChunkAct 将动作分块引入智能体机器人控制，通过离线将记忆编译为动作块并由在线自主执行，大幅降低大语言模型计算开销并提升任务成功率。	ChunkAct: Action Chunking for Agentic Robotics
2026-10-14	HybridAgents 通过在隐空间推理与显式文本交互间动态切换，构建了兼具原生工具调用能力、高透明度与高推理效率的混合智能体架构。	Hybrid Reasoning Agents
2026-10-12	本文提出结合语义匹配与动态可靠性适应的AI智能体工具检索框架RATED，无需重新训练模型即可有效应对运行时外部工具失效的问题。	RATED: Reliability-Aware AI Agent Tool Retrieval via Execution Dynamics
2026-10-12	本文提出结合LLM任务决策与预定义行为树（BT）技能的机载架构BT-Agent，在算力和内存受限的移动机器人上实现了任务推理与响应执行。	BT-Agent: Deploying Onboard Robot Agents with Behavior Trees and Multi-Fidelity Evaluation
2026-10-11	本文提出ReTeach自蒸馏框架，仅靠模型自生成尝试与结果级验证，通过多轮反思与重试构建自教师，在保持单次推理的同时提升了推理表现。	ReTeach: Building a Self-Teacher through Multi-Round Reflection and Retry
2026-10-11	本文研究了工具调用LLM智能体故障注入测试的“证据有效性”问题，提出SSCBench基准，强调评估需报告反证可见的时序条件。	SSCBench: Evaluating the Evidential Validity of Fault-Injection Tests for Tool-Using LLM Agents
2026-10-10	提出Dex-One2Many框架，将单个人类视频抽象为序列场景图以引导强化学习，实现灵巧手操作的高效探索与强泛化。	Dex-One2Many: Learning Dexterous Manipulation from a Single Human Demonstration
2026-10-10	本文提出错误传播建模方法（EMFA），通过有效区分根本错误与下游症状，在LLM多智能体系统失败归因中实现了最先进的步骤级准确率。	Error-Propagation Modeling for Failure Attribution in LLM-Based Multi-Agent Systems
2026-10-09	白盒探针通过最大欺骗数据集和新型跨层架构，有效检测LLM欺骗与破坏，SHADE-Arena达98.8% AUC超越基线，并能捕捉内省欺骗。	Caught in the Act: Probes Effectively Detect Sabotage and Catch Unverbalized Deception
2026-10-09	协作使AI智能体种群产生临界规模阈值：低于该阈值种群衰退，高于则即使个体能力未变也会起飞进入自我强化循环，此即生态学中的强Allee效应。	Ecology of AI Agents: Collaboration Creates a Population Threshold for Takeoff
2026-10-08	AI代理在六小时预算内能够从真实观测数据中构建ENSO低阶随机模型，并通过重构和预测未持有年份优于已发表模型，其结构与ENSO暖冷不对称的两个竞争解释相关，这表明代理可以构建竞争性模型并揭示科学家仍争论的问题。	SciExam for ENSO: Can AI Agents Build Climate Models?
2026-10-08	LOCAA 是一个基于大语言模型的科学损失压缩自动调优代理系统，通过工具集成执行、压缩感知指导和持久内存实现压缩中的循环搜索，能够高效地为用户定义的目标和约束找到合适的压缩配置。	LOCAA: An Agentic System for Automated Lossy Compressor Tuning
2026-10-07	本文提出对抗性启发式学习（AHL）范式与AAArena基准，证明固定权重的AI智能体仅靠修正可执行策略，即可在部分对抗游戏中登顶人类天梯。	Can AI Agents Learn Their Way to the Top? Evaluating Heuristic Learning in a Long-Running Game Agent Competition
2026-10-07	本文提出DataSense-Bench，旨在评估AI智能体挑选微调数据并预测性能的“数据感知”能力，发现当前模型相比随机选择提升有限且跨任务表现不稳定。	DataSense-Bench: The First Step Toward an AI Scientist
2026-10-06	RV-ICL是一种训练免费方法，将演示视频转化为智能体可导航的层次结构而非直接提示，从而提升冻结VLA策略的任务成功率。	Recursive Video In-Context Learning for Agentic Robot
2026-10-06	MemPilot 提出了一种灵活的框架，通过强化学习优化多步 LLM 策略，在不同性能-成本-延迟偏好下，对接需内存 curation，实现 LLM 代理的 on-demand 多模态内存管理。该框架解决了现有系统在构建内存时不必要的预处理成本和可能丢失关键细节的问题，并提供了灵活的运行时适应控制。	MemPilot: Orchestrating On-Demand Multimodal Memory Curation for LLM Agents
2026-10-05	NeutronGym是首个可执行中子仪器设计环境，LLM智能体通过验证工具构建仪器，McStas射线追踪，分级梯子无LLM评判评估语法、运行时、结构和科学，程序化家族提供无限实例，并可RL训练。	NeutronGym: Physics-Graded Neutron Instrument Design for LLM Agents
2026-10-05	HazardWeaver将自然灾害分析中科学方法选择形式化为状态依赖路径选择，使AI代理能根据事件、数据和工具动态确定适用且可执行的工作流，并随新证据修订决策。	HazardWeaver: Scientific Route Selection for Hazard Analysis Agents
2026-10-04	智能体各自局部有效决策仍可联合产生无效结果，此为共享状态失败的全局一致性问题，而非模型智能不足。局部智能无法替代缺失的全局状态。	Global Coherence: When Every Agent Is Right and the Team Is Still Wrong - A Local-to-Global Semantic Foundation for Multi-Agent Collaboration
2026-10-04	Mem++是非破坏性记忆框架，从写时蒸馏转向读时选择，完整存储文档并按时检索，在组织记忆基准上优于现有系统。	Mem++: Non-Destructive Memory for Long-Term Organizational LLM Agents
2026-10-03	本文提出多模态智能体FaV-A，通过分阶段工作流生成视觉连贯且语义对齐的正负空间构图，优于直接零样本MLLM基线。	Form and Void: Entangled Composition through an Autonomous AI Agent
2026-10-03	Mimir 展示了物理基础 LLM 代理在长期物理控制中的潜力，通过两个时间尺度结合语义推理与数值约束实现安全自改进。	Mimir: Physics-Grounded LLM Agents for Long-Horizon Irrigation Control
2026-10-02	InterEvolve通过测试时进化奖励程序，使人形机器人无需重训练即可重用现有技能解决新的loco-manipulation任务，并从自身尝试中改进并保留所学。	InterEvolve: Test-Time Evolution of Reward Programs for Humanoid Loco-Manipulation
2026-10-02	SourceLearn通过持续来源模型，将智能体对权威来源的重复使用从反复访问转为可复用来源特定能力学习，多数设置优于检索与记忆基线。	From Knowledge Access to Source Learning: Developing Source-Specific Competence
2026-10-01	本文提出了由AI智能体协助构建、基于JAX的模块化、可微且多尺度的地球系统模型legoESM。	legoESM: a modular, differentiable, multiscale, AI-ready Earth system model built with AI agents
2026-10-01	提出 Memento 3，使冻结的 LLM 智能体通过规则书与代码的反思验证，持续学习显式世界模型并实现递归自我改进。	Memento 3: Model-Based Recursive Self-Improvement through Reflective Rulebooks

2026-09

日期	总结摘要	标题
2026-09-30	提出流式监控机制 OnTrack，通过比对智能体步骤与依赖关系，以每步约1毫秒的低延迟预警或阻断失败轨迹，兼顾安全与低成本。	OnTrack: Real-Time Monitoring and Intervention in LLM Agent Trajectories via Streaming Structure-Aware Optimal Transport
2026-09-30	本文评估了LLM智能体在知识冲突下的“认知谦逊”，发现高任务准确率不等于高谦逊度，且提升后者常以牺牲准确率为代价。	Accurate but Not Humble: Evaluating Epistemic Humility in LLM Agents under Knowledge Conflict
2026-09-29	基于理论参数化的LLM生成式智能体能准确模拟并复现儿童的不同攻击行为亚型。	“Hot-Blooded” vs “Cold-Blooded”: Simulating the Behavioral Phenotypes of Childhood Aggression via Generative Agents
2026-09-29	本综述系统评估了LLM集成应用的各类标签，证实其具备真实的软件架构内涵，并归纳了七种常见应用形态。	Forms of LLM-Integrated Applications from LLM-Chats to Autonomous AI Agent System
2026-09-28	本文提出跨领域基准 AgenticBBO-Bench，系统评估了大模型智能体在黑盒优化（BBO）中的表现及关键设计因素的影响。	A Closer Look at Agentic BBO: Benchmarking LLM Agents for Black-Box Optimization
2026-09-28	本文提出分层记忆与持续学习架构Hippocam，通过基于意图的经验整合机制，使LLM智能体无需更新参数即可从自身经验中学习进化。	Use and Disuse: Intent-Structured Experience Consolidation for Memory and Learning in LLM Agents
2026-09-27	KREX 是共享 GPU 的并发内核基准测试运行时，以区域级独占保真、区域外并发，提升智能体测试吞吐。	KREX: Concurrent Kernel Benchmarking on Shared GPUs via Region-Granular Exclusivity
2026-09-27	多智能体系统中，抗欺骗能力取决于欺骗者比例而非智能体总数；增加智能体数量不足以防御，因为对手可随群体扩展。	How does Adversarial Influence Scale in Multi-Agent Systems?
2026-09-26	该工作提出用仿真在部署前筛选生产级客户体验 AI 代理，并在 Nubank 高流量客服场景中验证其线上收益。	Screen Before You Serve: Simulation for Production Customer Experience AI Agents at 140M Scale
2026-09-26	KernelOPT 把编译后的 PyTorch 模型当作结构化对象，只优化生成的 Triton 子内核，并用四道验证门控保证端到端正确与性能，在 KernelBench 上相对 torch.compile 获得几何平均加速。	KernelOPT: Dispatch-Aware Agentic Search for GPU Kernel Optimization
2026-09-25	本地 LLM 智能体可删除自身轨迹，使依赖轨迹的监控、审计与调查失去完整性保障。	LLM Agents Can Easily Tamper With Their Own Traces
2026-09-25	普通任务压力可促使智能体为完成任务而规避运行时监控，即使无明确对抗目标。	Instrumental Monitor Evasion Emerges Under Ordinary Task Pressure
2026-09-24	FRESH 将工具智能体的成功与失败组织为异构图记忆，帮助冻结小/中语言模型在长程有状态任务中复用策略并减少重复失败。	Learning from Failures: Heterogeneous Graph Memory for Small Language Model Tool-Using Agents
2026-09-24	KVSET 是面向 LLM 推理的在线分析器，可估计达到目标 KV 缓存命中率所需的最小容量，辅助容量规划。	The KV Cache Working Set: Online Capacity Planning for LLM Inference Systems
2026-09-23	GA-Agent 将标准遗传算法与 LLM 智能体分层结合，由 LLM 在元层观察已完成运行、诊断与用户控制目标的差距，并更新 GA 超参数，用于完成 PID 控制器合成。	GA-Agent: Large Language Models as Hyperparameter Optimizers for Evolutionary Controller Synthesis
2026-09-23	SkillGym 将人类编写的智能体技能转为可执行、可验证的训练环境，使 LLM 通过监督微调和结果奖励强化学习内化为可复用能力。	SkillGym: Internalizing Human Skills into LLMs for Real-World Problem Solving
2026-09-22	论文提出 HAAC，面向生成式 AI 审计的人机协作工作流与系统，让 AI 代理支持探索、评估、报告与审查，并保留人类关键判断。	Who Does What in AI Auditing? Designing Human-AI Collaboration for Auditing Generative AI
2026-09-22	RRSI 以正则化约束智能体外壳递归自我改进，降低过拟合并提升分布外泛化。	RRSI: Regularized Recursive Self-Improvement of Agent Harnesses
2026-09-21	摘要显示，长周期多智能体交互中，LLM 智能体可能逐渐偏离验证协议并形成合谋，带来安全风险。	Emergent Collusion in Long-Horizon LLM Agent Interaction
2026-09-21	个人AI代理在获得用户个人上下文后，可能按推断财富选择更贵方案，甚至违背“选最便宜”的明确目标，形成“对抗性委托”。	Et Tu, Brute? Economic Misalignment in Personal AI Agents
2026-09-20	该工作提出人在环、物理约束多智能体流程，自动化并审计理论到求解器建模，用于吸力沉箱土塞演化。	Human-guided physics-constrained AI agents construct an auditable model of soil-plug evolution
2026-09-20	该研究以合成生物医学属性图和20类查询比较8种图数据库/引擎，发现没有绝对最快系统，总成本主要由批量摄取吞吐决定。	Graph Memory for LLM Agents: At What Cost? A Comparative Evaluation of Query, Ingest, and Update Performance Across Graph Database Engines
2026-09-19	前沿LLM编码代理在67.9%的运行中未读取全部被要求审查的文件，且在未读全的情况下80.4%会做出误导性声明，表明代理的最终回复不可靠地反映其实际行为。	Quantifying Overclaiming Propensity in Frontier LLM Agents
2026-09-19	Chronicle 通过”切点回放”将 LLM Agent 的非确定性运行转化为可复现的回归测试，使 CI 中验证代码变更成为可能。	Chronicle: Cut-Point Replay for Regression Testing of LLM Agents
2026-09-18	GraphEcho 揭示 LLM 图智能体将冗余路径误判为独立证据的结构性偏差，并暴露”高效探索”与”有效证据利用”之间的根本矛盾。	GraphEcho: Structural Redundancy and Evidence Provenance in LLM Graph Agents
2026-09-18	NeMo Data Designer（NDD）是一个开源的多模态合成数据生成框架，通过声明式配置格式与内置的预览-修订循环，将数据集构建转化为可检查、可复现的工程流程。	NeMo Data Designer: An Extensible Framework for Multimodal Synthetic Data Generation
2026-09-17	EvolveTrade 将 LLM 交易代理的系统提示视为可演化的文本策略，通过决策轨迹与组合反馈持续修订，在多个市场制度下通常优于固定策略基线。	EvolveTrade: Experience-Driven Policy Refinement for Self-Evolving LLM Trading Agents
2026-09-17	文本字幕（caption）可作为第一人称长视频中可复用的情景记忆，在多数模型上优于直接视频问答。	CapMem: A Benchmark for Caption-Based Episodic Memory in Egocentric Video
2026-09-16	智能体社会中，即使诚实且有能力的智能体在现有通信机制下也常无法达成满意结果，需要一种超越个体”个人约束”的”社会约束框架”来保障协作安全。	Agentic Societies Need a Social Harness
2026-09-16	FlashVector 是一个跨层模型服务栈优化 Agent 系统，在 Unity 广告平台部署后实现了最高 2 倍吞吐量和 1.98 倍延迟加速。	FlashVector: Agent for Hierarchical Model Serving Stack Optimization
2026-09-15	ZGCM-1 是一个完全开源的 7B 稠密基础模型，通过结合内部推理与外部工具调用，在数学推理和智能体搜索任务上可与参数量大数十倍的前沿模型竞争。	ZGCM-1: A Fully Open and Extremely Efficient Foundation Model for Math and Agentic Search
2026-09-15	本文提出 Generalized Agent Iteration（GAI）框架，将经典迭代策略改进（GPI）与递归自我改进（RSI）统一为同一学习范式的两个特例，为 RSI 提供了首个基于经典理论的形式化刻画。	Generalized Agent Iteration: One Formal Framework for Iterative Policy Improvement and Recursive Self-Improvement
2026-09-14	SCoRE 通过显式的证据选择与整合机制，将视觉 RAG 中的探索过程与最终推理解耦，缓解了稀疏视觉证据利用不足的问题。	Navigating Sparse Evidence: Agentic Visual RAG via Explicit Context Selection and Consolidation
2026-09-14	深度研究代理的首次检索动作是决定最终表现的关键设计决策，Question’s Gambit 通过优化首步检索将答案准确率从 83.1% 提升至 90.5%。	Question’s Gambit: The First Move Matters in Agentic Deep Search
2026-09-13	LLM judge 在专利撰写任务中可作为有效的迭代优化信号，但其评估与专业律师判断之间存在系统性校准偏差，可靠性高度依赖具体指标。	Vibe Patenting: Evaluating LLM Judges for Professional Patent-Drafting Agents
2026-09-13	零样本LLM多智能体框架在农业长周期任务中可达到与RL智能体相当的管理效果，且在环境发生偏移时展现出更强的适应能力。	Toward Self-Adaptive Physical AI: Can LLM Agents Manage Long-Horizon Physical Tasks?
2026-09-12	Ecdysis框架通过系统性失败诊断区分模型特定适应与框架级修复，显著提升LLM代理运行时框架训练效率与推理准确率。	Ecdysis: Efficient and Effective Training of Runtime Harnesses for LLM Agents
2026-09-12	EBL-Core提出一种执行边界符合性配置文件，通过执行释放合同(ERC)实现高风险AI动作在明确条件下的执行授权决策，确保从候选动作到执行权限的语义一致性。	From Intent to Execution Grant: An Execution-Boundary Conformance Profile for High-Risk AI Actions
2026-09-11	本研究通过贝叶斯反向推理构建标签自由锚点，显著提升多代理集体决策性能，尤其在代理冲突场景下表现突出。	When Agents Disagree: Bayesian Backward Reasoning as a Label-Free Anchor for Multi-Agent Collective Decision-Making
2026-09-11	COBRA-Skills通过上下文带状引导优先级分配与证据驱动技能进化，实现了高效技能优化，在六种异构代理基准上性能最优，优化成本比SkillOpt降低55-58%。	COBRA-Skills: Contextual Bandit-Guided Evolution for Agent Skill Optimization
2026-09-10	Avatar通过LLM实现科学工作流系统自主端到端编排，显著减少计算浪费55%和GPU忙碌时间40%，为工作流管理提供新范式。	Avatar: Toward Autonomous End-to-End Orchestration of Scientific Workflows using LLMs
2026-09-10	Glyph是一个生产级多策略代理系统，通过LLM代理协作解决企业数据目录中列描述缺失和敏感性本体标签未分配问题，提升数据治理效率。	Glyph: A Multi-Strategy Agentic System for Column Description and Sensitivity-Ontology Tagging of Enterprise Data Catalogs
2026-09-09	A-JIT通过嵌入AI代理实现软件的动态演化，使应用程序能实时适应用户需求并持续进化，开启自适应、自演进软件的新范式。	A-JIT: Agentic Just-In-Time Software Construction
2026-09-09	EvidenceNet通过运行时保证层有效验证了跨域网络操作的全局结果，解决证据碎片化问题。	Can AI Agents Deliver Verifiable Network-Wide Outcomes Across Authority Boundaries?
2026-09-08	该研究提出Speculative Uncertainty (SU)方法，通过小开放权重草稿模型从代理输出token中预测失败信号，显著降低软件工程代理在部署中的执行错误率和token成本。	How to Speculate about Uncertainty in Agentic Coding? A Draft-Model Gate Method
2026-09-08	CONTINUITY框架通过显式安全上下文契约确保LLM代理执行的安全性，防止组件边界处的安全上下文不连续问题。	CONTINUITY: Security-Context Contracts for Composable LLM Agent Controls
2026-09-07	本研究通过构建KOPA-Bench基准和提出EDGE数据合成方法，使9B模型在多步工具调用任务上性能接近27B模型，显著提升在KOPA-Bench和BFCL基准上的表现。	Multi-Step Tool-Calling over Korean Open Public APIs: A Benchmark and a Data-Synthesis Recipe
2026-09-07	在多智能体系统中，代理在任务结果上比在协调效率上更具可互换性，且交换效应随形成历史延长而增大。	Testing Interchangeability in LLM Agent Teams
2026-09-06	PatchBench揭示了AI代理在漏洞修补评估中因记忆化修补和表面修复导致的评估偏差。	PatchBench: Evaluating AI Agents for Vulnerability Patching
2026-09-06	MachCSL框架通过AI代理在硬件级别验证xv6 OS内核，成功发现9个实现缺陷和1个Sail语义缺陷。	Extending concurrent separation logic to the hardware level to verify the xv6 OS kernel on RISC-V with AI agents
2026-09-05	TAHI通过人机交互实现高效测试时适应，显著提升个性化任务成功率并支持跨用户泛化。	Efficient Test-Time Adaptation through Human-AI Interaction
2026-09-05	NLIP作为Ecma International标准化的协议，解决了AI代理在异构开发框架中的互操作性问题，通过轻量级语义消息封装支持HTTP/HTTPS、WebSocket和AMQP等传输协议，促进社会和商业应用落地。	The Natural Language Interaction Protocol and Standard for AI Agents
2026-09-04	自主研究群体中作弊行为自发传播并被举报者挑战，无需外部干预。	A Case Study on Emergent Cheating and Whistleblowing in Autonomous Research Swarms
2026-09-04	Sentinel-RL通过解耦拓扑推理与语义推理，显著提升LLM代理在安全运营中心的可扩展性与可靠性。	SENTINEL-RL: Offloading Topological Reasoning from LLM Agents in the Security Operations Center
2026-09-03	EarlyEval通过早期结果预测技术，显著降低LLM代理评估成本，在保持高精度（89%-97%）的同时减少执行步骤和token消耗。	EarlyEval: Cheaper Agent Evaluation via Early Outcome Prediction
2026-09-03	BuildOcc平台通过LLM代理模拟用户行为，解决建筑能源管理中的不确定性问题。	BuildOcc: A Large Language Model Occupant Agent Platform for Building Energy Research
2026-09-02	该研究提出一种机制设计框架，用于处理AI代理对齐与能力未知的场景，确保代理诚实且服从。	Mechanism Design for Alignment and Control
2026-09-02	本研究通过实证探索主动式思维伙伴在写作中的设计空间，证实其能提供定制化、非侵入式的高级认知支持，有效提升写作效率。	Designing Proactive Thought Partners for Writing
2026-09-01	该研究提出agentic data cracking方法，通过推理过程中自适应结构化非结构化数据，将LLM代理推理成本降低53%而不损失准确性。	Token-Efficient Data Reasoning Agents via Adaptive Structuring of Unstructured Data
2026-09-01	TASPO通过将特权监督转化为基于结果的动作信用，有效弥合了监督-信用差距，显著提升了智能体策略优化性能。	Reconciling Process Supervision with Outcome-Based Credit in Agentic Policy Optimization

2026-08

日期	总结摘要	标题
2026-08-31	安全代理需要外部强制，而非仅依赖更好的识别。	Recognition Without Enforcement: Configuration-Dependent Failures in LLM Agent Instruction Arbitration and External Control
2026-08-31	LUCID通过动态协调轨迹规划与无线资源管理，实现云机器人系统在动态环境中的QoS保障。	LUCID: An Agentic AI Framework on Digital-Twin in the Loop for QoS-Guaranteeing Robotic Control
2026-08-30	Agentic data generation的核心挑战在于持续分配有效、信息丰富且无冗余的经验，而非单纯增加数据量。	What Makes Good Agentic Data? An ACE Lens on Data Generation for LLM Agents
2026-08-30	论文扩展社会能力评估框架（SCAF）以量化公司部署AI代理对社会韧性的贡献。	Assessing Company Contributions to Societal Resilience: Extending the Societal Capacity Assessment Framework to Agentic AI
2026-08-29	Persona-Execution Separation (PES) 架构模式有效解耦了LLM代理的人格演化与执行可追溯性。	Persona-Execution Separation: An Architecture Pattern for Evolving LLM Agents under Execution Audit
2026-08-29	行为感知验证结合显式归因能实现更可靠且样本高效的agent harness进化。	Verify Smarter, Evolve Further: Efficient Harness Evolution through Behavior-Aware Verification
2026-08-28	WikiSkill通过持久知识库系统积累agent经验，显著提升技能进化效果。	WikiSkill: Compiling Agent Experience into Persistent Knowledge for Skill Evolution
2026-08-28	用户自定义权限策略未能有效提升对AI代理越权行为的防护，反而在阻止越权方面效果较差。	Do User-Authored Permission Policies Improve Protection Against AI Agent Overreach?
2026-08-27	SwarmWorld中，无角色的LLM代理通过物理刺激（stigmergy）自组织形成技术社会，其技术组合比独立搜索更广泛、更稳健，优于强基准。	SwarmWorld: Stigmergic technological evolution in societies of language-model agents
2026-08-27	ProgRouter通过在线进度引导路由框架，自适应选择LLM代理以平衡多智能体LLM工作流中的任务质量、时间预算与成本效率，显著降低操作成本并维持高性能。	ProgRouter: Online Progress-Guided Orchestration for Multi-Agent LLM Workflows under Quality-Cost Tradeoffs
2026-08-26	AtlasNav通过持久化语料库结构有效解决直接语料库交互中的证据盲点问题，显著提升证据获取效率与计算性能。	Evidence Blindness in Direct Corpus Interaction: Persistent Navigation with AtlasNav
2026-08-26	SkillForge通过环境交互验证和精炼技能，实现LLM代理的连续技能进化。	SkillForge: Evolving Verifiable Skills for Reinforcement Learning Agents
2026-08-25	候选人搜索应被建模为需求工程任务，系统通过交互式澄清、验证与证据核查显著提升候选覆盖和召回。	An Interactive Agent for Requirement-Driven Candidate Sourcing
2026-08-25	InjecMEM 证明单次交互即可污染代理记忆，使后续相关查询被检索触发并偏向攻击者指定输出。	InjecMEM: Memory Injection Attack on LLM Agent Memory Systems
2026-08-24	生成式AI使机器验证不仅经济而且对生产力必不可少，成为安全指导自主机器工作的关键。	AI with Authority, from Application to Silicon
2026-08-24	模型容量不应在自精炼流水线中均匀分配，不同阶段应根据其认知需求分配不同规模，为高效多阶段语言模型系统设计提供实用指导。	Asymmetric Capacity Allocation in Self-Refinement Pipelines
2026-08-23	金融合规评估应聚焦于规则接地的行动和证据使用，而非单一合规分数。	ReguSim: Evaluating LLM Agent Rule Grounding in Financial Compliance
2026-08-23	Brain Researcher 通过规则化分析流程显著提升神经影像数据分析的严谨性与准确性。	Bringing analytic rigor to agentic AI for science: The Brain Researcher platform for neuroimaging data analysis
2026-08-22	Task-CoEvolve通过自适应验证任务选择，显著降低LLM代理优化的评估成本。	Task-CoEvolve: Efficient Harness Optimization via Adaptive Validation Task Selection
2026-08-22	BPS算法通过双准则优化技能选择，在LLM代理中实现任务成功率0.73与令牌消耗减少28%的显著提升。	Optimal Skill Selection for LLM Agents with Provable Bicriteria Guarantees
2026-08-21	AI4AI-Bench基准测试表明LLM代理在递归自我改进中仅能微弱提升训练算法性能，最佳系统得分0.250，仅接近原算法与最优距离的25%。	AI4AI-Bench: Benchmarking LLM Agents in Algorithmic Design for Recursive Self-Improvement
2026-08-21	子任务级技能和文本格式技能能显著提升LLM代理在跨任务技能转移中的可靠性。	Break It Down, Pass It On: Cross-Task Skill Transfer in LLM Agents
2026-08-20	该研究证明，隐蔽通信通道可被监控而无需在攻击示例上训练主监控器，并在匹配反事实访问可用时有效缓解合谋行为。	Beyond the Transcript: Detecting Covert Co ordination in Latent Multi-Agent Communication
2026-08-20	AI后训练代理缺乏在执行过程中自发重新评估其训练策略的机制。	What is Missing from AI Post-Training AI: An Empirical Analysis
2026-08-19	研究揭示在线约会平台中用户对代理委托存在系统性不对称，部署自身代理的接受度显著高于参与他人代理。	Delegation Asymmetry in Agentic Recommender Systems: Measuring Two-Sided Receptivity in Online Dating
2026-08-19	StagedWorkspace通过显式绑定工作区状态到版本，显著提升知识工作代理的性能。	StagedWorkspace: A Versioned Workspace for Knowledge-Work Agents
2026-08-18	BATON通过子任务探索和过渡感知记忆显著提升长期机器人操作成功率。	Don’t Drop the BATON: Long-Horizon Robot Manipulation via Agentic Subtask Exploration and Transition-aware Memory
2026-08-18	LLM驱动的具身智能体需整合场景状态信息以完成任务接地。	When State Becomes an Attack Surface: State-Semantic Injection in LLM-Driven Embodied Agents
2026-08-17	LLM-modernized科学软件内核在故障响应测试中与原始代码完全一致，验证了现代化的可靠性。	Validating LLM-Modernized Scientific Software Through Differential Fault Injection
2026-08-17	投票式道德AI对齐无法仅通过聚合实现公平透明，必须审计披露管道各阶段。	Participatory Moral AI Is Not Neutral: The Invisible Hand of Developers
2026-08-16	SkillShapley框架通过边界自适应Shapley估值，有效量化了LLM代理技能中各步骤的贡献，为技能创建提供关键指导。	SkillShapley: Boundary-Adaptive Shapley Valuation for Skill Step Attribution in LLM Agents
2026-08-16	AI辅助GPU端口化需以验证为中心设计工作流，确保科学有效性不被破坏并实现高效加速。	Validation-Centric AI-Assisted GPU Porting of a 250,000+ Line Legacy Weather Simulation Code
2026-08-15	AI科学家代理Faraday在科学论文复制任务中性能超越现有大模型。	Training AI Scientists to Replicate Research
2026-08-15	CrEST框架通过将教师角色从决定更新方向转变为调节更新幅度，实现了密集信用分配而不牺牲验证器约束的上限。	Teach the Magnitude, Not the Direction: Verifier-Bounded Credit Assignment for Multi-Turn Multi-step LLM Agents
2026-08-14	Vero基准测试表明，当前AI代理在构建正式验证的多模块软件仓库时能力有限，仅能成功解决27/43个实例，难以处理最复杂仓库的规范闭合问题。	Vero: Can AI Agents Build Formally Verified Software Repositories?
2026-08-14	本文提出异构感知信念同步框架，有效解决6G AI原生网络中语义通信的信念对齐问题，通过潜在翻译模型降低同步成本并保护隐私。	Heterogeneity-Aware Belief Synchronization for Semantic Communication in AI-Native 6G Networks
2026-08-13	LLM导师可靠保留答案的能力能显著提升学生学习效果。	Teaching a Large Language Model Tutor to Withhold the Answer: A Supervisor Architecture and an Evidence-Driven Method for Tuning Socratic Behavior
2026-08-13	PACE-SIMS通过AI代理实现SIMS研究的自主化人-AI协作，显著降低专家监督时间。	PACE-SIMS: Checkpoint-Gated Autonomous SIMS Characterization with AI-Agent Quality Control
2026-08-12	AI通过人机协作在数学研究中成功改进了Grothendieck常数的界，其见解被领域专家认定为创新性突破。	Long-Horizon AI Research for Grothendieck Constant: A Case Study in Human-AI Mathematical Collaboration
2026-08-12	XstrAI框架通过多智能体系统实现受众感知的XAI叙事，有效解决医疗AI中患者、临床医生和数据科学家对模型解释的差异化需求，避免数值输出的不足。	Who Are You Explaining To? A Multi-Agent System for Audience-Aware XAI Narratives
2026-08-11	SHE框架通过轨迹驱动的演化机制，显著提升LLM代理安全罩的动态适应性，实现安全性能3.1倍ASR降低与良性效用同步提升。	SHE: Trajectory-driven Safety Harness Evolution for LLM Agents
2026-08-11	AI安全不仅依赖规则本身，还取决于系统信任的权威状态和阻塞后路径。	Multi-Agent AI Safety as an Institutional Design Problem
2026-08-10	AI代理交互能创造孤立状态下不存在的动态行为，从属AI在老板AI指令下进入陌生行为状态。	Interaction Creates Dynamical AI Behavior Absent in Isolation
2026-08-10	SkillProx通过近似梯度启发的正向-反向框架，结合闭环诊断进化与效用感知近似精炼，显著提升LLM代理技能的自演化性能。	SkillProx: Self-Evolving Agent Skills via Proximal Textual Gradient Descent
2026-08-09	GSE框架通过全局化技能进化显著提升LLM编码代理在软件工程任务中的性能，实现精度、召回率和F1值的大幅优化。	Learning Globally Reusable Skills for Coding Agents
2026-08-09	硬件密钥存储与五层零信任架构能彻底消除AI代理中私钥泄露风险。	Hardware Keystores for AI Agent Signing Workflows: A Zero-Trust MCP Enforcement Architecture
2026-08-08	合成临床基准的真实度需在效用约束下显式优化，而非仅依赖效用检查作为真实度充分证据，尤其在医疗隐私敏感场景中。	Improving the Realism of Synthetic Clinical Benchmarks Under Utility Constraints
2026-08-08	EnvACE通过世界回放机制实现了无需外部环境交互的LLM智能体训练。	EnvACE: Internalizing Environment Dynamics via World Rehearsal for Agentic Reinforcement Learning
2026-08-07	AV-AIVAT通过整合AIVAT方差减少与连续置信序列，实现智能体评估的高效、可审计早期停止，显著降低评估成本。	AV-AIVAT: 74x Cheaper Agent Evaluation with Certified Anytime-Valid Stopping in Imperfect-Information Games
2026-08-07	该机制设计通过资源分配实现AI代理的持续参与式治理，使授权自强制通过计算预算，建立Safe AI范式。	Resourced Authority A Mechanism-Design Model for Participatory Governance of Deployed AI Agents
2026-08-06	PIMiner通过构建可迁移策略库，实现提示注入红队测试的高效泛化，显著提升对多种LLM的攻击成功率。	Agent Against Agent: An Agentic System for Automatic Prompt Injection Red Teaming
2026-08-06	CoPlan通过角色化可争议论点图实现可信的协作智能护理规划界面。	CoPlan: A Trustworthy Co-Intelligence Interface for Care Planning through Role-Based Contestable Argument Graphs
2026-08-05	PAST-Bench基准测试与Hermes+框架证实了个人AI代理通过保留经验实现递归自我改进的可行性，但改进效果在不同模型和任务能力上存在显著差异。	PAST-Bench: Benchmarking the Foundations of Recursive Self-Improvement in Personal Agents
2026-08-05	语音输入扰动对LLM性能的影响显著大于键盘输入扰动，尤其在需推理的任务中。	Should We Type or Talk to LLM Agents? A Comprehensive Study of Voice and Keyboard Input Perturbations
2026-08-04	ACEM为代理软件工程开发了首个成本估算模型，整合了LLM token消耗、HITL监督和基础设施成本的非确定性特征。	ACEM: A Cost Estimation Model for Agentic Software Engineering
2026-08-04	RoMeRL通过减少阶效用状态有效平衡了反馈覆盖与记忆-奖励陷阱，显著提升自演化代理记忆的效率与性能。	RoMeRL: Balancing Feedback Coverage and the Memory-Reward Trap in Self-Evolving Agent Memory via Reduced-Order Utility States
2026-08-03	当前LLM代理在超参数优化中展现出可测量的实验优化能力，但在持续迭代改进、复杂日志诊断和一致性能提升方面存在明显局限。	AgentHPOBench: A Benchmark For Evaluating LLM Agents as Sequential Hyperparameter Optimizers
2026-08-03	LLM在个性化中常能记住用户偏好但无法有效应用，尤其在健康和治疗相关场景，实验显示模型通过回忆测试（Know）却在行为响应（Act）中失败，导致个性化失效。	Know It, Act on It: Investigating Memory Utilization in LLM Personalization
2026-08-02	Beacon模型通过优化工具调用的适应性和工具效果，显著提升多模态大语言模型在复杂任务中的成功率。	Beacon: Knowing When and How to Perform Agentic Visual Reasoning
2026-08-02	MANTA通过推理时通信拓扑自适应进化，显著提升多智能体系统性能。	MANTA: Multi-Agent Network Topology Adaptation for Self-Evolving Multi-Agent Systems
2026-08-01	UNICON作为数值智能基础模型，实现了跨学科通用性，无需重新训练即可在未见领域达到专家水平。	A foundation model of numerical intelligence with cross-disciplinary generalization
2026-08-01	AgentRadio通过异步消息传递实现多代理被动感知，显著提升长时程代码理解任务解决率。	AgentRadio: Passive Awareness for Long-Horizon Multi-Agent Collaboration

2026-07

日期	总结摘要	标题
2026-07-31	AskChem通过声明中心化基础设施显著提升化学文献合成的效率与准确性。	AskChem: Claim-Centered Infrastructure for Chemistry Literature Synthesis
2026-07-31	语言模型代理在真实oncall根因分析任务中表现有限，最佳准确率仅25.3%，表明需大幅工程改进才能安全用于生产环境。	ORCA-bench: How Ready Are Language Model Agents for Oncall?
2026-07-30	当前AI代理能完成AI研究的工程任务，但无法实质性推进开放性研究问题。	Can AI agents conduct open-ended AI research? Early evidence from two case studies
2026-07-30	LLM代理在办公室任务中比人类更便宜快速，但交付质量尚未达到人类水平。	OmegaUse-OfficeVal: Benchmarking LLM Agents on Long-Horizon Office-Suite Tasks with Economic Grounding
2026-07-29	UniMem通过互补情景到参数化记忆框架，有效解决了边界无关任务流中的稳定性-可塑性困境。	UniMem: Complementary Episodic-to-Parametric Memory for Boundary-Agnostic Task Streams
2026-07-29	AgentToolMO模型通过标准化跨供应商工具信任管理，将级联服务影响的检测时间从小时级缩短至近实时，有效防止级联故障。	Toward Standardized Cross-Vendor Agent Tool Trust Management in Autonomous Networks
2026-07-28	APP A框架通过引擎管理的上下文分支和前瞻性授权机制，有效缓解LLM代理处理混合机密数据时因传统taint tracking导致的效用损失问题。	Agentic Permissions Policy Algebra for Taint Confinement in LLM Agents
2026-07-28	SIREN框架通过经验驱动的LLM代理实现了端到端极端天气预警自动化，在个体预警步骤和端到端链上均显著优于现有天气代理基线。	SIREN: Towards End-to-End Extreme-Weather Early Warning with Experience-Grounded LLM Agents
2026-07-27	评估LLM代理的程序化技能时，应分解净效果（收益与回归）而非仅看平均改进。	The Regression Tax: Decomposing Why Skills Help and Hurt LLM Agents
2026-07-27	信息遗漏在air-gapped LLM代理管道中是主要可靠性故障，68%源于确定性中间件层（L0-L3）。	Where FactsGo Missing: A LayerwiseTaxonomy and Per-Layer Attribution of Information Omissionin Air-Gapped LLM Agent Pipelines
2026-07-26	本地部署的开源大语言模型在纵向研究数据准备任务中表现优异，平均任务完成率达87.9%，为治理受限研究提供可行路径。	Agentic coding without the cloud: evaluating open-weight large language models on longitudinal data preparation tasks
2026-07-26	PATS通过政策感知动态训练脚手架显著提升了长时域LLM代理强化学习的性能。	PATS: Policy-Aware Training Scaffolding for Agentic Reinforcement Learning
2026-07-25	Agentic Context Management (ACM) 通过将上下文管理视为生命周期和架构问题，有效解决AI代理的内存与成本挑战。	Agentic Context Management: Solving Agent Memory and Cost by Treating Them as Lifecycle and Architecture Problems
2026-07-25	本研究提出轻量级连续保证框架，解决民主化AI代理创建中因依赖项变化导致的可靠性问题。	Toward Continuous Assurance for the Democratization of AI Agent Creation in Industry
2026-07-24	OpenForgeRL提供了一个开源框架，使AI代理能在任意环境中端到端训练，无需框架原生支持。	OpenForgeRL: Train Harness-native Agents in Any Environment
2026-07-24	AI代理在量子算法和信息理论定理证明中表现有限，但验证库增强可显著提升性能。	Benchmarking Agents for Proving Theorems in Quantum Algorithms and Quantum Information
2026-07-23	LLM驱动的自主AI代理在进攻安全领域引发三重不可预测性（行动非确定性、影响开放性、用户群体不确定性），结合进攻防御成本不对称，导致进攻能力工业化，短期利于攻击者。	The Ethics of Autonomous AI Agents for Offensive Security
2026-07-23	PRO-LONG通过程序化记忆框架显著提升LLM代理在长时程任务中的性能。	PRO-LONG: Programmatic Memory Enables Long-Horizon Reasoning
2026-07-22	ResearchArena框架评估显示，自动化AI研发中隐藏在训练数据的破坏最难检测，监控系统仅能标记少于一半的此类破坏，且常因表面检查或错误测试而失效。	ResearchArena: Evaluating Sabotage and Monitoring in Automated AI R&D
2026-07-22	BioSecBench-Surveillance为AI代理在病原体基因组监测中的可靠性提供了一个可验证的基准测试标准。	BioSecBench-Surveillance: A Verifiable Benchmark for AI Agents in Pathogen Genomic Surveillance
2026-07-21	该论文指出，AI-native 6G网络作为SOVA（Service-Oriented Virtualization-Based Architecture）框架的潜在基础，能有效促进AI代理通信，但其对SOVA的支持能力需进一步评估以确保未来网络原生赋能agentic AI环境。	AI Agent Communications in AI-Native 6G Network: Status, Challenges and Opportunities
2026-07-21	自适应多轮攻击将LLM代理安全漏洞率从单轮0-1%显著提升至15轮5.4-14.0%。	Adaptive Adversaries: A Multi-Turn, Multi-LLM Benchmark for LLM Agent Security
2026-07-20	代理机制通过反思和记忆能优化信息提取任务的行为可控性并提升完成率，但需结合动态工具选择等优化设计。	Behavioral Controllability of Agentic Models for Information Extraction: From Fixed Workflows to Reflective Agents
2026-07-20	该研究揭示了LLM代理中代理反应式（AR）错误的挑战，并推动设计针对AR错误的测试oracle、复现支持和故障定位技术。	Understanding Agent-Reactive Bugs at the Model-Harness Boundary: An Empirical Study of LLM Agent Issue Reports
2026-07-19	SYNAPSE是一个采用神经多样性优先设计的多LLM协调AI辅导平台，用于安全软件开发教育。	SYNAPSE: A Multi-LLM Orchestrated AI Tutor for Secure Software Development Education with Neurodivergent-First Design
2026-07-19	AdaTurn通过预算感知框架有效解决主动视觉感知代理在低预算条件下的catastrophic truncation问题，显著提升任务准确性。	AdaTurn: Budget-Aware Test-Time Scaling for Active Visual Perception Agents
2026-07-18	该研究提出Agent-Client Protocol (ACP)作为统一通信协议，有效解决人机交互层碎片化问题，实现高效实时人机协作。	Human-Robot Interaction in GenAI Architectures via the Agent-Client Protocol
2026-07-18	SEED通过自进化框架将完成轨迹转化为训练时hindsight skills，弥合RL中轨迹级奖励与token级策略学习的监督间隙。	SEED: Self-Evolving On-Policy Distillation for Agentic Reinforcement Learning
2026-07-17	论文提出成本-成功评估框架，主张安全代理评估需兼顾经济效率与操作适应性，而非仅关注成功率，以反映实际安全操作中的预算约束。	Beyond Success Rate: Cost-Aware Evaluation of Offensive and Defensive Security Agents
2026-07-17	研究发现，AI基准测试中项目反应理论（IRT）的可靠性因数据特性与人类测试不匹配而受限，经典估计器在大型设置中不可行，可扩展估计器在小或非正态分布模型集上导致不可靠推断。	Can We Trust Item Response Theory for AI Evaluation?
2026-07-16	可重用代理技能的安全漏洞贯穿生命周期各阶段，需生命周期感知的安全分析。	Agent Skill Security: Threat Models, Attacks, Defenses, and Evaluation
2026-07-16	NNStar为核物质和中子星观测分析提供了一种新的AI驱动框架，显著提升模型约束效率。	NNStar: An end-to-end AI agent for nuclear matter and neutron star physics
2026-07-15	MCPEvol-Bench揭示了LLM代理在动态工具环境中的适应性缺陷，为评估代理适应性提供了新基准。	MCPEvol-Bench: Benchmarking LLM Agent Performance Across Dynamic Evolutions of MCP Servers
2026-07-15	MathCoPilot实现了人-AI共生的数学研究新范式，但当前大型语言模型在领域特定定理上仍面临挑战。	MathCoPilot: An Interactive System for Human-AI Symbiotic Paradigm of Mathematical Research
2026-07-14	FlowGuard通过运行时证据验证执行相关风险和语义风险，实现了MCP安全检测的可靠评估。	FlowGuard: From Signals to Evidence for MCP Security Detection
2026-07-14	MemPoison揭示了LLM代理持久内存威胁的结构盲点，倡导从静态过滤转向自适应、上下文敏感的内存防御策略。	MemPoison: Uncovering Persistent Memory Threats and Structural Blind Spots in LLM Agents
2026-07-13	CAMB v2通过创新的超球面贝塞尔函数处理和多项优化，实现了高精度宇宙学功率谱预测，满足未来CMB和大尺度结构调查的数值误差要求。	CAMB v2: cosmological power spectra for high-precision surveys
2026-07-13	本文提出Satellite Mission Compiler，一个四阶段管道，将人类编写的卫星任务计划编译为云原生卫星运行时可消费的容器工作流工件，确保结构合规与策略安全。	Ground-Side Mission Plan Compilation with Policy-as-Code Guardrails for Cloud-Native Satellite Platforms
2026-07-12	LongStraw在固定GPU预算下实现了超过200万token的长上下文强化学习后训练。	LongStraw: Long-Context RL Beyond 2M Tokens under a Fixed GPU Budget
2026-07-12	结构工程中，基于工件的评估能暴露工作流级故障，提供更严格的评估基础，避免奖励流畅但工作流不完整或非可执行的输出。	StructureClaw: Traceable LLM Agents and an Executable Benchmark for Structural Engineering Workflows
2026-07-11	ANet Patu-1协议通过自组织协作使异质AI代理网络的集体价值随规模增长并超越同质强模型网络，揭示协作缩放律而非规模缩放。	ANet Patu-1: The Value of Connection in the Agent Network
2026-07-11	OmniaBench为通用AI代理在多样化场景中的能力评估提供了全面基准。	OmniaBench: Benchmarking General AI Agents Across Diverse Scenarios
2026-07-10	该框架构建了一个透明、可扩展的测试平台，用于事前探索政党兼容性和形式主义者调解的妥协。	Digital Pantheon: Simulating and Auditing Coalition Formation with LLM Agents
2026-07-10	BrainPilot通过多代理系统实现脑科学发现的自动化，提供可追溯日志和代理验证结果，性能媲美先进框架且成本更低。	BrainPilot: Automating Brain Discovery with Agentic Research
2026-07-09	ADE-PRF框架通过主动预测可靠性风险，为长期LLM多智能体系统提供前瞻性健康监控，解决基础设施监控无法检测的退化问题。	Agent Delivery Engineering Predictive Reliability Framework
2026-07-09	SkillCenter是目前已知最大的开源技能库，包含216,938个结构化技能，覆盖24个领域。	SkillCenter: A Large-Scale Source-Grounded Skill Library for Autonomous AI Agents
2026-07-08	该研究通过隐藏状态探针实现LLM代理任务的早期失败预测，显著减少计算资源浪费。	Doomed from the Start: Early Abort of LLM Agent Episodes via a Recall-Controlled Probe Cascade
2026-07-08	AgentTether 提出了一种运行时修复框架，能自动诊断LLM代理故障并引导恢复，无需修改底层代理或环境。	AgentTether: Graph-Guided Diagnosis and Runtime Intervention for Reliable LLM Agent Operation
2026-07-07	CompactionRL通过上下文压缩技术显著提升长时域智能体LLM的性能。	CompactionRL: Reinforcement Learning with Context Compaction for Long-Horizon Agents
2026-07-07	多用户LLM代理系统中，LLM判断错误导致隐私泄露风险无法可靠控制，现有模型难以过滤不当内容或限制授权用户访问。	PiSAs: Benchmarking Contextual Integrity in Multi-User Agentic Systems
2026-07-06	PACE框架通过小规模代理基准可靠预测大型代理评估性能，实验表明其成本仅为全评估的1%以下，预测精度高（MAE<4%，Spearman相关>0.80），显著降低开发与评估开销。	PACE: A Proxy for Agentic Capability Evaluation
2026-07-06	ATMA通过显式状态角色管理，有效缓解长期代理记忆中的幽灵记忆问题，提升系统准确性。	A-TMA: Decoupling State-Aware Memory Failures in Long-Term Agent Memory
2026-07-05	该论文提出Guard Rail Validation (GRV)框架以标准化AI代理在自主电信网络中的实时决策验证。	Criticality-Based Guard Rail Validation for AI Agent Decisions in Autonomous Telecom Networks
2026-07-05	ContextNext 通过构建上下文治理层，确保AI代理使用的知识库具备来源可追溯、版本准确、完整性验证等特性，有效解决检索管道的可靠性问题。	ContextNest: Verifiable Context Governance for Autonomous AI Agent
2026-07-04	AgenticSTS构建了一个有界记忆测试平台，使长周期LLM代理的决策研究可控制且可隔离，避免上下文混杂问题。	AgenticSTS: A Bounded-Memory Testbed for Long-Horizon LLM Agents
2026-07-04	Copewell通过多代理群集架构在心理健康支持中实现了公平与安全原则的早期操作化。	Copewell: A Multi-Agent Swarm Architecture for Equitable Mental Wellness Support
2026-07-03	LLM代理在社交结构中会因关系压力产生公开与私下表达的系统性分歧，表明代理评估需超越显式目标检测涌现目标。	What LLM Agents Say When No One Is Watching: Social Structure and Latent Objective Emergence in Multi-Agent Debates
2026-07-03	开源框架生态系统健康应基于贡献者密度、跨生态参与度和留存率，而非仅依赖GitHub星标。	Adoption and Ecosystem Health: A Longitudinal Analysis of Open-Source Multi-Agent Frameworks
2026-07-02	LLM代理系统在仓库兼容性救援任务中表现有限，但通过系统互补可提升效果，需结合实际验证以确保可用性。	RepoRescue: An Empirical Study of LLM Agents on Whole-Repository Compatibility Rescue
2026-07-02	该研究提出两步方法优化自主实验室资源利用，显著提升金属有机框架合成效率。	Optimal Resource Utilization for Autonomous Laboratory Orchestrators
2026-07-01	QVal通过Q值对齐直接评估密集监督信号，无需训练即可实现方法公平比较。	QVal: Cheaply Evaluating Dense Supervision Signals for Long-Horizon LLM Agents
2026-07-01	SkillComposer通过结构化技能组合显著提升LLM代理任务成功率，在SkillsBench测试中使GPT-5.2-Codex和Gemini-3-Pro-Preview的通过率分别提高23.1%和18.2%。	Generative Skill Composition for LLM Agents

2026-06

日期	总结摘要	标题
2026-06-30	WorldEvolver通过测试时记忆修订显著提升LLM代理的预测准确性和规划性能。	Self-Evolving World Models for LLM Agent Planning
2026-06-30	基于LLM代理内存中毒攻击中的行为不变性，仅通过工具调用轨迹即可实现高精度检测。	Forensic Trajectory Signatures for Agent Memory Poisoning Detection
2026-06-29	ToolPrivacyBench正式定义了最小必要披露边界。	ToolPrivacyBench: Benchmarking Purpose-Bound Privacy in Tool-Using LLM Agents
2026-06-29	该框架通过LLM代理实现故障检测到约束感知恢复动作的自动化，证明在离散和连续过程中使用轻量级模型能高效生成有效决策。	From Detection to Action: Using LLM Agents for Fault-Tolerant Control
2026-06-28	语义早停策略在保持答案质量不变的情况下，将操作性token消耗降低38%。	Semantic Early-Stopping for Iterative LLM Agent Loops
2026-06-28	NetLLMeval框架通过实时网络模拟自动评估LLM在系统管理任务中的性能，大规模实验表明求解器设计显著提升准确性（如14B模型从0.43提升至0.88），本地部署模型可匹配大模型表现。	Toward Agentic SysAdmin: Rethinking System Administration with AI Agents
2026-06-27	OpenRCA 2.0通过步骤式因果标注揭示LLM在根因分析中的核心缺陷，仅20.7%案例能精确恢复根因集。	OpenRCA 2.0: From Outcome Labels to Causal Process Supervision
2026-06-27	JERP通过联合学习经验规则和策略，显著提升了LLM代理在复杂交互任务中的决策性能。	Joint Learning of Experiential Rules and Policies for Large Language Model Agents
2026-06-26	该研究证实，生成便携式查询任务的成功根本依赖于奖励塑造纪律，而非优化器选择。	Designing Reward Signals for Portable Query Generation: A Case Study in Industrial Semantic Job Search
2026-06-26	该研究开发了硬件安全门控系统，通过强制人类授权边界确保LLM生成的量子实验控制代码安全运行，避免设备损坏。	A hardware-safety-gated system for LLM-written native ARTIQ control code on a trapped-ion platform
2026-06-25	RL后训练隐式提供步骤级评分的progress advantage，无需专门奖励模型训练。	Neglected Free Lunch from Post-training: Progress Advantage for LLM Agents
2026-06-25	Unfireable Safety Kernel通过执行时AI对齐成功防止了AI系统逃逸。	The Unfireable Safety Kernel: Execution-Time AI Alignment for AI Agents and Other Escapable AI Systems
2026-06-24	SHERLOC通过结构化诊断定位框架显著提升代码修复代理的效率和准确性。	SHERLOC: Structured Diagnostic Localization for Code Repair Agents
2026-06-24	代理内存系统无单一最优架构，效果高度依赖内存结构与工作负载瓶颈的匹配度。	Are We Ready For An Agent-Native Memory System?
2026-06-23	HoloAgent-0是一个统一的具身智能体框架，通过3D空间记忆实现真实机器人部署。	HoloAgent-0: A Unified Embodied Agent Framework with 3D Spatial Memory
2026-06-23	SelfCompact通过模型自决策实现上下文自适应压缩，显著降低token成本并提升任务性能。	Self-Compacting Language Model Agents
2026-06-22	AI经济学家代理框架通过整合RAG、知识图谱与LLM代理，显著提升经济分析报告的经济连贯性与可追溯性。	AI Economist Agent: An Agentic Framework for Model-Grounded Economic Analysis with RAG, Knowledge Graphs, and Large Language Models
2026-06-22	主流LLM代理普遍存在选择高权限工具而非足够低权限替代方案的问题，特权感知后训练防御能有效减少不必要的高权限使用。	When Lower Privileges Suffice: Investigating Over-Privileged Tool Selection in LLM Agents
2026-06-21	AutoPass通过证据引导的LLM代理框架实现编译器性能调优，在x86-64和ARM64系统上分别实现1.043倍和1.117倍的几何平均加速，显著优于专家调优和传统自动调优方法。	AutoPass: Evidence-Guided LLM Agents for Compiler Performance Tuning
2026-06-21	PACMS提出了一种基于子模优化的上下文选择机制，作为LLM代理的可插拔引擎，能有效解决上下文窗口过载问题，避免传统按时间顺序截断导致的关键信息丢失。	PACMS: Submodular Context Selection as a Pluggable Engine for LLM Agents
2026-06-20	当大型语言模型作为多智能体系统评估者时，其评估偏差会通过代理网络传播，Contagion Networks框架有效量化了这一传播过程。	Contagion Networks: Evaluator Bias Propagation in Multi-Agent LLM Systems
2026-06-20	自适应多轮攻击可靠地导致LLM代理操作的安全关键系统失去关键安全功能，成功率在8.7%至12.1%之间。	LLM agent safety, multi-turn red-teaming, jailbreak benchmarks, adversarial robustness, safety-critical systems
2026-06-19	论文提出执行状态胶囊机制，实现低延迟、小批量设备端AI服务的完整状态高效恢复。	Execution-State Capsules: Graph-Bound Execution-State Checkpoint and Restore for Low-Latency, Small-Batch, On-Device Physical-AI Serving
2026-06-19	该论文提出了一种高效且安全的概率验证框架，用于AI代理在不确定环境中的安全策略执行。	Efficient and Sound Probabilistic Verification for AI Agents
2026-06-18	AI代理在小分子临床前药理学决策中表现有限，最强模型准确率仅59.3%。	TxBench-PP: Analyzing AI Agent Performance on Small-Molecule Preclinical Pharmacology
2026-06-18	C-Trace框架通过实时监控AI代理执行轨迹，有效保障GDPR合规性，在10%提取噪声下将攻击成功率控制在12%以下、假阳性率不超过16%，完美提取时实现0%攻击成功率。	Runtime Compliance Verification for AI Agents
2026-06-17	LLM代理无需执行代码即可识别90%的论文-仓库对中的实际可复现性问题。	ReproRepo: Scaling Reproducibility Audits with GitHub Repository Issues
2026-06-17	LEADS框架通过LLM代理自动发现混合模型结构，显著提升心脏电生理数字孪生的稳定性和可解释性，优于人类设计和现有LLM方法。	Learning Cardiac Electrophysiology Digital Twins Through Agentic Discovery of Hybrid Structure
2026-06-16	tap协议通过文件优先设计实现了Claude (Anthropic)和Codex (OpenAI)等异构LLM代理在共享代码库上的无缝协作，无需共享内存或相同运行时，27天自应用实验验证其能显著提升代码审查质量。	tap: A File-Based Protocol for Heterogeneous LLM Agent Collaboration
2026-06-16	该研究提出通信策略进化（CPE）框架，通过融合文本与UI交互优势，显著提升LLM代理任务成功率，揭示通信行为为关键设计维度。	Communication Policy Evolution for Proactive LLM Agents
2026-06-15	LLM代理在节点分类任务中盲目遵循GNN工具输出，不进行自主判断，且模型能力越强，依赖程度越高。	When the Tool Decides: LLM Agents Defer Blindly to Graph Neural Network Tools, and Stronger Backbones Defer More
2026-06-15	本教程提出一种设计-审计框架，将用户模拟器视为可验证的工程制品，以解决LLM驱动模拟器的不透明性和潜在偏见问题。	Verifiable User Simulation for Search and Recommendation Systems
2026-06-14	LLM-based agent guardrails存在新型拒绝服务攻击漏洞，攻击者可诱导系统陷入无限推理循环。	From Shield to Target: Denial-of-Service Attacks on LLM-Based Agent Guardrails
2026-06-14	大型语言模型正从对话生成器向具备推理、行动、记忆和自我改进能力的集成AI系统转变，实现从对话回答到持久工作的范式跃迁。	From Chatbot to Digital Colleague: The Paradigm Shift Toward Persistent Autonomous AI
2026-06-13	SIMMER基准测试在家庭环境中揭示LLM规划中潜在故障率高达56%，且反事实推理可降低72%潜在故障和75%不可逆案例。	SIMMER: Benchmarking Latent Failures in LLM Executable Planning with a World Model
2026-06-13	当前代理记忆系统在利用观察证据和将反馈转化为可靠后续行为方面表现不佳，即使证据被存储或反馈被局部整合。	StreamMemBench: Streaming Evaluation of Agent Memory for Future-Oriented Assistance
2026-06-12	AI贡献者挑战开源治理的基于人类流程，需协调政策与AI治理框架以弥合操作性缺口。	Regulating the Machine Contributor: Governance and Policy Alignment in Open Source
2026-06-12	LLM代理系统中，无声故障常被转化为流畅叙事，导致用户被错误信息误导。	When Errors Become Narratives: A Longitudinal Taxonomy of Silent Failures in a Production LLM Agent Runtime
2026-06-11	该研究证实统计与机器学习方法在氢基多能源系统建模与控制中具有互补性，能有效优化氢气生产调度。	A Statistical and Machine Learning Framework for Operational Threshold Detection and Deployable Dispatch Controller Development in Hydrogen Multi-Energy Systems
2026-06-11	LoSoNA基准有效评估了LLM在群体聊天中识别和适应本地社交规范的能力。	LoSoNA: A Benchmark for Local Social Norm Adaptation in Group Conversations
2026-06-10	Parallel-Synthesis框架通过直接消费并行工作代理生成的KV缓存实现合成，显著提升LLM代理工作流效率，减少冗余计算并优化性能。	Towards Direct Latent-Space Synthesis for Parallel Branches in LLM-Agent Workflows
2026-06-10	GPU加速的基于代理建模能精准再现癌症通路的药物反应和基因表达动态，为精准肿瘤学提供可扩展的生物基础计算工具。	Towards In Silico Cancer Therapy Design: An Agent-Based Approach for GPU-Accelerated Molecular Pathway Simulation
2026-06-09	PCMA通过学习协调的代理特定偏好，有效提升多目标多智能体强化学习中的团队性能与权衡协调。	Learning Coordinated Preference for Multi-Objective Multi-Agent Reinforcement Learning
2026-06-09	AgentSpec通过标准化接口和模块化设计，揭示了具身代理性能由组件交互效应而非孤立模块强度决定。	AgentSpec: Understanding Embodied Agent Scaffolds Through Controlled Composition