周六9点半

这是 AI Agent 论文播报 在 2026-07-10 的论文播报。本期内容由 AI 自动生成，欢迎留言交流。 本期重点 Out of Sight: Compression-Aware Content Protection against Agentic Crawlers CausalDS: Benchmarking Causal Reasoning in Data-Science Agents Harness VLA: Steering Frozen VLAs into Reliable Manipulation Primitives via Memory-Guided Agents ['Agent 研究继续从模型能力转向执行链与系统边界。', '更值得追踪的是...

这是 AI Agent 论文播报 在 2026-07-09 的论文播报。本期内容由 AI 自动生成，欢迎留言交流。 本期重点 A Closed-Loop Multi-Agent Framework for Robust Multi-Robot Manipulation Reliable and Developer-Aligned Evaluation of Agents for Software Engineering Evaluating SageMath-Augmented LLM Agents for Computational and Experimental Mathematics ['Agent 研究继续从模型能力转向执行链与系统边界。', '更值得追踪的是...

这是 AI Agent 论文播报 在 2026-07-09 的论文播报。本期内容由 AI 自动生成，欢迎留言交流。 本期重点 A Closed-Loop Multi-Agent Framework for Robust Multi-Robot Manipulation Reliable and Developer-Aligned Evaluation of Agents for Software Engineering Evaluating SageMath-Augmented LLM Agents for Computational and Experimental Mathematics ['Agent 研究继续从模型能力转向执行链与系统边界。', '更值得追踪的是...

这是 AI Agent 论文播报 在 2026-07-08 的论文播报。本期内容由 AI 自动生成，欢迎留言交流。 本期重点 Beyond the Leaderboard: A Synthesis of Tool-Use, Planning, and Reasoning Failures in Large Language Model Agents GEM-Occ: From Visual Geometry Evidence to Embodied Semantic Occupancy Memory KAT-Coder-V2.5 Technical Report ['Agent 研究继续从模型能力转向执行链与系统边界。', '更值得追踪的是评测、约束、协...

这是 AI Agent 论文播报 在 2026-07-07 的论文播报。本期内容由 AI 自动生成，欢迎留言交流。 本期重点 PiSAs: Benchmarking Contextual Integrity in Multi-User Agentic Systems Homer: Understanding Long-form Videos with Hierarchical Memory and Agentic Reasoning Agentic SABRE: An Uncertainty-Aware Neuro-Symbolic Multi-Agent Framework for Adaptive Ransomware Detection ['Agent 研究继续从模型能力转向执行链与系...

这是 AI Agent 论文播报 在 2026-07-07 的论文播报。本期内容由 AI 自动生成，欢迎留言交流。 本期重点 PiSAs: Benchmarking Contextual Integrity in Multi-User Agentic Systems Homer: Understanding Long-form Videos with Hierarchical Memory and Agentic Reasoning Agentic SABRE: An Uncertainty-Aware Neuro-Symbolic Multi-Agent Framework for Adaptive Ransomware Detection ['Agent 研究继续从模型能力转向执行链与系...

这是 AI Agent 论文播报 在 2026-07-03 的论文播报。本期内容由 AI 自动生成，欢迎留言交流。 本期重点 AgenticSTS: A Bounded-Memory Testbed for Long-Horizon LLM Agents Atomic Task Graph: A Unified Framework for Agentic Planning and Execution Embodied.cpp: A Portable Inference Runtime of Embodied AI Models on Heterogeneous Robots ['Agent 研究继续从模型能力转向执行链与系统边界。', '更值得追踪的是评测、约...

这是 AI Agent 论文播报 在 2026-07-03 的论文播报。本期内容由 AI 自动生成，欢迎留言交流。 本期重点 AgenticSTS: A Bounded-Memory Testbed for Long-Horizon LLM Agents Atomic Task Graph: A Unified Framework for Agentic Planning and Execution Embodied.cpp: A Portable Inference Runtime of Embodied AI Models on Heterogeneous Robots ['Agent 研究继续从模型能力转向执行链与系统边界。', '更值得追踪的是评测、约...

这是 AI Agent 论文播报 在 2026-07-02 的论文播报。本期内容由 AI 自动生成，欢迎留言交流。 本期重点 ATM: CID-Brokered Pre-Write Admission for Multi-Agent Code Co-Synthesis Leveraging LLM-Based Agentic Systems to Generate Quantum Applications for Test Optimization PHREEQC-MCQ-200: A Diagnostic Benchmark for Tool-Augmented Scientific Simulator Agents ['Agent 研究继续从模型能力转向执行链与系统边界。', '...

这是 AI Agent 论文播报 在 2026-07-02 的论文播报。本期内容由 AI 自动生成，欢迎留言交流。 本期重点 ATM: CID-Brokered Pre-Write Admission for Multi-Agent Code Co-Synthesis Leveraging LLM-Based Agentic Systems to Generate Quantum Applications for Test Optimization PHREEQC-MCQ-200: A Diagnostic Benchmark for Tool-Augmented Scientific Simulator Agents ['Agent 研究继续从模型能力转向执行链与系统边界。', '...

这是 AI Agent 论文播报 在 2026-07-01 的论文播报。本期内容由 AI 自动生成，欢迎留言交流。 本期重点 AgRefactor: Self-Evolving Agentic Workflow for HLS Compatibility and Performance MultiUAV-Plat: An LLM-Oriented Platform, Benchmark and Framework for Multi-UAV Collaborative Task Planning Investigating Multi-Agent Deliberation in Law ['Agent 研究继续从模型能力转向执行链与系统边界。', '更值得追踪的是评...

这是 AI Agent 论文播报 在 2026-07-01 的论文播报。本期内容由 AI 自动生成，欢迎留言交流。 本期重点 AgRefactor: Self-Evolving Agentic Workflow for HLS Compatibility and Performance MultiUAV-Plat: An LLM-Oriented Platform, Benchmark and Framework for Multi-UAV Collaborative Task Planning Investigating Multi-Agent Deliberation in Law ['Agent 研究继续从模型能力转向执行链与系统边界。', '更值得追踪的是评...

这是 AI Agent 论文播报 在 2026-06-30 的论文播报。本期内容由 AI 自动生成，欢迎留言交流。 本期重点 RoboGaze: Evaluating Robot World Models via Structured Vision-Language Analysis HMARS: A Hierarchical Multi-Agent Memory System for Long-Context Reasoning ViPSim: Collaborating Visual and Parameter Spaces for Consistent Long-Horizon Embodied World Models ['Agent 研究继续从模型能力转向执行链与系统边界。...

这是 AI Agent 论文播报 在 2026-06-30 的论文播报。本期内容由 AI 自动生成，欢迎留言交流。 本期重点 RoboGaze: Evaluating Robot World Models via Structured Vision-Language Analysis HMARS: A Hierarchical Multi-Agent Memory System for Long-Context Reasoning ViPSim: Collaborating Visual and Parameter Spaces for Consistent Long-Horizon Embodied World Models ['Agent 研究继续从模型能力转向执行链与系统边界。...

这是 AI Agent 论文播报 在 2026-06-29 的论文播报。本期内容由 AI 自动生成，欢迎留言交流。 本期重点 When Multi-Robot Systems Meet Agentic AI:Towards Embodied Collective Intelligence LLawCo: Learning Laws of Cooperation for Modeling Embodied Multi-Agent Behavior Towards Evaluation of Implicit Software World Models in Coding LLMs ['Agent 研究继续从模型能力转向执行链与系统边界。', '更值得追踪的是评测、...

这是 AI Agent 论文播报 在 2026-06-29 的论文播报。本期内容由 AI 自动生成，欢迎留言交流。 本期重点 When Multi-Robot Systems Meet Agentic AI:Towards Embodied Collective Intelligence LLawCo: Learning Laws of Cooperation for Modeling Embodied Multi-Agent Behavior Towards Evaluation of Implicit Software World Models in Coding LLMs ['Agent 研究继续从模型能力转向执行链与系统边界。', '更值得追踪的是评测、...

当模型能力不再是瓶颈，围在它周围的验证器、评测框架和工具协议反而成了最脆弱的一层。今天三篇重点论文分别从训练端判分、评测端多维信号、安全端工具投毒三个切面，揭示 Agent 基础设施正在被重新审视。 本期重点 * 验证的地平线（The Verification Horizon: No Silver Bullet for Coding Agent Rewards）：Qwen 团队系统拆解 Coding Agent 奖励设计，提出 scalability/faithfulness/robustness 三维框架，并用行为监控将作弊率...

当顶级 Agent 把主流 benchmark 刷到 97%，下一步该换题，还是该换思路？本期挑了三篇风格各异但落点一致的论文，串起今天关于评测、奖励信号和系统架构的同一个判断：下一波 Agent 能力的增量，不在更大的底座里，而在它外面那一圈基础设施里。 本期重点 * Benchmark 饱和之后怎么办（Life After Benchmark Saturation: A Case Study of CORE-Bench）：不换题，而是回头审视 benchmark 本身——顶级 Agent 一边刷出 97% 的准确率，...

工业广告系统正在集体把"看起来对"换成"真的有用"——今天这期围绕归因校准、排序架构自动演进和商业化决策对齐三条线，拆解几篇直接部署在 TikTok、腾讯广告、淘宝产线上的重磅论文。 本期重点 * 被归因的，未必是增量的（Attributed, But Not Incremental）：TikTok 全球部署的归因校准工作。不替换现有归因管线，只在外面挂一层"蚕食率校准"，用稀疏增量实验当锚、代理变量做天级外推，上线后多个海外市场蚕食率降了约 15 个百分...

这一期我们聊两件事：广告归因里那些被悄悄高估的数字，以及让 Agent 改推荐架构时那些悄悄失败的代码。它们看起来一个偏度量、一个偏工程，但底下是同一个判断——算法侧边际收益变薄，真正的增长来自把系统里那些看起来在工作、其实没在工作的环节修对。 本期重点 * 归因了，但不是增量（Attributed, But Not Incremental: Cannibalization-Corrected Attribution for Large-Scale Advertising）：TikTok 用稀疏的增量实验当因果锚...

今天 414 篇论文的信号非常清晰：Agent 的工程重心已经从「模型更聪明」全面下移到 harness、消息总线和记忆治理。这期我们拆开三篇 must_read，聊清楚这个转变到底意味着什么。 本期重点 * 多 Agent 演化知识图谱（Agentic evolution of physically constrained foundation models）——把 164 篇压缩论文做成带因果边的「算法家谱图」当长期记忆，配合异构多角色 Agent + AI 同行评审，自主把 235B 模型塞进两张 A100。核心启发：...

这期我们聊一个共同主题：今天的高分论文不约而同地把 Agent 的可靠性，从"指望模型更聪明"挪到了"系统层兜底"。记忆、安全、工具调用三条线，居然在说同一句话。 本期重点 * 用遗忘换进化：端侧 Agent 的预算化记忆治理（Forget to Improve: On-Device LLM-Agent Continual Learning via Budget-Curated Memory）——一个"净值/字节"分数同时管"留什么、发什么、信什么"，还在真实 Jetson 机械臂上跑出了能耗和带宽的真账。 * 不可...

今天这期我们聊一个有点科幻的话题：工业级推荐和广告系统，正在从"挑货架上的东西"变成"按你的样子现做"。快手已经在4亿日活的盘子上把它跑通了，广告收入还涨了。 本期重点： * 推荐即生成（Recommendation as Generation）：快手RaG把短视频生成和推荐合成一个闭环，用解耦的"内容SID+创意SID"当接口，多Agent接力做视频，广告A/B收入+1.87%，是生成式推荐第一次明确撬动广告收入。 * 极端元分类零样本召回（Extreme Meta-Class...

推荐系统的基础单元正在被悄悄重写——被推荐的对象、召回的方式、用户的表示，三块地基同一天被三家头部公司同时动刀。这期我们深入拆解两篇带线上A/B验证的工业级论文，并串联今天的整体趋势。 本期重点 * 推荐即生成（Recommendation as Generation）：快手把广告推荐从"选素材"改写为"按需生成视频"，用解耦语义ID串联兴趣预测与AIGC视频生成，广告收入A/B提升1.87%。最值得借鉴的不是视频生成本身，而是那套"内容+创意"双路离散...

当 Agent 任务完成率已经刷到 99.9%，我们还能相信它真的「懂」用户吗？今天三篇重磅论文同时质疑这套刷分体系，揭示 Agent 栈正在经历记忆、世界模型、运行时安全三层并行重写。 本期重点 * MEMPROBE: Probing Long-Term Agent Memory via Hidden User-State Recovery — 首个直接「翻笔记本」式审计 Agent 记忆的基准。实验发现任务完成率近乎满分，但从记忆中还原用户画像只有 0.6 分，彻底暴露「蒙对 ≠ 记住」的差距。 * Qwen-A...