最新发布
AntiSkillBench：当Agent学会“成为你”，个性化技能面临隐私与伪装双重风险
AntiSkillBench：研究者构建了 50 个背景高度丰富、具有不同大五人格（Big Five）特征及沟通风格的虚拟用户画像，设计了涵盖通用助理、数学计算、工具调用等多场景的 2,500 条对话轨迹。
AI AgentAI安全
AGI FRONTIER
AI前沿分享
深度解读 AI 论文，追踪 Agent、推理、多模态与具身智能的最新进展。
PAPER INSIGHTS
最新解读
ExpG：以经验沉淀定义工具边界，阿里等让小模型调用反超大模型
为此，研究团队提出了名为 ExpG （Experience-Driven adaptive Guidance）的自适应引导机制。该方法不再把工具调用视为孤立、静态黑盒事件，而是将其转化为可归因、可沉淀、可复用的结构化经...
AI Agent
TimeRLM：把时序数据移出上下文！代码交互检索异常，IoU翻倍达0.682
针对这一根本性瓶颈，来自苏黎世联邦理工学院（ETH Zurich）、斯坦福大学、Google、伊利诺伊大学厄巴纳-香槟分校等机构的研究团队提出了 TimeRLM 。
基础模型
不是盲猜而是看懂后果：GHD用下一张截图后视蒸馏突破手机Agent
研究团队据此提出了 门控后视蒸馏（Gated Hindsight Distillation, 简称 GHD） 。该方法在训练时引入一个参数完全共享的“教师视角”，让它额外观察到下一帧真实截图，从而利用事后诸葛亮式的后验...
AI Agent模型优化
别怪缓存！加速VLA闭环崩溃根源在门控：利用动作空闲期成功率重回0.98
针对这一病灶，本文提出了一种极具工程巧思的解法—— 动作松弛期刷新（Actuation-Slack Refresh） ：利用机械臂执行动作块时 GPU 闲置的几百毫秒“物理死区”，在推理关键路径之外无条件执行一次完整的...
具身智能模型训练
ST-WAM：攻克视频世界模型的幻觉缺陷，真机抗干扰成功率翻倍
为了解决该问题，研究团队提出了 ST-WAM（Semantic-Temporal WAM） 。该方法不纠结于费时费力地“修补”未来像素画面，而是引入自监督视觉基础模型 DINOv3 建立双向语义-时间建模：向前预测鲁棒...
具身智能AI安全
Search2Skill：打破大模型自进化上限，向外搜索提炼技能让准确率提升9.3%
针对这一核心痛点，来自阿里巴巴集团、厦门大学、浙江工商大学和浙江大学的研究团队提出了 Search2Skill 框架。该研究一改过去闭门造车式的反思路线，转向“向外看”（Outward-Looking）的主动探索机制：...
强化学习模型优化
RecHarness：解耦搜索与代码生成，大模型自动迭代推荐系统增收0.53%
为了破解这一难题，研究团队提出了 RecHarness 。这项工作并未试图训练一个无所不能的端到端超大模型，而是退后一步，为大模型 Agent 建立了一套结合统计决策与程序生成的双层分流驾驭架构（Harness）。
AI Agent行业应用
PI-Mem：打破串行记忆覆盖，3.6M超长推理提速6.1倍且涨点7.8
由哈工大、上海人工智能实验室、清华大学、上海交通大学等团队联合提出的 PI-Mem（Parallel-Iterative Memory） ，彻底打破了这一“保精度就必须牺牲吞吐、求轻量就必然遗忘”的权衡困局。
知识系统推理
PhyAI：具身大模型统一推理引擎，端云全栈最高提速4.65倍
PhyAI：同时，研究团队提出了“控制时间 Roofline 模型”（Control-time Roofline），从系统与控制结合的视角，量化给出了具身推理加速在机器人物理闭环中的真正收益边界。
具身智能推理
OneDayAgent：日常长程任务新SOTA达到0.821！任务拆解+记忆压缩+验证修复三合一框架
实验结果显示，以 GLM-5.2 作为驱动底座的 OneDayAgent 取得了 0.821 的综合得分，显著超越基准官方测试的各类通用智能体方案。在遵循指令、事实准确性、逻辑完备性等维度，以及无论是否携带多模态附件的...
AI Agent模型优化
MT-Web2Code：从单轮整页生成走向多轮局部迭代修复
针对这一长期被基准评测忽视的现实需求，来自哈尔滨工业大学、美团与鹏城实验室的研究团队提出了 MT-Web2Code 。这是首个专注于多轮宏观区域重构（Macro-Level Regional Reconstructio...
AI Agent
Scale AI最新研究：Agent报错不该只怪模型！41种失败模式与根因定位框架
Scale AI 提出的这套以交互为中心的归因体系，其终极价值在于将智能体系统的迭代从盲目调优拉回到精准工程。在未来的智能体流水线中，自动化链路追踪工具可以在执行中断的瞬间，自动抓取交互边状态并运行根因分析：如果责任侧...
AI Agent
FutureBridge-OPD：先看未来轨迹再蒸馏，Agent胜率提升16.6分
FutureBridge-OPD：来自美团等机构的研究者在论文《Look Ahead Before You Distill: Future Trajectory Validation of Teacher Guidan...
AI Agent模型优化
MeMento：用偏好引导压缩多模态记忆，长程具身决策准确率提升7.18%且Token锐减85%
针对长程人本具身决策的核心瓶颈，最新研究提出了全新的评估基准 DunphyBench ，以及一种由偏好条件引导的多模态记忆压缩框架 MeMento 。该工作不仅系统性地揭示了“无节制堆砌多模态历史上下文反而导致智能体决...
具身智能知识系统
GRAFT：离线骨架结合推理期局部“嫁接”，智能体工作流反超MaAS 3.85分
近期提出的 MaAS 虽然尝试通过超网（Supernet）采样单样本结构，但其超网依然在离线阶段被冻结，无法结合运行时的反馈调整结构。针对这一困境，最新研究提出了 GRAFT （Global Optimization ...
AI Agent推理
FinPerMA：阿里提出个性化记忆基准，大模型全上下文准确率不足47%
FinPerMA：这项研究不仅揭开了大模型在“动态偏好演化”上的认知短板，也对 Agent 记忆系统的工程设计提出了深刻反思。要衡量一个 Agent 是否真正具备个性化能力，金融咨询是一个绝佳的试验场。
知识系统AI Agent
DrawAI：两阶段Agent重构静态图像，39项指标测评13款前沿模型
为了系统性攻关这一难题，研究团队提出了 DrawAI 框架，构建了一套覆盖四大视觉资产领域、结合确定性规则与多模态大模型裁判的综合评测基准 DrawAI-Bench ，并设计了将感知规划与代码执行拆解的两阶段智能体工作...
AI AgentAI评测
DataClawEval：五大引擎100个真实任务，最强Agent得分仅74.9
为了解决这一难题，DataClawEval 团队设计了一套融合“人在回路（Human-in-the-Loop）”的任务重构与验证管线。如上图所示，整套流水线从企业脱敏源码切入。研究人员首先对生产环境的代码片段进行清洗和...
AI AgentAI评测
Crayotter：用组内相对偏好反传攻克视频剪辑，9B模型超越商业系统
针对这一困境，开源研究项目 Crayotter 提出了全新范式： GRPB（Group-Relative Preference Backpropagation，组内相对偏好反向传播） 。
AI Agent多模态&视觉
CofactVLA：清华提出反事实干预框架，真实机器人OOD成功率提升52.3%
针对这一瓶颈，清华大学研究团队提出了一种名为 CofactVLA 的因果反事实去混淆框架。该方法抛弃了以往依赖数据增强或后处理粗暴相减的做法，将动作生成过程形式化为一个双路径去混淆图（Dual-path Deconfo...
具身智能多模态&视觉
CoEvoKG：让知识图谱与搜索Agent双向进化，宏平均最高提升11.6分
针对这一核心痛点，最新研究提出的 CoEvoKG 框架给出了一个极具启发性的闭环解法： 将知识图谱（Knowledge Graph, KG）同时作为可验证训练任务的“发生器”与智能体进化的“永久证据记忆库” 。
知识系统AI Agent