CRPO：用对比自蒸馏重构智能体强化学习，8B模型跨级超越32B基准30个点
针对这一本质缺陷，本文提出了对比强化策略优化（Contrastive Reinforced Policy Optimization，简称 CRPO）。CRPO 彻底跳出传统蒸馏单纯拟合分布的旧思路，将智能体自蒸馏重构为...
AI Agent强化学习
AGI FRONTIER
AI前沿分享第12页
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
更多论文解读
AdaMM：为多模态Agent引入分析型记忆，长程任务最高提升11.3%
针对这种 检索与分析的结构性失配 （Retrieval–Analysis Mismatch），一项最新研究提出了 AdaMM （Adaptive Multi-view Memory）框架。
RAG知识系统
AskChem：以断言替代论文检索，240万化学实验证据实现100%可溯源
近期开源的学术检索基础设施 AskChem 提出了一个根本性的转变方案：彻底打破以整篇论文为基本检索单元的传统做法，转而将承载可溯源信息的“原子化科学断言”（Provenance-carrying Claim）作为核心对象。
AI工程
Antares：3B参数逼近GPT-5.5，单任务2秒搞定代码库漏洞定位
这项研究最引人注目的实验结果在于：在涵盖 500 个真实工业任务的基准测试 VLoc Bench 上，仅有 30 亿参数的 Antares-3B 在定位文件 F1 分数上达到了 0.223，不仅逼近了顶尖闭源模型 GP...
AI Agent
AnchorKV：不丢弃任何Token实现20倍KV缓存压缩，70B模型保留99%精度
最新提出的 AnchorKV 彻底打破了这种两难困境。它在 不丢弃任何一个 Token 位置 的前提下，将 KV 缓存体积压缩了整整 20 倍。在 70B 参数规模的模型上，AnchorKV 在 20 倍极致压缩下依然...
模型优化
AGT：不是静态单次压缩，而是让大模型在多步推理中动态“索取”图Token
针对这一困境，研究者提出了 AGT（Agentic Graph Token Reasoning，智能体图 Token 推理） 框架。这项工作的突破之处在于：它没有继续在“如何把子图压缩得更紧凑”上打转，而是从底层将图的...
AI Agent推理
东大提出VLAff：从20万人类视频统一抓取与轨迹，零样本落地真机操作
团队构建了一个拥有 20.4 万条视频片段、千万级标注的大规模第一人称数据集 EgoAffordance ，并在此基础上提出了统一的多模态视觉-语言-操作引导模型 VLAff （Vision-Language-Affo...
多模态&视觉
VideoVIBE：从静态代码走向交互视频诊断，V2Lens免微调涨分7.18
来自北京人工智能研究院（BAAI）、北京理工大学、北京工业大学、湖南大学、奥克兰大学、澳门大学和悉尼科技大学等机构的研究团队，针对这一痛点推出了视频真值诊断基准 VideoVIBE，并同步提出了免训练的多智能体协同诊断...
AI评测多模态&视觉
TRACE：长程Agent压缩为何频遭退化？配对闭环验证破解执行不稳定性
针对这种执行失真，研究团队提出了 TRACE （ Trajectory-Relative Agent Context ComprEssion ）框架。该方法抛弃了依靠终局任务成败做逆向归因的粗粒度反馈逻辑，转而在发生压...
AI Agent模型优化
SyncPlan：显式同步与自适应修正，多智能体协同耗时降至0.05%
针对这一核心冲突，最新研究提出了名为 SyncPlan 的“规划-执行-修正”（Plan-Execute-Correct）长程多智能体协同框架。该框架让中心化 LLM 在单次调用中生成带有显式同步原语的长程动作链，在底...
AI Agent
StepJack：无害子步骤链式渗透，多步间接注入让CUA攻破率提升31.2%
这项研究正式提出了“多步间接提示注入”攻击范式，并开源了专门针对 CUA 评估的基准测试框架 StepJack 。实验揭示了一个令人警惕的结论：拆解并非削弱了攻击威力，反而是绕过安全机制的倍增器。
AI AgentAI安全
State2State：告别人工任务与标注，清华阿里提出智能体环境自驱中训
面对这一困局，来自阿里巴巴和清华大学的研究团队提出了全新的解决思路： State2State 。这项研究不再纠结于“如何让人类或更强的大模型生成更多任务”，而是退回智能体交互的最本质关系——智能体与环境。
AI Agent模型训练
HL-Gauss PPO：把Critic回归改为分类，pass@256提升9.6分
为此，本文提出了 HL-Gauss PPO ：彻底放弃标量的 MSE 回归头，改用带有高斯平滑的离散分类头来学习价值分布，最后仅通过求期望还原出标量值供 PPO 使用。
强化学习
SodaMem：北大提出时序图记忆，以1分钱成本冲上92.8%准确率
针对这一长期记忆难题，来自北京大学的研究团队提出了 SodaMem 。该工作将 Agent 的长期记忆重新定义为一种强证据溯源的时序知识图谱（Evidence-Grounded Temporal Graph Memory）。
知识系统AI Agent
SkillReason：让Agent内化隐式推理，小模型检索能力跨级反超8B
针对这一问题，该研究提出了包含 61,228 个技能的新基准 SkillReason-Bench ，并设计了名为 SkillReason 的双阶段推理增强框架。
RAGAI Agent
SiMDex：像推荐系统一样精选5%人类视频，灵巧手成功率达61.1%
面对这个难题，来自字节跳动、上海交通大学、清华大学、香港大学和东京大学的研究团队提出了全新视角：将大模型时代的后训练数据选择转化为一个成熟的“工业级推荐系统问题”，并推出了相似性数据挖掘框架 SiMDex 。
具身智能多模态&视觉
Shape Your Feed：Meta大模型主动推荐框架，对齐准确率达98.85%
为了打破被动排名的局限，Meta 提出了名为 Shape Your Feed （简称 SYF ）的大模型主动推荐系统。该系统让大语言模型扮演结构化控制器的角色，构建了包含感知、在线服务与自我进化的三层架构，打通了用户显...
AI AgentAI安全
NeSy-Spatial：告别盲目规划与死板流水线，空间推理技能实现自演进
针对这一核心痛点，研究团队提出了名为 NeSy-Spatial 的神经符号空间技能自演进框架。该框架放弃了从零临时规划或套用僵化模板的做法，而是将工具交互与几何算法解耦并抽象为可执行的原子指令，进一步组合成 Tool-...
推理
微软提出OEO：自进化Agent无需预设流程，GPT-5.5在线编排省下65%交互Token
为此，他们提出了一种名为 OEO （Open-Ended Optimization，开放式优化）的极简范式：框架仅负责严格锁定目标、预算、权限和评测红线，而把“何时收集证据、如何诊断失败、提出何种粒度的修改以及何时停止...
AI Agent模型优化
TBA：无需写权限，仅凭Query诱导轨迹逼近直接后门注入
本文提出了 轨迹后门攻击 （ Trajectory Backdoor Attack ，简称 TBA ）。在完全无需触碰技能代码、没有任何提权行为，甚至仅拥有普通用户提问权限（Query-only）的前提下，攻击者只需巧...
基础模型
DyLaR：视频问答告别千字长CoT，不到20个Token准确率提升4.2分！
针对这一核心痛点，来自佐治亚理工学院（Georgia Institute of Technology）与莱斯大学（Rice University）的研究团队提出了名为 DyLaR （Dynamic Latent Rea...
推理多模态&视觉
OpenVisTool：答对不等于学会！商汤与南大提出因果过滤，视觉搜索涨超23分
针对这一本质矛盾，研究团队提出了全新的视觉工具轨迹构建框架 OpenVisTool 。该工作的核心见解在于：一条有价值的教学轨迹，必须同时满足 结果正确性（Outcome Validity） 与 因果效用（Causal...
AI Agent多模态&视觉
MemWM：用外置记忆打破文本世界模型幻觉，下游成功率提升65.4%
针对这一核心瓶颈，来自华为、慕尼黑大学（LMU）、慕尼黑工业大学（TUM）、浙江大学等机构的研究团队提出了 MemWM （Memory-Augmented Text-Based World Model）。
知识系统AI安全
MemOPD：动作在线不等于状态在线，记忆对齐让F1最高提升416.2%
为此，研究团队提出了 MemOPD （Memory-Aligned On-Policy Distillation）框架，在长程问答基准上使 3B 模型的 F1 值相比纯 PPO 基线最高跃升 416.2%，并在保证数值...
知识系统AI Agent