MemeMind：全错样本如何破局？离线轨迹重构让Agent能力提升22%
来自哔哩哔哩（Bilibili）与复旦大学的研究团队在最新论文中提出了 MemeMind 框架，专门针对这一盲区提出了破局方案。MemeMind 的核心亮点在于 参考答案引导的工具轨迹重构 ：它在离线阶段利用终局的参考...
模型优化
AGI FRONTIER
AI前沿分享第13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
Full-bandwidth Transformer：打通隐状态，近零开销追平1.5倍数据
来自约翰斯·霍普金斯大学、微软研究院（Microsoft AI Frontiers）与普林斯顿大学的研究团队，在最新论文中直击这一结构性缺陷，提出了 Full-bandwidth Transformer 。
基础模型
EviGraph：用有向证据图重构科研智能体，论断支撑率提升40.19%
为了打破这种“只管生成、不保求真”的流水线局限，研究团队提出了名为 EviGraph 的全新自主科研框架。EviGraph 将科研过程从单向的流水线执行，重构成以“有类型证据图”（Typed Evidence Grap...
AI Agent行业应用
EduClaw-Bench：长线评测30天，大模型AI导师为何超半数零增益？
针对这一断层，来自韩国京畿道教育研究院、印第安纳大学、高丽大学等机构的研究团队提出了 EduClaw-Bench 。这是首个将智能体导师置于 30 天连续虚拟教学环境中的长周期评测基准。
AI AgentAI评测
Canary Tools：用6类陷阱诊断Agent工具选择，高梯队模型未必更安全
Canary：这项研究表明，工具描述中的“吹嘘”行为是一种极其危险的系统性隐患。哪怕是公认最聪明的基础模型，也会被带有“高级”、“全功能”标签的工具误导。因此，在平台层对工具的描述进行格式化清洗、限制夸大修辞，并对重叠...
AI Agent推理
Deltoris：突破扩散VLA实时控制瓶颈，34.2倍加速背后的比特稀疏与投机计算
来自中国科学院、上海交通大学以及上海期智研究院的研究团队针对该瓶颈，提出了软硬件协同设计的专用加速框架 Deltoris。该框架敏锐地抓住了机器人高频控制场景中的物理连续性特征——相邻两帧之间的视觉和状态输入往往拥有高...
具身智能模型优化
微小架构改动让长文本暴跌47%！AI2烧了17万卡时挖出底层隐患
结果表明，四项在当今主流开源模型（如 Llama、Qwen、Olmo）中极度普遍的细微架构改动，存在极其致命的负向复合效应。单独看其中任何一项改动，对长上下文能力的损害都轻微到容易被当成实验噪声；但一旦同时引入三项或全...
基础模型
CommitKV：区分休眠与完结，让多轮Agent显存直降5倍、推理加速5.6倍
腾讯与厦门大学联合提出的 CommitKV 指出，现存算法的根本症结在于采用了“单点快照式”的重要性评估逻辑：当前轮次注意力权重低的上下文，不代表未来就永远用不上。将“暂时休眠”的背景事实与“已彻底完结”的工具调用混为...
AI Agent推理
代码Agent找文件太费Token？CodeGrep精准检索缩减19%开销
来自网易与独立研究者团队提出了名为 CodeGrep 的专用代码检索智能体，试图从架构层彻底重塑这一交互链路。他们基于 Qwen3-14B 模型，通过 GRPO（Group Relative Policy Optimi...
RAGAI Agent
Branch2Skill：用推理树兄弟分支提炼稠密监督，技能进化Token消耗降低73.2%
北航、快手、南洋理工、港理工与莱斯特大学等机构联合提出的 Branch2Skill ，试图打破这一恶性循环。这项研究的核心直觉非常纯粹： 比起反复跑完整的长链条，不如在推理树的同前缀兄弟分支（Sibling Branc...
推理
AndroidReality：换个字体就失灵？手机Agent鲁棒性评测与TTIR自省机制
来自亚利桑那州立大学（Arizona State University）与独立研究者的最新工作提出了 AndroidReality 。该工作没有止步于笼统地感叹“现实很残酷”，而是从马尔可夫决策过程（MDP）的形式化视...
AI AgentAI评测
360CityArena：东京大学实景重建秋叶原，最强AI导航得分仅17.1%
为了打破这种“模拟器内很漂亮，一上街就抓瞎”的困境，来自东京大学的研究团队提出了全新基准 360CityArena 。该工作直接利用 602 段连续拍摄的 360 度全景视频，在 Unity 引擎中高保真重建了日本东京...
具身智能AI Agent
Trie Automata：前缀树预计算掩码，vLLM推理吞吐提升29倍
针对这一结构错配，来自亚马逊的研究人员提出了专为大规模有限集合约束设计的解码后端——Trie Automata（前缀树自动机）。该方案摒弃了通用文法编译路线，基于字符级前缀树（Character-Level Trie）...
推理
R-OPSD：无需标注，反思自蒸馏让GUI智能体部署后涨点7.4%
针对这一瓶颈，南京理工大学团队在论文中提出了一套 测试时自演化框架（Test-Time Self-Evolving Framework） ，通过引入“反思引导的策略内自蒸馏”（Reflection-Guided On-...
AI Agent多模态&视觉
CrEST：只教幅度不教方向！分层信用分配突破多轮 Agent 训练瓶颈
来自浙江大学、蚂蚁集团（Inclusion AI / AWorld 团队）、上海创新研究院、西湖大学与南京大学的研究团队提出了全新框架 CrEST （Hierarchical Credit Assignment via...
AI Agent模型训练
SynWeaver：港科大打破任务轨迹割裂，仅822条合成数据登顶WebArena
香港科技大学（HKUST）的研究团队在最新论文中提出了 SynWeaver 框架。这项研究的核心洞见在于： 高质量的 Web Agent 训练数据不能由离散的任务和孤立的轨迹拼凑而成，而必须将“目标网站的拓扑先验”与“...
AI Agent
SteerBench-Work：大模型不是太冒进，而是过度拦截率高达28.1%
SteerBench-Work 最具突破性的设计在于其构建的“证据翻转镜像”（Evidence-Reversed Mirrors）。研究团队选取了最典型的真实事故场景，完整保留其表层的操作危险特征，但将背后的验证状态彻...
AI AgentAI评测
字节与北大推出SkillLens：视觉技能卡注入程序记忆，操作成功率提升11.6分
针对这一瓶颈，来自字节跳动、北京大学和上海交通大学的研究团队提出了全新的解决方案 SkillLens 。该方案将非结构化的人机交互经验重构成一种名为 视觉技能卡 （Visual Skill Cards, VSC）的状态...
RAG多模态&视觉
OAS：大模型记忆该保留还是压缩？低预算准确率提升48%的决策机制
这项研究提出了轻量级学习机制 OAS（Offline Abstraction-Safety） ，不仅在理论上将“何时整合（When）”与“用何种算子整合（Which）”统一到一个效用决策框架中，更证明了记忆管理的最优策...
知识系统AI Agent
算力全浪费在重复Debug？哥大等重构科研Agent：金牌数翻倍至38枚
来自哥伦比亚大学、乔治城大学与 Capital One 的研究团队在深入解剖这一现象后，提出了一套全新的系统性解决方案。在底层大模型完全固定为 GPT-5-mini、不改动任何模型权重的严苛前提下，仅通过对智能体架构（...
AI Agent行业应用
ProEvent：仅26.7%正确率，主动Agent为何频频过度反应？
针对这一矛盾，ProEvent 提出了一套“先定骨架、逆向推导、层层加噪”的数据合成流水线。整个流程如图 2 所示，主要划分为四个系统化阶段： 第一阶段是 联系人画像池构建 。
AI AgentAI评测
COC架构：定长窗口打破规划魔咒，小Transformer解出百万步汉诺塔
为了从根本上解决这一问题，研究团队提出了 Chain of Computation (COC) 计算架构，并引入了 Structured Context Window (SCW) 。
推理
Patch Policy：仅用0.7%参数反超VLA，密集视觉特征如何重构机器人控制？
来自 AMI Labs、Meta-FAIR 与纽约大学（NYU）的研究团队提出了一套优雅而高效的替代方案： Patch Policy 。该研究的核心论点十分清晰： 具身控制真正需要的并非庞大的自回归语言模型，而是未经粗...
具身智能多模态&视觉
用廉价模型做搜索，部署效果反超同层？IBM揭秘Prompt进化优化的逆向迁移
来自 IBM Research 的研究者在论文《Optimize Cheap, Deploy Strong: Cost-Aware Cross-Tier Transfer for Evolutionary Optimi...
模型优化AI工程