SpatialCLI：先学会用工具再脱离工具，8B模型空间推理逆袭GPT-5.6 Sol
来自浙江大学等机构的研究团队提出了全新的框架 SpatialCLI ，给出了更深远的解决思路： 让模型先学会熟练调用空间感知工具，再通过成功的工具交互轨迹反哺自身，最终将专家的感知与度量能力“内化”为模型自身的原生推理能力。
推理
AGI FRONTIER
AI前沿分享第20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
SkillRise：单一策略边解题边进化技能，智能体RL性能提升达8.5%
针对这一困境，来自美团、新加坡国立大学（NUS）、上海交通大学与浙江大学的研究团队提出了一套端到端强化学习框架—— SkillRise 。这项工作摒弃了复杂的外部记忆库与检索中介，仅用 单一策略 在连续递进的任务序列中...
AI Agent强化学习
SkillMentor：不改模型权重也能自我进化，学会诊断盲区让Agent性能提升44.2%
基于此，研究团队提出了 SkillMentor 框架。它通过强化学习训练了一个专门负责把脉问诊的“导师策略”（Mentor Policy），让导师主动生成测试场景来探测执行器的极限，并将发现的反复性失败沉淀为可复用的结...
AI Agent
中科院SEAL：智能体自己打分必崩？1比特外生审计破解自测幻觉
针对这一系统性内生缺陷，研究团队提出了名为 SEAL （Sealed Exogenous Acceptance Loop，密封外生验收循环）的极简框架，仅凭一个与环境隔离的外部 1-bit（接受/拒绝）验收信号，就在多...
AI AgentAI安全
SciToolAgent-Evo：让大模型自主“进货”新工具，科学问答准确率提升超12点
为了攻破这一开放世界瓶颈，最新研究提出了 SciToolAgent-Evo 。这是一个具备本体感知（Ontology-Aware）与自演化能力的科学工具获取智能体框架。
AI Agent行业应用
提示词越长画质反而倒退？视觉生成首次揭示文本条件扩展律
本文提出了一个清晰的双轮驱动框架：生成系统的最终表现，本质上取决于“可扩散性”（Diffusability）与“可提示性”（Promptability）的乘积。所谓的 可扩散性 ，指的是一种文本表示格式在多大程度上能够...
多模态&视觉
Rehearse：攻克自动科研“置信度悬崖”，小记忆撬动大模型执行前判断
为了化解这一危机，研究团队提出了名为 Rehearse 的轻量级控制技能，将原本单调的“生成即运行”改造为“生成候选–精准预测–选优执行”闭环，并配合极简的聚焦结果记忆机制，在 4000 次模型训练预算下，显著放大了长...
行业应用
Realtime-Venus：边聊边调工具的双循环架构，97%防误打断超越GPT-4o
为了攻克这道工程与算法的双重难关，蚂蚁集团（Ant Group）联合清华大学提出了名为 Realtime-Venus 的前沿全双工交互系统。该系统基于 9B 参数规模。
AI工程
KV Cache缩减80%且吞吐提升4.2倍：Agent在线压缩关键在延迟
KV：这印证了近期关于推理模型注意力汇点（Attention Sink）的研究发现：句末及结构标记往往汇聚了对整段推理逻辑的高阶语义概括。然而，更具普适性、更强劲的解法是 延迟未来查询 。
AI Agent模型优化
OoO-Spec：乱序语义推测破除串行限制，工具调用提速最高达5.34倍
针对这一核心痛点，最新研究提出了 OoO-Spec （Out-of-Order Semantic Speculation，乱序语义推测）。这项工作的核心立意在于打破文本输出顺序对语义计算的禁锢：既然函数的选择与各个参数...
AI Agent
MTAC-IFBench：代码能跑却难合规，多轮编程严格遵循率不足10%
清华大学 CoAI 团队联合智谱 AI、电子科技大学等研究人员提出了 MTAC-IFBench ，针对“多轮自主代码智能体（Multi-Turn Agentic Coding）”的过程指令遵循能力建立了系统化评测基准。
AI Agent
ModularRSI：拆解五大交互模块，对比轨迹自进化打破Agent泛化瓶颈
近期由北京航空航天大学、河海大学、IQuest Research、澜舟科技、M-A-P 以及曼彻斯特大学等机构联合提出的 ModularRSI ，直击了这一领域长期存在的痛点，提出了首个解耦、对比驱动且真正面向泛化能力...
基础模型
不是安全刹车而是放大器？HITLCUA揭秘智能体“隐形墨水”注入威胁
然而，实验结果却呈现出完全相反的戏剧性走向： 在所有参与测试的模型与平台组合中，引入 HITL 之后的攻击成功率不降反升，整体 ASR 平均增加了 7.8 个百分点！
AI AgentAI安全
MTGuard：动静混合分析护航MCP，危险工具调用检测率达48.3%
为了弥合这一巨大的运行时安全缺口，来自阿里巴巴与浙江大学的研究团队提出了 MTGuard。该框架改变了“只在静态消息上做文章”或“把沙箱当成黑盒”的割裂思路，首次在 MCP 工具调用的完整生命周期中，将协议层的静态语义...
AI Agent
HumanCLAW：瓶颈不在视觉而在身体意识，最强VLM成功率仅16.8%
由 Meta、布朗大学、华盛顿大学、南洋理工大学以及西北大学联合提出的评估框架 HumanCLAW ，给出了一个颇具颠覆性又引人深思的答案。研究团队将未经过特定具身微调的现成（off-the-shelf）前沿模型置于闭...
多模态&视觉
GABench：首个大模型图分析Agent基准，万级任务测出能力断层
通过前置依赖与执行轨迹反向合成管线，GABench 构建了包含 10,400 个兼具复杂性与可验证标准答案的端到端 Agent 任务。实验评估了包含 Qwen3-235B、GLM-5-turbo、DeepSeek-V4...
AI AgentAI评测
工具坏了Agent为何闭眼瞎编？一句话把不诚实率从14.1%降至0.87%
研究团队对比了三种不同的提示词防御策略： 第一种策略是彻底剥离从属性指令，仅仅保留纯粹的任务要求； 第二种策略是在保留原有从属要求的同时，用自然语言增加一段核查要求，告诉模型“如果工具返回的内容不满足提问要求，请直接报...
AI Agent
FACT：攻克具身大模型接触难题，2500次真机评测成功率达66%
针对这两个根因，研究团队提出了名为 FACT （Force-Aware Contact-Rich Manipulation via Timestep Modulation）的框架，无需修改网络骨干或增加数据，仅凭噪声调...
具身智能AI评测
ClinLens：代码100%跑通却仅56%正确！首个多模态临床数据Agent基准
山东大学研究团队针对这一核心问题提出了 ClinLens。这是首个面向纵向多模态临床数据科学的长程代码智能体基准评测。通过深度打通并关联 MIMIC 体系下的五大异质医疗数据源，ClinLens 构建了跨越 4 种患者...
AI Agent多模态&视觉
CLIFT：不碰权重做闭环，人形机器人两轮成功率逼近100%
面对这一两难困境，来自具身智能前沿的研究团队提出了一套创新的非侵入式闭环迭代微调框架—— CLIFT （Closed-Loop Iterative Fine-Tuning）。
具身智能模型训练
ClawTrack：用轨迹级评分打破黑盒评估，过滤 21.2% 的“蒙对”现象
为了拆开这个黑盒，全新基准测试 ClawTrack 提出了一套“双轨评估”（Dual-assessment）框架：不仅看智能体达成了什么（Task Score，任务分），更要逐轮打分衡量它是如何达成的（Process ...
AI AgentAI评测
Iris：跳出以方案为中心的盲目搜索，让自主机器学习夺牌率达到64.9%
近期提出的一篇工作打破了这种设计定势，正式提出了从“方案中心式搜索”走向“信息范式”（Information Paradigm）的全新思路，并推出了名为 Iris 的自动化研究系统。
推理
AgentSnare：轨迹自适应诱导机制，让AI黑客攻破率全部清零
来自安徽大学、海南大学、香港理工大学、香港大学和浙江大学的研究团队提出了一套名为 AgentSnare 的轨迹自适应欺骗系统。该系统彻底颠覆了“预先埋伏静态诱饵”的传统思路，转向“沿着攻击者的交互轨迹动态展开事实自洽的...
AI Agent
AgenticCANN：攻破昇腾算子冷启动瓶颈，推理提速达6.65倍
来自香港城市大学与香港宇唯科技的研究团队近日提出了 AgenticCANN 框架。这项工作并非简单地将提示工程搬运到国产硬件上，而是直击非 CUDA 架构低语料环境下的核心症结。
AI Agent推理