不看代码不发请求：MCPSec仅凭描述挖出98.9%的MCP注入漏洞
针对这种“无从下手”的极端攻防环境，亚利桑那州立大学（Arizona State University）的研究团队在一篇前沿论文中开创性地提出了 无盒漏洞分析（No-Box Vulnerability Analysis...
多模态&视觉
AGI FRONTIER
AI前沿分享第24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
NCP-ArchPreview：打破单Token限制，以一半数据追平7B基准
NCP-ArchPreview：实验结果显示，仅仅对这 17M 权重在 Magicoder、Orca-Math 等特定语料上进行低成本迭代，模型便能在完全不遗忘通用能力的前提下，迅速完成对目标领域的概念重对齐。其数学与...
基础模型
Modus：单模型统一15种模态，Decoder-Only如何打破Any-to-Any壁垒？
由 Apple、香港中文大学（CUHK）、EPFL 等机构联合提出的 Modus ，直接打破了这一工程惯例。它证明了： 不需要为每个模态定制专门的预测头，也不需要外挂专有损失函数或复杂的任务管道，完全基于统一的单解码器...
基础模型
MemTX：不是写入就能行动！智能体事务级记忆协议，实现零下游不可逆危害
作者团队提出了模型无关的中间件协议 MemTX ，首次将数据库经典的事务机制、隔离级别与信念提交管线引入智能体记忆架构，实现从未成熟记忆到动作执行、再到撤销级联修复的全生命周期治理。
知识系统AI Agent
Matryoshka Agent：层级解耦破解长程MLE难题，4B小模型匹敌o4-mini
为了解决长程机器学习工程中的上下文膨胀与搜索效率低下问题，来自佐治亚理工学院（Georgia Institute of Technology）的研究团队提出了名为 Matryoshka Agent 的全新分层智能体框架。
AI Agent
不是改造Agent，而是进化知识库：大模型自我改进的新范式
最新研究提出了一个截然相反的互补范式：以知识为中心的自我改进（Knowledge-Centric Self-Improvement）。在这个架构中，核心假设被彻底颠倒——执行具体任务的 Agent 不再是长期维护、日益...
知识系统
Agent渐进式披露买的不是智能而是上下文：港大等首测揭示深度陷阱
这一发现为当下狂热的 Agent 架构设计泼了一盆清醒的冷水。要把一本数十万字的长篇书籍交给 Agent 解答，工程上有多种不同的组织形态。以往的经验分享往往将文件切分颗粒度、目录索引存放位置与递归深度混为一谈。
AI Agent
HyGAE：统一Critic兼顾Token与轮次，多轮VLM决策胜率达到91%
研究者从理论上严格证明了 Token 级与轮次级强化学习在策略梯度目标上的数学等价性，并在此基础上提出了全新的 HyGAE 框架。该框架不仅巧妙融合了两者的优势估计，还通过理论证明消解了训练两个独立价值网络的算力负担。
AI Agent强化学习
HiSkill：以分层技能图打通动作落地，成功率提升17%且Token缩减78%
由蚂蚁集团、北京邮电大学与中国移动研究院联合提出的 HiSkill 框架，为这一难题提供了一套系统性的图结构解决方案。该研究打破了将经验视为纯文本片段的传统范式。
AI Agent
华为HiFloat4：首个端到端FP4强化学习，将BF16差距缩至1.1%
在此诊断之上，团队提出了带有硬件感知稀疏特性的残差量化机制 Rollout-ResQ，并结合三级层次缩放的 HiFloat4（HiF4）格式，在 Qwen2.5-3B 和 Qwen2.5-Math-7B 上，将全链路 ...
强化学习模型训练
RLSVR：不是死磕外部裁判，而是用“谁是卧底”重构大模型自进化
研究团队借鉴自监督学习（Self-Supervised Learning, SSL）“从无监督数据中构造辅助代理任务（Pretext Task）以获取标签”的核心思想，提出了 RLSVR（Reinforcement L...
强化学习
E-Bench：从单步调API到真实状态流转，顶尖Agent可靠性为何不足60%？
为了兼顾环境的逼真度与评测的完全可控性，E-Bench 采取了“全合成（Fully Synthetic）”的底层设计方案，并提出了核心原则： 将环境合成与任务合成彻底解耦 。许多传统合成评测往往采用“为任务定制快照”的...
AI Agent
DocAtlas：将长文档理解重构为可变状态交互，4B模型微调后准确率提升9.3%
研究团队提出了名为 DocAtlas 的文档交互外壳（Document Harness），让检索树索引、笔记库和已探索页面随着 Agent 的探索实时演化。该框架在业界引发关注的核心在于两组数据：在极具挑战的多模态长文...
模型训练
CoTinyVLA：0.9B小模型逆袭7B巨头，结构化监督跑赢机器人鲁棒性基准
CoTinyVLA 提出的三个组件到底各自发挥了什么作用？作者在 Spatial 套件上进行了细致的因果消融与测试期干预，结果展示出清晰的正交性： 1. 时序输入决定运动学抗扰度 ：当把双视角 8 帧历史缩减为单帧时。
具身智能推理
HybridDeepResearch：跨越SQL与搜索，顶尖模型Pass@8仅54%
HybridDeepResearch 的提出，给当前过热的“智能体深度研究”浪潮浇下了一盆及时的冷水。它清晰地表明，能够在单一模态下刷出高分的大模型，一旦被置于需要多系统无缝衔接的真实生产力场景下，其表现依旧脆弱不堪。...
推理数据工程
AutoMem：用文本梯度搜索智能体记忆架构，准确率提升2.8分且降低14.3%消耗
针对这一瓶颈，该团队提出了 AutoMem ——一个基于“文本梯度”（Text-Gradient）递归自优化的自动化记忆架构搜索框架。该方法将记忆系统解耦为编码（Encode）、存储（Store）、检索（Retriev...
知识系统AI Agent
纯自然语言斩获IMO金牌！Nemotron获30分，全套模型配方完整开源
英伟达团队的技术假设在于：自然语言的广阔表达空间更符合高阶数学的探索本质，而消除逻辑谬误的关键，不在于引入外部编译器，而在于构建专门化的后训练模型组合，并设计高算力驱动的测试时搜索与纠错机制。
模型训练
ABLE：大模型调用蛋白质设计工具实测，7款前沿模型全拒答，顶尖Agent逼近人类
针对这一前沿交叉地带，一项名为 ABLE （Agentic BAIM–LLM Evaluation）的评估基准正式提出。该基准专门设计用于测试大模型智能体调用专业生物 AI 工具完成蛋白质设计全流程的能力。
AI AgentAI评测
AGRI：大模型早知被入侵，探测潜层表征将注入成功率降至0%
基于此，作者团队提出了一种轻量且高效的防御范式 AGRI（Action-Guiding Reasoning Intervention），通过实时探测模型的隐层状态动态激活思维链干预，在极难的 AgentDojo 基准上...
AI Agent
WikiLoop：让检索反馈反哺知识库构建，多文档问答提升 6.3 分
腾讯的研究团队在论文中提出了名为 WikiLoop 的反馈耦合框架，尝试打破这一长期存在的单向壁垒。该方案的核心思路在于：构建一套专为智能体机器导航设计的原生维基知识库（Agent-Native Wiki），并将知识库...
知识系统AI Agent
CoMem：大模型理解早于预测，按层切分让128k显存降至18GB
基于这一洞察，作者提出了 CoMem（Comprehension Memory，理解记忆） 架构。该方法放弃了在 Token 轴上硬扛完整深度 KV 的传统思路，转而沿 模型层深（Depth Axis） 对长文本记忆进...
知识系统
TREK：告别LLM裁判，最强Agent复杂规划完美率仅46.2%
TREK 的诞生不仅为旅行规划这一细分场景提供了高难度的压力测试场，更对大模型智能体评估的方法论提出了新的范式转移。它向整个社区传递了一个明确的信号：依赖大模型裁决软性评分的时代应当被重新审视，特别是在那些关乎真实业务...
AI Agent推理
TransMem：不必重算长上下文，稀疏隐藏状态化身外挂记忆
为了让 TransMem 学习到通用的“信息提取与利用能力”，而非特定的事实知识，作者提出了一种优雅的训练策略： 证据条件自蒸馏（Evidence-Conditioned Self-Distillation, ECSD...
知识系统模型优化
SafeKeep：大模型做成Agent就学坏？压平工具格式让拒绝率提升至70.6%
基于这一底层机理，研究团队提出了一个极为简洁却极其有效的轻量防御方案 SafeKeep ：在推理时将“安全审计”与“工具执行”彻底解耦。在安全评判环节，把原本结构化的 Schema 剥离成扁平的自然文本叙述，瞬间唤醒模...
AI AgentAI安全