CAST：用求解器做轮次导师，无Logit蒸馏让大模型决策胜率提升17%
来自美团、南京大学、中国科学技术大学与武汉大学的研究团队在最新论文中提出了名为 CAST（Credit Assignment from Solver Teachers） 的全新框架。
AI Agent模型优化
AGI FRONTIER
AI前沿分享第7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
GAMER：解耦记忆与搜索，动作中心图让智能体成功率提升20.81%
针对这一系统性困境，一项名为 GAMER （Graph-based Action-centric Memory with Episodic Reasoning）的研究提出了全然不同的解题思路。
知识系统AI Agent
Agentic AI系统验证最新综述！五维框架+257篇文献全解
Agentic：这项研究系统筛查了 7,197 条文献记录，最终穿透式分析了 257 篇横跨智能体评测、软件可靠性工程、信息物理系统（CPS）、运行时监控与监管合规的前沿文献（其中 209 篇集中于 2025 至 20...
AI Agent
AMFD：快手等提出摊销矩匹配，单步生成在GenEval反超多步FLUX
AMFD：快手与香港中文大学的研究团队在论文《Amortized Moment Matching for Visual Generation》中，从扩散去噪模型的数学本质出发，提出了一种全新的解决路径： 摊销矩匹配（A...
多模态&视觉
ACWorld：解耦Agent决策与交易权，78万商品评测揭秘为何成交不等于做对
ACWorld：这就是研究者们提出的 vibe commerce 。想象一个普通的购物场景：买家给自己的 Buyer Agent 设定至多 100 美元的私人预算上限，卖家则要求 Merchant Agent 绝不能低...
AI AgentAI评测
ActFovea：无需重训VLA！视动一致性守卫让受扰成功率从49%回弹至90%
针对这一核心瓶颈，最新研究提出了 ActFovea 。这是一个完全即插即用（Plug-and-play）、无需重新训练或微调底层 VLA 模型的运行时安全守卫框架。
具身智能多模态&视觉
W2-VLA：手腕视角不应只是并列输入！任务引导前瞻预测，LIBERO达98.5%
W2-VLA：为了打破这一瓶颈，研究团队提出了 。该框架并没有在像素空间去费力重建未来的整幅图像，而是巧妙地在潜空间（Latent Space）中打通了一条“从世界到手腕”（World-to-Wrist）的前瞻通路。
具身智能
SkillSV：用结构感知Shapley为Agent技能定价，实现无损安全剪枝
为了解开这个黑盒，来自微软、南京航空航天大学、合肥大学与鹏城实验室的联合研究团队提出了 SkillSV （Structure-Aware Shapley Valuation）。该框架首次将结构感知引入博弈论中的 Sha...
AI AgentAI安全
WeClawArena：跨用户协作Agent为何频遭越权？
来自亚利桑那州立大学（ASU）、卡耐基梅隆大学（CMU）与南加州大学（USC）的研究团队联合提出了 WeClawArena 。这是首个面向以人为中心的智能体网络、针对跨用户私有工作区协作与安全性展开全链路评测的可审计基...
AI AgentAI安全
TraceCompiler：将Agent轨迹编译为确定性工作流，API调用缩减68%
针对这一困境，研究人员提出了 TraceCompiler 。这项工作的核心构想是将 Agent 在多次探索中留下的嘈杂、混乱的执行轨迹（Traces），通过无监督聚类、行为去噪和严格的数据流依赖分析，“离线编译”为结构...
AI Agent
TEPA：旧记忆比无记忆更差！可撤销机制助智能体将成功率稳在0.95
为了从根本上消除这种被称为“记忆污染（Memory Pollution）”的退化现象，作者团队提出了 TEPA。这套机制改变了以往只管存入、不管注销的记忆范式，将“先例（Precedent）”的有效性（Validity...
AI Agent
SPADE：自适应3D分块稀疏引擎，视频扩散注意力提速3.4倍
他们提出了名为 SPADE 的免训练（Training-Free）、输入自适应稀疏注意力引擎。该框架打破了以往算法设计与系统实现相割裂的局限，从“算法-系统协同设计”出发，构建了一套统一的稀疏表达规范、极低开销的自适应...
多模态&视觉模型优化
SkillMemo：给具身大模型装上技能记忆库，OOD泛化超越π0.5
为了打破这种“见过即会、重组即废”的僵局，来自北京师范大学、南洋理工大学与清华大学的研究团队提出了名为 SkillMemo（Skill-Based Memory）的技能记忆增强框架。
具身智能知识系统
SkillHEX：假设驱动树搜索破除利用陷阱，技能自演化通过率达57.9%
针对这一顽疾，来自微软、不列颠哥伦比亚大学、加州大学圣迭戈分校与中国科学技术大学的研究团队提出了名为 SkillHEX 的全新闭环自演化框架。该方案打破了传统的单线盲目试错范式，将科学研究中的“假设检验”思想引入技能排...
AI Agent
SkillConsist：双向图对齐破解Agent技能“言行不一”，F1提升20.43%
来自南开大学的研究团队提出了 SkillConsist，专门针对 Agent 技能包中“文档声明”与“代码实现”的一致性检测与代码级精确定位。该研究跳出了过去将文本与代码做简单匹配或死板套用安全分类树的思路。
AI AgentAI安全
Skill-Use：给大模型装上技能库，为何最高分只有0.61？
这项工作提出了首个专门评估渐进式披露机制下智能体技能调用能力的基准—— Skill-Use 。在覆盖 9 大领域的 177 个真实任务测试中，即便集结了业内最顶尖的前沿模型（包括 GPT-5.5、Claude Opus...
AI Agent
SeqLLM：微信支付风控落地，大模型如何兼顾序列建模与语言能力？
由腾讯、上海交通大学与香港城市大学联合提出的 SeqLLM 框架直面这一核心矛盾。该研究并不依赖传统“先破坏、再修复”的持续预训练加蒸馏路径，而是通过紧凑的离散字段级词表、文本接地的轻量投影器以及 前缀引导能力注入（P...
基础模型
SPIRAL：自监督对齐跨路径偏差，长文本视觉压缩逼近原生54分
为此，研究者提出了名为 SPIRAL （Self-improving Path Integration and Realignment）的自监督对齐框架。该框架不需要任何外部标注或更大的教师模型，仅利用大模型自身的原生...
AI安全多模态&视觉
CAD：结合上下文感知与对抗训练，攻克大模型 Agent 间接提示注入防御难题
为了打破这一僵局，研究团队提出了轻量级的句子级检测框架 CAD （Context-Aware Detection，上下文感知检测）。CAD 不仅通过联合建模用户查询、上下文及目标句子的边缘影响来判断其恶意程度。
AI Agent多模态&视觉
RA-CAD：把代码审查做成内生策略，参数化CAD不可执行率降至6.2%
来自四川大学的研究团队提出了 RA-CAD （ReAct Agent for CAD），从根本上重构了这一范式：研究者不再把执行后审查当成孤立的外部提示，而是将其拆解为智能体策略内部的显式决策动作，通过两阶段优化（CC...
基础模型
世界模型最新综述！颜水成等提出World Proxy：六大形态与三级进阶重塑智能体交互
为此，研究团队提出了“以智能体为中心的世界代理”（Agent-Centric World Proxy）这一新范式，将世界模型从单调的“物理状态预测器”升级为能够处理执行、记忆、技能与校验的“信息状态转移器”。
AI Agent
PhysMind：让大模型把视频变成“可执行世界”，反事实物理推理超 GPT-5.5 达 19 分
来自香港大学与清华大学的研究团队提出了 PhysMind 。这套完全免训练（Training-Free）的智能体框架改变了以往直接让 VLM 端到端脑补的做法：它 为每段视频仅构建一次可复用、与具体问题无关的“可执行物...
推理多模态&视觉
u-OPSD：无需任何外部监督，仅靠自身多数投票反超全监督蒸馏！
近日，来自字节跳动、佐治亚理工学院、加州大学圣地亚哥分校（UCSD）以及马里兰大学帕克分校的研究团队提出了一项颠覆性的训练范式： 无监督在线自蒸馏（Unsupervised On-Policy Self-Distill...
模型优化
Lingjing：统一三大物理引擎，12款多模态模型实测开放城市多具身协同
由中国科学院空天信息创新研究院、目标认知与应用技术重点实验室以及上海交通大学人工智能学院等机构组成的研究团队，提出了名为 Lingjing （灵境）的开放城市异构多智能体具身仿真评测平台。
具身智能AI Agent