Digest

论文提出OriginBlame系统，解决AI训练数据删除中的“遗忘集”定位难题。现有溯源系统仅到文件或数据集级别，导致过度删除。OriginBlame通过传播作者身份到记录和token级别，能精确响应撤销请求，为数据合规删除提供关键技术支撑。

2026-07-16

论文提出SPINE框架，旨在解决具身智能部署中的“脊柱”瓶颈——将基础模型的复杂决策能力高效部署到物理机器人平台。该Agentic框架能系统性地调试和部署双臂机器人，有望大幅降低机器人从仿真到现实的门槛。

2026-07-16

论文提出干预式基础审计，通过替换思维链中的前提谓词，黑盒测试LLM推理步骤是否真正依赖于其声称的前提。该方法能有效检测出看似逻辑严密实则“自说自话”的推理过程，为评估LLM推理可靠性提供了新工具。

2026-07-16

这篇综述系统梳理了从研究原型到部署系统的自我改进自主Agent。核心目标是实现可控演化，即Agent从经验中自适应并积累能力，且尽可能减少人工干预。论文提供了一个系统级框架，将现代Agent视为基础模型与操作环境的耦合配置。

2026-07-16

论文提出Oracle Agent Memory系统，解决长周期AI Agent的记忆问题。系统需支持跨会话任务状态保留、用户偏好恢复及程序性知识积累，超越了简单的文档检索。它定义了哪些交互成为持久状态、如何作用域化以及如何在延迟约束下检索。

2026-07-16

论文提出DROPJ方法，解决在未知环境和无合适奖励函数下安全训练Agent策略的问题。该方法通过世界模型学习，结合人类偏好和理由，实现安全训练与部署，为安全关键场景下的强化学习提供了以人为本的新范式。

2026-07-16

arXiv最新论文提出Networked Intelligence框架，通过主动共享上下文图（Active Shared Context Graphs）支持多人类-AI团队协作解决复杂科学问题。该框架突破单推理智能体限制，允许多个成员携带不同先验知识、实验背景和领域直觉协同工作，为团队科学提供新型AI基础设施。

2026-07-16

针对自主AI系统（Agentic AI）带来的新型保险挑战，论文提出AI原生数学框架，涵盖承保、定价和合同设计。该框架通过风险状态量化自主性级别、操作权限、治理成熟度等维度，为AI部署提供端到端自动化保险解决方案。

2026-07-16

论文提出基础模型部署组合优化问题，针对交通管理中心（TMC）的异常检测、事件报告等任务，在共享硬件预算约束下，为每个功能选择最优模型和部署模式。研究将LLM和VLM部署转化为投资组合优化问题。

2026-07-16

现代AI智能体的能力不仅依赖基础模型，还依赖其工具链（harness）。论文提出Harness Handbook方法，帮助开发者或编码智能体在模型、API、环境持续演化时，快速定位并修改实现目标行为的代码位置，解决生产级工具链维护难题。

2026-07-16

论文提出理论级自动形式化（Theory-Level Autoformalization）概念，超越传统单语句形式化，将完整的理论体系（包括公理、定义、引理及其相互依赖）自动翻译为机器可验证的形式语言，构建统一的形式化知识库。

2026-07-16

EZSMTV3发布，这是一个基于SMT（可满足性模理论）的可扩展约束回答集编程（CASP）框架。该框架结合回答集编程与约束处理，为复杂组合搜索问题提供强大的声明式编码能力，在翻译方法上取得重要进展。

2026-07-16

借鉴认知心理学中的集合转换（set-shifting）概念，论文提出评估LLM智能体在工具可靠性发生隐蔽变化时的适应能力。基准测试构建了冗余工具库，通过分支调度在会话中隐藏切换可靠工具组，测试智能体能否及时调整工具选择策略。

2026-07-16

针对多轮搜索推理中强化学习仅依赖最终结果奖励的局限，提出LAPO方法。该方法基于留一回合归因（Leave-One-Turn Attribution），通过替换每个搜索回合及其检索结果为固定占位符，测量对当前策略的影响，实现自生成过程监督，区分有用、冗余和有害的中间交互。

2026-07-16

论文基于OpenRCA数据集评估微服务故障根因分析，该数据集具有大规模、多模态（指标、日志、追踪）且缺乏领域知识的特点。结果显示所有现有方法（包括经典因果发现和LLM方法）均表现不佳，揭示了该问题的根本难度。

2026-07-16

论文提出多智能体协作推理框架，通过工具增强证据进行城市区域画像。不同于传统多模态表示学习方法，该框架让多个AI智能体协同工作，利用卫星图像、兴趣点、文本描述和3D建筑信息等异构数据，提升人口估计、经济评估和环境监测等任务的准确性。

2026-07-16

一项包含3132名参与者的五项实验研究表明，即使AI建议明显错误且准确度被激励，仅仅提供AI建议就几乎完全消除了参与者说“不知道”的意愿。这揭示了AI辅助对人类判断中根本性认知行为（承认无知）的显著抑制效应。

2026-07-16

针对LLM代理在工具调用中可能因单一误判造成不可逆危害的问题，提出SAFETY SENTRY框架。它超越了传统二元安全标签，通过EXECUTE-ASK-REFUSE三级路由，区分动作本身是否有害以及是否适应用户上下文，实现细粒度的运行时安全治理。

2026-07-16

提出一种基于LLM代理的自动化科学发现系统，能够从数据中自动发现生物系统的常微分方程。该系统结合符号回归与LLM代理，不仅从数据中恢复方程，还能融入领域先验知识并自动完善机制模型，标志着计算系统从数据拟合工具向科学发现机器的转变。

2026-07-16

针对LLM代理在多周决策任务中失败原因难以诊断的问题，提出STOCKTAKE评估框架。它通过引入公平的参考策略，首次将代理失败区分为“感知错误”（误读世界）和“知行差距”（正确感知但未行动），为代理能力诊断提供了关键方法论。

2026-07-16

针对现有具身智能体跟随任务假设目标初始可见的简化问题，提出UESF-Bench基准。该基准要求智能体首先根据语言描述搜索目标，然后在动态环境中持续跟随，更贴近真实应用场景，为具身智能体的语言引导能力提供了更全面的评估。

2026-07-16

提出一种基于归纳逻辑编程的强化学习可解释性方法，能够从RL策略中提取紧凑、人类可读的逻辑规则。该方法避免了传统基于用户研究的评估主观性，为安全关键场景下的RL代理提供了更透明、可验证的解释方案。

2026-07-16

研究将AI代理视为团队参与者而非工具，分析了2991个GitHub项目在引入Bot前后两年的数据。发现Bot的加入会改变开源项目的制度结构，既可能强化也可能弱化团队组织，揭示了AI代理对人类社会协作模式的深远影响。

2026-07-16

针对当前LLM代理评估流程碎片化、耦合度高的问题，推出AgentCompass开源评估基础设施。它通过组织评估流程为可扩展的模块化框架，显著提升了评估的可复现性，减少了冗余工程工作，为代理能力标准化评估提供了统一平台。

2026-07-16

针对代理AI系统在异构运行时环境（代码钩子、SDK、浏览器自动化等）中动作记录不兼容导致的治理难题，提出CAVA框架。它通过规范动作验证与认证机制，解决了“实际批准了什么动作”这一基本治理问题，为代理系统的可审计性和合规性提供了关键基础设施。

2026-07-16

针对LLM代理在长周期任务中错误累积且难以恢复的问题，提出Experience Memory Graph（经验记忆图）方法。它通过构建结构化的经验记忆图，实现代理的一次性错误纠正，避免了传统基于提示的反思机制的高成本和脆弱性，显著提升了代理在复杂任务中的鲁棒性。

2026-07-16

该论文提出AIMO可解释性挑战赛，旨在通过分析前沿数学语言模型的内部机制，区分其稳健推理与虚假推理捷径。挑战源于标准推理基准的局限性：高准确率无法揭示模型是依赖稳定推理机制还是脆弱的捷径。

2026-07-16

论文提出HealthClaw，一个开源智能体架构，用于纵向个人健康管理。它通过分离共享安全规则与私有长期记忆，并在每次交互后归纳更新，实现随用户习惯、偏好和风险变化而持续适应的能力。

2026-07-16

研究发现，大多数智能体优化方法报告的是单次增益，未测试递归优化场景。论文提出Terminal-Bench 2.0进行持续学习评估，核心问题是优化驱动的增益是否会复合，即智能体在持续面对新任务时能否持续进步。

2026-07-16

针对企业技能差距扩大问题，论文提出一个端到端AI加速框架，覆盖知识获取、内容开发、审核验证等五个阶段。该框架旨在解决传统技能提升项目周期长、缺乏行业验证的痛点。

2026-07-16

论文介绍Earthquaker-AI，一个混合教育框架，在原有STEM机器人项目基础上集成基于检索增强生成（RAG）的对话AI助手，旨在提升小学生的地震准备意识和认知能力。

2026-07-16

针对大语言模型在复杂推理中出错后难以精准修正的问题，论文提出Deep Interaction方法，允许用户高效定位并纠正错误步骤，避免传统方法中重新生成或反复纠错的低效。

2026-07-16

论文提出FixItFlow系统，利用大语言模型从历史云故障数据中自动生成排障指南。系统从工程师的排查记录中提取诊断模式，解决了手动编写指南耗时、覆盖不全且易过时的问题。

2026-07-16

论文提出Safe-Psych基准，评估LLM在精神科决策中的安全性。与现有基准不同，它模拟信息逐步获取的场景，要求模型在信息不足时主动请求澄清或拒绝回答，而非给出无依据的结论。

2026-07-16

论文介绍了为母婴健康资源导航设计的、受安全约束的大语言模型系统。探讨了在医疗场景中部署LLM时，如何通过设计模式平衡灵活性与安全性，避免不受控生成带来的风险。

2026-07-16

论文提出“防护条件提升”协议，用于评估双用途生物助手在不同访问条件下的效用与风险。通过人类判断的效用-风险边界，比较了用户实际看到的访问条件如何改变良性效用和有害可操作帮助。

2026-07-16

论文探讨了当AI系统嵌入组织工作流时，最终权威应归属于谁。比较了两种治理模型：前沿模型主权（赋予最先进模型提供者特权）和以行动为中心的部署者主权，分析了测试、发布、透明度及算力控制等议题。

2026-07-16

2026-07-16

提出一种轻量级训练策略，通过仅适配模型的归一化层并解耦特征提取与分类器优化，将特征预计算一次即可复用，大幅降低迁移学习的计算开销和能耗。

2026-07-16

研究指出，欧洲专利局2026年指南严格追究LLM辅助内容的申请人责任，但现有AI文本检测方法在消费级GPU上运行困难，且专利法清晰性要求与检测不确定性冲突，导致人类撰写的专利文本可能被误判为AI生成。

2026-07-16

系统综述了联邦学习（FL）与可解释AI（XAI）的结合，探讨了在分布式数据源上实现隐私保护的同时提升模型透明度和信任度的角色、架构及评估方法。

2026-07-16

将流式推理中何时调用LLM的问题形式化为基于风险的序列停止问题，提出当观测历史的风险函数超过阈值时触发LLM的策略，并证明了六个理论性质。

2026-07-16

针对环境监测中无人机路径规划需最大化覆盖面积并处理能量、操作约束等问题，该论文报告了一项基于PRISMA框架的系统性文献综述的初步结果。

2026-07-16

研究发现Claude Code等Agentic LLM编码工具会将超时命令的部分输出记录在压缩摘要中，作为“已确认结果”传播给后续会话，导致假阳性跨会话和模型版本传播且无法重新验证。

2026-07-16

提出HRO框架，利用大语言模型实现从房间到物体的层次化推理，使智能体能在未知环境中零样本导航至未见类别目标，优于现有仅利用LLM常识的方法。

2026-07-16

基于SIFBench有限元数据，研究从裂纹应力强度因子剖面反推拉伸、弯曲和承载载荷相对大小的可识别性条件，并给出校准的不确定性估计器。

2026-07-16

arXiv最新研究提出利用残差流激活探针检测有害请求，在三个7-8B模型家族中，该传感器能阻断95.5-97.7%的合规攻击，以及59.6-68.4%的XSTest提示，为AI安全提供了一种不依赖上下文判断的风险检测新方法。

2026-07-16

研究通过分析2019年至今的Kaggle竞赛提交，发现LLM编码助手可能导致代码同质化，引发对AI工具使软件创新趋同的担忧。

2026-07-16

论文指出LLM在欺诈检测和信任安全流程中的应用缺乏运营级证据，现有评估多聚焦模型性能，忽视了延迟、成本、人工审核和对抗风险等实际约束。

2026-07-16

通过28天生产环境纵向案例研究，对比API前沿模型与本地量化开源模型在企业编码Agent中的成本与性能，揭示了高推理能力与低成本扩展之间的权衡。

2026-07-16

提出nsfaguard框架，基于NSFA分类法（覆盖185种风险变体）和CIA三元组，通过生成式推理和实时分类防御提示注入、敏感信息泄露等Agent系统威胁。

2026-07-16

在XBOW基准测试中发现，默认编码CLI Agent作为基线即可达到与复杂安全框架相当的性能，提示自主渗透测试的性能提升主要来自底层模型而非架构。

2026-07-16

提出闭环框架，将人工审查反馈转化为持久行为规则，使编码Agent能自我检测并避免重复错误，通过版本控制指令文件和自反思机制实现持续改进。

2026-07-16

提出基于端点认证KV缓存的隐私中心型端云协同推理框架，解决端侧推理的延迟、资源与隐私三难困境，本地端点处理敏感数据，云端提供算力。

2026-07-16

针对MiMo-V2.5模型家族，系统优化KV缓存、注意力计算和MoE调度，将混合滑动窗口注意力的理论优势转化为实际生产性能，显著降低推理成本。

2026-07-16