跳到正文
10月10日 · 周六

全部论文

找到 62 篇
筛选6

影响

越权操作3可用性与可靠性3

系统形态

模型与 API6LLM 应用15AI Agent56coding agent7web agent0网页与电脑操作0多智能体7具身与机器人4

层

提示层5模型层26应用层62训练与数据层26基础设施层4

系统组件

MCP 与技能3记忆8监控器4权限与沙箱7
同一类里任选其一，不同类之间同时满足；数字是加上其他已选条件后的篇数。另有 242 篇还没打标签，不在筛选结果里。
系统形态：模型与 API系统形态：AI Agent系统形态：coding agent系统形态：web agent系统形态：网页与电脑操作层：应用层清除全部

另有 242 篇论文还没打上分类标签，暂不在筛选结果里。

  3. 其他arXiv 2610.09683

    System Switch 研究：快速决策模型何时应交由推理模型思考

    提出 System Switch，让快决策模型仅在门控打开时询问推理模型

    arXiv
    2610.09683
    发表
    层
    应用层
    场景
    AI Agent
    被测模型
    Laya, typed-decisions、Laya, base、Kev 9B 等 12 个
    摘要作者称快模型应按敏感度选。

    System Switch在不暂停的 Doom 里，让快的 typed-decision 模型做每一次决策，只在门控打开时把控制交给视觉推理模型。

    深度解读完整解读
  5. 其他arXiv 2610.08364

    Transect：为长程 LLM Agent 评测保留可观测性的开源工具

    提出 Transect，将长程 Agent 评测转录对齐到可回查的共享时间线

    arXiv
    2610.08364
    发表
    层
    应用层
    场景
    AI Agent
    被测模型
    Claude-Opus-4.7
    摘要Transect 把长转录收成可回查报告，案例中文稿与自审占主要 token。

    Transect 是基于 Inspect Scout 的转录分析包，用来在长程智能体评估里保住可回查的过程账户。

    深度解读完整解读
  8. 其他arXiv 2610.07386

    NetAgent：面向多任务网络流量分析的智能体框架

    提出 NetAgent，编排工具完成多任务网络流量分析

    arXiv
    2610.07386
    发表
    层
    应用层
    场景
    AI Agent
    摘要NetAgent 编排工具做多任务流量分析。

    NetAgent 是一个多任务网络流量分析智能体框架。作者要让分析员用自然语言把分类、隧道检测和主机研判串成可重规划的工作流，而不为每个任务单独训练一个模型。

    深度解读完整解读
  9. 其他arXiv 2610.06563

    HERA 提出 harness 与环境协同演化

    提出 HERA，协同演化 harness 与环境以提升 Agent 拒答准确性

    arXiv
    2610.06563
    发表
    层
    应用层
    场景
    AI Agent
    被测模型
    GPT-5.6-Luna、GPT-5.6-Terra、GPT-5.6-Sol 等 20 个
    摘要HERA 用失败协同演化 harness 与环境，并在迁移评测中提高 Abstain。

    HERA 在模型权重固定时，让 harness 与可执行环境按失败协同演化，以改进 agentic abstention。

    深度解读完整解读
  11. 其他arXiv 2610.02662

    论文发现语言驱动机器人安全监控的细化缺口：安全高层计划可能产生不安全执行

    审计机器人安全监控的细化缺口，比较表面计划与图细化轨迹的裁决

    arXiv
    2610.02662
    发表
    层
    应用层
    场景
    具身与机器人
    摘要表面轨迹可漏掉图诱导的禁区进入。

    作者审计 RoboGuard 的一个假设：对高层动作轨迹的安全裁决，在补上语义图诱导的导航和已记录隐式效应之后是否仍然成立。做法是不改验证器，并固定同一条 LTL。

    深度解读完整解读
  13. 其他arXiv 2610.01195

    Federated Agent Optimization：面向隐私约束下分布式智能体协同优化的联邦智能体优化框架

    提出 FAO 框架，形式化隐私约束下的分布式智能体协同优化

    arXiv
    2610.01195
    发表
    层
    应用层
    场景
    AI Agent
    摘要FAO 把智能体协作写成效用、隐私和通信的多目标问题，并给出组件分类与迁移框架。

    Federated Agent Optimization（FAO） 是一篇框架论文：多个处在私有环境中的 LLM 智能体，如何在原始数据、完整轨迹和本地知识不离开客户端的前提下协作改进。

    深度解读完整解读
  14. 其他arXiv 2610.01045

    论文提出空承诺概念，衡量智能体承诺超出运行时能力的问题

    定义空承诺并给出单回合测量协议，按配置判定智能体承诺可否执行

    arXiv
    2610.01045
    发表
    层
    应用层
    场景
    AI Agent
    摘要空承诺由配置决定、说话当下可判。

    作者定义空承诺：智能体承诺回合结束后的行动，但在其工具与运行时下没有任何执行路径。空洞只由配置决定，不依赖后续轨迹。

    深度解读完整解读
  17. 其他arXiv 2609.39982

    Mid-Harness：在模型与 Harness 之间扩展终端智能体的动作采样

    提出 Mid-Harness，在执行前验证并筛选终端智能体的候选动作

    arXiv
    2609.39982
    发表
    层
    应用层
    场景
    coding agent
    被测模型
    TMAX-9B、TMAX-4B、TMAX-27B 等 6 个
    摘要Mid-Harness 在执行前选择候选动作。

    Mid-Harness 在不改生成器和执行 harness 的前提下，于二者之间做动作级测试时计算，用来研究终端智能体里“多采样、再验证”何时提高轨迹成功。

    深度解读完整解读
  18. 其他arXiv 2609.38807

    PatchHolmes：基于列表式选择的智能体补丁检索系统

    提出 PatchHolmes，用混合检索和列表式智能体选出 CVE 修复提交

    arXiv
    2609.38807
    发表
    层
    应用层
    场景
    coding agent
    被测模型
    Qwen3-235B、Qwen3-Coder-30B、gpt-oss-120B 等 4 个
    摘要PatchHolmes 用混合检索和列表式四工具智能体做补丁检索，增益主要来自联合阅读候选而非更换骨干。

    PatchHolmes 是面向补丁检索的两阶段系统：在本地 Git 仓库上用冻结开源权重模型，为一个已知 CVE 找出修复提交，不做按仓库微调，也不使用付费外部搜索 API。

    深度解读完整解读
  19. 其他arXiv 2609.38143

    为测试时 AI4AI 的智能体执行环境设计学习元技能

    从执行反馈学习 meta-skill，为未见任务搭建 Agent harness

    arXiv
    2609.38143
    发表
    层
    应用层
    场景
    AI Agent
    被测模型
    Gemini-3.6-Flash、Qwen3.8-Flash、GPT-OSS-120B 等 4 个
    摘要冻结的 meta-skill 库指导 Builder 为未见任务搭建 harness，权重保持固定。

    作者研究 test-time AI4AI：Builder 与 Target 权重都固定时，Builder 学习如何为 Target 构造更好的执行环境。

    深度解读完整解读
加载更多