其他arXiv 2610.11959
MiMo-V2.6：通过扩展强化学习迈向自我改进
扩展全模态基座的强化学习以支撑智能体自我改进
- arXiv
- 2610.11959
- 发表
- 被测模型
- MiMo-V2.6-Pro、MiMo-V2.6-Flash、MiMo-V2.6-Distill-Qwen-9B
摘要系列用三维扩 RL 与分组评分提升智能体分数，作者称最终表现与前沿模型相当。
MiMo-V2.6 是全模态 MoE 技术报告，用扩大 RL 计算、环境和评分来追求智能体自我改进。
- 其他arXiv 2610.08884
Task-Sufficient Contraction：机器信息接口的源选择方法
定义任务充分收缩，认证用 GC 替换全信源后速率–遗憾曲线不变
- arXiv
- 2610.08884
- 发表
- 层
- 应用层
- 场景
- LLM 应用
摘要任务可在优化前定出压缩信源。
任务充分收缩处理机器信息接口上的信源选择：已声明任务有时可以在编码器、码本、速率、失真目标或优化器选定之前，定出一个更小的信源。
- 其他arXiv 2610.05831
长时程轨迹监督如何影响终端智能体训练的可靠性与成本
提出选择性长时程精炼，筛选轨迹以提升终端智能体训练可靠性
- arXiv
- 2610.05831
- 发表
- 被测模型
- Qwen/Qwen3-8B
摘要中间长度的监督更均衡。
这项工作研究终端智能体模仿学习里，教师轨迹应保留多少 token。
- 其他arXiv 2610.03036
WebFovea 提出视觉网页智能体四阶段加固框架，WebRetriever 挑战赛得分从 31.0 升至 57.0
提出 WebFovea，加固视觉网页智能体的解析、执行、反馈与观察往返
- arXiv
- 2610.03036
- 发表
- 层
- 应用层
- 被测模型
- claude-opus-4-6
- 组件视觉
- 其他arXiv 2610.02281
研究用 LLM 分析 9821 份英国年报，量化企业 AI 风险披露
用两阶段 LLM 流水线量化英国年报中的 AI 风险披露
- arXiv
- 2610.02281
- 发表
- 层
- 应用层
- 场景
- LLM 应用
- 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
- 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。
- 其他arXiv 2609.39537
面向 EU AI Act 基本权利影响评估的可复用语义网框架
提出可复用语义网框架，把 FRIA 证据建成可查询知识图谱
- arXiv
- 2609.39537
- 发表
- 层
- 应用层
- 场景
- LLM 应用
- 被测模型
- Claude Sonnet、GPT-4o-mini
- 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
- 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。
- 其他arXiv 2609.38096
Tail-Influence Sampling：面向 CVaR 策略评估的尾部影响采样
提出 Tail-Influence Sampling，按尾部影响分配查询以估计策略下尾 CVaR
- arXiv
- 2609.38096
- 发表
- 层
- 应用层
- 场景
- LLM 应用
摘要TIS 用尾部影响分配条件查询估 CVaR。
在条件转移可独立查询时，用 tail influence 把固定评测预算分给对一条固定策略的下尾 CVaR 更重要的 kernel。平均回报相近时，罕见失败仍可能差很多。完整 rollout 把大部分预算花在到不了最坏状态的转移上。
- 其他arXiv 2609.37968
SelfSearch：无需奖励信号的自改进 Agent 搜索方法
提出 SelfSearch，用自我修改记录无奖励搜索改进编码智能体
- arXiv
- 2609.37968
- 发表
- 层
- 应用层
- 被测模型
- gpt-5.6-luna、deepseek-v4-flash-0731
摘要TAIP 把策略、证据和执行分开，在保留的 RepoAudit 证据上于 5s 预算内重算合并门姿态。
TAIP 是放在未修改 RepoAudit 之外的保证层，用来在软件交付门上重算智能体安全控制的当前姿态。
摘要美国雇主把隐私岗位写成跨法律、技术与治理的混合角色，并写入 AI 监督。
这项计算分析看的是美国雇主在招聘文本里如何定义隐私劳动力，以及 AI 治理是否被写进这些岗位。
- 其他arXiv 2609.28137
研究：EdTech 平台将隐私与 AI 披露推迟到产品后期
访谈并审计 EdTech 平台如何推迟隐私与 AI 披露
- arXiv
- 2609.28137
- 发表
- 层
- 应用层
- 场景
- LLM 应用
摘要强制采用下的隐私推迟循环，使收集披露强于 AI 治理与问责。
EdTech 里的学生隐私常被推迟，而不是设计时的部署条件。作者要解释组织内部为何如此，以及公开政策是否呈现同样结构。
- 其他arXiv 2609.25498
Universal Fractal Natural Language Decision Map：werr 边缘运行时实现 0 字节 VRAM 决策
提出分形自然语言决策图 werr，在边缘做零权重运维分诊
- arXiv
- 2609.25498
- 发表
- 层
- 应用层
- 场景
- LLM 应用
- 其他arXiv 2609.24369
DeceptionAnalyser：基于论证方案与 LLM 的结构化欺骗分析网页工具
构建基于论证方案与大模型的结构化欺骗分析网页工具
- arXiv
- 2609.24369
- 发表
- 层
- 应用层
- 场景
- LLM 应用
摘要占位。
占位。
- 其他arXiv 2609.23954
Djinnlang：用 LLM 编译器实现无歧义规格的高级编程
提出 Djinnlang，使人只写无歧义规格，由编译器内 LLM 补实现并经 Dafny 核验
- arXiv
- 2609.23954
- 发表
- 层
- 应用层
- 被测模型
- Claude Fable 5.1 (Claude Code)、GPT 6 Astra (Codex)
摘要无歧义规格加验证器，使 LLM 成为可丢弃代码的编译阶段。
Djinnlang 让程序员只写规格，把 LLM 放进编译器，并用 Dafny 验证器加上无歧义约束钉住语义。
摘要元认知反馈减少答案卸载并提高无辅助成绩，按协助程度给分的奖励则没有。
这是一项关于学习界面如何减少把完整答案交给 LLM、从而降低去技能风险的预注册 HCI 实验。
- 其他arXiv 2609.18120
PentestChain：面向免费层 LLM 的成本感知 MCP 编排自动化渗透测试框架
提出成本感知的 MCP 编排框架，用确定性利用图与免费层模型做自动化渗透测试
- arXiv
- 2609.18120
- 发表
- 层
- 应用层
- 场景
- LLM 应用
摘要确定性利用图加免费层级联在十次自建运行上测得付费成本为零。
PentestChain 是一个十阶段、经 MCP 暴露的自动渗透框架，用确定性利用图把 7B 本地模型挡在利用关键路径之外，并把每次交战的美元成本当作实测指标。。
摘要双缺口解释内环为何会放行部署后不可接受的实现，外环用现实证据持续修订 R、M 与 E。
Reality Is the Final Verifier 用 two-gap framework 解释智能体软件工程的主要失败，并主张用外层保证环持续收窄缺口，而不是试图在部署前证明缺口已关闭。
- 其他arXiv 2609.09135
ERPO：面向代码生成测试时强化学习的熵正则化排名掩码策略优化
提出 ERPO，用探针共识奖励在无标签代码题上做测试时强化学习
- arXiv
- 2609.09135
- 发表
- 被测模型
- Qwen3-4B、Qwen3-8B