每日调研 2026-06-15 ★★★★☆ dailyAILLMAgentCode IntelligenceResearch Briefing

#2026-06-15 AI/LLM 最新论文与研究热点简报

检索时间：2026-06-15 08:00（Asia/Shanghai）

覆盖范围：由于 arXiv 周末没有常规新提交，本期实际覆盖 2026-06-10 至 2026-06-13 在 Hugging Face Daily Papers、arXiv、GitHub/Hugging Face 模型页上出现或更新的一批论文与项目。

重点筛选方向：LLM Agent、代码智能、长轨迹/深度搜索、latent reasoning、agentic RL、工具调用、持续学习、预训练/后训练机制、长上下文与系统。

访问说明：arXiv API 在检索中出现 429 限流，因此对重点条目改用 arXiv 论文页逐篇核验；X/Twitter 登录墙下难以稳定做系统检索，本期未把 X 帖作为事实来源，改用 Hugging Face、arXiv、GitHub/HF API 交叉验证。

#一句话总览

今天最值得关注的信号不是单点模型榜单，而是 Agent 研究正在从“模型会不会调用工具”转向“环境、记忆、接口、轨迹和验证器如何共同塑造能力”：EvoArena/EvoMem 把动态环境记忆演化问题显式 benchmark 化；EurekAgent 把 autonomous discovery 的瓶颈定位为 environment engineering；HyperTool、HarnessBridge、WeaveBench 则分别从工具粒度、agent harness、真实混合界面长任务角度重构 agent 的交互层。与此同时，latent reasoning 和 post-training RL 仍在快速推进，SWITCH 用显式边界 token 让 hidden-state recurrence 进入可 RL 优化、可解释的框架。

#1. 今日最重要的 5 条

#1.1 EvoArena: Tracking Memory Evolution for Robust LLM Agents in Dynamic Environments

  • 类别：LLM Agent / Continual Learning / Memory / Evaluation
  • 链接：https://arxiv.org/abs/2606.13681
  • 来源：arXiv cs.CL；Hugging Face Daily Papers
  • 日期：2026-06-11；GitHub repo 2026-06-13 有更新
  • 代码/项目：https://github.com/Aiden0526/EvoArena
  • 一句话核心贡献：提出 EvoArena，把环境变化建模成 terminal、software、social preference 等域中的连续更新序列，并提出 patch-based memory 范式 EvoMem 来记录 memory evolution；实验显示当前 agent 在动态环境平均准确率只有约 39.6%。

为什么值得关注：

多数 agent benchmark 默认环境是静态的：文件系统、API 文档、用户偏好、软件版本、任务约束都不变。但真实部署中，agent 必须处理“昨天学到的知识今天部分失效”的问题。EvoArena 的价值在于把这个问题从笼统的“长期记忆”拆成可测的 memory evolution：哪些知识被更新、替换、废弃，agent 是否能从 memory diff 中推理出新环境。

与 wenjun 方向的关系：

这直接连接到 LLM Agent 的持续学习与长轨迹能力形成机制。若要研究 agent 预训练数据/交互数据如何塑造能力，EvoArena 提供了一个很好的任务抽象：不是只看是否记住事实，而是看模型能否在连续环境变更下维护可执行的世界模型。它也可以和 model-based RL 结合：memory patch 本质上是环境状态转移的符号轨迹。

#1.2 Demystifying Hidden-State Recurrence: Switchable Latent Reasoning with On-Policy Reinforcement Learning

  • 类别：Latent Reasoning / Post-training RL / Mechanistic Interpretability
  • 链接：https://arxiv.org/abs/2606.13106
  • 来源：arXiv；Hugging Face Daily Papers
  • 日期：2026-06-11
  • 一句话核心贡献：提出 SWITCH，通过 <swi> 与 </swi> 显式边界 token 让模型在可见文本推理与 hidden-state latent recurrence 之间切换，使 latent CoT 更适合标准 on-policy RL，并为机制分析提供锚点。

为什么值得关注：

latent-space reasoning 过去的难点是：连续隐状态推理看起来节省 token，但训练和归因都很别扭。SWITCH 的核心 trick 很朴素：用离散边界 token 定义进入/退出 latent mode 的区间。这样 policy 仍然能用常规 on-policy RL 优化，而 latent block 又不会完全黑箱到无法定位。

与 wenjun 方向的关系：

这篇非常贴合“潜空间推理 latent-space reasoning”。它提示一个可深挖方向：latent reasoning 不一定要完全端到端隐式化，可以设计 可切换、可审计、可奖励分配 的 latent segment。对长轨迹 agent 来说，未来也许可以让 agent 在“规划/反思”时进入 latent mode，在“调用工具/提交动作”时退出 latent mode，从而减少上下文成本。

#1.3 EurekAgent: Agent Environment Engineering is All You Need For Autonomous Scientific Discovery

  • 类别：LLM Agent / Environment Design / Scientific Discovery / Self-evolving Agent
  • 链接：https://arxiv.org/abs/2606.13662
  • 来源：arXiv cs.AI/cs.CL；Hugging Face Daily Papers
  • 日期：2026-06-11
  • 一句话核心贡献：提出 environment engineering 视角，认为自主科学发现的瓶颈正从手写 agent workflow 转向设计能放大探索、管理 artifact、支持协作并抑制 reward hacking 的执行环境。

为什么值得关注：

这篇的主张非常接近“通过环境设计催生自演化智能”：当模型能力上来之后，决定 agent 能否产出科学发现的不只是 prompt/workflow，而是环境提供了什么可操作资源、反馈、约束、版本化 artifact、协作接口和验证机制。

与 wenjun 方向的关系：

如果 wenjun 关注 model-based RL / Dreamer for LLM Agent，这篇可作为宏观框架：world model 不只是模型内部学出来的，也可以通过外部环境结构来显式化。一个可研究问题是：什么样的 agent environment 能诱导出更强的自我改进 loop？哪些环境设计只是 benchmark trick，哪些会稳定提高长轨迹泛化？

#1.4 HyperTool: Beyond Step-Wise Tool Calls for Tool-Augmented Agents

  • 类别：Tool-use / LLM Agent / Context Compression / Systems
  • 链接：https://arxiv.org/abs/2606.13663
  • 来源：arXiv cs.CL
  • 日期：2026-06-11
  • 一句话核心贡献：提出 HyperTool，一种 MCP 风格的统一可执行工具接口，让模型用一个代码块在单次外层调用中组合多个工具、处理中间值，从而把确定性工具子流程折叠出主推理轨迹。

为什么值得关注：

当前 tool-use agent 常见问题是“每一步工具调用都暴露给 LLM”：调用、观察、传值、再调用，消耗上下文且迫使模型管理低层 dataflow。HyperTool 的思路是改变模型可见的执行粒度：让工具链内部的确定性流程在外部看来是一个 macro action。

与 wenjun 方向的关系：

这对通用上下文压缩器和长轨迹 agent 很关键。它不是压缩自然语言上下文，而是压缩 action trace。如果结合 RL，可把 HyperTool 看作 option / skill discovery：低层工具组合被封装成高层 action，模型在长任务中学习何时调用高层 option。

#1.5 WeaveBench: A Long-Horizon, Real-World Benchmark for Computer-Use Agents with Hybrid Interfaces

  • 类别：LLM Agent / Code Agent / Computer-use / Evaluation
  • 链接：https://arxiv.org/abs/2606.09426
  • 来源：arXiv；Hugging Face Daily Papers
  • 日期：2026-06-08 提交，2026-06-10 v2 更新；GitHub 2026-06-11 更新
  • 代码/项目：https://github.com/weavebench/WeaveBench
  • 一句话核心贡献：提出 114 个跨 GUI、CLI、代码编辑、浏览器和外部工具的真实长程任务，并配套 trajectory-aware judge 检查文件、截图、日志与动作轨迹。

为什么值得关注：

Computer-use agent 未来不会只在浏览器或命令行中单独行动，而是在桌面、shell、IDE、网页、文件系统之间来回切换。WeaveBench 把这个“混合界面编排”作为核心能力来测，而不是把 GUI 与 CLI 分开评估。

与 wenjun 方向的关系：

这对 Code Agent / agentic coding 很有参考价值：真实 coding agent 往往需要读 issue、改代码、跑测试、看日志、生成报告。WeaveBench 的 judge 思路也适合做长轨迹 RL 的 verifiable reward：不是只看最终文本，而是检查 artifacts 与 trace。

#2. 其他值得扫读的论文与动态

#2.1 Learning to Reason by Analogy via Retrieval-Augmented Reinforcement Fine-Tuning

  • 类别：Post-training RL / RAG / Reasoning
  • 链接：https://arxiv.org/abs/2606.13680
  • 来源：arXiv cs.AI/cs.CL
  • 日期：2026-06-11
  • 一句话核心贡献：提出 RA-RFT，让 retriever 按“对推理有帮助”而非语义相似度检索类比样例，再用可验证结果奖励进行 reinforcement fine-tuning。
  • 判断：值得关注其对“检索什么样的轨迹能帮助 reasoning”这个问题的形式化；它可能比普通 RAG 更接近 agent 经验回放 / case-based RL。

#2.2 Agents-K1: Towards Agent-native Knowledge Orchestration

  • 类别：LLM Agent / Scientific Knowledge Graph / Agent Pretraining Data
  • 链接：https://arxiv.org/abs/2606.13669
  • 来源：arXiv cs.AI
  • 日期：2026-06-11
  • 一句话核心贡献：提出把论文全文转成 agent-native scientific knowledge graph 的 pipeline，强调实体、claim、证据、机制、方法谱系，而不是只抽摘要和 citation edge。
  • 判断：适合关注科研 agent 和 agent 预训练数据的人读；关键点是“给 agent 的知识表示”需要比给人类的摘要更结构化。

#2.3 SpatialClaw: Rethinking Action Interface for Agentic Spatial Reasoning

  • 类别：LLM Agent / Tool-use / Spatial Reasoning / VLM
  • 链接：https://arxiv.org/abs/2606.13673
  • 来源：arXiv；Hugging Face Daily Papers
  • 日期：2026-06-11
  • 一句话核心贡献：研究 spatial agent 的 action interface 如何限制开放式 3D/4D 空间推理，指出 single-pass code execution 与结构化工具调用各有灵活性瓶颈。
  • 判断：可与 HyperTool 一起看：一个讲工具执行粒度，一个讲动作接口设计；共同主题是 interface 会塑造 agent 能力上限。

#2.4 HarnessBridge: Learnable Bidirectional Controller for LLM Agent Harness

  • 类别：LLM Agent / Agent Harness / Long-horizon Agent
  • 链接：https://arxiv.org/abs/2606.12882
  • 来源：arXiv；Hugging Face Daily Papers
  • 日期：2026-06-11
  • 一句话核心贡献：提出可学习的 agent-environment harness controller，把人工设计的 harness 替换为轻量双向投影模块，以适配更长、更复杂的交互轨迹。
  • 判断：这是“agent shell / runtime 也可学习化”的方向，适合和 environment engineering、HyperTool、TRACE 放在一条线上理解。

#2.5 FORT-Searcher: Synthesizing Shortcut-Resistant Search Tasks for Training Deep Search Agents

  • 类别：LLM Agent / Deep Search / RLVR / Evaluation Data
  • 链接：https://arxiv.org/abs/2606.12087
  • 来源：arXiv；Hugging Face Daily Papers
  • 日期：2026-06-10
  • 代码/项目：https://github.com/RUCAIBox/FORT-Searcher
  • 一句话核心贡献：提出 shortcut-aware difficulty 框架和 FORT 数据合成流程，构造更抗捷径的 deep search 训练任务。
  • 判断：对训练 search agent 很有用。很多“复杂搜索题”其实有短路路径，FORT 明确诊断 evidence co-coverage、single-clue selectivity、exposed constants、prior-knowledge binding 等捷径风险。
  • 类别：LLM Agent / Deep Search / Test-time Scaling
  • 链接：https://arxiv.org/abs/2606.11662
  • 来源：arXiv；Hugging Face Daily Papers
  • 日期：2026-06-10
  • 一句话核心贡献：提出把深度搜索组织成 tree-structured branch-and-return 的 inference-time 框架，让 agent 在多个可疑搜索方向之间进行有纪律的试错与回退。
  • 判断：与 FORT-Searcher 互补：一个偏训练数据抗捷径，一个偏推理时搜索控制。可作为 long-horizon agent planning 的轻量 baseline。

#2.7 EvoBrowseComp: Benchmarking Search Agents on Evolving Knowledge

  • 类别：LLM Agent / Search Agent / Evaluation / Dynamic Knowledge
  • 链接：https://arxiv.org/abs/2606.13120
  • 来源：arXiv；Hugging Face Daily Papers
  • 日期：2026-06-11
  • 一句话核心贡献：提出 400 英文 + 400 中文的 evolving benchmark，用 live-web traversal 合成污染更少的复杂搜索问题，减少静态知识 benchmark 被参数记忆击穿的问题。
  • 判断：与 EvoArena 一样强调“环境/知识会变化”。对检验 agent 是否真的会搜索而不是背答案很重要。

#2.8 Getting Better at Working With You: Compiling User Corrections into Runtime Enforcement for Coding Agents

  • 类别：Code Agent / Memory / Runtime Enforcement / Human Preference
  • 链接：https://arxiv.org/abs/2606.13174
  • 来源：arXiv；Hugging Face Daily Papers
  • 日期：2026-06-11
  • 一句话核心贡献：提出 TRACE，把用户纠正抽成原子规则，并编译成 coding agent 完成任务前必须通过的 runtime checks；论文指出仅用 Mem0 仍有 57.5% 适用偏好检查被违反。
  • 判断：这篇对“从指令理解走向意图/偏好理解”很实用：记忆不是存下来就完了，还要能变成执行时约束。

#2.9 Understanding the Rejection of Fixes Generated by Agentic Pull Requests -- Insights from the AIDev Dataset

  • 类别：Code Agent / Software Engineering / Evaluation
  • 链接：https://arxiv.org/abs/2606.13468
  • 来源：arXiv cs.SE
  • 日期：2026-06-11
  • 一句话核心贡献：分析 Copilot、Devin、Cursor、Claude 等 agent 生成 PR 在 AIDev 数据集中的拒绝原因，发现约 46.41% 修复被拒绝，并归纳失败模式。
  • 判断：对 code agent 的真实采用很重要：benchmark 上通过测试不等于 PR 可合并，拒绝原因往往涉及项目语义、维护偏好、代码风格、风险控制。

#2.10 Toward Instructions-as-Code: Understanding the Impact of Instruction Files on Agentic Pull Requests

  • 类别：Code Agent / Agent Instructions / Software Engineering
  • 链接：https://arxiv.org/abs/2606.13449
  • 来源：arXiv cs.SE
  • 日期：2026-06-11
  • 一句话核心贡献：基于 148 个项目的 15,549 个 agentic PR，研究 instruction files 对 agent PR merge rate、任务复杂度和合并成本的影响。
  • 判断：非常贴近 coding agent 工程实践。AGENTS.md、CLAUDE.md、cursor rules 这类 instruction file 正在变成“项目级程序化规范”。

#2.11 Beyond Problem Solving: UOJ-Bench for Evaluating Code Generation, Hacking, and Repair in Competitive Programming

  • 类别：Code Intelligence / Evaluation / Program Repair
  • 链接：https://arxiv.org/abs/2606.12864
  • 来源：arXiv cs.SE
  • 日期：2026-06-11
  • 一句话核心贡献：提出 UOJ-Bench，不只评估竞赛题解生成，还评估发现人类错误代码的 hacking 能力与 code repair 能力，并用 UOJ 原生 judge 评估。
  • 判断：把 competitive programming 从“会写 AC 代码”扩展到“会找错、修错”，更接近代码智能的教学/审查场景。

#2.12 MiniMax Sparse Attention

  • 类别：Systems / Long Context / Agent Infrastructure
  • 链接：https://arxiv.org/abs/2606.13392
  • 来源：arXiv；Hugging Face Daily Papers
  • 日期：2026-06-11；GitHub 2026-06-13 更新
  • 代码/项目：https://github.com/MiniMax-AI/MSA
  • 相关模型：https://huggingface.co/MiniMaxAI/MiniMax-M3
  • 一句话核心贡献：提出 MSA，在 GQA 上增加轻量 Index Branch 为每个 GQA group 选择 Top-k KV blocks，主分支再做精确 block-sparse attention，面向百万级上下文和 agent/code 场景。
  • 判断：对长上下文 agent、repo-scale code reasoning、持久记忆很重要。MiniMax-M3 模型页也明确带有 agent/coding/video/multimodal 标签，HF API 显示 2026-06-13 有更新。

#2.13 MaxProof: Scaling Mathematical Proof with Generative-Verifier RL and Population-Level Test-Time Scaling

  • 类别：Post-training RL / Verifier / Test-time Scaling / Reasoning
  • 链接：https://arxiv.org/abs/2606.13473
  • 来源：arXiv；Hugging Face Daily Papers
  • 日期：2026-06-11
  • 一句话核心贡献：MiniMax-M3 系列的数学证明框架，训练生成、验证、基于 critique 的修复能力，并在 test time 把模型作为 generator/verifier/refiner/ranker 做 population-level 搜索。
  • 判断：虽然偏数学证明，但“生成器 + 低误报验证器 + 修复器 + 群体级 test-time scaling”是可迁移到代码 agent 和科学发现 agent 的通用 recipe。

#2.14 InterleaveThinker: Reinforcing Agentic Interleaved Generation

  • 类别：Multimodal Agent / Post-training RL / Agentic Generation
  • 链接：https://arxiv.org/abs/2606.13679
  • 来源：arXiv；Hugging Face Daily Papers
  • 日期：2026-06-11；GitHub 2026-06-12 更新
  • 代码/项目：https://github.com/zhengdian1/InterleaveThinker
  • 一句话核心贡献：用 planner agent 与 critic agent 组成 pipeline，让现有图像生成器获得 text-image sequence 的 interleaved generation 能力，并通过强化式样本筛选/反馈改善输出。
  • 判断：对多模态 agent 重要，但与 wenjun 当前主线的直接相关性略低于 LLM/code/search agent。

#2.15 Dense Supervision, Sparse Updates: On the Sparsity and Geometry of On-Policy Distillation

  • 类别：Post-training / On-policy Distillation / Training Mechanism
  • 链接：https://arxiv.org/abs/2606.13657
  • 来源：arXiv cs.LG
  • 日期：2026-06-11
  • 一句话核心贡献：分析 OPD 风格更新的稀疏性与几何结构，发现更新小且 coordinate-sparse、通常 FFN-heavy，训练发现的子网络可接近 full OPD 性能。
  • 判断：对理解高效后训练机制有价值，尤其是为什么 on-policy student trajectory + dense teacher supervision 有时比普通 RL/蒸馏更稳。

#2.16 SG-OPD: Sign-Gated On-Policy Distillation via Sign-Consistency Gating and Phased Teacher Sampling

  • 类别：Post-training / On-policy Distillation / RL
  • 链接：https://arxiv.org/abs/2606.09304
  • 来源：arXiv；Hugging Face Daily Papers
  • 日期：2026-06-08
  • 一句话核心贡献：指出 OPD 依赖 student-teacher trajectory alignment 与 teacher token preference 可靠性，提出用二值 verifier 作为信任信号进行 sign-gated 蒸馏与 phased teacher sampling。
  • 判断：可与 2.15 一起看，形成对 OPD 的机制理解与改进路线。

#2.17 Influcoder: Distilling Decoders' Gradient Influence Rankings into an Encoder for Data Attribution

  • 类别：Pretraining Data / Data Attribution / Data Quality
  • 链接：https://arxiv.org/abs/2606.13668
  • 来源：arXiv cs.CL
  • 日期：2026-06-11
  • 一句话核心贡献：把 decoder 的 gradient influence ranking 蒸馏到 encoder，以更低成本做大规模训练数据归因。
  • 判断：贴合预训练数据质量/去重/污染分析。若能稳定估计哪些样本导致特定输出，就能更系统地做代码数据清洗与能力来源分析。

#2.18 The Stable Recovery Manifold: Geometric Principles Governing Recoverability in Continual Learning

  • 类别：Continual Learning / Training Dynamics
  • 链接：https://arxiv.org/abs/2606.13637
  • 来源：arXiv cs.LG
  • 日期：2026-06-11
  • 一句话核心贡献：从 recoverability、representation drift、recovery subspace dimensionality 角度分析持续学习中的灾难性遗忘，发现 recoverability 可能由稳定低维子空间结构支配。
  • 判断：虽然实验不是 LLM，但问题意识对 LLM 持续预训练很有启发：遗忘不只是知识被毁，也可能是 access path collapse。

#2.19 See What I See, Know What I Think: Dense Latent Communication Across Heterogeneous Agents

  • 类别：Multi-agent / Latent Communication / Context Compression
  • 链接：https://arxiv.org/abs/2606.13594
  • 来源：arXiv；Hugging Face Daily Papers
  • 日期：2026-06-11
  • 一句话核心贡献：研究异构 agent 间的 dense latent communication / KV-cache transfer，试图让不同模型之间传递“看到什么”和“怎么想”。
  • 判断：与 latent reasoning、multi-agent coordination 和上下文压缩都相关；关键难点是跨模型 latent alignment。

#3. 今日最值得精读的 3 篇

  1. EvoArena: Tracking Memory Evolution for Robust LLM Agents in Dynamic Environments

https://arxiv.org/abs/2606.13681

精读理由：动态环境 + memory evolution 是 agent 长期部署的核心问题，也是从静态 benchmark 走向真实世界 agent 的关键缺口。

  1. Demystifying Hidden-State Recurrence: Switchable Latent Reasoning with On-Policy Reinforcement Learning

https://arxiv.org/abs/2606.13106

精读理由：非常贴合 latent-space reasoning；显式 latent boundary token 可能是让 latent reasoning 可训练、可解释、可控制的简单而强的设计。

  1. HyperTool: Beyond Step-Wise Tool Calls for Tool-Augmented Agents

https://arxiv.org/abs/2606.13663

精读理由：把 tool-use trace 的压缩和 action abstraction 讲得很直接，可连接 option learning、agentic RL、MCP 工具生态和长上下文成本控制。

备选：如果今天更想看 code agent 工程实践，可以把第三篇换成 TRACE 或 AIDev PR rejection 两篇之一。

#4. 今日最值得跟进的 3 个 repo / model / dataset

  1. EvoArena

- 链接：https://github.com/Aiden0526/EvoArena

- 关注点：动态环境 agent benchmark、EvoMem patch-based memory。适合作为长程记忆/持续学习 agent 的实验基准。

  1. WeaveBench

- 链接：https://github.com/weavebench/WeaveBench

- 关注点：GUI + CLI + code + browser 的真实混合界面长任务，以及 trajectory-aware judge。适合 code/computer-use agent 评测与 RLVR reward 设计。

  1. MiniMax Sparse Attention / MiniMax-M3

- GitHub：https://github.com/MiniMax-AI/MSA

- 模型：https://huggingface.co/MiniMaxAI/MiniMax-M3

- 关注点：百万级上下文 sparse attention，直接服务 agentic workflow、repo-scale code reasoning、persistent memory。

可选跟进：FORT-Searcher（https://github.com/RUCAIBox/FORT-Searcher）用于 deep search agent 抗捷径训练数据；InterleaveThinker（https://github.com/zhengdian1/InterleaveThinker）用于多模态 interleaved generation。

#5. 研究机会 / idea

#Idea 1：把 EvoMem 式 memory patch 变成 LLM Agent 的显式 world-model transition

EvoArena 把环境变化表示为 memory update history，这和 model-based RL 的 state transition 非常像。可以尝试把 agent 的长期记忆分成：

  • 当前 belief state；
  • memory patch / diff；
  • patch 的适用条件与过期条件；
  • 使用 patch 后的 reward / failure trace。

研究问题：agent 是否能基于 patch history 预测下一次环境变化？是否能在没有真实执行前模拟“如果 API/用户偏好/代码结构变化，会影响哪些计划”？这可能是 LLM Agent 版 Dreamer/world model 的一个可操作入口。

#Idea 2：把 HyperTool 看作 option discovery：从工具轨迹中学习高层动作

HyperTool 手工/合成地把多个工具调用折叠成一个宏调用。可以进一步问：这些 macro action 是否能从 agent 轨迹中自动发现？

可能实验：

  • 收集 coding/search agent 成功轨迹；
  • 按重复出现的工具调用子图挖掘 candidate options；
  • 把 option 编译成 HyperTool 风格可执行块；
  • 用 RL 或 bandit 学习何时调用 option；
  • 比较 token cost、成功率、错误可恢复性。

这会把“上下文压缩”从文本层推进到行为层。

#Idea 3：latent reasoning 的边界 token + verifiable tool/action reward

SWITCH 用 <swi>/</swi> 定义 latent reasoning segment。可以探索在 agent 任务中只对可见动作给 reward，而让模型在动作前自由进入 latent mode：

  • latent mode 负责规划/反思/压缩状态；
  • visible mode 负责调用工具、提交代码 diff、写最终答案；
  • reward 来自测试、judge、环境反馈；
  • 通过边界 token 分析什么时候模型选择“想一想”。

关键问题：latent segment 是否真的学到规划，还是只是隐藏版 verbosity？可以用 ablation：限制 latent 长度、打乱 latent hidden state、替换为文本 CoT、对动作成功率和 token 成本做对比。

#6. 今日判断

本期最强主题是 agent runtime/interface/environment 正在成为研究对象本身。过去一年大家主要问“模型是否足够强”；现在越来越多论文在问：

  • 记忆如何随环境演化？
  • 工具调用是否应该暴露为逐步 trace？
  • agent harness 是否能学习？
  • benchmark 是否会被静态知识和捷径污染？
  • 用户纠正如何从记忆变成 runtime enforcement？
  • latent reasoning 如何在不牺牲可训练性和可解释性的情况下节省推理成本？

对 wenjun 的主线而言，可以把这些工作统一理解为：LLM Agent 的能力不只在参数里，也在可学习/可设计的环境、接口、记忆、验证器和轨迹分布里形成。

鼠鼠研究站 · 自动整理调研 / 论文 / 历史主题