解读
1087 篇 · 选题榜 / 深度解读 / 科普 / 综述 / 视频脚本（学术推广产出）
Taming the Titans：高效 LLM 推理服务综述
这是一篇由苏州大学与华为云联合发布的 LLM 推理服务（LLM Serving）领域系统综述，把当前零散分布在系统、调度、存储、硬件等方向的优化手段，第一次按"实例级 → 集群级 → 新兴场景 → 杂项"四级层级串成一张可索引的地图，并指出 LLM Serving 正从"工程调优"向"理论优化"升级的研究范式转变。 L…
ReMemR1：让长上下文 LLM Agent 能"回头看"的记忆回调与多级奖励
ReMemR1 把"记忆检索"机制嵌入到"边读边记"记忆更新过程中，并在强化学习训练阶段同时使用最终答案奖励与 step 级密集信号，使长上下文问答 Agent 能在数百万 token 文档里做非线性多跳推理，并以极小计算开销取得对 SOTA 的大幅领先。 长上下文问答（LongContext QA）是当前 LLM 的…
LongVideoAgent：长视频多智能体推理
LongVideoAgent 提出一个"主 Agent + grounding Agent + vision Agent"三层多智能体框架，让一个 master LLM 显式规划、分工调度，专门解决小时级长视频问答中"压缩丢细节、工具太单一、规划不稳定"的老毛病，并在新数据集 LongTVQA / LongTVQA+ …
Continuum：面向多轮 Agent 工作负载的 KV Cache TTL 调度系统
Continuum 提出一种基于 KV Cache TTL（timetolive）的多轮 Agent 请求调度策略，按 reload 成本与排队延迟选择性地把 KV cache pin 在 GPU 上，使多轮 Agent 工作流在 SWEBench、BFCL、OpenHand 等真实负载下的平均 Job Complet…
STEP3-VL-10B 技术报告：10B 参数的多模态小巨人
StepFun（阶跃星辰）发布的多模态基础模型 STEP3VL10B，用 10B 的紧凑参数体量，借助"全参数解冻预训练 1.2T tokens + 1k+ 轮强化学习 + PaCoRe 并行协调推理"三板斧，在 MMBench、MMMU、AIME2025、MathVision、ScreenSpotV2 等基准上达到或…
Compound AI Systems：从"单体大模型"到"集成智能体"的系统级综述
引用：Jiayi Chen 等，"From Standalone LLMs to Integrated Intelligence: A Survey of Compound AI Systems"，arXiv:2506.04565v2，20250605 v1 提交，20260508 v2 更新。分类：cs.MA（多智能…
UniSpace：把"理解-生成-编辑"压进同一套 ViT 视觉空间的统一表征
UniSpace 提出一种 Patch Reparameterization（Patch 重参数化）技巧，把一个已经预训练好的纯语义 ViT 同时改造成"既懂语义又看得清像素"的统一视觉表征，进而在此之上扩出一个 8B 的 MixtureofTransformerExperts 模型，让理解、生成、编辑三件事共用同一套…
Hydra-0：用"像素级动作流"做通用世界模型与机器人控制的统一接口
Hydra0 把所有机器人动作都表示成 像素级运动（action flow）——也就是"动作在画面里造成哪些像素怎么动"——作为通用世界模型与控制的共享视觉接口，实现了跨 embodiment、跨任务、跨环境的统一条件信号，并在此基础上发现了一种反向模式：能从人类示教视频里的物体运动直接推出可执行的机器人动作。 通用机…
Human-Centric Intelligence 综述：把"以人为中心"的 AI 重新装回 Foundation Model 的语境
这是一篇把"以人为中心的智能（HumanCentric Intelligence）"这条碎片化、跨任务跨模态跨社区的研究脉络 重新装回 Foundation Model 框架 的综述：用一套六层人类语境分类法 + 数据 / 架构 / 训练推理优化的方法论分层，把视觉外观、空间几何、运动学、交互、世界模拟、具身 agen…
Scaling Embeddings Outperforms Scaling Experts：LongCat-Flash-Lite 与正交于 MoE 的稀疏维度
说明：工作队列中本条目最初以「LLM Research Papers: 2026 List」为标题索引（来自 Sebastian Raschka 的 newsletter 列表），但其对应的 arXiv ID 2601.21204 实际指向美团 LongCat 团队的 LongCatFlashLite 论文。本文按 a…
Mamba-3：基于状态空间原理改进序列建模
Mamba3 通过"更富表达力的 SSM 离散化递推 + 复数值状态更新 + 多输入多输出（MIMO）"三项正交改进，在不增加 decode 延迟的前提下，把次二次（subquadratic）线性序列模型在检索、状态追踪与下游语言建模任务上推到了新的 Pareto 前沿，1.5B 规模相比 Gated DeltaNet…
Agent UQ：LLM 智能体不确定性量化的基础、挑战与机遇
这篇论文主张 LLM 不确定性量化（UQ）研究必须从"单轮 QA"切到"交互式 Agent"场景，给出第一个能涵盖现有 UQ 设置的通用 Agent UQ 形式化，并系统列出 Agent 场景下四类独有挑战，在 τ²bench 上做了实证。 过去两年 LLM UQ 主流路线（verbalized confidence、…
LLM 驱动的 AI Agent 系统及其行业应用综述
这是一篇定位为「行业工程师入门地图」的 LLM Agent 综述：它把从 preLLM 时代规则 agent，到当前 LLM 驱动的软件型 / 物理型 / 混合型 agent 的演化一次性梳理，并按行业（客服、软件开发、制造、个性化教育、金融交易、医疗）给出落地形态、挑战与缓解路径，最终指向一个结论——LLM agen…
DualPath：打破 Agentic LLM 推理的存储带宽瓶颈
原文标题：Breaking the Storage Bandwidth Bottleneck in Agentic LLM Inference，arXiv:2602.21548v2（20260226），cs.DC。 作者：Yongtong Wu、Shaoyuan Chen、Yinmin Zhong 等共 13 人。 D…
Natural-Language Agent Harnesses：把 Agent Harness 变成可执行的自然语言对象
这是一篇重新定义 agent harness 表示形式的论文：它提出 NaturalLanguage Agent Harnesses（NLAH）——用可编辑的自然语言文档描述运行级 harness 策略——以及 Intelligent Harness Runtime（IHR），一个把这些文档解释为 agent 调用、交…
Keyword Search is All You Need：仅靠关键词检索的 Agent 能否替代向量 RAG？
引用：Shreyas Subramanian 等（Amazon Science），"Keyword search is all you need: Achieving RAGLevel Performance without vector databases using agentic tool use"，arXiv:…
MCP 生态安全的首份横切面研究：两阶段攻击面与 MCPInspect
MCP（Model Context Protocol）把 LLM 接到外部工具的「最后一公里」标准化了，但也把攻击面从模型本身延伸到了注册表、服务器和工具描述三层。本文对 67,057 个公开 MCP 服务器做横切面审计，发现注册表弱校验 + 工具描述投毒 + 主机无独立校验三条链路都已可被利用，作者据此实现 MCPI…
PolyUQuest：异构图上的可验证、结构感知 Web RAG
PolyUQuest 把"网页不再是扁平文本"这件事工程化到底——它把页面间超链接、页面内 DOM 层级、跨页面实体关系三类结构信号统一到一张异构图里,用一个 twotier router 按问题结构类型分派到三种检索模式(直接块检索 / 跨页图遍历 / 多跳实体推理),每个答案都附带可回溯到结构证据的引用,在 Pol…
GPT-3：语言模型的少样本涌现
GPT3 把 Transformer 语言模型扩到 1750 亿参数后，不更新任何权重就能在多数 NLP 任务上匹配或超过当时为每个任务专门微调的 SOTA，把"上下文学习（incontext learning）"从偶发现象变成了 LLM 的核心能力之一。 2018 年 BERT、2019 年 GPT2 之后，NLP …
PyTorch：把"可编程性 + 高性能"统一起来的深度学习库
PyTorch 用"tensor + autograd + 动态计算图"的最小可编程单元，把 NumPy 风格的命令式编程体验与 GPU 加速、分布式训练、自动微分合并到同一个 Python 程序里，从而把研究阶段的"边写边跑"和工程阶段的"跑得快"做到了同一套 API。 2016 年前后的深度学习框架处在明显的两极分…
Vanilla LoRA 可能就够了：学习率才是 LoRA 变体差异的真正来源
论文：Learning Rate Matters: Vanilla LoRA May Suffice for LLM Finetuning（arXiv:2602.04998v2，cs.LG，202605 更新；作者 YuAng Lee；代码 通过对 9 个有代表性的 LoRA 变体（含 PiSSA、DoRA、AdaLo…
分布式向量数据库在 HPC 上的性能实测：Qdrant × Polaris 超算
本文是首份在 Argonne 实验室 Polaris 超算（AMD EPYC Milan 7543P 32 核 × 512GB × 4×A100、HPE Slingshot 11 互联）上对分布式向量数据库 Qdrant 的实证性能研究，使用 Qwen3Embedding4B 对 829 万篇 peS2o 科学全文做嵌…
GLM：面向图思维链推理的多 Agent 框架与高效 LLM Serving 协同设计
GLM（GraphCoT LLM Multiagent）把"图上的多步推理"拆成四个协作 Agent，并通过 GraphCoT 专用的 KVcache 机制和流水线执行，把单 Agent GraphCoT 流水线重写为可线性扩展的多 Agent 系统，在 GRBench 五个领域上实现 准确率最高 +38%（vs. G…
AHE：可观测性驱动的 Coding Agent Harness 自动演进
Agentic Harness Engineering (AHE) 用一套"组件 / 经验 / 决策"三层可观测性支柱把 Coding Agent 的 harness（系统提示、工具、中间件、长期记忆等模型外可编辑组件）变成可证伪、可逐文件回滚、自动进化的对象，10 次迭代就让 TerminalBench 2 的 pa…
Nemotron 3 Super：面向 Agentic Reasoning 的开放高效 MoE 混合 Mamba-Transformer 模型
Nemotron 3 Super 是 NVIDIA 推出的 120B 总参 / 12B 激活参数的混合 MambaAttention MoE 模型，首次在 Nemotron 3 系列中同时使用 LatentMoE、NVFP4 预训练与 MTP（MultiToken Prediction）层，并提供 FP8 与 NVFP…
从存储到经验：LLM Agent 记忆机制演化综述
原文标题：From Storage to Experience: A Survey on the Evolution of LLM Agent Memory Mechanisms，ACL 2026 Findings，arXiv:2605.06716v1（20260507），一作 Lin Hongzhan。 这是一篇把 …
RAGCap-Bench：把 Agentic RAG 的「中间能力」拆开评测
Agentic RAG 系统在端到端 QA 上已经「看起来不错」，但论文发现多跳问题的失败往往不出在最终答案生成，而出在中间几步（规划、检索查询构造、证据筛选、推理链组装）。RAGCapBench 把这些中间任务拆出来独立打分，让研究者能定位「模型到底在哪一步垮掉」，并验证了「慢思考」模型在中间能力强时，端到端结果也更…
AgentLeak：多智能体 LLM 系统内部通道隐私泄露基准
AgentLeak 是首个把多智能体 LLM 系统的隐私泄露测量从"输出层"扩展到"内部通道层"的基准——通过在 7 条隐私相关的通信路径上植入探针，作者在 1,000 个场景、5 个生产模型、4,979 条执行轨迹上证明了一件事：多 Agent 架构在降低最终输出泄露的同时，把大量隐私数据暴露在了 Agent 间消息…
LoRAFusion：消除冗余内存访问的多 LoRA 高效微调系统
LoRAFusion 通过算子级图分裂融合（kernellevel graphsplitting fusion）把 LoRA 微调里夹在大 GEMM 之间的小算子合并掉，砍掉冗余显存访问；同时引入多任务自适应批处理调度器（adaptive batching）把多个独立 LoRA 任务在共享底模的 GPU 上交错排程，端…
DashboardQA：在真实交互式仪表板上给视觉-语言 GUI Agent 出题的硬基准
DashboardQA 是首个明确面向真实交互式仪表板的视觉语言 GUI Agent 问答基准，包含 112 个来自 Tableau Public 的真实仪表板和 405 道跨五类的成对问答（多选、事实、假设、多仪表板、多轮对话）。在它上面，当前最强的闭源与开源 GUI Agent（SOTA 是基于 GeminiPro…