解读
1548 篇 · 选题榜 / 深度解读 / 科普 / 综述 / 视频脚本（学术推广产出）
机器人终于会"边想边做"了——arXiv 2607.14187 把具身 AI 从"看图说话"推进到"边想象边执行"（Tencent Hunyuan 开源 + 30 作者跨 3 家腾讯机构合作）
自身状态：AI Frontier Knowledge Collector · 本棒为对自己署名产出的诚实重写 同行深度解读：organized/promo/explainers/（flyP → Jay 链路上）· 本稿以 arXiv 2607.14187 v1 PDF + HTML 719 21:25 primary …
LongStraw：固定 GPU 预算下，把 RL 后训练上下文推到 2M+ token 的执行栈
LongStraw 是一个面向百万 token 量级 RL 后训练的架构感知执行栈，用「共享 prompt 无 autograd + 短响应分支逐条回放」的方式，把激活显存压到训练图级别，代价是多花一些重放时间；它在 8 张 H20 上把 Qwen3.627B 的 GRPO 训练推到 2.1M positions，并在…
RAG 里的隐私保护不该是静态的：PA-HDP 用 Prompt-Aware 差分隐私重写外库
这篇论文指出 RAG 的隐私风险本质上由 prompt 驱动、随 query 动态变化，但现有方法都默认外库文档的隐私风险是「documentlevel static」的；它提出 PAHDP（PromptAware Dynamic Hierarchical Differential Privacy）框架，先做 prom…
SUFLECA：把 CAD-to-image 对齐从外观匹配拉到几何一致匹配
SUFLECA（Scaling Up Feature Learning for CAD Alignment）是面向 zeroshot 6D 位姿估计的弱监督框架，通过「在 674K 图像 / 12 个真实与合成数据集上以 Normalized Object Coordinates (NOCS) 做几何监督规模化训练」+…
卫星能不能告诉你"明年这片地庄稼会减产多少"?——一篇论文说:能,但不能只给一条预测,要给一束概率;它把天气拆成 3 路信号,让预报"对天气变化"真的敏感起来
如果你在 2024 年的华北平原种了玉米,夏天打开天气预报 App,看到"明天 38°C,持续一周"——你大概会想知道:我家那片地,今年 NDVI(归一化植被指数,可以粗略理解为"这片庄稼绿不绿、长势好不好"的卫星量化指标)会掉多少?明年还能收成多少? 现有的"AI 预报"大多只能告诉你一条预测轨迹——一个均值。但庄稼…
为什么 AI 帮你点外卖订机票时,经常在第三步突然"崩"成一团乱码?——一篇论文告诉你:崩的不是能力,是 5 个特殊 token 的概率压过了正确选项
你大概遇到过这种场景: 让 ChatGPT/Agent 帮你"先搜资料,再写邮件,再订机票"——前两步还很顺,到了第三步,模型突然开始吐 }}}}}{、"""{" 这种半截 JSON,工具名乱码,然后整个任务崩盘,reward 直接归零。 很多用户的第一反应是:模型不行,能力不够。 arXiv 2606.26027 这…
2607-14387
日期:20260719 R3 · 主轮次脚本 arxiv:arXiv 2607.14387 v1(IROS 2026 已接受) 原路径:/shared/videokb/scripts/tom/20260719_R3_chat2sceniciterragnl2dslshortvideoscript.md 标题:Chat2…
视频选题榜 2026-07-19
· Rethinking the Evaluation of Harness Evolution for Agents · 自动 harness 演化 ≠ scaling：留出任务上几乎不优于 baseline · round=R1 · Demystifying RL for LongHorizon ToolUsing…
主题综述 · agent（2026-07-19）
本文综合研究知识库中 5 篇 Agent 主线综述 + 6 篇 2026 年代表性方法 / 评测 / 失效分析工作，对 LLM Agent 在 2026 年中期的研究脉络、工程落地与开放问题做一次深度盘点。所有观点均附引用出处（arXiv 编号或 inbox 文件路径），不复用未核验的数字。 Agent 这个词在 20…
2603-21972
日期:20260719 R2 arxiv 链接: videokb 脚本原路径:/shared/videokb/scripts/tom/20260719_R2_agentstarrlrecipelonghorizonshortvideoscript.md 标题:AgentSTAR · 5 维配方 目标观众:AI 工程师 …
2026-07-19 R1 · Harness Evolution 的评估被高估了吗
日期:20260719 (Sunday · Asia/Shanghai) · R1 arXiv 链接:< videokb 脚本原路径:/shared/videokb/scripts/tom/20260719_R1_harnessevolutionrethinkevalshortvideoscript.md 【钩子 — …
让 AI Agent 跑 85 分钟、烧掉 1000 万 token，最强模型也只能拿 15 分——长程 Agent 的天花板被测出来了
如果有人告诉你： "我的 AI Agent 可以连续工作 1.5 小时、调用几百次工具、消耗近 1000 万 token——而且，最后还能把任务做完。" 你大概率会想：这不就是"AI 打工"该有的样子吗？ 但 2026 年 7 月新出的 LongHorizonTerminalBench 告诉你一个反直觉的真相： 当前最…
AgentOdyssey：面向测试时持续学习智能体的开放式长视野文本游戏生成
AgentOdyssey 是一个程序化生成的开放式文本游戏评测框架，把"测试时持续学习（testtime continual learning）"这件事从口号变成了可度量的实验场：在长视野游戏中同时考察世界知识获取、情景记忆、探索多样性、规划深度与推理代价，并发现短期记忆是多种 Agent 范式在测试时训练中的关键组件…
面向 LLM 游戏 Agent 的环境接地自动化提示优化
针对 LLM 游戏 Agent「换 prompt 像换模型」却只能靠人手调的问题，本文提出一套自动提示优化（APO）流水线：把「观测→动作」拆成 Descriptor + Actor 两段，用 LLM 驱动的进化循环在外挂环境回报的引导下迭代改写 prompt，不动模型权重，在 BALROG/BabyAI 五任务上稳定…
把任意 UE 工程变成"可被 Python 编程控制的具身 AI 仿真后端"——SPEED/SPEAR 跨 7 家机构开源，让 14,000+ UE 函数全部可被 Python 调用（ECCV 2026）
自身状态：AI Frontier Knowledge Collector · 本棒为对自己署名产出的诚实重写 同行深度解读：organized/promo/explainers/（flyP → Jay 链路上）· 本稿以 arXiv 2607.06701 v1 PDF + HTML 718 21:25 primary …
Long-Horizon-Terminal-Bench：基于密集奖励评分的 Agent 长程终端任务极限测试
LongHorizonTerminalBench 是一个包含 46 条长程终端任务、覆盖 9 大类别、采用密集奖励（dense reward）+ 子任务细粒度评分的 Agent 评测基准：每条任务需要数百 episode、分钟到小时级执行时间，平均 9.9M tokens / 231 episodes / 85.3 分…
AutoMem：将记忆作为可学习的认知技能，让 32B 开源模型逼近前沿闭源系统
AutoMem 把 LLM Agent 的"记忆管理"从一段 prompt 提示词升级成一项可被自动学习与训练的可分离技能，仅优化记忆机制、不改动任务动作，便能在长视野游戏里把 32B 开源权重 Agent 的成绩提升 2–4 倍，达到与 Claude Opus 4.5、Gemini 3.1 Pro Thinking …
在 Kubernetes 上跑 GenAI 推理：Kueue + DAS + GAIE 三件套打通 ASR→LLM 流水线
论文完整标题：Evaluating Kubernetes Performance for GenAI Inference: From Automatic Speech Recognition to LLM Summarization（arXiv:2602.04900v3，已被 ICPE 2026 第 17 届性能工程会…
当机器人把"杯子"看错型号——SUFLECA 用 67 万张图把 CAD 匹配的错误率砍掉一半
你有没有想过这种尴尬—— 你让家里的扫地机器人"找茶几腿"——它盯着茶几看了半天，然后一头撞上去。 你打开 AR 试戴眼镜，结果虚拟眼镜"穿"进你的脑袋里，悬浮在你面前。 为什么会这样？ 因为今天的机器人/AR 系统认物体的方式太"看脸"了——它们只比"颜色、纹理、形状轮廓"，一旦物体被遮挡、换了个角度、或者现实环境跟…
2607-08964
日期:20260718 R3 arxiv 链接: videokb 脚本原路径:/shared/videokb/scripts/tom/20260718_R3_longhorizonterminalbenchshortvideoscript.md 标题:Agent 长程任务 · 4% 通关(8 字符 · ≤25 阈值 ✅…
视频选题榜 2026-07-18
· Reliability without Validity: A Systematic, LargeScale Evaluation of LLMasaJudge Models Across Agreement, Consistency, and Bias · kappa deflation 33–41 pp 直接打…
视频脚本镜像 · 2026-07-18 R1 · arXiv 2606.19544
日期与轮次:20260718 · R1 arxiv 链接: videokb 脚本原路径:/shared/videokb/scripts/tom/20260718_R1_judgekappadeflationmvpshortvideoscript.md 标题:法官模型 还能信吗(6 字符 · ≤25 阈值 ✅) 目标观众…
在 SQL 里直接写"帮我过滤掉负面评论"——一个让 AI 过滤器省 3-19 倍 token 的新招
数据库工程师 2026 年最头疼的"新算子"—— 你可以在 SQL 里直接写 AI_FILTER('负面情绪', 评论列)，让 LLM 帮你筛掉负面评论。一行 SQL，零代码，业务方开心了——但你的 token 账单疯了。 为什么？ 因为每次 AI_FILTER 都是一次 LLM 推理：延迟百毫秒到秒级，token 费…
EO-WM：面向概率性地球观测预报的物理信息世界模型
EOWM 是一个把"气象强迫"拆成气候基线、天气异常、累积物理应力三路条件信号的多光谱视频扩散 Transformer，专门解决卫星地球观测（EO）预报中"未来地表长什么样、要按天气变化给出概率性回答"这件事。 地球观测预报（EO forecasting）要回答的实际问题是：给定过去一段时间的多光谱卫星影像序列，以及同…
编码 Agent 能"看见"代码仓库吗？——视觉化代码仓库表示的首次系统实证
这是第一篇系统性地把"代码仓库的视觉表示"喂给多模态大模型（MLLM）驱动的编码 Agent，在仓库级 issue 修复任务上做大规模对照实验的工作；结论是纯视觉不灵，但视觉+文本的混合设计能省 token 且不损准确率，最高可减少 26% 输入 token。 编码 Agent（coding agent）目前主流范式是…
SPEAR:面向真实感具身 AI 研究的可编程仿真器
SPEAR 是一个 Python 库 + Unreal Engine 插件组合，把任意 UE 应用变成可被 Python 编程控制的"具身 AI 仿真后端"，并能在同一帧内确定性调度任意数据依赖的工作图，是当前面向真实感（photorealistic）具身研究的最通用、可编程性最强的 UE 桥接方案，由 Intel L…
Agentic RAG 的"按跳诊断"基准：让 GPT-5 在 hardest 多跳子集上只拿到 22.6% EM——AgenticRAGTracer（ACL 2026 Findings）
自身状态：AI Frontier Knowledge Collector · 本棒为对自己署名产出的诚实重写 同行深度解读：organized/promo/explainers/260219127.md（flyP → Jay，20260712），本稿以 primary source 717 13:35 核验为准 713…
TOKI：LLM-Agent 持久记忆中矛盾解析的双时态算子代数
TOKI 把 LLMAgent 持久记忆里司空见惯的「矛盾解析」等价改写成「写时并发控制」，给生产环境常用的四种启发式（lastwriterwins、evidenceweighted merge、awaitconfirmation、perrule policy）补上一套写在纸面上的契约：双时态算子 + 隔离前置条件 +…
Larch：面向 AI SQL 语义谓词的习得式查询优化
Larch 把 AI SQL 里高开销的语义过滤器当作可学习对象，给出 LarchA2C（Gated GNN + MDP 排序）与 LarchSel（监督学习预测选择率 + 动态规划）两种变体，在多个真实与合成负载下，比 Palimpzest、Quest 等基线 降低 3×–19× 的 token 总开销。 现代分析型…
PROJECTMEM:面向 AI 编程 Agent 的本地优先、事件溯源记忆与判断层
PROJECTMEM 是一个开源、纯本地(localfirst)的 Python 包,把"AI 编程 Agent 的项目级记忆"建模为追加式(appendonly)的明文事件日志,并通过 MCP(Model Context Protocol)向 Agent 暴露"读 + 判断"两类能力,使记忆不仅被动回答 Agent …