跳到正文
#Agent
10月15日周四
  9. arXiv cs.AI24

    GraphOPD：面向 LLM 智能体的图增强在线策略蒸馏

    针对在线策略蒸馏按教师-学生散度大小分配监督信号在多轮决策中失效的问题，研究者提出 GraphOPD，首次将图结构增强引入面向智能体能力的在线策略蒸馏。该方法从环境状态变化记录中提取步骤依赖关系构建依赖图，用随机游走平稳分布为每步打分，并与散度信号融合成轨迹相对掩码。在 ALFWorld、WebShop、SearchQA 上跨三种模型规模和十一个基线，最高较最强基线提升 +5.8 pp。

  10. arXiv cs.AI31

    ULTRADISCOVERY：互联、认知开放宇宙中的溯因探索

    研究者提出 ULTRADISCOVERY，一个含五个领域的交互式世界，用于考察智能体在认知开放与结构互联条件下的溯因探索能力。在 2×2 设计中，表征开放时十一个模型常撤回被教授的公理，且无一引入未观测实体或重写变量；披露表征使干预请求增至三倍。没有任何系统能在 200 次付费动作内做出精确预测，更大预算下仅两种辅助同时具备时才出现一次精确预测。

  11. arXiv cs.AI22

    编译器可读、编码智能体不可读：如何让研究代码远离 Coding Agent

    针对物理求解器编译所需模块必须可读、而编码智能体不应读取其中知识产权的问题，研究对容器、权限规则和沙箱三种隔离手段下的 15 条读取路径做了分类，发现三者都无法识别究竟是哪个程序在读取文件。该研究共 6 页，含 1 张图和 1 张表，相关分类与历史脚本随论文一并提供。

  12. arXiv cs.AI22

    SoFT：面向可泛化 LLM 微调的软目标方法

    研究者提出软目标微调（SoFT），通过为每个示范 token 设定最低目标概率、并对 Base 分布做最小 KL 改动，在从教师示范学习与保留 Base 模型原有能力之间取得平衡。该方法用领域特定梯度预算控制这一平衡，并为每条轨迹确定概率阈值。在混合域推理与智能体任务上，SoFT 在分布内能力获取和分布外泛化上均取得对比方法中的最佳整体表现。

  13. arXiv cs.AI34

    将验证作为 LLM 智能体的架构层：V-Model 设计及确定性核心的试点研究

    研究提出将验证作为 LLM 智能体的架构层，借鉴软件工程 V-Model，让规范层级逐级对应专用验证器，由确定性控制器执行判定，仅验证结果写入记忆。在 MuSiQue 四跳任务、8B 参数骨干上对比五种配置：两个无验证配置十题全未答对，均因步数上限或 token 限制终止；带验证但无规划器的配置答对八题，其余弃答。确定性 gate 以零边际成本贡献了九次纠正中的八次，且验证存在时规划反而降低表现。

  16. arXiv cs.AI35

    EGMEMORY：面向长程多参与者对话的证据链记忆框架

    EGMEMORY 是一个免训练的智能体记忆框架，以证据链保留消息级证据与来源，并追踪状态的修订历史。它在 GroupMemBench 上达到 68.2%、在 EverMemBench 上达到 77.9%，分别超出最强基线 22.7 和 21.4 个百分点，在双人对话基准 LoCoMo 上达到 73.6%。该系统仅通过提示词与工具调用运行，无需针对记忆的策略训练。

  20. arXiv cs.AI26

    面向陪伴型智能体评测的披露门控用户模拟

    针对 LLM 模拟用户过度配合、被测系统靠提问数量刷分的问题，研究者提出"披露门控"用户模拟器，将信息释放条件化为五级有序门、合并为三个可观测深度层。在已发布陪伴型智能体基准的英文语料上，移除逐样本门控语句会改变 12 个系统的排名且超出种子重跑的噪声带，但各系统分数无明显变化。该模拟器同时满足排名保序与分数尺度稳定两项标准，与已发布排行榜相关性达 0.993。

  22. arXiv cs.AI29

    Search-G1：面向选择性有据搜索的共演化表征奖励框架

    Search-G1 是一个将检索必要性与证据依赖耦合的奖励框架，通过两个干预校准的隐藏状态读出实现选择性有据搜索：prompt 读出预测闭卷充分性以代理检索必要性，answer-commit 读出预测证据依赖。该框架经校准后打分无需过程标注或 LLM 评判推理，并在四个 QA 基准和两种规模上取得有竞争力的准确率，同时表现出更强的反事实证据依赖和更少的搜索次数。

  23. arXiv cs.AI27

    SOC 从业者如何看待 LLM 集成：25 场访谈揭示 15 类用例与落地障碍

    一项针对 25 名有 LLM 使用经验的 SOC 从业者的半结构化访谈研究，梳理出 15 类 LLM 用例并归为六大功能类别。从业者认可 LLM 在报告自动化等重复性低阶任务上的价值，但认为事件分析等高影响任务尚不可行，瓶颈在于技术深度、上下文感知和组织专属知识，以及 SOC 自身准备度和人类过度依赖。尽管存在顾虑，从业者仍表现出强烈的采用意愿，称竞争压力下几乎没有替代选择。

  24. arXiv cs.AI22

    LLM-OSDA：面向多轮 LLM 对话原生广告的最优停止动态拍卖

    研究者提出 LLM-OSDA，一种用于多轮 LLM 对话原生广告的动态按点击付费拍卖机制，将 Bellman 最优停止、赢家分配与包络定价整合在一起。在精确 Bellman oracle 下，期望折扣点击分配对每个广告主的出价单调，包络支付使真实出价在期望意义上弱占优；实际部署中用学习到的 StopNet 近似 Bellman 动作价值。

  25. arXiv cs.AI23

    Syntropy：用 LLM 与 MPST 规范合成无死锁通信协议精化

    Syntropy 是一个由 MPST 规范与大语言模型引导、用于合成通信协议精化的框架，它将精化约束直接嵌入生成过程，确保生成的协议变体满足无死锁等保证。评估显示，Syntropy 在多个 LLM 上达到 95.6%-99.5% 的有效性，同时保持高语法正确性，并能生成多样且非平凡的精化结果。

  26. arXiv cs.AI24

    LLM 辅助 ISR 集群的任务级运行时保障：基于验证感知消息结构的三层组合验证框架

    针对 LLM 辅助 ISR 集群中单平台合规动作组合成任务级违规的问题，研究者提出三层（平台/小队/任务）组合式运行时验证框架，将任务策略分解为单智能体与跨智能体切面，并通过验证感知消息结构聚合各平台判定，用安全×完整性双轴代数融合证据、溯源共同触发违规的平台。

  27. arXiv cs.AI35

    DBA-Bench：面向 LLM 数据库运维智能体的生产级保真基准

    DBA-Bench 是一个面向 LLM 数据库运维智能体的生产级保真基准，在真实 PostgreSQL 与分布式 TiDB 环境中评估智能体，覆盖 5 个运维域的 231 个有界场景和 10 个持续场景。评测包含 4 个前沿基础模型、2 个开放权重模型和 2 个 GPT-5.5 驱动的数据库智能体，结果显示智能体能定位根因却无法恢复运维目标，即使恢复目标，执行动作也可能违反安全约束。

  28. arXiv cs.AI39

    ChannelGuard：多智能体 LLM 中从借用安全到应用可控防御

    针对多智能体 LLM 中恶意指令可经模型间传递信息注入的问题，研究者提出应用层防御方案 CHANNELGUARD，在每次信息交接时检查内容，无需额外训练或增加模型调用。在超过 5700 次测试中，它拦截了全部隐藏在工具输出中的攻击；在两个开源模型上，将提示攻击成功率从 80% 降至 3%、从 77% 降至 10%，且 30 道数学题准确率不变。但改写后的攻击仍可能绕过该防御。

  29. arXiv cs.AI35

    Agentic Real2Sim：用视觉语言智能体实现基于物理的世界建模

    研究者提出 Agentic Real2Sim 框架，用视觉语言智能体把真实世界物体-机器人交互录像转化为可仿真的情节孪生，并接入下游策略微调与评估。该框架在刚体操作、可变形物体交互和人形运动场景上完成评测，其智能体决策可由开放权重 VLM 后端驱动，成本仅为前沿模型的一小部分，转换成功率相当。项目站点含代码已公开。

  30. arXiv cs.AI34

    MemCon：为 LLM 智能体学习自适应记忆管理

    研究者提出 MemCon 框架，将 LLM 智能体的记忆操作建模为马尔可夫决策过程，在线学习策略自适应决定何时检索、注入蒸馏计划以及整合或遗忘记忆。该框架与后端无关，可包裹任意现有记忆实现，无需预训练和额外 LLM 调用，采用带 UCB 探索的轻量级表格上下文赌博机，在数十个任务内收敛。

  31. arXiv cs.AI44

    Bulkhead：自动语义检测与修复容器逃逸漏洞

    Bulkhead 是一个自动检测与修复容器逃逸漏洞的框架，通过将历史 CVE 归纳为结构化语义模式、结合文档与代码证据恢复 source-to-sink 执行上下文，并用 LLM 推理加隔离 PoC 执行验证发现结果。在多个容器仓库中，Bulkhead 发现 20 个零日漏洞，占过去十年发现总量的 43%，其中 3 个已分配 CVE，验证后的补丁建议已提交上游。

  34. arXiv cs.AI33

    HarnessMDP：用离线强化学习让 LLM 智能体的执行 harness 变得可学习

    HarnessMDP 把 LLM 智能体的执行 harness 视为可学习的控制层，将智能体执行建模为有限时域马尔可夫决策过程，由 harness 根据演进的智能体状态选择结构性执行动作，并用收集到的轨迹离线学习策略、上线后自适应控制新执行。在编码任务、tau-bench、AgentBench 等评测中，HarnessMDP 相比基线 harness 持续改善执行行为与最终任务表现。

  38. arXiv cs.AI41

    一个技能，两个主人：通过技能注入同时服务用户与攻击者

    研究者提出 PERSIST 技能注入方法，将攻击者选定的动作与可复用的实用函数绑定，在 SkillsBench 和 Skill-Inject 上，冻结的技能包可跨四种智能体-模型配置迁移，并泛化到多个未见任务而无需修改。该方法在任务成功完成的同时产生有害效果，匹配对比中其有害效果率高于两个基线，且源码检查与表达怀疑更少。

  39. arXiv cs.AI29

    Plan, Watch, Recover：主动式流程辅助的基准与架构

    研究者提出 EgoProactive 智能眼镜数据集与跨域基准 Pro²Bench，用于评测主动式多模态助手的干预时机、流程完成度和响应质量。零样本下没有前沿或开源权重模型能在首次出错前完成超过 26% 的流程干预。其 PWR（Plan, Watch, Recover）架构在上下文中维护显式计划状态并在每次干预后修订，在三个开源权重骨干上把平均流程完成率从 20% 提升到 27%。

  40. arXiv cs.AI27

    NoRA：评估视觉第一人称规范动作推理中的可溯源合理性

    研究者推出 NoRA，一个视觉第一人称视频基准，要求模型从零生成候选下一步动作，并通过显式的"事实-理由-动作"支撑图说明理由。该基准包含 1,420 段标注视频片段，分为 HumanGold-190 与 LLMSilver-1230，按动作对齐、事实溯源与支撑绑定三项指标汇总为可溯源合理性分数。