SkillOpt-Lite：一行指令实现智能体高效自我进化

2026年07月09日星期四

SkillOpt-Lite: 通过简单指令实现更优更快的智能体自我进化

🤗 17

针对现有智能体技能优化方法流程复杂的问题，本文提出一种基于零阶优化的最小可行框架SkillOpt-Lite。其核心是三个确保收敛与泛化的原则：基于文件系统的轨迹探索、共识属性挖掘和独立验证门控。该方法不仅加速收敛，且在多个模型上超越完整版SkillOpt，例如将GPT-5.4-nano的性能提升至超越标准SkillOpt优化的GPT-5.4。该框架已集成至VSCode Copilot等生产环境，开发者可通过一行指令进化智能体技能，并能自然泛化至全流程优化。

基于智能体的IPoDWDM网络生命周期自动化：一种MCP支持的架构

本文提出一种分布式、与供应商无关的多MCP架构，用于实现基于SDN的多供应商、多层IPoDWDM网络的自动化与自主控制。该框架支持端到端服务生命周期自动化，并利用GNPy模型和光遥测技术实现闭环跨层控制。该架构已在IPoDWDM测试平台上得到实验验证。

ACID: 通过逆动力学实现规划动作一致性

🤗 13

针对基于动作条件世界模型的决策时规划方法仅评估终点状态而忽略中间过渡可实现性的问题，本文提出ACID框架。其核心是引入循环动作一致性约束：通过逆动力学模型从预测的状态转移中反向推断出的动作，应与前向规划时使用的动作一致。该约束通过尺度不变的自适应权重融入规划成本。在涵盖刚性与可变形操作、关节控制及视觉导航的六个任务上，ACID持续提升规划性能，并能以更少的计算量达到基线方法的精度。

超越排行榜：大语言模型智能体在工具使用、规划和推理中的失败模式综合研究

本文综合了2023-2026年间27篇关于大语言模型（LLM）智能体评估的文献，首次构建了一个涵盖工具使用、规划、长程推理、多智能体协作、安全及测量有效性等维度的统一失败模式分类体系。研究识别出六大失败集群：工具调用与参数级错误、规划与约束满足失败、长程任务中的上下文累积退化、多智能体协作失败、对抗或未明确定义条件下的安全失败，以及测量有效性问题。研究发现，失败率随任务长度非线性增长，子任务强性能未必转化为端到端成功，且额外框架支持并不总能提升可靠性。

KAT-Coder-V2.5技术报告

本文介绍了KAT-Coder-V2.5，这是一个专注于在真实可执行代码仓库内自主行动的智能体模型，而非单轮代码生成器。其能力瓶颈主要在于可复现环境、可验证奖励和高价值轨迹的稀缺。为此，我们提出了端到端的智能体后训练框架：AutoBuilder大规模重构多语言仓库为沙盒环境并进行验证，从中再生任务规范并恢复近成功轨迹；KwaiClawEnv则从可执行服务和真实任务种子合成大规模工具使用轨迹。通过强化学习扩展、多教师策略蒸馏等技术，该模型在PinchBench上取得了最佳工具使用结果，在仓库级软件工程任务上仅次于前沿模型Opus 4.8。

编码智能体的贝叶斯控制方法

现代代码智能体将LLM生成器与多种工具（如廉价诊断器和昂贵验证器）结合，但其工具调用决策通常由忽略不确定性的固定规则编排器控制。本研究将编排问题建模为成本敏感的序贯假设检验：一个贝叶斯控制器维护对候选代码正确性的信念，并动态决定是收集更多证据、优化候选方案、验证还是停止。在六个生成器和九个编码基准上的实验表明，当验证成本高昂且诊断工具信息丰富但不完美时，贝叶斯控制最具价值。此外，其信念状态可产生可解释的正确性分数，在不确定性量化方面优于基于令牌概率和原始工具成功率的基线方法。

FASE: 面向代码质量的快速自适应语义熵方法

多智能体代码生成因LLM幻觉和错误传播而影响系统可靠性。语义熵提供了一种无需真实答案即可量化不确定性的原则性方法，但现有方法依赖昂贵的LLM驱动等价性检查。本文提出快速自适应语义熵（FASE），一种基于结构和语义差异图最小生成树来近似功能正确性的新度量。在HumanEval和BigCodeBench上的评估表明，FASE优于基于LLM蕴含的最先进语义熵方法，在使用Qwen3-Embedding-8B模型时，其斯皮尔曼相关系数平均提升25%，ROCAUC分数相对Pass@1提升19%。此外，FASE消除了昂贵的LLM等价性评估，仅需传统方法约0.3%的运行时间成本，为实际多智能体工作流中的不确定性量化提供了实用、经济的解决方案。

MAVEN: 提升智能体工具调用的泛化能力

智能体工具调用环境的泛化能力是可靠智能推理系统的核心挑战。本文提出MAVEN，一个轻量级符号推理框架，支持结构化分解、自适应工具编排与中间验证。在多个工具调用基准及新提出的压力测试基准MAVEN-Bench上评估，MAVEN将其基础模型GPT-OSS-120b的准确率从48%提升至71%，且无需额外训练。结果表明，这种以验证为中心的轻量级框架能增强组合推理能力，其性能与前沿闭源基线相当，而成本估计仅为约十分之一。

深度研究智能体：实现全天候深度学习实验的自主框架与零成本监控

本文提出开源框架Deep Researcher Agent，使LLM智能体能自主进行全天候深度学习实验。其核心创新包括：零成本监控范式、两级恒定大小内存架构以及最小工具集的主从多智能体设计。在持续30多天的部署中，该框架自主完成了500多个实验周期，在单个项目中通过200多次自动化实验将基线指标提升了52%，且日均LLM成本仅为0.08美元。

迈向扎根现实的自主研究：基于已发表计算物理学的端到端LLM微型研究循环

本文聚焦于物理科学研究的最小单元——微型研究循环，即智能体阅读论文、复现、批判并扩展它。我们在规模和深度两个层面测试该循环：在规模上，智能体对 111 篇开放获取计算物理论文自主运行“阅读-规划-计算-比较”循环，无需被要求批判即在约 42% 的论文中提出了实质性质疑；在深度上，针对一篇关于二维材料 MOSFET 多尺度模拟的《自然·通讯》论文，智能体自主运行了原文缺失的新计算，并生成了可发表的评论，修正了原文的核心结论。

设想即执行：通过自修复多智能体AI实现自主机器学习流水线生成

本文旨在开发一个统一的多智能体架构，以从数据集和自然语言目标自动生成端到端的机器学习（ML）流水线，提升效率、鲁棒性和可解释性。提出的五智能体系统负责数据剖析、意图解析、微服务推荐、有向无环图（DAG）构建与执行。它集成了基于代码的检索增强生成（RAG）、结合多标准的可解释混合推荐器、基于大语言模型（LLM）错误解释的自修复机制以及从执行历史中自适应学习。在150个ML任务上的评估显示，该系统实现了84.7%的端到端流水线成功率，优于基线方法，并通过自修复提升了鲁棒性，缩短了工作流开发时间。

SpaceMind: 面向自主在轨服务的模块化自演进具身视觉语言智能体框架

为满足自主在轨服务对具身智能体的需求，本文提出了SpaceMind，一个模块化且自演进的视觉-语言模型（VLM）智能体框架。它将知识、工具和推理分解为三个可独立扩展的维度：具有动态路由的技能模块、可配置的MCP工具以及可注入的推理模式技能。通过MCP-Redis接口层，同一代码库无需修改即可在仿真和物理硬件上运行；技能自演进机制能将操作经验提炼为持久化技能文件而无需微调模型。在包含退化条件的广泛测试中，该框架表现出强大的鲁棒性和任务成功率，并实现了零代码修改向物理机器人的成功迁移。

理解AI智能体热潮：从业者的采纳、架构与经验启示

为帮助实践者理解智能体系统在工业界的实际设计，本研究回顾分析了138个关于AI代理的实践者会议演讲。研究旨在：1）探究企业如何采用基于代理的架构；2）识别反复出现的架构策略与模式；3）分析用于实现和运营LLM驱动代理系统的应用领域与技术。通过对这些实践经验的梳理，为业界理解和构建代理系统提供了实证参考。

通过质量多样性提示生成对视觉-语言-动作模型进行红队测试以增强机器人策略鲁棒性

视觉-语言-动作（VLA）模型对指令措辞敏感，其失败模式难以预测。为提高VLA的鲁棒性，本文提出Q-DIG，它结合质量多样性（QD）技术与视觉语言模型（VLM），可扩展地生成多样且与任务相关的对抗性指令以暴露VLA行为漏洞。在多个仿真基准上的结果表明，Q-DIG相比基线方法能发现更多样、有意义的失败模式，并且利用生成的指令对VLA进行微调能提升任务成功率。真实世界评估与用户研究进一步验证了其有效性。

具身科学：以智能体具身AI闭合发现循环

当前AI科学预测方法常将发现视为孤立任务，与依赖物理实验循环的现实脱节。本文主张“具身科学”范式，将科学发现重构为智能推理与物理执行紧密耦合的闭环。我们提出统一的感知-语言-行动-发现（PLAD）框架，其中具身智能体感知实验环境、推理科学知识、执行物理干预并内化结果以驱动后续探索。通过将计算推理扎根于鲁棒的物理反馈，该方法弥合了数字预测与实证验证间的鸿沟，为生命与化学科学的自主发现系统提供了路线图。

机器人的内在批评者：通过基于VLM的重规划实现社交行为的自我精炼

传统机器人社交行为生成依赖预定义动作或人工反馈，灵活性与自主性有限。本研究提出CRISP框架，机器人利用视觉语言模型（VLM）作为“类人社交批评家”来自主批评并重规划自身动作。该框架包含从描述文件解析关节、生成行为计划、参考视觉信息生成底层控制代码、VLM评估社交适当性以及基于奖励的迭代精炼。用户研究表明，该方法在多种机器人平台和场景下，获得了比先前方法显著更高的偏好度与情境适当性评分，最小化人工干预的同时扩展了自主交互能力与跨平台适用性。

迈向智能体赋能的软件生态系统

为充分发挥AI智能体在软件开发中的潜力，需重构现有软件生态。本文提出构建“智能体赋能软件生态系统”（AISE），其基于三大支柱：首先是AI智能体本身，其能力在过去五年已从简单的代码补全演进至能执行复杂的独立开发任务；其次是生态基础设施，旨在支持智能体间的协作与集成；最后是新的开发范式。本文概述了AISE的愿景、关键组件与实现路径，旨在推动软件开发向更自主、协同的方向演进。

PRAM-R: 一种基于LLM引导模态路由的感知-推理-行动-记忆框架用于自适应自动驾驶

为解决多模态感知计算成本高的问题，本文提出PRAM-R框架，采用异步双循环设计：快速反应循环负责感知与控制，慢速审慎循环负责推理驱动的模态选择和记忆更新。其中，LLM路由器根据环境上下文和传感器诊断选择并加权模态，分层记忆模块则保持时间一致性并支持长期适应。合成压力测试表明，基于滞后的稳定化将路由振荡降低了87.2%。在nuScenes数据集上的真实世界验证显示，在复杂城市场景中，模态使用减少6.22%，记忆召回率达20%，同时保持了与全模态基线相当的轨迹精度。

面向长程任务的具身智能体：工具对齐的视觉-语言-动作模型

针对视觉-语言-动作（VLA）模型在长程任务中面临扩展闭环规划与多样物理操作双重负担的局限，本文提出“VLA即工具”策略。该策略将负担分配至高层的视觉语言模型（VLM）智能体（负责时序推理）与一系列专用的VLA工具（负责局部物理操作）之间。我们引入了VLA工具族接口以实现紧密耦合，并提出了工具对齐的后训练方法（TAPT）来获得忠实遵循调用的多样化VLA工具。实验表明，该方法在LIBERO-Long和RoboTwin任务上显著提升了成功率，并大幅增强了调用保真度。

AI-IoT-机器人融合：框架综述、新兴趋势与迈向互联机器人的路径

人工智能、物联网和机器人的融合正成为实时、智能、情境感知系统的基础。AI提供感知与推理，IoT实现可扩展传感与通信，机器人负责具身执行。尽管在AIoT和IoRT等两两结合上进展显著，但仍缺乏完全整合三者的统一设计框架。本综述综合了这些领域的最新进展，强调边缘小型语言模型和云端大型语言模型在分布式认知与自主决策中的新兴作用。我们提出了符合趋势的模块化系统架构，分析了互操作性和反馈控制方面的持续差距，并按集成深度对现有工作分类。综述指出，混合SLM-LLM系统结合IoT基础设施和机器人智能体，可应对实时适应、可扩展性和可靠性挑战，为设计模块化、可解释、能在动态环境中学习的下一代AI-IoT-机器人生态系统提供了概念与技术路线图。

数据