AI 应用前沿论文综述：智能体架构与自动化 (1/20)

2026 年 07 月 13 日星期一

Agentic AI for IPoDWDM Network Lifecycle Automation: An MCP-Enabled Architecture

本研究设计了一种去中心化且跨厂商的多 MCP 架构，旨在实现基于 SDN 的跨供应商、多层级 IPoDWDM 网络的自动化与自主管控。该体系架构支持全链路服务生命周期的自动化，并借助 GNPy 模型及光遥测技术达成闭环跨层控制。相关成果已在 IPoDWDM 测试环境中完成实验验证。

AI-IoT-Robotics Integration: Survey of Frameworks, Emerging Trends, and the Path Toward Connected Robotics

人工智能、物联网与机器人技术的深度融合，正构筑起实时、智能且具备情境感知能力的系统基石。AI 赋予感知与推理能力，IoT 实现可扩展的传感与通讯，机器人则负责具身执行。尽管 AIoT 和 IoRT 等两两融合领域进展斐然，但缺乏能够完整统合三者的统一设计框架。本综述梳理了上述领域的最新突破，重点探讨了边缘侧小型语言模型与云端大型语言模型在分布式认知及自主决策中的新兴价值。我们构建了顺应趋势的模块化系统架构，剖析了互操作性与反馈控制方面的现存短板，并依据集成深度对既有工作进行了归类。研究指出，混合 SLM-LLM 系统与 IoT 设施及机器人智能体的结合，能有效应对实时适应性、扩展性及可靠性挑战，为构建可解释、能在动态环境中自我迭代的下一代 AI-IoT-机器人生态系统提供了概念蓝图与技术路径。

Towards Long-horizon Embodied Agents with Tool-Aligned Vision-Language-Action Models

面对视觉 - 语言 - 动作（VLA）模型在长周期任务中同时承受扩展闭环规划与多样化物理操作的双重压力，本文提出了“VLA 即工具”的新策略。该策略将任务负担拆解：由高层视觉语言模型（VLM）智能体承担时序推理，由一系列专用 VLA 工具负责局部物理操作。我们设计了 VLA 工具族接口以实现紧密耦合，并开发了工具对齐的后训练方法（TAPT），以获取能忠实执行指令的多样化 VLA 工具。实验结果显示，该方法在 LIBERO-Long 和 RoboTwin 任务上显著提高了成功率，并大幅提升了调用保真度。

PRAM-R: A Perception-Reasoning-Action-Memory Framework with LLM-Guided Modality Routing for Adaptive Autonomous Driving

针对多模态感知计算成本高昂的难题，本文构建了 PRAM-R 框架，采用异步双循环机制：快速反应环负责感知与控制，慢速审慎环负责推理驱动的模态选择及记忆更新。其中，LLM 路由器依据环境上下文与传感器诊断结果来选择并加权模态，分层记忆模块则确保时间一致性并支持长期适应。合成压力测试表明，基于滞后的稳定化机制使路由振荡降低了 87.2%。在 nuScenes 数据集上的实地验证显示，在复杂城市场景下，模态使用量减少了 6.22%，记忆召回率达到 20%，同时保持了与全模态基线相当的轨迹精度。

Toward an Agentic Infused Software Ecosystem

为充分释放 AI 智能体在软件开发领域的潜能，必须重构现有的软件生态体系。本文提出构建“智能体赋能软件生态系统”（AISE），其建立在三大支柱之上：首先是 AI 智能体本体，其能力在过去五年已从简单的代码补全进化至能执行复杂的独立开发任务；其次是生态基础设施，旨在促进智能体间的协作与集成；最后是全新的开发范式。本文阐述了 AISE 的愿景、核心组件及实施路径，旨在推动软件开发向更自主、协同的方向演进。

The Robot's Inner Critic: Self-Refinement of Social Behaviors through VLM-based Replanning

传统机器人社交行为生成依赖预设动作或人工反馈，灵活性与自主性受限。本研究提出 CRISP 框架，让机器人利用视觉语言模型（VLM）充当“类人社交批评家”，自主批判并重规划自身动作。该框架涵盖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 评估社交适宜性，到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及场景下，获得了显著高于先前方法的偏好度与情境适宜性评分，在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。

Embodied Science: Closing the Discovery Loop with Agentic Embodied AI

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。本文倡导“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。我们提出了统一的感知 - 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。

Red-Teaming Vision-Language-Action Models via Quality Diversity Prompt Generation for Robust Robot Policies

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

Making Sense of AI Agents Hype: Adoption, Architectures, and Takeaways from Practitioners

为助实践者理解智能体系统在工业界的实际落地，本研究回顾分析了 138 场关于 AI 代理的实践者会议演讲。研究旨在：1）探究企业如何采纳基于代理的架构；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。

SpaceMind: A Modular and Self-Evolving Embodied Vision-Language Agent Framework for Autonomous On-orbit Servicing

为满足自主在轨服务对具身智能体的需求，本文提出了 SpaceMind，一个模块化且具备自演进能力的视觉 - 语言模型（VLM）智能体框架。它将知识、工具与推理拆解为三个可独立扩展的维度：具备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环境与物理硬件上运行；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，该框架展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。

Think it, Run it: Autonomous ML pipeline generation via self-healing multi-agent AI

本文旨在构建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，从而提升效率、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的自适应学习。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。

Towards grounded autonomous research: an end-to-end LLM mini research loop on published computational physics

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。

Deep Researcher Agent: An Autonomous Framework for 24/7 Deep Learning Experimentation with Zero-Cost Monitoring

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。

MAVEN: Improving Generalization in Agentic Tool Calling

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。

FASE: Fast Adaptive Semantic Entropy for Code Quality

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。

Bayesian control for coding agents

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。

KAT-Coder-V2.5 Technical Report

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。

Beyond the Leaderboard: A Synthesis of Tool-Use, Planning, and Reasoning Failures in Large Language Model Agents

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。

Autonomous heterogeneous catalyst discovery with a self-evolving multi-agent digital twin

针对异相催化剂理论预测常偏离实验且局限于特定材料体系的问题，本研究提出了 CatDT——一个自演化的多智能体数字孪生系统。它仅需晶体结构和自然语言反应描述，即可通过八个专业智能体协同，在单 GPU 上 5-30 分钟内预测稳定晶面、重构工作表面并计算反应动力学。其核心创新在于：UniMech 以极低成本发现主导反应路径，以及记忆增强强化学习将能垒计算成功率提升至 84%。在七类气 - 固相催化体系测试中，所有预测结果均与实验值高度吻合，并成功为丙烷脱氢反应发现了性能媲美铂基工业催化剂的新型非贵金属候选材料。

ProjAgent: Procedural Similarity Retrieval for Repository-Level Code Generation

针对仓库级代码生成需处理复杂跨文件依赖和项目特定惯例的挑战，现有检索方法多基于词法或语义相似性，常忽略实现相似过程逻辑但标识符或领域不同的函数。为此，我们提出 ProjAgent 系统，首次引入过程相似性作为显式检索信号。该系统将目标函数分解为中间推理步骤，通过智能体工作流检索各步骤具有相似过程行为的仓库函数，并结合传统语义检索构建更丰富的上下文。此外，系统集成了保守的静态分析反馈循环以迭代修复生成代码。在 REPOCOD 基准测试中，ProjAgent 实现了 41.14% 的 Pass@1 准确率，优于现有检索基线，证明了过程相似性作为新检索维度的有效性。

数据