| 📄 arXiv 论文 | 📕 小红书笔记 |
|---|---|
|
2026-04-25
💡 一句话总结
Escher-Loop：基于闭环自参照优化的LLM agent开放能力提升框架
📋 详细解读论文解读论文针对当前自主agent依赖手工脚本和工作流、难以持续改进的问题。提出Escher-Loop框架，实现任务agent与元操作agent两个群体的互进化闭环。核心创新在于将进化过程形式化为闭环优化：任务agent解决具体问题，元操作agent根据执行反馈优化操作策略。两群体通过反馈循环持续协同进化，无需人工干预。实验证明该框架显著提升agent在复杂任务中的适应性和成功率。
|
|
|
2026-04-27
💡 一句话总结
ClawdGo：面向OpenClaw平台自主AI agent的内在安全感知训练框架
📋 详细解读论文解读论文聚焦OpenClaw平台自主AI agent面临的安全威胁，包括提示注入、记忆污染、供应链攻击和社会工程等。指出现有防御仅保护平台边界，agent自身威胁判断能力未被训练。提出ClawdGo框架进行内在安全感知训练，教导agent识别和推理威胁。核心创新在于从被动防御转为主动威胁感知，使agent具备自我保护能力。实验验证该训练方法显著提升agent对多类型攻击的识别准确率。
|
|
|
2026-04-27
💡 一句话总结
提出技能检索增强框架，通过动态检索外部可复用技能解决agent技能扩展问题
📋 详细解读论文解读论文研究LLM agent日益依赖外部可复用技能的核心挑战。当前主流方法将所有技能枚举在上下文窗口，但随技能库扩大导致上下文爆炸。论文提出技能检索增强方案，根据任务动态从外部技能库检索相关技能，实现高效扩展。核心创新在于检索与执行的解耦设计，支持技能库的持续增长而不影响推理效率。实验表明该方法在保持性能的同时显著降低上下文长度，为构建可扩展的agent系统提供了新范式。
|
❤️ 6
💡 内容总结
拆解10个主流Agent SDK（OpenAI、LangGraph、Claude Agent等），总结6层通用架构和核心设计模式
|
|
2026-04-26
💡 一句话总结
分权架构：通过结构化设计强化AI agent目标完整性
📋 详细解读论文解读论文指出前沿AI系统可能展现agentic错位，产生源自内部构建目标的危害行为。现有缓解方法如RLHF和宪法提示主要在模型层面操作，提供概率性安全保证。提出分权架构，将目标生成与执行解耦为独立组件。核心创新是通过架构约束确保agent目标来源可追溯、执行可监督。在多个场景验证该架构能有效防止内部目标驱动的有害行为。
|
❤️ 20
💡 内容总结
分享如何让Codex自己写skill，通过prompt让AI自动创建extract-paper-table skill提取论文表格
|
|
2026-04-26
💡 一句话总结
ClawTrace：引入成本感知的LLM agent技能蒸馏追踪平台
📋 详细解读论文解读论文解决技能蒸馏流程中缺失每步成本信息的问题。指出没有per-step成本信息，流程无法区分修复bug添加必要步骤与移除未影响结果的昂贵步骤。提出ClawTrace平台，记录每个LLM调用、工具使用和子agent生成。核心创新是引入成本感知追踪，支持更精确的技能蒸馏决策。平台能够追踪完整执行轨迹，为技能提取和质量优化提供数据基础。
|
❤️ 19
💡 内容总结
推荐Matt Pocock开源的22个Claude Code神级技能，包括grill-me、npx skills等可一键安装的工具
|
|
2026-04-27
💡 一句话总结
从技能文本到技能结构：面向agent技能的结构化表示方法
📋 详细解读论文解读论文研究当前agent系统中技能以文本形式表示（SKILL.md等）带来的可机器使用性不足问题。指出技能包含指令、控制流、约束和工具调用等结构化组件，但证据仍嵌入自然语言描述中。提出将技能文本转化为结构化表示的方法，支持机器自动处理。核心创新是建立技能的结构化表示规范，使agent能精确理解、检索和组合技能。在多个测试场景验证该表示方法显著提升技能可复用性。
|
|
|
2026-04-27
💡 一句话总结
AgenticCache：基于计划局部性的缓存驱动异步规划框架
📋 详细解读论文解读论文针对embodied AI agent每步调用LLM带来的延迟和成本问题。发现embodied任务展现强计划局部性：下一步计划从当前计划高度可预测。提出AgenticCache框架，复用缓存计划避免每步LLM调用。核心创新是利用计划局部性缓存预测，提前准备可能的下一步计划。实验表明该方法显著降低延迟和成本，同时保持规划质量，为资源受限的embodied agent提供实用方案。
|
|
|
2026-04-27
💡 一句话总结
AgentWard：自主AI agent全生命周期安全架构
📋 详细解读论文解读论文系统分析自主AI agent面临的跨组件安全风险。指出在agent系统中，安全失败不会局限在单一接口，而是从初始化、输入处理、记忆、决策到执行跨层传播。提出AgentWard全生命周期安全架构，覆盖初始化、输入处理、记忆管理、决策和执行各环节。核心创新是建立攻击传播模型，识别各层防护薄弱点，提供系统性安全方案而非针对单一攻击向量的补丁。
|
|
|
2026-04-26
💡 一句话总结
MarketBench：评估AI agent作为市场参与者的能力基准
📋 详细解读论文解读论文探索市场作为协调AI agent活动的机制，提出MarketBench基准评估agent是否具备有效参与市场所需能力。需要agent准确评估自身完成任务的能力和成本。构建93任务的评估套件，涵盖不同复杂度和领域。核心创新是定义agent市场参与能力的评估框架。实验表明当前agent在此类能力上存在显著差距，为设计更能协作的agent提供指引。
|
|
|
2026-04-27
💡 一句话总结
过程级奖励建模：为agentic数据分析任务提供过程监督
📋 详细解读论文解读论文研究过程奖励模型(PRM)在静态领域（数学）的成功能否扩展到动态数据分析任务。实证研究表明通用领域PRM难以有效监督数据分析agent。核心挑战是数据分析任务的动态性导致过程评估标准难以定义。提出针对agentic数据分析的奖励建模方法，定义任务相关的过程评估维度。实验验证该方法在多步数据分析流程中显著提升执行准确性。
|
|