今日推送

论文解读论文对118篇相关工作进行结构化综述，聚焦视觉到代码（Visual-to-Code）任务。研究者将多模态代码智能分为视觉理解、代码生成、执行反馈三大环节，系统梳理了各环节的技术方法、数据集与评估指标，为连接视觉感知与可执行程序的研究提供了全面参考框架。

论文解读论文针对工具增强型LLM Agent在大工具库下的可靠性和安全问题，提出标准化评估基准ToolMenuBench。该基准系统变化工具菜单构成方式，衡量不同过滤策略对任务完成率、效率和安全风险暴露的影响。实验揭示了工具可见性设计对Agent安全性的关键作用，为构建可靠工具调用系统提供实证依据。

论文解读论文填补现有安全扫描工具仅覆盖代码层而忽略指令层风险的空白。SkillVetBench以LLM作为裁判，从数据隐私、权限滥用、指令劫持等多个维度评估开源技能的安全风险，揭示了指令级指令可诱导Agent泄露数据或执行未授权操作的威胁。实验覆盖大量社区贡献技能，为Agent技能生态的安全审核提供系统化方案。

论文解读论文解决工具增强型LLM Agent训练数据稀缺、标注成本高的问题。StateGen平台由四个LLM角色协作生成多样化、多轮、带评分和推理链的合成对话数据，覆盖多种工具调用场景。实验验证生成数据可有效提升Agent在未见过的工具调用任务上的性能。

论文解读论文通过注意力分析发现LLM Agent在拥挤工具集中错误调用工具的原因并非「看不到正确工具」，而是注意力机制在标签段上的选择偏差。在BFCL真实失败案例中，80%情况下模型对正确工具具有最高注意力但最终未选择。研究者据此提出注意力引导的干预方法，为诊断和改进Agent工具选择提供新视角。

论文解读论文解决工具生态扩展时穷举注入工具模式成本过高的问题。研究者提出SING框架，利用合成意图图让Agent在不知道完整工具列表的情况下主动发现可用工具，无需穷举注入即可扩展到成百上千API规模。实验表明该方法在保证任务完成率的同时大幅降低工具注入开销。

论文解读论文针对现有基准仅评估单Agent与被动环境交互的局限，构建了异构多智能体经济模拟平台CoffeeBench。平台要求Agent进行通讯、谈判和交易以追求自身目标，覆盖超市运营等长时 horizon 场景。实验揭示当前LLM Agent在经济协调任务中的能力边界与主要失败模式。

论文解读论文针对Agent技能以SKILL.md文档形式重复注入导致开销过高的问题，提出Skill-to-LoRA将技能转化为低秩适配器权重。行为被压缩为可学习的LoRA模块后无需运行时注入即可生效，大幅减少上下文token消耗，同时保留技能的检查和修改灵活性。实验验证该方法在多种Agent技能上实现效率与可复用性的兼得。

论文解读论文研究如何让LLM Agent自动构建可复用技能以解决复杂任务。核心方法是集体技能树搜索（CSTS），通过树搜索探索并组合技能节点，在真实系统OpenClaw上覆盖 productivity、API、code 等多领域。实验表明CSTS能高效生成高质量技能库，显著提升Agent在工具使用和多步推理任务中的成功率。

论文解读论文针对用户指令常存在隐含环境假设导致Agent执行失败的问题，提出ACCORD框架。该框架利用当前工具、数据、界面和观察状态推断指令缺失部分，生成动作条件化的上下文补充。实验表明在信息丰富的数字和物理环境中，ACCORD显著提升Agent对含糊指令的执行成功率。