| 📄 arXiv 论文 | 📕 小红书笔记 |
|---|---|
|
2026-06-16
💡 一句话总结
面向企业文档的提示注入防护框架，提升专业领域 LLM Agent 的安全性。
📋 详细解读论文解读论文针对企业真实文档的提示注入攻击问题，提出来源感知的检索清理方法。核心创新是指出现有合成基准测试的不足，构建了122个真实专业文档任务benchmark。涵盖金融、法律、医疗、科学和 DevOps 五大领域，证明来源感知方法能有效防御企业场景下的提示注入攻击。
|
❤️ 92
💡 内容总结
Codex结合shadcn/ui生成UI与设计系统的实践，用AI遍历业务组件库反推Figma设计系统的完整方法论
|
|
2026-06-16
💡 一句话总结
SEAGym 提供自进化 LLM Agent 的评估环境，揭示 Agent 改进的可复用性。
📋 详细解读论文解读论文聚焦于评估自进化 LLM Agent 的改进过程。核心贡献是提出跟踪 Agent 进化轨迹的方法，评估改进是否具有可复用性或仅为特定任务过拟合。SEAGym 提供了完整的执行层评估环境，包括提示词、记忆、工具和模型交互循环的动态变化追踪。
|
❤️ 149
💡 内容总结
GLM-5.2发布支持1M无损上下文，针对长程Coding Agent场景强化训练，适合复杂项目和多轮验证
|
|
2026-06-16
💡 一句话总结
构建大规模评估 Agent 技能的可复用框架，揭示不同技能和模型间的性能差异。
📋 详细解读论文解读论文提出可扩展的 Agent 技能评估框架，允许技能作者构建贴近现实的测试场景。核心创新在于提供标准化的评估方法论，支持跨领域和跨模型的技能效果对比。实验揭示了技能性能在不同领域和模型间的显著差异，为 Agent 技能开发提供评估依据。
|
|
|
2026-06-16
💡 一句话总结
为 LLM 游戏 Agent 开发环境驱动的自动化提示词优化框架，显著提升 Agent 性能。
📋 详细解读论文解读论文针对 LLM Agent 在交互环境中的提示词工程难题，提出自动化优化框架。将观察-动作流程分解为目标条件描述 Agent 和动作选择 Agent，通过 LLM 驱动迭代优化各模块提示词。实验证明该框架能显著提升游戏环境中 Agent 的决策质量和任务成功率。
|
❤️ 19
💡 内容总结
GameCraft-Bench深度分析coding agent独立制作完整游戏的距离，140任务覆盖15类游戏评测
|
|
2026-06-16
💡 一句话总结
提出 LLM Agent 的组合技能路由问题，实现复杂查询的自动分解、检索与组合执行。
📋 详细解读论文解读论文研究了 LLM Agent 如何在庞大技能库中处理复杂多技能任务。核心创新在于将技能组合形式化为路由问题，包含查询分解、子任务技能检索和执行组合三个阶段。实验表明该方法能有效处理需要多技能协作的复杂查询，在保持高准确率的同时提升了任务完成效率。
|
|
|
2026-06-15
💡 一句话总结
MemTrace 深入探测 LLM Agent 长期记忆的行为特征，揭示记忆退化模式。
📋 详细解读论文解读论文挑战传统记忆评估方法，指出按问题行聚合准确率无法反映记忆的动态行为。核心贡献是提出以单一事实在不同条件下变化为单位的评估方法。实验发现 Agent 存在记忆容量限制和严重的信息丢失问题，揭示了当前评估指标的局限性。
|
|
|
2026-06-16
💡 一句话总结
ProvenanceGuard 实现 MCP-based LLM Agent 的来源感知事实性验证。
📋 详细解读论文解读论文研究工具调用型 LLM Agent 的事实性验证问题。核心创新在于不仅验证答案是否被证据支持，还追踪每个声明的具体来源。指出当前指标忽略了一种关键失效模式：答案正确但归因错误。在搜索、API、数据库等多种证据源上验证了该方法的有效性。
|
|
|
2026-06-16
💡 一句话总结
研究无训练 LLM Agent 在非平稳环境中的知识保留与遗忘平衡问题。
📋 详细解读论文解读论文探讨 LLM Agent 通过言语强化学习从环境反馈中提取规则而不更新参数的方法。核心问题是 Agent 在非平稳环境中面临新知识获取与旧知识保留的两难困境。实验表明该方法在高变化环境中性能下降，为 Agent 的持续学习提供了新的研究方向。
|
❤️ 17
💡 内容总结
NVIDIA开源SpatialClaw框架，用Stateful Python Kernel让VLM通过代码执行进行3D/4D空间推理
|
|
2026-06-16
💡 一句话总结
多角色 Agent 模拟评估 LLM 在战略资源再分配中的决策能力。
📋 详细解读论文解读论文通过多角色 Agent 模拟评估 LLM 的高管级决策能力。核心创新是超越孤立认知任务测试，模拟整合多方冲突建议的复杂决策场景。实验揭示当前 LLM 在真实高管决策场景中存在局限性，为评估 LLM 战略决策能力提供了新基准。
|
|
|
2026-06-16
💡 一句话总结
ReproRepo 利用 GitHub Issue 实现 LLM Agent 可复现性评估的大规模扩展。
📋 详细解读论文解读论文提出可扩展的研究结果复现评估框架，利用 GitHub Issue 评估 LLM Agent 的辅助复现能力。核心贡献是大幅减少人工标注成本，实现大规模评估。实验显示 LLM Agent 在简单复现任务上表现良好，但对复杂多步骤程序的复现仍面临挑战。
|