今日推送

论文解读论文系统综述LLM Agent评估中基准性能提升掩盖的反复出现失败模式。核心创新是对2023-2026年间19种不同评估工作进行综合分析，归纳工具使用失败、规划缺陷、推理错误等典型类别。该合成分析揭示当前评估体系的局限性，为针对性改进LLM Agent提供失败模式图谱，推动更全面的Agent能力评估标准制定。

论文解读论文采用预注册实验研究前沿LLM Agent构成小型经济系统中的定量预测。核心创新是理论驱动的研究范式，验证市场耦合下财富增长的信息论容量边界，以及激励控制下人群失调的平均场标度律。所有预测均获验证，揭示LLM Agent群体展现出可预测的统计规律，为理解多Agent系统的宏观行为提供理论基础。

论文解读论文指出现有LLM Agent基准隐含单语言假设，与真实多语言场景脱节。核心创新是构建PolyWorkBench多语言长视野Agent评测环境，涵盖17种语言和多种任务类型。系统评估主流LLM在多语言推理、工具调用和长视野规划上的表现，揭示现有模型在非英语环境下的显著性能差距，为多语言Agent研发提供评测基础。

论文解读论文针对LLM Agent后训练中数据整理被固化为预处理步骤的问题，提出CurateEvo失败驱动数据演进框架。核心创新是将数据筛选、细化和适应与下游失败反馈闭环，通过持续迭代优化训练数据。实验表明该方法显著提升Agent在长视野决策任务中的表现，为Agent后训练提供了更动态、更针对性的数据管理范式。

论文解读论文探索LLM Agent在协作决策中的协商机制，将协商式协作形式化为部分可观测的合作决策问题。核心创新在于构建兼顾信息对齐和共识达成的Agent交互框架。在不对称信息条件下测试表明，引入协商机制显著提升多Agent联合决策质量。该研究为多Agent协作提供了新的理论框架和实践指导。

论文解读论文聚焦强化学习训练LLM Agent时rollout预算分配不合理的问题。核心创新是提出信息增益驱动的自适应rollout策略，通过评估中间状态的信息价值动态调整搜索深度。方法采用树结构组织rollout过程，实现推理资源的精准投放。在长视野搜索任务上的实验表明，该方法显著提升训练效率和最终性能，为LLM Agent的RL训练提供更高效的探索策略。

论文解读论文研究LLM Agent在多步任务中频繁陷入注定失败的轨迹却继续消耗算力的问题。核心创新在于发现Agent内部表征中已蕴含失败信号，设计每轮轻量级探测探针从隐藏激活状态预测最终失败。实验表明可在早期准确预判任务失败，从而提前中止避免资源浪费。该研究为LLM Agent的推理效率优化提供了新思路。

论文解读论文针对LLM科学发现系统中首个研究问题难以审计的问题，提出FirstResearch原则性问题形成框架。核心创新是将问题形成分解为机制说明、可证伪性标注和假设暴露三个可检验维度。在多个科学领域测试表明，该框架显著提升LLM生成研究问题的可验证性和科研人员审查效率，为AI辅助科学发现提供更可靠的交互范式。

论文解读论文针对LLM Agent模拟结果难以与显式社会动力学对比的问题，提出AgoraSim混合建模框架。核心创新是实现文本或多模态模拟产出向可编辑ABM配置的自动化转换，支持确定性模拟与LLM模拟的对照分析。该框架提升了模拟研究的可解释性和可复现性，为社会场景的多方法交叉验证提供了工具支持。

论文解读论文针对LLM社会模拟缺乏理论对齐环境的问题，提出基于Putnam社会资本理论的SocaSim框架。核心创新是构建符合经典社会理论假设的Agent交互环境，使理论命题的可验证性模拟成为可能。实验验证了集体行动和社区繁荣相关的核心命题，为理论驱动的社会模拟提供了方法论基础，开辟AI社会计算的新路径。