每日推送 · 2026年07月23日

📄 arXiv 论文	📕 小红书笔记
arxiv 2026-07-22 PerfAgent: Profiler-Guided Iterative Refinement for Repository-Level Code Optimization Ryan Deng, Yuanzhe Liu, Bastian Lipka, Yao Ma, Xuhao Chen 💡 一句话总结 PerfAgent通过分析器引导的迭代优化方法，提升LLM Agent在代码库级性能优化任务中的表现 arXiv PDF 📋 详细解读论文解读论文针对LLM Agent在代码优化任务中的挑战，提出PerfAgent框架。该框架通过分析器引导的迭代式细化方法，让Agent能够在保持代码功能正确的前提下提升运行时性能。核心创新在于结合性能分析和行为保留验证，引导模型生成更优的优化补丁。实验结果表明，该方法在真实代码库中显著优于现有方案。	—
arxiv 2026-07-21 Twin Agent: Context Residual Compression for Privilege Separated Agents Zhanhao Hu, Dennis Jacob, Xiao Huang, Zhaorun Chen, Bo Li 💡 一句话总结 Twin Agent通过上下文残差压缩技术实现权限分离，提升LLM Agent安全性 arXiv PDF 📋 详细解读论文解读论文针对LLM Agent面临的安全风险（如提示注入攻击），提出Twin Agent架构。核心创新在于使用上下文残差压缩技术，将不受信任的观测与特权执行分离，在保障安全的同时最小化效用损失。该方法无需大量任务特定的工程设计，即可有效防御上下文攻击。实验验证了其在多种攻击场景下的有效性。	—
LLM Agent 2026-07-22 PRO-LONG: Programmatic Memory Enables Long-Horizon Reasoning Alexis Fox, Junlin Wang, Paul Rosu, Bhuwan Dhingra 💡 一句话总结 PRO-LONG通过程序化内存机制增强LLM Agent的长视野推理与持续学习能力 arXiv PDF 📋 详细解读论文解读论文聚焦长视野任务对LLM Agent的持续感知、推理和探索能力的挑战。提出PRO-LONG框架，通过程序化内存机制使Agent能够进行持续学习。核心创新在于设计了一种能够跨任务保留和累积知识的记忆架构。在ARC-AGI-3等持续学习基准上的实验表明，该方法显著提升了模型的长期任务处理能力。	—
arxiv 2026-07-22 When Shippers Become Algorithms: Candidate Exposure, Information Design, and the Concentration of LLM-Mediated Freight Markets Takahiro Ezaki, Naoto Imura, Katsuhiro Nishinari 💡 一句话总结通过模拟LLM Agent在货运市场的委托决策行为，分析平台设计对市场集中的影响 arXiv PDF 📋 详细解读论文解读论文采用基于Agent的模拟方法，研究货主将承运商选择权委托给LLM Agent对货运匹配市场的影响。研究构建了50个基于GPT、Claude、Gemini的货主Agent，模拟30天的整车运输能力采购。核心发现是平台设计选择（如信息展示方式）会显著影响市场集中度。属于经济学视角下的LLM应用研究。	—

今日推送