今日推送

论文解读该论文提出OmegaUse-OfficeVal基准，专门评估LLM Agent完成办公套件长程任务的成本效益。核心创新在于引入任务级经济指标，衡量Agent在合理成本下完成任务的能力。主要贡献是为LLM Agent提供真实的办公自动化评测环境，推动Agent经济实用性研究。实验验证了不同LLM在办公任务中的成本-性能权衡。

论文解读论文首次系统研究LLM Agent使用文件系统作为长期记忆的设计空间。核心问题是Agent能否有效组织、读写、重组织记忆文件。创新点在于实证检验记忆文件结构对Agent性能的影响，提出记忆演化和可持续性设计原则。实验表明文件系统记忆是可行的但需要专门优化，为Agent记忆系统设计提供新视角。

论文解读该论文针对城市数据科学任务提出图引导的多Agent系统。核心挑战是在大规模异构数据中发现并利用相关信息，超越固定数据集限制。创新点在于构建图结构引导Agent协作，实现数据感知的多智能体推理。实验验证在交通预测等城市任务中，该系统能有效整合多源数据，提升任务完成质量。

论文解读论文针对LLM Agent跨任务技能复用难题，提出SkillRise统一框架。核心创新是将技能学习形式化为强化学习问题，避免传统多阶段流水线的纠缠。方法通过跨任务经验收集和技能优化，实现可复用技能的高效获取。实验表明该框架显著提升Agent在新任务上的适应速度和性能，加速技能进化。

论文解读论文针对边缘部署的LLM Agent，提出Think Short、Defer Smart机制。核心问题是在严格推理预算下保持可靠性，仅在本地不确定性过高时延迟到云端模型。创新点在于将不确定性感知与延迟决策结合，优化边缘-云端资源分配。实验验证该方法在多跳问答、代码生成和物理AI控制任务中有效降低推理成本。

论文解读该论文针对旅行规划任务构建TREK评估工具包。核心挑战是生成满足航班、酒店、预算等多约束的完整行程，测试Agent的多轴推理能力。创新点在于提出严格的任务评估标准，涵盖可行性、可预订性和预算约束。实验表明现有Agent在复杂旅行规划中仍有显著不足，为工具增强型LLM Agent提供新评测基准。

论文解读论文聚焦LLM Agent在工具获取中的停止决策问题。核心挑战是平衡工具数量不足导致任务信息不充分，与工具过多带来的成本、上下文负荷和隐私风险。研究提出成本感知的停止机制，通过评分确定最优工具数量。创新点在于将评分转化为决策，而非仅排序工具。实验验证了该方法在多种任务中的有效性。

论文解读该论文针对临床实践指南执行难题，提出GuideSkill外部推理层。核心创新是将疾病诊断标准编译为可执行函数，返回诊断支持评分。框架包括从指南初始化的GuideSkill-Zero和通过案例优化的GuideSkill-Pro。实验验证在临床诊断任务中，该方法显著提升LLM Agent的指南合规性和诊断准确性。

论文解读论文针对Agent任务失败复发问题，提出交互式演化框架。核心创新是允许harness在部署后持续演化，超越静态harness和单次失败修复。方法通过episode间反馈驱动工具、上下文和工作流结构的自适应调整。实验表明该框架显著降低同类任务失败率，提升Agent系统的长期可靠性。

论文解读论文针对Agent自我演化中的技能过拟合问题，提出约束探索-利用方法。核心创新是在技能优化中引入结构化探索约束，平衡利用已有技能与发现新技能。方法将技能视为可训练状态，同时优化多个技能避免单一技能过拟合。实验验证该方法在多任务场景中提升Agent泛化能力，改善技能演化的可持续性。