今日推送

论文解读论文指出前沿语言模型在单步推理上表现出色，但在多小时任务上失败（丢失早期决策、过早宣布完成、偏离目标），称之为'horizon gap'。核心创新是对2024-2026年间1547篇arXiv论文进行系统综述，揭示长期Agent失败的根本原因涵盖规划、记忆、执行、训练和评估五个维度。为解决长时任务挑战提供了全面的问题诊断和改进方向指引。

论文解读论文研究LLM Agent解决真实软件问题时的长程修复流程（通常数十至数百步）。现有仓库级Agent通常强化本地推理能力，但忽视计划维护和跨阶段观察记忆。核心创新是将规划模块与情景记忆系统耦合，使Agent能保持演化计划并记住跨阶段观察。实验表明该方法显著提升软件问题解决的完成率和效率。

论文解读论文研究LLM Agent自动化科学假设检验时的可靠性问题。尽管Agent能完成端到端的数据检查、代码生成和分析，但常产生微妙推理错误导致错误结论。核心创新是识别并规范化这类推理错误，提出针对性训练方法。构建了包含subtle inferential errors的基准测试，评估显示当前模型在此类任务上存在显著不足，为提升Agent推理可靠性提供改进方向。

论文解读论文提出人类认知启发的PsychoAgent架构，解决传统Agent仅基于主题相似性选择记忆的问题。核心创新是分离事实记忆与情感记忆，通过冲突感知执行控制器整合两者。情感记忆首先通过语义相关性过滤，再结合情感显著性重新加权。实验表明该架构能更好地模拟人类记忆检索机制，提升Agent在冲突场景下的决策质量。

论文解读论文研究LLM Agent如何通过积累技能知识来适应重复任务。现有技能更新方法缺乏显式诊断机制，SkillProx提出近端文本梯度下降方法，结合任务执行、失败诊断和轨迹引导的文本空间更新。核心创新在于显式失败诊断模块和基于梯度思想的技能优化机制。实验表明该方法能有效提升Agent在多任务场景下的技能适应性和执行成功率。

论文解读论文研究LLM Agent长程轨迹的细粒度归因分析问题。现有基准主要评估行为结果，缺乏对轨迹内部因果关系的深入分析。核心创新是定义轨迹归因任务并开发相应基准和标注框架，支持对Agent行为进行细粒度溯源。基准涵盖用户指令、工具使用、外部观察和记忆等多元素交互，为理解和改进Agent决策过程提供系统性评估工具。

论文解读论文研究多Agent系统中决策分散化对人口统计学偏见的影响。先前基准测试显示单一LLM在做生死资源分配决策时表现出可测量的偏见。核心创新是构建多角色多Agent模拟框架，研究相同决策分布在多个Agent的管道中（带审查步骤）时偏见的变化。实验揭示了多Agent协作如何影响偏见传播和检测，为真实部署中的公平性保障提供参考。

论文解读论文研究如何提升小模型LLM Agent的性能。传统记忆系统对大模型有效，但小模型难以生成足够的成功轨迹。核心创新是提出无训练框架Agent Memory Distillation (AMD)，通过分层记忆结构将大模型教师Agent的结构化知识迁移到小模型学生Agent。实验表明该方法显著增强小模型Agent在复杂任务上的表现，为边缘部署提供可行方案。

论文解读论文探索情绪对多Agent谈判中LLM Agent表现的影响。现有基准通常将Agent视为情感中立，忽视人类议价行为的关键驱动因素。核心创新是在受控框架中为买卖双方Agent独立赋予提示词条件情绪，研究情绪对价格谈判策略的影响。实验表明情绪状态显著影响Agent的谈判策略和成交结果，为构建更类人的多Agent交互系统提供洞察。

论文解读论文研究复杂系统（人工生命核心对象）的目标导向优化问题。复杂系统通过非线性反馈驱动交互产生涌现行为，预测其动态是开放难题。核心创新是提出CEDAR框架，通过Agent编排的树搜索方法引导优化过程。Agent负责系统探索、状态评估和策略选择，树搜索提供结构化优化路径。应用于种群动力学、生物学、经济政策等领域的复杂系统优化任务。