今日推送

论文解读论文对三个开源编码 Agent 工具链进行源码级多案例研究，分析其架构设计。指出 Agent 工具链（构建模型上下文、管理工具、运行循环、持久化状态的周围代码）是决定 Agent 行为的关键层，而非被包裹的模型本身。核心创新在于揭示工具链层正成为 Agent 行为的绑定约束，并识别三个工具链的架构趋同模式。为理解 Agent 系统设计提供重要洞察。

论文解读论文针对医学诊断中证据获取的主动性问题，批评现有 LLM 诊断系统仅做静态预测。提出 EviDx，一种证据感知的主动诊断框架，模拟临床医生获取证据、更新竞争假设、判断证据充分性的过程。核心创新在于将诊断建模为交互式证据寻求过程，使用 LLM Agent 主动查询检验假设。实验验证了该方法在诊断准确性和证据效率上的优势。

论文解读论文指出当前自改进 LLM Agent 只改进答案而不改进生成过程，系统元层级固定，递归自编辑存在稳定性约束（需保留部分编辑机制）。提出 Meta^n 架构，保持元操作固定，改为递归操作输入而非操作本身，从而实现更深层级的元改进。核心创新在于打破传统元改进范式，实现接近任意深度的元递归。理论分析和实验验证了方法的可行性。

论文解读论文提出 StarHarness 框架，用于在保持模型权重固定的情况下进化环境特定的 Agent 工具链。进化后的工具链可包含提示工程、任务框架、工具接口、技能、MCP 支持提供者和子代理结构等组件。核心创新在于通过分层任务分组（按基线失败行为划分）构建紧凑进化池，显著提升进化效率。实验表明该方法能在企业级任务中实现高效的工具链适配。

论文解读论文研究长程任务中递归自改进（RSI）的难题，即历史增长导致任务状态模糊和技能调用错位。提出 Recuris，一种递归体验-工作记忆架构，用于长程 Agent 工具链，工作记忆追踪任务进度并指导技能选择，将技能使用锚定在当前需求上。核心创新在于通过递归机制分离任务状态与技能库，实现动态技能调用。在多步长程基准测试中验证了方法有效性。

论文解读论文研究 LLM Agent 系统的委托决策问题，区别于传统的路由前决策或验证后重试，提出第三种机制：Agent 在推理过程中识别自己可能失败，主动将控制权转移给更强模型。核心创新在于将代内委托建模为贝叶斯最优停止问题，在推理过程中动态决定升级时机。实验表明该方法能在保持性能的同时显著降低计算成本。

论文解读论文研究编码 Agent 执行长程任务时，在不同模型间切换（升级到更强模型或降级到便宜模型）的质量权衡。每次切换要求接收方继续前任模型产生的非原生轨迹。核心创新在于定义并量化交接税，分析不同切换策略对任务成本和质量的影响。实验揭示了切换时机和方式对最终任务成功率的关键影响，为实际部署提供指导。

论文解读论文指出 LLM Agent 通过工具调用解决问题，但现有基准主要评估工具选择、参数生成和串行执行成功率，忽略并行化和资源约束调度。提出 PeakBench 基准，聚焦资源感知工具调用中的并行执行与调度决策。核心创新在于填补 Agent 评估中缺失的调度维度，覆盖多种并行化场景和资源约束条件。基准测试揭示了当前 Agent 在调度能力上的不足。

论文解读论文研究 LLM Agent 通过多角色、多阶段工作流协调复杂任务时，上游状态如何转化为中间语言制品（摘要、计划、记忆、交接笔记等）。核心问题是话题保留不足以约束动作：制品可能提及未解决的条件。提出约束削弱机制，在下游行动时动态处理上游未完成的条件。核心创新在于建模工作流中的条件依赖传播。实验验证了该方法对工作流执行正确性的提升。

论文解读论文针对 W3C WebMCP 提案使 LLM Agent 能调用网页暴露工具的场景，指出在多方 Web 环境中集成 Agent 面临三个风险：主体属性欺骗、非受控工具生命周期和不足的溯源保证。提出 WebMCP-Phalanx 框架，在浏览器同源策略安全模型中为 Agent 可访问工具建立信任边界。核心创新在于将浏览器安全模型扩展到 Agent 工具调用场景，提供生命周期保证和溯源机制。