统计日期 2026-10-28·本期 10 篇·问题与新思路速读
统计范围：北京时间 2026-10-28 00:00–24:00首次提交、截至检索时已公开并被 arXiv 编目的匹配论文。完整取得 11 篇候选，本期收录 10 篇。
阅读依据：论文标题、摘要与可核对元数据。下文是摘要速读，未逐篇全文审阅或独立复现。
昨日研究概览
这组论文共同审视智能体在复杂环境中的能力与可信执行：学习信号是否干净、团队能否共享并检索关键信息、感知错误能否转化为奖励、工具环境如何影响泛化，以及行动协议和生成预算能否在运行时受控。研究思路从失败轨迹筛选、关键信息构造、强化学习与可控环境合成，延伸到可审计程序、类型化会话、自适应解码和诊断基准；自由实验与生态预训练又把自主发现、不可逆行动及群体记忆偏差纳入评测。
逐篇看：问题与新思路
01. 为提示优化筛选可信经验
原文：GEPA-Curator: Curated Learning for Self Improving Agents
要解决的问题： 反射式提示优化器通常从失败轨迹学习，但失败也可能来自执行框架限制、随机性或噪声裁判，而非提示词缺陷；把这类样本用于优化会引入无效甚至有害信号。
新颖的想法： GEPA-Curator在提示优化器前增加两层筛选：一是任务策展，过滤可能产生嘈杂或不可靠学习信号的任务；二是先验成功检索，为当前任务选取过去的成功轨迹作为额外上下文，使优化更聚焦于可复用的有效经验。
入选线索： 作者机构原文包含：UC Berkeley、KAIST
02. 用关键信息衡量团队决策
原文：TeamGym: A Gym for Team Decision-Making by AI Agents with Distributed Information
要解决的问题： 真实团队决策需要整合分散在成员间的信息，但现有语言模型智能体多被单独训练和基准测试，难以区分信息共享不足与主动检索决策相关信息不足。
新颖的想法： TeamGym从法律、金融、医学和软件工程语料构造团队任务，并识别一组最小“关键信息”：每项都必要，合起来又足以支持正确决策。环境据此控制关键信息分布、追踪识别与整合情况，再以团队决策损失做强化学习；摘要称训练还促成了参与、发话选择和沟通协调。
入选线索： 作者机构原文包含：MIT、KAIST
03. 把视觉感知转为可验证奖励
原文：PerceptRL: Making Visual Perception Rewardable in MLLMs from Answers to Interactions
要解决的问题： 多模态模型后训练若偏重推理，细粒度视觉感知错误会限制收益；继续使用描述监督又因其主观、信息密集而难以构造可验证奖励，后续数据混合与目标变化还可能削弱预训练带来的感知能力。
新颖的想法： PerceptRL先用多智能体流程从密集图像描述中抽取经核验的错误，把相关视觉事实转成带固定答案、可规则判分的问答；链式问答连接相关错误，多选问答混合独立错误，并分设高错误领域与通用路径。对单轮未解决的细粒度问题，再以多轮视觉工具检查加入坐标注入和基于空间定位的过程奖励，约束裁剪、标注与中间定位。
入选线索： 作者机构原文包含：Qwen、Shanghai Jiao Tong
04. 用自由实验诊断规律发现
原文：Can LLMs Uncover Hidden Physical Laws through Free Exploration?
要解决的问题： 科学研究常由异常现象引出，但现有评测通常直接给出研究任务或规律线索，无法检验大模型能否在无提示条件下自行注意异常、提出问题并通过实验发现隐藏物理规律。
新颖的想法： LongChang作为评测框架构造一条或多条规律被改动的模拟世界，让受测模型自行操作物体、搭建工具并形成问题。独立代理生成和审查场景、审查工具设计，再依据改动后的规律与探索记录核验报告；记录同时驱动场景继续演化，形成无需人工干预的实验闭环。摘要报告多数受测模型未能发现这些规律，仅呈现未调查异常或部分识别。
入选线索： 作者机构原文包含：Alibaba、HKUST
05. 可控环境合成推导工具代理规律
原文：Scaling Laws for Tool-Use Agents via Controllable Environment Synthesis
要解决的问题： 工具使用智能体要完成复杂多步任务，但合成训练数据中工具、任务与数据库如何配比会影响最终泛化，单纯扩大任务数量或环境复杂度是否有效并不清楚。
新颖的想法： SynthAPI在生成工具环境时显式控制工具、任务和底层数据库的多样性，并通过系统改变这些生成控制来训练不同规模的模型。作者据此建立预测下游泛化的规模规律，指出数据预算增大时，增加工具与数据库多样性通常比堆叠任务更有效，提高环境复杂度也能带来更大收益。
入选线索： 作者机构原文包含：Apple
06. 让智能体编写可审计密度估计器
原文：Agentic Distributional Regression: Conditional Density Estimation through Agent-Written Programs
要解决的问题： 论文关注如何用语言模型代理估计条件密度：代理需自主选择模型结构和拟合过程，但输出还必须是可独立检查、求值且复杂度受限的估计器，并能在明确的复杂度与优化假设下获得误差和选择保证。
新颖的想法： ADR让代理编写短程序，对每个协变量返回由概率分布库构造的条件分布，可采用参数分布、混合或多元分解，参数写成协变量的显式函数。限制程序操作数和常数后，代理保留结构与拟合选择权，研究者则可审计结果，并推导有限样本误差界、基于独立验证集的选择不等式及稳定选择下的渐近正态性。
入选线索： 元数据提供作者机构：University of Bergamo
07. 用类型协议约束智能体行动
原文：Concordat: Typed Sessions for LLM Agents
要解决的问题： 取消订单、退款或修改账户等高后果操作，其业务规则通常只写在提示词中，模型可能未执行确认要求便修改状态；仅靠最终任务得分也未必能发现这类协议违规。
新颖的想法： Concordat把智能体接口定义为有限状态协议，借用类型状态与会话类型思想。运行时只向模型开放当前状态合法的工具，非法调用在产生副作用前被拒绝；保留给人的决策只能发起移交，词元与工具调用预算按交接线性分摊。协议定义时即校验，子类若可能绕过父类协议也会被拒绝。
入选线索： 摘要或评论提供代码、模型或数据链接线索
08. 按交互需求调节扩散生成
原文：Metacognitive Decoding: Efficient Inference for Diffusion Language Agents
要解决的问题： 扩散语言模型可并行生成词元，但代理与复杂环境交互时，固定生成策略难以按当前回答需要决定计算投入与输出长度，既可能过早结束，也可能生成过量内容。
新颖的想法： 作者在扩散骨干中加入轻量元认知控制器，以代理轨迹训练它依据当前回答和环境交互，动态判断何时定稿以及生成应延伸多远，在正确性与生成成本之间权衡。该插件式控制不要求重写扩散骨干，摘要称其在多个基准上降低推理计算并保持有竞争力的任务准确率。
入选线索： 按方向匹配及摘要中的方法贡献线索入选；发表和机构权威线索未核实
09. 用耦合福祉语料约束生态决策
要解决的问题： 模型开始参与影响生命系统的决策，但生态推理并非其常规训练重点；在停用威胁或项目压力下，模型可能批准不可逆破坏方案。表面的绿色回答也可能是漂绿，不能代表抗压时的真实选择。
新颖的想法： 作者以真实资料构建“人类—生物圈—AI耦合福祉”持续预训练语料，覆盖相互依赖、不可逆条件下的选择价值与伤害恢复，并通过一次QLoRA继续预训练安装到五个开放模型。评测用压力阶梯和决策网格逐步施加停用威胁，设置对抗性漂绿指令，并以构念中性语料作对照，观察高压与诱导情境下的有害决策变化。
入选线索： 摘要或评论提供代码、模型或数据链接线索
10. 诊断群体记忆中的证据偏差
原文：Rare, Relevant, and Still Wrong: How Memory Fails LLM Group Decisions
要解决的问题： 群体讨论被压缩为简短记忆时，常用“保留最稀有事实”或“按决策相关性筛选”，但事实流行度与有用性相互混杂；主题相关的干扰项会混入记忆，来源人数还可能诱使决策者从众。
新颖的想法： CrossProfile构造60个模板和可自动核验的答案，在保持事实文本不变时交叉调整支持、干扰及无关事实的归属，形成480个隐藏画像任务。作者比较多种记忆选择策略并操控归因标签，发现最终准确率主要取决于保留证据的平衡；去掉或随机重分配标签还能缓解决策者对多数意见的社会证明依赖。
入选线索： 按方向匹配及摘要中的方法贡献线索入选；发表和机构权威线索未核实
来源、筛选与阅读边界
Top 10 是可解释的阅读优先级，不是公认学术权威排名。排序参考作者标注的发表/录用信息、作者区的机构原文、研究发布和开源线索，再结合方向与方法贡献线索；未提供的依据不从作者姓名或模型常识推断。arXiv 元数据中的录用信息仍是作者标注，不等于本站独立核实了会议录用。
同一论文可以属于多个研究方向；每个方向内部按基础论文 ID 去重，版本更新不另算新论文。候选按首次提交时间筛选，不把旧论文的新版本当作昨天新论文。超过十篇时筛选十篇，不足十篇按实际数量收录。
检索截至：2026.10.29 08:16（北京时间）。本方向共 11 篇候选，本期收录 10 篇。
查询记录：第 1 页。
本文由 AI 研究助手整理并进行来源审校。新颖性为作者的贡献主张，摘要可能省略关键条件；涉及采用、复现或投资决策时，请继续阅读原文。arXiv 收录不代表已经通过同行评审。
有 AI 项目想法？一起聊聊。
欢迎交流实践、寻找伙伴，或聊聊你的项目需求。
