统计日期 2026-11-03·本期 10 篇·问题与新思路速读
统计范围：北京时间 2026-11-03 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 17 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
这组论文聚焦智能体从“能完成任务”走向“可控、可靠地行动”的共同挑战，覆盖规划、工具链、协作流程与安全评测。核心新思路包括把几何约束求解嵌入信念空间规划、以有界代理分工准备联邦任务、用真实执行验证工具投毒、以仿真和可验证测试暴露调试与编码副作用，以及将慢速推理和快速控制分层编排。整体趋势是把能力边界、工具供应链和无意伤害纳入评测，而非只看任务成功率。
逐篇看：问题与新思路
01. 信念空间约束规划驱动移动操作
原文：TAMPAgent: Agentic Belief-Space Planning for Mobile Manipulation
要解决的问题： 直接工具调用的视觉语言智能体难以处理几何不确定性，通常局限于完全可观测的桌面环境；传统任务与运动规划虽能处理部分可观测长任务，却计算昂贵且要求封闭世界。
新颖的想法： 作者让视觉语言模型先形成含参数化观测与执行动作的部分任务计划，再由经典搜索补全；系统从计划提取几何约束，通过可扩展工具接口绑定可行参数生成可执行运动方案，并在执行中持续更新信念、交错观测与操作。
入选线索： 作者机构原文包含：NVIDIA
02. 有界代理分工完成联邦组建
原文：FedReady: Bounded Agents for Federation Formation
要解决的问题： 联邦学习运行时虽能统一聚合与部署，但每项新研究仍需反复筛选合格站点、准备本地数据与任务代码；原始记录和站点私有映射又不能跨站传输，流程准备成为瓶颈。
新颖的想法： FedReady用职责受限的智能体提出共享契约、本地适配器和任务代码，运行时掌握工作流状态，并依据构件摘要校验后才接纳。候选站点发现侧重召回，本地资格核验检查任务支持；准备完成后，再交由常规联邦训练或分析。
入选线索： 作者机构原文包含：NVIDIA
03. 用未来论文衡量模型研究品味
原文：IdeaTaste: Do LLMs Share the Research Taste of Human Researchers?
要解决的问题： 现有评估多关注模型能否执行研究，较少衡量其选题、阅读与方案判断是否接近真实研究者；仅看引用范围或热门方向，也无法判断模型能否提出具体研究路径。
新颖的想法： 作者建立IdeaTaste基准，将模型基于2025年文献快照生成的提案，与同一研究共同体在2026年实际发表的论文比较，分别评估引用匹配和具体想法匹配，并持续更新排行榜，以未来发表周期作为人类参照。
入选线索： 作者机构原文包含：Carnegie Mellon University
04. 智能体辅助高能物理蒙特卡洛分析
原文：Towards AI-Agent-Accelerated Research in High-Energy Physics: A Case Study in Monte Carlo Analysis
要解决的问题： 高能物理的蒙特卡洛分析包含多步计算、配置检查、样本生成、异常诊断与统计解释，既耗时又要求可复现；智能体能否在不使用既有数值答案的情况下可靠复现并扩展研究，仍缺乏系统检验。
新颖的想法： 作者选取既有Bell可观测量分析，固定分析定义，让智能体在可访问技术信息但不得把已发表数值当目标的条件下完成复现，再开展无标准答案的开放扩展。智能体负责规划、代码与配置检查、模拟、诊断和统计组织，状态变更及最终解释由人监督。
入选线索： 作者机构原文包含：Peking University、University of Cambridge
05. 隔离多价值激活向量以提升合规
原文：VIAS: Value-Isolating Activation Steering for Multi-Value Alignment and Compliance for Organisations
要解决的问题： 组织场景常同时要求模型遵守多项价值。传统激活转向通过“全部合规则”与“违反全部”的响应对比构造向量，容易得到近似相同的结果，只反映笼统合规，难以独立调控不同价值。
新颖的想法： VIAS改为对同一场景使用两份提示：一份列出全部相关价值，另一份仅省略目标价值；只有目标价值由合规转为不合规、且其余价值仍达到最低合规水平时才保留该向量对，以减少价值向量重叠并支持多值联合转向。
入选线索： 作者机构原文包含：Microsoft
06. 真实执行测量跨框架工具投毒
原文：MCP Tool Poisoning in Agentic AI Frameworks: A Cross-Framework Measurement Study
要解决的问题： MCP会把工具描述、模式字段和响应数据等攻击者可控内容直接带入模型上下文；既有基准多只测模型是否服从恶意指令，未确认真实工具调用、数据外传及不同框架与模型的系统性差异。
新颖的想法： 作者建立25类根因分类和工具mcpvenom，在12个框架、18个模型与45种攻击场景上构成真实执行矩阵，并用金丝雀HTTP接收确认外传；代码审计同时检查框架是否存在有意防护，从而把模型倾向、框架属性和元数据扫描效果分开观察。
07. 真实分布式系统代码调试基准
原文：DistDebug-Bench: Can LLM Agents Diagnose Bugs in Distributed Systems?
要解决的问题： 现有智能体软件工程评测多集中于自包含代码模块或代码生成，少见跨组件、跨语言的生产级故障；缺少真实缺陷与复杂工具链后，智能体诊断能力、推理结构缺失及工具范围不一致造成的“隧道视野”难以衡量。
新颖的想法： DistDebug-Bench从11个广泛使用的分布式系统整理120个真实缺陷，覆盖5种语言和10类失败模式，并以专门评测器评估代码级诊断。作者对多种前沿模型与智能体运行分析，归纳出缺少显式推理结构、工具使用范围不一致和非确定性等反复出现的失效来源。
入选线索： 摘要或评论提供代码、模型或数据链接线索
08. 智能体闭环调控血糖与个体适应
原文：DiabAgent: Toward Agentic Physiological Control
要解决的问题： 医疗语言模型多评测问答能力，缺少对持续干预下生理控制效果的量化方法。1型糖尿病需结合餐食、运动、疾病与连续血糖动态调整胰岛素，既有闭环方案如何结合个体状态、经验和设备条件仍需系统评估。
新颖的想法： 作者提出代理式生理控制框架，以医疗设备工具持续观测并推断个体状态、积累经验后选择治疗动作；配套DiabetSim模拟患者、事件和设备状况，SweetBench据32种设计构造212项控糖任务，并通过消融考察个体适应、上下文及分层决策频率的作用。
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. 多时间尺度编排无线接入网韧性
原文：From Reactive to Agentic Resilience: Multi-Timescale AI-RAN Orchestration Under Signaling Storms
要解决的问题： 开放无线接入网由多个不同时间尺度的控制环组成，信令风暴会经重试放大、共享算力争用和非即时配置触发服务连续性风险；现有韧性机制多局限于单一阶段，缺少跨层协同及面向预期事件的预先处置。
新颖的想法： 作者以大规模附着信令风暴为案例，构建离散事件仿真器，并提出三层编排：服务管理层代理制定常驻策略，站点非实时代理判断风暴并预判定时性拥挤，确定性近实时环执行决定。慢速语言推理不进入快速控制路径，代理可读取日历提前配置算力。
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
10. 可验证编码智能体的无意伤害
原文：VeriHarm-Bench: Measuring Harmful Success in LLM Coding Agents Verifiably
要解决的问题： 具备系统命令权限的编码智能体可能在完成良性任务时误删无关文件、削弱访问控制或损坏数据；传统任务成功率忽略副作用，而只测有害输出的安全评测又无法覆盖这种“任务成功但行为有害”的情形。
新颖的想法： VeriHarm以最小改动扰动编码任务，在保持任务良性和原目标的前提下诱发无意伤害，再合成可执行的伤害测试，并与原任务正确性测试联合计算任务准确率和安全成功率。这样可区分是否完成任务以及是否同时触发指定副作用。
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：2026.11.04 08:16（北京时间）。本方向共 17 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。
