统计日期 2026-11-11·本期 8 篇·问题与新思路速读
统计范围：北京时间 2026-11-11 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 8 篇候选，本期收录 8 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
本组论文聚焦智能体在记忆更新、科学假设探索、端侧模型接入、蛋白质—配体姿态排序及评测中的可靠性瓶颈。共同思路是把关键判断显式化并增加验证闭环：用证据回溯核验经验，以竞争解释和反证门控约束更新，以分层索引、设备验证及结构审计检查执行；同时将高频推理蒸馏为可执行流程，在多类基准上比较能力与失效。
逐篇看：问题与新思路
01. 给记忆教训挂接原始轨迹证据
要解决的问题： 外部记忆通常只依据任务成败蒸馏教训，且不保留来源轨迹，智能体因而可能照搬错误教训，或误读、误用本来有效的教训，反而退化于无记忆时可完成的任务。
新颖的想法： WikiTrace将简短教训同时链接到成败原因摘要和原始轨迹。新任务中，智能体先汇总全部洞察；当洞察缺少细节、彼此冲突或源自失败任务时，便沿链接查询证据、补全信息或纠正教训后再行动。
入选线索： 作者机构原文包含：KAIST；摘要或评论提供代码、模型或数据链接线索
02. 以竞争解释集替代单点假设检验
原文：Contrastive Discovery: Open-Ended Scientific Discovery over Competing Explanations
要解决的问题： 逐点检验只让科学假设与其否定竞争；证据否定原假设时，智能体只知道该假设不成立，却不能识别究竟支持哪种替代解释，也难以从已有证据中恢复探索方向。
新颖的想法： Contrastive Discovery把单一假设改为互斥且穷尽的竞争解释集合，以实验造成的信念重分配给各解释评分；当信念集中到一项时判定问题解决。该集合还可让既有智能体重评已收集证据或指导后续搜索，而不要求改造底层智能体。
03. 让编码智能体理解端侧推理栈层级
要解决的问题： 新模型接入异构移动硬件时，转换、计算图、算子与后端需协同修改；现有编码智能体容易漏掉跨层依赖，也难以诊断宿主机—设备执行路径中的故障。
新颖的想法： EngineAgent先以已支持模型预验证各后端的构建、执行与调试流程，并建立包含抽象层级和跨层依赖的引擎索引，使通用引擎与硬件知识同具体模型实现分离。构建器据此协调跨层修改，审计器再检查完整性，并依据设备端验证迭代排错。
入选线索： 作者机构原文包含：Alibaba、Shanghai Jiao Tong
04. 构建姿态排序基准与特征生成智能体
原文：Pyrite: Building and Benchmarking Protein-Ligand Pose Ranking Agents
要解决的问题： 共折叠模型可生成多种蛋白质—配体结合姿态，但候选姿态的可靠排序仍很困难；现有化学信号难以解释，专业人员借助三维可视化和物理评分也仅接近随机表现。
新颖的想法： 该研究建立Pyrite姿态排序基准，并设计结构化表示来组织分子几何、蛋白—配体相互作用及理化评分。PyriteReasoner直接以文本比较姿态；PyriteFeaturizer生成可执行特征代码供逻辑回归使用，还可纳入大模型子调用产生的特征；另用GRPO改进开放权重模型。
入选线索： 作者机构原文包含：Stanford University
05. 用反证门控决定经验是否入库
原文：When Should Agents Remember? Falsification-Gated Self-Evolution for LLM Agents
要解决的问题： 长程智能体常把单次经历直接写成持久记忆，但局部成功既不能证明经验可迁移，也可能不安全；错误规则会造成反证失败、回归损害和有害更新。
新颖的想法： FGSE把候选经验表示为含前提、行为变化、预期效果和验证器的结构化假设，先仅在临时状态应用，再通过目标迁移、反证和归档回归探针测试，随后依据实测收益与风险决定提交、修订或拒绝。
入选线索： 作者机构原文包含：National University of Singapore
06. 比较企业分析智能体三类评测框架
要解决的问题： 企业分析智能体在复杂多工具流程中的失效可能细微且未知，评测框架若缺少执行轨迹或对抗输入，会出现误报、漏报及稳定性不足，难以同时覆盖功能与安全风险。
新颖的想法： 这是基于冻结执行轨迹的三阶段对照研究：重复测量检验框架稳定性，以已知风险用例评估检出表现，再考察未知风险发现；对象包括轨迹式大模型裁判、结合红队的纯文本裁判和确定性启发式。研究据此建议以轨迹评测负责功能检查，并配合对抗红队验证安全。
入选线索： 作者在 arXiv 标注发表/录用信息：Accepted to KDD 2026, Jeju, Korea. 9 pages, 3 figures
07. 评测神经符号世界模型的机械与语义一致性
原文：Evaluating LLM-Generated World Models for Neuro-Symbolic Reasoning
要解决的问题： 从开放式自然语言情境构建可用于规划与验证的形式世界模型本就困难，多智能体情境还可能有多种合理形式化；若只检查模型可执行，无法确认其结构是否忠实于原决策问题。
新颖的想法： 研究让五种大模型把情境生成成部分可观测随机博弈，并在多个场景上从机械有效性、参照相对结构一致性和语义标准三个维度审计，覆盖游戏、情境与文化设置。结果显示，机械可执行虽是必要条件，却不足以保证生成结构忠实。
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
08. 将工具智能体蒸馏为免规划可执行工作流
原文：ReTrace: Distilling Tool-Using Agents into Planner-Free Workflows
要解决的问题： 重复执行同一SOP时，智能体每一步都调用大模型决策，造成高延迟和成本；工具调用日志又缺少行动理由，难以直接提炼可复用的控制逻辑。
新颖的想法： ReTrace从SOP及少量智能体运行日志中提取每一步背后的条件，将跨运行条件合并为紧凑规则文档，再生成由代码选择下一步的可执行工作流。仅生成阶段依赖平台，规则文档可编译到不同编排平台；训练失败样本还用于修复工作流。
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：2026.11.12 08:31（北京时间）。本方向共 8 篇候选，本期收录 8 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。
