2026-09-10 周四 · Agentic

独立报告页 · 在站内浏览(含往期切换)→
Generative生成式推荐 · 2 篇Personalization个性化推荐 · 8 篇AI SearchAI 搜索 · 10 篇Agentic智能体搜索 · 10 篇Infra系统与索引 · 10 篇

今日场景社区搜索 (UGC 短文本搜索): 用户在社区平台搜索帖子、问答、评论等 UGC 内容。 核心指标是搜索相关性 (nDCG) 和点击率 (CTR)。 关注:语义匹配、query 理解、短文本召回、排序模型、LLM 在搜索中的应用。 — 评分 77 篇,入选 10 篇,分数 3.55 – 4.40

本期目录 · 10 篇
  1. 01Procedural Graphs: Self-Evolving Execution Structures for LLM Agents
  2. 02Environments as Scaffold: Enriching Feedback to Bootstrap Self-Evolving Agents in Long-Horizon Tasks
  3. 03Explore Before Committing: Hypothesis-Guided Search for Deep Research Agents
  4. 04Audit Without Verification: When LLM Accountability Layers Relay Rather Than Check
  5. 05RuleMem: Active Rule Memory for Long-Term Conversational Agents
  6. 06EdgeMem: LLM-Free Agent Memory Construction and Retrieval via Evidence-Preserving Multi-Anchor Hypergraph
  7. 07NeoHorse-1: Towards Recursive Self-Improvement via Agentic Post-Training with Routing Harness
  8. 08Beyond Agent Harnesses: Cross-Substrate Authority for Multi-Agent Systems
  9. 09CAPMAS: Capability-Based Delegation of Privileges in Multi-Agent Systems
  10. 10Omni Interaction Agent Technical Report
LEAD STORY · 今日必读 · Google / Georgia Tech / Peking University

Procedural Graphs: Self-Evolving Execution Structures for LLM Agents

论文把智能体的操作顺序与执行条件表示为过程图,每步只读取当前节点附近的子图,再根据成功与失败轨迹修改结构。在图构建对照实验中,从零在线演化使 HotpotQA 答案 EM 从 58.8 升至 66.3,F1 从 71.21 升至 78.79;修改需通过留出验证集才会保留。

相关 5新颖 4实用 4证据 4时效 5
4.40
综合分 / 5
偏好调整 4.50
KEY INSIGHT · 对业务意味着什么对社区复杂搜索,可将意图澄清、证据检索、交叉核对与回答生成组织成可编辑过程图。最值得借鉴的是局部导航和验证后更新:避免把整套流程一次塞进上下文,并用失败查询回放检验修改。原文也发现错误专家先验会明显降低成功率,增加指导调用还会产生额外 token 成本。
Yuxing Lu, Yicheng Chen, Shanchan Wu, Sercan \"{O}. Ar{\i}k · 2026-09-08 · arXiv

今日其余入选

9 篇 · 按综合排名
02 4.10

Environments as Scaffold: Enriching Feedback to Bootstrap Self-Evolving Agents in Long-Horizon Tasks

Fudan UniversityCASIAShanghai Innovation Institute

论文通过改造训练环境缓解长程 Agent 的稀疏奖励:前期提供行动提示,后期丰富工具观察,并逐渐让策略内化这些信息。Qwen3-4B 配合 DAPO 时,BFCL 与 SciWorld 的平均分从 43.88 升至 47.81;Qwen3-8B 配合 GSPO 时从 41.78 升至 46.39,但部分子任务出现退步。

INSIGHT训练社区搜索 Agent 时,可先帮助它识别合法检索动作,再提供命中状态、证据缺口等可验证反馈,最后在无提示环境测试迁移。原文强调同组样本反馈的一致性,否则会干扰相对优势估计。应同时监控任务成功率、搜索次数和长上下文退化,避免只根据平均收益扩大上线范围。

Hongbang Yuan, Zhuoran Jin, Yixin Cao
HuggingFace·2026-09-08·Relevance 4 · Novelty 4 · Practical 4 · Evidence 4 · Timely 5
03 4.20

Explore Before Committing: Hypothesis-Guided Search for Deep Research Agents

MeituanCityUHKUniversity of Oxford

深度搜索容易过早选定一个看似合理的方向,后续调用不断强化最初判断。HypoSearch 先生成轻量假设,在受限分支中分别找证据,再比较各分支后作答;在 4 个基准、3 个骨干模型上评估,Qwen3.5-122B 的 BC-small 得分从 46.7 升至 60.0,工具调用少于 5 条独立轨迹。

INSIGHT社区 UGC 搜索常有同名实体、隐含条件和多个可能意图,可先保留少量竞争性解释,再以帖子证据决定方向。试验时应固定总检索预算,同时记录分支覆盖、无效调用和最终答案准确率;论文结果支持推迟承诺,但不能直接换算成社区搜索的 nDCG 或 CTR 收益。

Ruochen Zhou, Zhengyu Chen, Luan Zhang, Siyang Gao, Yee Whye Teh, Shiqi Chen
arXiv·2026-09-01·Relevance 5 · Novelty 4 · Practical 4 · Evidence 4 · Timely 3
04 4.10

Audit Without Verification: When LLM Accountability Layers Relay Rather Than Check

Institute for Future Technologies

研究在六智能体流水线中注入缺陷,检验审计层能否独立定位问题。上游没有指出真实来源的子集中,审计者仅凭报告的定位准确率为 4.1%,读取同批原始记录则为 60.3%;移除报告中的结论字段后升至 45.2%。原先关于责任表述随链长影响升级行为的预注册假设未获支持。

INSIGHT社区搜索的多 Agent 核验应保留原始帖子、工具输出和时间戳,避免裁判只复述检索 Agent 的结论。可分别传递观察与推断,盲测裁判在错误候选集合下能否恢复真实证据。移除结论会损失正确提示的价值,因此应分层报告误导与正确提示条件下的准确率,不能只看整体均值。

Paul-Peter Arslan
arXiv·2026-09-07·Relevance 4 · Novelty 4 · Practical 4 · Evidence 4 · Timely 5
05 4.00

RuleMem: Active Rule Memory for Long-Term Conversational Agents

Sun Yat-sen UniversityHKUST GuangzhouShenzhen Institute of Computing SciencesPolyUTsinghua University

RuleMem 从历史对话归纳自然语言 Horn 规则,并用规则困惑度一致性机制校验,让记忆主动指导证据检索与推理。在 LoCoMo 的 14 个基线对比中,其准确率超过基线平均值 27.47 个百分点,相对提升 54.3%;论文还在 LongMemEval_s* 上检验长程对话问答。

INSIGHT可将社区多轮问答中反复出现的条件关系整理成规则,用于召回语义距离较远但逻辑相关的帖子。关键是将规则与原始证据绑定,并对时间变化、反例和规则冲突做验证。论文的 54.3% 是相对基线平均值的提升,不能解读为相对最强系统;业务验证仍应回到相关性与答案可靠性。

Xingyuan Zeng, Zuohan Wu, Quanming Yao, Yue Wang, Wei Liu, Libin Zheng, Jiuke Wang, Jian Yin
arXiv·2026-09-03·Relevance 4 · Novelty 4 · Practical 4 · Evidence 4 · Timely 4
06 4.05

EdgeMem: LLM-Free Agent Memory Construction and Retrieval via Evidence-Preserving Multi-Anchor Hypergraph

PolyUChina Mobile

EdgeMem 针对智能体记忆摘要丢失细节和生成成本高的问题,用内容、时间与事件锚点构建超图,直接检索原始对话轮次。记忆构建和检索均不调用生成式大模型;在统一提示的 7 个复现系统中,LoCoMo 严格裁判得分为 61.01,高于最强对照的 58.70,并在 LongMemEval-S 验证。

INSIGHT社区帖子和评论往往信息短碎、时间关系强,可保留原文并用实体与时间锚点连接多轮证据,降低反复摘要造成的信息损失。适合先验证追问场景的证据召回与回答可追溯性。公开仓库仍是与论文差异较大的早期实现,当前版本尚待同步,因此落地需要自行补齐实现和复现。

Zeyang Cui, Jiannong Cao, Zhiyuan Wen, Bo Yuan, Junlan Feng, Shengyuan Chen
arXiv·2026-09-03·Relevance 5 · Novelty 4 · Practical 3 · Evidence 4 · Timely 4
07 3.85

NeoHorse-1: Towards Recursive Self-Improvement via Agentic Post-Training with Routing Harness

NeoHorse-1 将模型路由记录转化为训练课程,保留推理、工具调用与执行环境,经结构和六维语义检查后开展三阶段训练及在线策略蒸馏。4B 模型的十项评测平均分从 Qwen3.5-4B 的 58.94 升至 64.87;9B 从 65.60 升至 69.04,收益主要集中于多步交互和执行反馈任务。

INSIGHT社区搜索系统可记录查询难度、路由层级、检索轨迹和失败类型,再据此分配轻量与高能力模型的训练样本。其启示是让调度日志成为能力诊断数据,而不是只保存最终回答。不同模型的指令遵循并非全面提升,迁移时应保留独立测试集,单独核对引用正确率、工具成功率和每次查询成本。

NeoHorse Team, Guoliang Cao, Guohao Dai, Tianyu Guo, Kai Han
HuggingFace·2026-09-08·Relevance 4 · Novelty 3 · Practical 4 · Evidence 4 · Timely 5
08 3.75

Beyond Agent Harnesses: Cross-Substrate Authority for Multi-Agent Systems

HKUJiangxi Science and Technology Normal UniversityHKUSTShenzhen University

论文指出,文件内容相同并不代表执行者拥有相同权限,授权信息可能位于智能体观察之外。128 单元的消融中,无授权证据为 0/32 成功,加入原始回执或类型化关系均为 32/32;重放 32 个固定动作时,确定性执行检查拦住全部 6 个不安全意图,并放行 12 个合法发布意图。

INSIGHT社区搜索 Agent 访问私密帖子、跨群数据或执行内容操作时,应把数据可见性与执行授权分开记录,并在实际调用边界检查权限。向规划器增加说明不足以保证正确执行,原文类型化关系也未优于等量原始信息。可先在受控回放中测误放行和误拦截,再评估其对查询可用性与延迟的影响。

Yang Li, Sergey Volkov, Hai Liu, Zongsi Xu, Xiyu Chen, Tuo Zhou, Dian Shao, Hao Sun, Ye Lu
arXiv·2026-09-08·Relevance 4 · Novelty 3 · Practical 4 · Evidence 3 · Timely 5
09 3.75

CAPMAS: Capability-Based Delegation of Privileges in Multi-Agent Systems

EPFLSwisscom

CAPMAS 用对比学习把自然语言请求映射为有限权限,再以 Macaroon 令牌在多智能体间逐步收缩授权范围,减少集中身份服务通信。在常见委托深度不超过 10 时,令牌生成与本地收缩比两种签名基线快逾 10 倍;根权限约 193 字节,每次追加限制约 119 字节。

INSIGHT社区 Agent 的跨工具检索可把用户可访问的群组、时间范围与操作类型编入可收缩授权,而不是把完整用户身份一路传下去。语义范围识别仍可能漏判,需结合显式权限校验并测试过度授权与误拒绝。论文性能数字来自授权微基准,不能当作整个搜索请求的加速倍数。

Rasmus Moorits Veski, Rachid Guerraoui, David Froelicher
arXiv·2026-09-06·Relevance 4 · Novelty 3 · Practical 4 · Evidence 4 · Timely 4
10 3.55

Omni Interaction Agent Technical Report

TencentZhejiang UniversitySJTUCUHKNTU

腾讯 Gander 用前端“小脑”处理流式音视频交互,后端“大脑”执行长程推理与工具任务,并通过运行时同步状态。在 Full-Duplex-Bench v3 的 100 个场景中,适时接话率达 100%、打断率为 8.0%;但端到端 Pass@1 为 0.400,低于 GPT-Realtime 的 0.600。

INSIGHT对语音社区搜索,可借鉴交互响应与深度检索解耦、持续反馈任务进展的设计,让用户能够补充问题和调整检索方向。部署评估需区分接话自然度和任务正确率,不能用更少打断掩盖检索失败。原文仅运行后端时 Pass@1 为 0.520,说明语音输入与委派链路仍会损失任务能力。

Orantqing, Shengpeng Ji, Junlong Tong, Jialong Zuo, Dongjie Fu
HuggingFace·2026-09-08·Relevance 3 · Novelty 4 · Practical 3 · Evidence 4 · Timely 5

其他赛道今日

点击切换
Generative
2
生成式推荐 · 篇入选
Personalization
8
个性化推荐 · 篇入选
AI Search
10
AI 搜索 · 篇入选
Infra
10
系统与索引 · 篇入选

开源雷达

GitHub / HuggingFace 热门 · 5 个项目
zai-org/GLM-5.3-Flashpipeline: image-text-to-text; tags: transformers, safetensors, glm5_next, image-text-to-text, conversational, en, zh, arxiv:2602.15763model · ★ 2205 · 2026-08-25 · HuggingFacezai-org/GLM-5.3pipeline: text-generation; tags: transformers, safetensors, glm_moe_dsa, text-generation, conversational, en, zh, arxiv:2602.15763model · ★ 1788 · 2026-08-25 · HuggingFacezai-org/GLM-5.3-Flash-BF16pipeline: image-text-to-text; tags: transformers, safetensors, glm5_next, image-text-to-text, conversational, en, zh, arxiv:2602.15763model · ★ 61 · 2026-08-25 · HuggingFacezai-org/GLM-5.3-BF16pipeline: text-generation; tags: transformers, safetensors, glm_moe_dsa, text-generation, conversational, en, zh, arxiv:2602.15763model · ★ 35 · 2026-08-25 · HuggingFaceAlibaba-DAMO-Academy/RynnBrain1.1-2Bpipeline: image-text-to-text; tags: transformers, safetensors, qwen3_5, image-text-to-text, robotics, embodied-ai, egocentric, spatiotemporalmodel · ★ 11 · 2026-07-13 · HuggingFace