- 1. LatentRAG: Latent Reasoning and Retrieval for Efficient Agentic RAG · 📖 深度解读
针对 Agentic RAG 多步推理-检索带来的高延迟问题，论文提出将推理与检索从离散语言空间整体迁移到连续 latent 空间：LLM 一次前向即可生成 latent token，并与 dense retriever 共享对齐表示，再通过并行 latent 解码模块还原成自然语言以保持可解释性。在 7 个开放域问答 benchmark 上，LatentRAG 在保持与显式 Agentic RAG 相当的 QA 表现下…
出现于日报：05-11
- 2. Shepherd: A Runtime Substrate Empowering Meta-Agents with a Formalized Execution Trace · 📖 深度解读
针对 Meta-Agent 缺乏可形式化、可回放的执行底座的问题，Shepherd 提出一种函数式编程模型，将 Meta-Agent 对目标 Agent 的操作抽象为函数，并用 Lean 形式化核心操作。系统以 Git 风格的类型化执行轨迹记录每次 Agent-环境交互，可以从任意历史状态 fork 并回放，进程与文件系统 fork 速度比 Docker 快 5 倍，回放时 prompt-cache 复用率 >95%…
出现于日报：05-13
- 3. Nautilus Compass: Black-box Persona Drift Detection for Production LLM Agents
生产环境的 LLM 编码 Agent 在长会话中会出现 persona drift：忘记用户约束、重复犯错、捏造此前的「共识」。已有的白盒方法（如 persona vectors）需要模型权重，对 Claude/GPT-4 等闭源 API 不可用。Nautilus Compass 提出一种黑盒检测方法：完全在 prompt 文本层操作，用 BGE-m3 把用户 prompt 与行为锚文本做余弦相似度，再用加权 top-k 平均聚合…
出现于日报：05-13
- 4. AgentLens: Revealing the Lucky Pass Problem in SWE-Agent Evaluation · 📖 深度解读
针对 SWE Agent 评测「只看最终补丁是否通过测试」的二值信号会把原则性求解与盲目试错视为等价的问题，论文系统分析了 2614 条 OpenHands 轨迹（覆盖 8 个模型后端、60 个 SWE-bench Verified 任务），发现在通过率达标的样本里有 10.7%属于 Lucky Pass：表现为回归循环、盲目重试、缺失验证或时序错乱…
出现于日报：05-15
- 5. FinAgent-RAG: Agentic Retrieval-Augmented Generation for Financial Document Question Answering
FinAgent-RAG 针对金融文档高精度数值问答构建 agentic RAG 框架：迭代式 retrieval-reasoning 循环 + 自验证；对比学习 + hard negative 训练的检索器；Program-of-Thought 推理模块直接生成可执行 Python 代码完成数值计算；以及 Adaptive Strategy Router 根据问题难度动态切换轻/重路径，将 API 成本下降 41.3%…
出现于日报：05-11
- 6. Streaming Tokens and Tools: Multi-Turn Agentic Harness Support in NVIDIA Dynamo
NVIDIA Dynamo 推出多轮 agentic harness 支持，针对 Claude Code、Codex 等 agent 框架在交错推理-工具调用场景下的服务问题给出系统级方案：通过 --strip-anthropic-preamble 去除会话相关 header 实现跨会话 KV-cache 复用；保留 reasoning span 与工具调用的语义绑定；流式 tool dispatch 在解析完成时立即执行…
出现于日报：05-11
- 7. Human-Inspired Memory Architecture for LLM Agents
现有 LLM Agent 缺乏原则化的长期记忆机制。论文提出一套生物启发的记忆架构，包含 6 个认知机制：1) 睡眠期巩固；2) 干扰式遗忘；3) engram 成熟；4) 检索时再巩固；5) 实体知识图谱；6) 多线索混合检索。每个机制对应一种朴素记忆累积的失败模式。论文还提出一种合成校准方法，可以在不接触 benchmark 数据的前提下确定所有阈值，避免评估泄漏…
出现于日报：05-13
- 8. ReVision: Scaling Computer-Use Agents via Temporal Visual Redundancy Reduction
论文针对计算机使用 Agent (CUA) 在长 trajectory 下视觉 token 爆炸的问题，提出 ReVision：训练一个 patch selector，在保持空间结构的前提下比较相邻屏幕截图的 patch 表示，剔除时序冗余 patch。基于 Qwen2.5-VL-7B 在 OSWorld、WebTailBench、AgentNetBench 上验证，平均 token 用量降低 46%…
出现于日报：05-14
- 9. Agent-BRACE: Decoupling Beliefs from Actions in Long-Horizon Tasks via Verbalized State Uncertainty
针对 LLM Agent 在部分可观测的长时序任务中难以同时维护不确定性与控制上下文增长的问题，提出 Agent-BRACE：把 Agent 解耦为信念状态模型与策略模型，用自然语言显式表达对未观测世界属性的后验，并通过置信度估计抽象历史信息，从而以紧凑的「文字化信念态」替代逐步堆叠的对话历史。论文在多个部分可观测环境（如 ALFWorld、ScienceWorld 等长时序基准）上的实验显示，相对仅追加历史或简单总结基线…
出现于日报：05-15
- 10. An Empirical Study of Automating Agent Evaluation
论文系统研究「能否用前沿编码助手自动化 Agent 评测」的问题。实验显示，在缺乏领域评测知识的情况下，直接 prompt 前沿编码助手做 Agent 评测只能取得30% 的执行成功率，并且会生成平均每个 Agent 12+ 项过度工程化的指标，表明强代码能力并不自动等价于可靠的 Agent 评测能力。作者据此提出 EvalAgent，把评测领域专长编码为评测技能（流程说明、可复用代码模板、动态检索的 API 文档）…
出现于日报：05-15