- 1. GRASP: Graph Agentic Search over Propositions for Multi-hop Question Answering · 📖 深度解读
GRASP 面向多跳问答，把复杂问题拆解成带依赖关系的子问题计划，并按问题复杂度动态扩展子 agent，每个子 agent 在「实体—命题(proposition)—段落」三层图上解析单跳查询，命题层通过 reciprocal-rank voting 召回段落。在 MuSiQue、2WikiMultihopQA 的 open retrieval 设定下取得最高准确率…
出现于日报：05-25
- 2. The MiniMax-M2 Series: Mini Activations Unleashing Max Real-World Intelligence · 📖 深度解读
MiniMax 发布面向 agentic 部署的 MoE 模型 M2 系列：总参 229.9B、单 token 激活仅 9.8B。三大组件支撑：(i) agent-driven 数据流水线在可执行 workspace 中生成 agentic coding/cowork 的可验证轨迹，奖励对齐产出物；(ii) Forge——为长视野 agent 轨迹设计的 agent-native RL 系统…
出现于日报：05-28
- 3. AgentIR: A Workload-Adaptive Cascade Retrieval Substrate for Long-Term Conversational Memory · 📖 深度解读
针对长程对话记忆这一动态、查询类型漂移、sub-10ms 延迟的检索负载，提出 AgentIR：把融合策略（BM25 / Dense / RRF / agent-aware RRF）作为每条 query 的决策，再用一个仅看 BM25 top-k margin 的置信度阈值级联路由器，决定是否还要跑约 52ms 的 dense 通道。LongMemEval (n=500) 上在 LLM-as-judge 同等准确率下跳过 63% 的…
出现于日报：05-27
- 4. Anticipate and Learn: Unleashing Idle-Time Compute in Proactive Agents
现有 Agent 是被动响应——只有在用户显式 prompt 之后才计算。ProAct 提出主动式 Agent 架构：在对话间的空闲时间，结合演化中的对话历史与持久记忆，预测用户下一步可能需要的信息，并迭代采集证据。论文同时发布 ProActEval 基准，覆盖 40 个领域、200 个场景，含可预测的 need chain 与多样的用户认知画像。在 ProActEval 上 ProAct 相对被动基线显著提升预测准确性与证据覆盖率。
出现于日报：05-27
- 5. Scaling Retrieval-Augmented Reasoning with Parallel Search and Explicit Merging
MultiSearch 针对 search-augmented LLM 每步只生成单一 query 的局限，改为一次从多个视角生成多条 query 并行检索，再用显式 merging 步骤合并结果以提升信噪比。训练上用 RL + 多过程奖励(multi-process reward)同时优化多 query 检索与信息合并两个子目标。在 7 个 benchmark 上优于基线，检索信噪比与问答推理表现均有提升。
出现于日报：05-25
- 6. Agent Learning via Early Experience
面向缺少可验证奖励（如网站操作）或 rollout 过长（多轮工具调用）导致 RL 训练困难的 Agent 任务，提出 early experience 范式：用 Agent 自身动作产生的交互数据，把后续状态作为监督信号——介于专家 SFT 和 RL 之间的中间态。论文系统地研究了 implicit world modeling、self-reflection 两类 early experience 训练目标…
出现于日报：05-27
- 7. Goal-Oriented Reasoning for RAG-based Memory in Conversational Agentic LLM Systems
Goal-Mem 指出现有对话 agent 的记忆检索基于「原始用户话语的语义相似度」，缺乏对缺失中间事实的显式推理，常返回无关或不足的证据。它把用户 query 当作目标做 backward chaining，分解为原子子目标并定向检索记忆，并用 Natural Language Logic 兼顾形式化推理严谨性与自然语言表达力。在两个数据集上稳定超过 9 个基线，尤其在多跳推理与隐式推断任务上提升明显。
出现于日报：05-25
- 8. MTR-Suite: A Framework for Evaluating and Synthesizing Conversational Retrieval Benchmarks
MTR-Suite 面向会话式检索(conversational retrieval)评测，包含三部分：MTR-Eval(基于 LLM 的审计器，量化既有 benchmark 的对齐偏差)、MTR-Pipeline(多 agent 系统，用 greedy traversal clustering 以人工 1/400 的成本合成高保真对话)、以及 MTR-Bench(覆盖话题切换、冗长表达等生产场景挑战的通用域 benchmark)…
出现于日报：05-25
- 9. Agent-Facing Information Design in LLM Tool Registries
把 LLM 工具注册表当作“无监管广告平台”研究：服务商写自由文本，Agent 据此选工具，但缺乏 viewability、quality score、outcome audit。在 5 个 LLM × 10 个领域 × 17,700+ 试次上系统测量发现：合法的吹嘘语（主观最高级、利益框架）就吃下了 100% 的优化收益，编造性陈述带来的偏置增量为 0——这意味着 FTC 反虚假广告条款对真正起作用的机制无效…
出现于日报：05-27
- 10. Efficient Agentic Reinforcement Learning with On-Policy Intrinsic Knowledge Boundary Enhancement
作者发现 agentic RL 训练会导致工具调用越练越冗余，模型的内在知识边界被模糊化，分不清何时该用工具、何时直接用参数化知识。现有 reward shaping 方案做的是粗粒度抑制（少调用工具就给正奖励），容易奖励黑客化、变成无差别地不调用工具。论文提出 AKBE（Agentic Knowledge Boundary Enhancement）：on-policy 地动态探测模型自身的知识边界…
出现于日报：05-28