- 1. SearchEyes: Towards Frontier Multimodal Deep Search Intelligence via Search World Simulation · 📖 深度解读
这篇论文面向多模态深度搜索智能体，解决训练数据、搜索环境、奖励信号各自割裂导致多跳推理难以稳定优化的问题。方法用类型化知识图谱构造可复现的模拟搜索世界，借助 Perception-Knowledge Chains 采样视觉知识交叉路径，并用 Hop-Anchored Policy Optimization 做步级奖励归因。在 6 个多模态知识密集基准上，SearchEyes-27B 相比最强开源基线平均提升 6.2 分…
出现于日报：07-09
- 2. Curated retrieval versus open web search in public AI information services: a coverage-trust trade-off
论文比较公共 AI 信息服务中的 curated RAG 与 open web search。研究在冰岛 2026 年 8 月 29 日欧盟入盟公投前，对 University of Iceland 运营的 Evrópuvefur 做预发布专家评估：5 名领域专家评价 449 个 AI 答案，共 551 次评分，并单独标记引用来源；开放 Web 搜索答案中 35%（65/187）至少有一个引用源被标记为不可信。
出现于日报：07-08
- 3. CurateEvo: Data-Curation Evolving for Agentic Post-Training
CurateEvo 针对长程智能体后训练中“数据清洗策略固定、无法随失败模式演化”的问题，把数据整理策略表示为可执行代码，并利用 held-out 失败轨迹逐轮重写。每个 epoch 会把同一份原始语料转成 SFT 数据、RL 数据和推理期 memory bank，同时用成本感知目标剪掉冗余训练轮次。在 ACEBench-Agent、BFCL-V4 和 tau2-Bench 上…
出现于日报：07-09
- 4. From Noisy Traces to Root Causes: Structural Trajectory Analysis and Causal Extraction for Agent Optimization · 📖 深度解读
STRACE 面向长程 LLM Agent 的失败诊断与策略优化，解决真实执行轨迹冗余、异质、包含大量无关步骤的问题。方法在批次层面挖掘失败模式、筛掉重复轨迹；在单条轨迹内构建文本依赖图做因果定位，保留真正导致失败的模块和证据。论文在 VeruSAGE-Bench 形式化验证任务上把人工专家设计 Agent 的成功率从 42.5% 提升到 58.5%，约 1.4 倍。
出现于日报：07-10
- 5. Retrieval as Reasoning: Self-Evolving Agent-Native Retrieval via LLM-Wiki · 📖 深度解读
这篇论文把面向 Agent 的检索从一次性取上下文改造成“检索即推理”：LLM-Wiki 会把文档编译成带双向链接的 Wiki 页面，并通过 search、read、link-following 等工具接口让智能体逐步遍历证据。系统还加入 Error Book，用失败样例持续修正结构和语义组织。在 HotpotQA、MuSiQue、2WikiMultiHopQA 上…
出现于日报：07-06
- 6. A-RAG: Scaling Agentic Retrieval-Augmented Generation Through Hierarchical Retrieval Interfaces
这篇论文把检索接口显式暴露给模型，提出 A-RAG：模型可以在关键词搜索、语义搜索和 chunk read 三类层级工具之间自主选择，从而按问题难度调整检索粒度。它针对传统 RAG “一次召回后直接生成” 的限制，让模型参与检索决策，适合需要多轮查证、分层阅读和证据补全的复杂搜索任务。当前检索结果只提供方法框架与工具设计，实验细节需要后续阅读原文确认。
出现于日报：07-08
- 7. S1-DeepResearch: Beyond Search, Toward Real-World Long-Horizon Research Agents · 📖 深度解读
该论文把 Deep Research 从“多轮搜索问答”推进到真实长周期研究任务，关注规划、证据收集、文件理解、知识综合和报告生成。它提出统一轨迹构造范式，把封闭式 QA 与开放式研究任务结合，用于训练更接近研究助手的长程智能体。摘要未披露最终 benchmark 数字，但任务覆盖从检索到结构化报告的完整链路。
出现于日报：07-07
- 8. TurnOPD: Making On-Policy Distillation Turn-Aware for Efficient Long-Horizon Agent Training
TurnOPD 关注长程智能体训练中的 on-policy distillation 低效问题：完整轨迹 rollout 会在尾部 turn 浪费墙钟时间，trajectory-level KL 又把损失集中在浅层 token。论文提出两个 turn 级预算控制器，分别自适应决定 rollout 深度，并逐步把 KL 权重从 token 级转向 turn-balanced 监督…
出现于日报：07-09
- 9. From Atomic Actions to Standard Operating Procedures: Iterative Tool Optimization for Self-Evolving LLM Agents
EvoSOP 针对工具型 LLM Agent 反复调用原子工具、重复发明多步流程的问题，提出把执行轨迹中的原子动作自动合成为可复用 SOP，并作为更高阶 callable tool 回写到工具集。框架包含构造、合并、评估、剪枝四个生命周期阶段，用迭代工具优化提升任务成功率并减少交互轮数。论文没有在摘要中披露具体百分点，但明确报告相对 baseline 的成功率提升和交互轮次下降。
出现于日报：07-10
- 10. TRIAGE: Trustworthy Retrieval Instrumentation And Graph Evaluation
TRIAGE 面向自动构建知识图谱的 Graph-RAG，解决“最终答案错了但不知道错在哪一环”的评估问题。框架把评估拆到 KG 抽取、图构建/专家校验、查询推理三个阶段，并给出 triple confidence、source coverage、schema/canonicalization checks、结构质量、正确性与完整性等独立指标。它关注的不只是图是否可信，还包括查询成本和阶段级故障定位。
出现于日报：07-08