AI Paper Daily · Beijing Time
覆盖北京时间日期：2026-07-06 与 2026-07-07
Agent self-evolution in long-horizon LLM systems is largely procedural: useful experience is not merely stored information, but reusable procedures for searching, debugging, and ve…
为什么重要：直接触及 agent 系统/评测/协作能力；有助于推理与规划链路设计；对 coding agent 工程有启发。
Lucian 下一步：检查 PDF 的 benchmark / ablation，并判断能否转化为 agent、RAG、coding 或 evaluation 原型。
Language agents, i.e., LLM agents, progress rapidly and are increasingly deployed in production environments. This trend underscores the urgent need for rigorous and realistic eval…
为什么重要：直接触及 agent 系统/评测/协作能力；有助于推理与规划链路设计；提供可复用评测视角。
Lucian 下一步：检查 PDF 的 benchmark / ablation，并判断能否转化为 agent、RAG、coding 或 evaluation 原型。
Retrieval-Augmented Generation (RAG) streamlines long-document understanding by leveraging retrieval mechanisms to restrict input images to a highly curated subset. However, existi…
为什么重要：直接触及 agent 系统/评测/协作能力；有助于推理与规划链路设计；可迁移到 RAG/知识工作流。
Lucian 下一步：检查 PDF 的 benchmark / ablation，并判断能否转化为 agent、RAG、coding 或 evaluation 原型。
We propose OptiAgent, a multi-agent framework that, given a natural language description of an Operations Research problem, is able to output a solver-ready mathematical formulatio…
为什么重要：直接触及 agent 系统/评测/协作能力；有助于推理与规划链路设计；对 coding agent 工程有启发。
Lucian 下一步：检查 PDF 的 benchmark / ablation，并判断能否转化为 agent、RAG、coding 或 evaluation 原型。
Large language models (LLMs) generate fluent outputs that can be wrong. Unlike humans, who often exhibit cues when providing false information, LLMs produce errors that are difficu…
为什么重要：直接触及 agent 系统/评测/协作能力；有助于推理与规划链路设计；对 coding agent 工程有启发。
Lucian 下一步：检查 PDF 的 benchmark / ablation，并判断能否转化为 agent、RAG、coding 或 evaluation 原型。
Embodied AI is moving from isolated perception or action modules toward physical agents that understand, plan under goals, act through robot bodies, monitor progress, and improve f…
为什么重要：直接触及 agent 系统/评测/协作能力；有助于推理与规划链路设计；可迁移到 RAG/知识工作流。
Lucian 下一步：检查 PDF 的 benchmark / ablation，并判断能否转化为 agent、RAG、coding 或 evaluation 原型。
Large language models (LLMs) are increasingly used to interpret operational evidence and assist incident response in cloud-native microservice systems. However, recovery-oriented u…
为什么重要：直接触及 agent 系统/评测/协作能力；有助于推理与规划链路设计；可迁移到 RAG/知识工作流。
Lucian 下一步：检查 PDF 的 benchmark / ablation，并判断能否转化为 agent、RAG、coding 或 evaluation 原型。
Scaling pre-training, post-training, and test-time compute have become the central paradigms for improving the capabilities of LLMs. In this work, we identify verification, the abi…
为什么重要：直接触及 agent 系统/评测/协作能力；有助于推理与规划链路设计；对 coding agent 工程有启发。
Lucian 下一步：检查 PDF 的 benchmark / ablation，并判断能否转化为 agent、RAG、coding 或 evaluation 原型。
Persistent personal agents combine long-term memory with access to users' external environments, enabling personalized foreground assistance and proactive background execution. Thi…
为什么重要：直接触及 agent 系统/评测/协作能力；对 coding agent 工程有启发；提供可复用评测视角。
Lucian 下一步：检查 PDF 的 benchmark / ablation，并判断能否转化为 agent、RAG、coding 或 evaluation 原型。
The rapid integration of large language model-based agents into recommender systems has driven a shift from static, ranking-based pipelines toward autonomous and interactive system…
为什么重要：直接触及 agent 系统/评测/协作能力；有助于推理与规划链路设计；提供可复用评测视角。
Lucian 下一步：检查 PDF 的 benchmark / ablation，并判断能否转化为 agent、RAG、coding 或 evaluation 原型。
Diverse applications for robotics, such as industry and agriculture, require robots to operate across various embodiments, changing visual conditions, and complex planning. Vision-…
为什么重要：有助于推理与规划链路设计；提供可复用评测视角。
Lucian 下一步：检查 PDF 的 benchmark / ablation，并判断能否转化为 agent、RAG、coding 或 evaluation 原型。
Visual generators excel at rendering, but they confidently fabricate what they do not know. User requests are unbounded, evolving, and deeply long-tailed: new characters, trending …
为什么重要：直接触及 agent 系统/评测/协作能力；提供可复用评测视角。
Lucian 下一步：检查 PDF 的 benchmark / ablation，并判断能否转化为 agent、RAG、coding 或 evaluation 原型。
Scoring dimensions: Relevance · Novelty · Substance · Evidence · Actionability.