# AI 论文日报 2026-07-07（北京时间） 覆盖北京时间日期：2026-07-06 与 2026-07-07（运行时间：2026-07-07 14:05:27 UTC+08:00; UTC：2026-07-07 06:05:27 UTC) ## 执行摘要 - candidate count: 795；目标窗口候选：391；历史重复/已囊括：1。 - new included count: 390；selected count: 12。 - Top 3： 1. [EvoAgentBench: Benchmarking Agent Self-Evolution via Ability Transfer](https://arxiv.org/abs/2607.05202) — 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。 2. [AgentGym2: Benchmarking Large Language Model Agents in De-Idealized Real-World Environments](https://arxiv.org/abs/2607.05174) — 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。 3. [Hierarchical Evidence-Driven Reasoning for Long Document Understanding](https://arxiv.org/abs/2607.04625) — 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。 ## Top Picks ### 1. EvoAgentBench: Benchmarking Agent Self-Evolution via Ability Transfer - 链接：[2607.05202](https://arxiv.org/abs/2607.05202) · [PDF](https://arxiv.org/pdf/2607.05202) - 作者/机构（可得时）：Xingze Gao, Chuanrui Hu, Hongda Chen, Pengfei Yao, Zhao Wang, Yi Bai - 日期：published BJT 2026-07-06；updated BJT 2026-07-06；来源：arXiv:cs.AI - 一句话结论：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。 - 方法要点：从摘要看，工作围绕“EvoAgentBench: Benchmarking Agent Self-Evolution via Ability Transfer”提出方法/系统/评测设计；建议优先检查其问题设定、数据构造与核心实验。 - 实验/证据：Evidence 评分 3/5；摘要中可见的实验信号有限，需读 PDF 核验完整 benchmark、消融和失败案例。 - 局限/风险：日报基于摘要级筛选；对真实可复现性、代码开放、数据污染和评测外推仍需二次阅读。 - Lucian 下一步：若主题匹配 agent/reasoning/RAG/coding/eval，可加入候选阅读队列，抽取可复现实验或作为 fjai.pw 后续 deep-dive。 - 评分：Relevance 5/5 · Novelty 5/5 · Substance 4/5 · Evidence 3/5 · Actionability 3/5 · Total 23 ### 2. AgentGym2: Benchmarking Large Language Model Agents in De-Idealized Real-World Environments - 链接：[2607.05174](https://arxiv.org/abs/2607.05174) · [PDF](https://arxiv.org/pdf/2607.05174) - 作者/机构（可得时）：Zhiheng Xi, Dingwen Yang, Jiaqi Liu, Jixuan Huang, Honglin Guo, Baodai Huang - 日期：published BJT 2026-07-06；updated BJT 2026-07-06；来源：arXiv:cs.AI - 一句话结论：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。 - 方法要点：从摘要看，工作围绕“AgentGym2: Benchmarking Large Language Model Agents in De-Idealized Real-World Environments”提出方法/系统/评测设计；建议优先检查其问题设定、数据构造与核心实验。 - 实验/证据：Evidence 评分 3/5；摘要中可见的实验信号有限，需读 PDF 核验完整 benchmark、消融和失败案例。 - 局限/风险：日报基于摘要级筛选；对真实可复现性、代码开放、数据污染和评测外推仍需二次阅读。 - Lucian 下一步：若主题匹配 agent/reasoning/RAG/coding/eval，可加入候选阅读队列，抽取可复现实验或作为 fjai.pw 后续 deep-dive。 - 评分：Relevance 5/5 · Novelty 5/5 · Substance 3/5 · Evidence 3/5 · Actionability 4/5 · Total 23 ### 3. Hierarchical Evidence-Driven Reasoning for Long Document Understanding - 链接：[2607.04625](https://arxiv.org/abs/2607.04625) · [PDF](https://arxiv.org/pdf/2607.04625) - 作者/机构（可得时）：Junyu Xiong, Yonghui Wang, Rongjian Gu, Chenyu Liu, Bing Yin, Wengang Zhou - 日期：published BJT 2026-07-06；updated BJT 2026-07-06；来源：arXiv:cs.AI - 一句话结论：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。 - 方法要点：从摘要看，工作围绕“Hierarchical Evidence-Driven Reasoning for Long Document Understanding”提出方法/系统/评测设计；建议优先检查其问题设定、数据构造与核心实验。 - 实验/证据：Evidence 评分 3/5；摘要中可见的实验信号有限，需读 PDF 核验完整 benchmark、消融和失败案例。 - 局限/风险：日报基于摘要级筛选；对真实可复现性、代码开放、数据污染和评测外推仍需二次阅读。 - Lucian 下一步：若主题匹配 agent/reasoning/RAG/coding/eval，可加入候选阅读队列，抽取可复现实验或作为 fjai.pw 后续 deep-dive。 - 评分：Relevance 5/5 · Novelty 5/5 · Substance 3/5 · Evidence 3/5 · Actionability 4/5 · Total 23 ### 4. OptiAgent: End-to-End Optimization Modeling via Multi-Agent Iterative Refinement - 链接：[2607.05346](https://arxiv.org/abs/2607.05346) · [PDF](https://arxiv.org/pdf/2607.05346) - 作者/机构（可得时）：Adriana Laurindo Monteiro, Nayse Fagundes, Gabriel Mattos Langeloh, Gustavo de Oliveira Kanno, Priscila Louise Aguirre, Thiago Costa Rizuti da Rocha - 日期：published BJT 2026-07-07；updated BJT 2026-07-07；来源：arXiv:cs.AI - 一句话结论：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。 - 方法要点：从摘要看，工作围绕“OptiAgent: End-to-End Optimization Modeling via Multi-Agent Iterative Refinement”提出方法/系统/评测设计；建议优先检查其问题设定、数据构造与核心实验。 - 实验/证据：Evidence 评分 3/5；摘要中可见的实验信号有限，需读 PDF 核验完整 benchmark、消融和失败案例。 - 局限/风险：日报基于摘要级筛选；对真实可复现性、代码开放、数据污染和评测外推仍需二次阅读。 - Lucian 下一步：若主题匹配 agent/reasoning/RAG/coding/eval，可加入候选阅读队列，抽取可复现实验或作为 fjai.pw 后续 deep-dive。 - 评分：Relevance 4/5 · Novelty 5/5 · Substance 4/5 · Evidence 3/5 · Actionability 3/5 · Total 22 ### 5. Heaviside Continuity of Rolling Coefficients for Eliminating Epistemic Entropy in Large Language Models - 链接：[2607.04562](https://arxiv.org/abs/2607.04562) · [PDF](https://arxiv.org/pdf/2607.04562) - 作者/机构（可得时）：MY Pitsane, Hope Mogale - 日期：published BJT 2026-07-06；updated BJT 2026-07-06；来源：arXiv:cs.AI - 一句话结论：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。 - 方法要点：从摘要看，工作围绕“Heaviside Continuity of Rolling Coefficients for Eliminating Epistemic Entropy in Large Language Models”提出方法/系统/评测设计；建议优先检查其问题设定、数据构造与核心实验。 - 实验/证据：Evidence 评分 2/5；摘要中可见的实验信号有限，需读 PDF 核验完整 benchmark、消融和失败案例。 - 局限/风险：日报基于摘要级筛选；对真实可复现性、代码开放、数据污染和评测外推仍需二次阅读。 - Lucian 下一步：若主题匹配 agent/reasoning/RAG/coding/eval，可加入候选阅读队列，抽取可复现实验或作为 fjai.pw 后续 deep-dive。 - 评分：Relevance 5/5 · Novelty 5/5 · Substance 3/5 · Evidence 2/5 · Actionability 4/5 · Total 22 ### 6. ACE-Brain-0.5: A Unified Embodied Foundational Model for Physical Agentic AI - 链接：[2607.04426](https://arxiv.org/abs/2607.04426) · [PDF](https://arxiv.org/pdf/2607.04426) - 作者/机构（可得时）：ACE-Brain Team, :, Ziyang Gong, Haoming Gu, Zehang Luo, Tianyi Zhang - 日期：published BJT 2026-07-06；updated BJT 2026-07-06；来源：arXiv:cs.RO - 一句话结论：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。 - 方法要点：从摘要看，工作围绕“ACE-Brain-0.5: A Unified Embodied Foundational Model for Physical Agentic AI”提出方法/系统/评测设计；建议优先检查其问题设定、数据构造与核心实验。 - 实验/证据：Evidence 评分 2/5；摘要中可见的实验信号有限，需读 PDF 核验完整 benchmark、消融和失败案例。 - 局限/风险：日报基于摘要级筛选；对真实可复现性、代码开放、数据污染和评测外推仍需二次阅读。 - Lucian 下一步：若主题匹配 agent/reasoning/RAG/coding/eval，可加入候选阅读队列，抽取可复现实验或作为 fjai.pw 后续 deep-dive。 - 评分：Relevance 5/5 · Novelty 5/5 · Substance 3/5 · Evidence 2/5 · Actionability 4/5 · Total 22 ### 7. Can LLMs Really Recover Microservice Failures? A Recovery-Aware Evaluation of Diagnosis-to-Action Reasoning - 链接：[2607.04623](https://arxiv.org/abs/2607.04623) · [PDF](https://arxiv.org/pdf/2607.04623) - 作者/机构（可得时）：Jiaxing Qi, Zhongzhi Luan, Hongyu Zhang, Shaohan Huang, Carol Fung, Yongxin Tong - 日期：published BJT 2026-07-06；updated BJT 2026-07-06；来源：arXiv:cs.SE - 一句话结论：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。 - 方法要点：从摘要看，工作围绕“Can LLMs Really Recover Microservice Failures? A Recovery-Aware Evaluation of Diagnosis-to-Action Reasoning”提出方法/系统/评测设计；建议优先检查其问题设定、数据构造与核心实验。 - 实验/证据：Evidence 评分 3/5；摘要中可见的实验信号有限，需读 PDF 核验完整 benchmark、消融和失败案例。 - 局限/风险：日报基于摘要级筛选；对真实可复现性、代码开放、数据污染和评测外推仍需二次阅读。 - Lucian 下一步：若主题匹配 agent/reasoning/RAG/coding/eval，可加入候选阅读队列，抽取可复现实验或作为 fjai.pw 后续 deep-dive。 - 评分：Relevance 4/5 · Novelty 4/5 · Substance 4/5 · Evidence 3/5 · Actionability 4/5 · Total 22 ### 8. LLM-as-a-Verifier: A General-Purpose Verification Framework - 链接：[2607.05391](https://arxiv.org/abs/2607.05391) · [PDF](https://arxiv.org/pdf/2607.05391) - 作者/机构（可得时）：Jacky Kwok, Shulu Li, Pranav Atreya, Yuejiang Liu, Yixing Jiang, Chelsea Finn - 日期：published BJT 2026-07-07；updated BJT 2026-07-07；来源：arXiv:cs.AI - 一句话结论：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。 - 方法要点：从摘要看，工作围绕“LLM-as-a-Verifier: A General-Purpose Verification Framework”提出方法/系统/评测设计；建议优先检查其问题设定、数据构造与核心实验。 - 实验/证据：Evidence 评分 3/5；摘要中可见的实验信号有限，需读 PDF 核验完整 benchmark、消融和失败案例。 - 局限/风险：日报基于摘要级筛选；对真实可复现性、代码开放、数据污染和评测外推仍需二次阅读。 - Lucian 下一步：若主题匹配 agent/reasoning/RAG/coding/eval，可加入候选阅读队列，抽取可复现实验或作为 fjai.pw 后续 deep-dive。 - 评分：Relevance 5/5 · Novelty 5/5 · Substance 3/5 · Evidence 3/5 · Actionability 2/5 · Total 21 ### 9. When Claws Remember but Do Not Tell: Stealthy Memory Injection in Persistent Personal Agents - 链接：[2607.05189](https://arxiv.org/abs/2607.05189) · [PDF](https://arxiv.org/pdf/2607.05189) - 作者/机构（可得时）：Yechao Zhang, Shiqian Zhao, Jiawen Zhang, Jie Zhang, Gelei Deng, Xiaogeng Liu - 日期：published BJT 2026-07-06；updated BJT 2026-07-06；来源：arXiv:cs.AI - 一句话结论：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。 - 方法要点：从摘要看，工作围绕“When Claws Remember but Do Not Tell: Stealthy Memory Injection in Persistent Personal Agents”提出方法/系统/评测设计；建议优先检查其问题设定、数据构造与核心实验。 - 实验/证据：Evidence 评分 2/5；摘要中可见的实验信号有限，需读 PDF 核验完整 benchmark、消融和失败案例。 - 局限/风险：日报基于摘要级筛选；对真实可复现性、代码开放、数据污染和评测外推仍需二次阅读。 - Lucian 下一步：若主题匹配 agent/reasoning/RAG/coding/eval，可加入候选阅读队列，抽取可复现实验或作为 fjai.pw 后续 deep-dive。 - 评分：Relevance 5/5 · Novelty 5/5 · Substance 3/5 · Evidence 2/5 · Actionability 3/5 · Total 21 ### 10. Autonomous Information Seeking: A Roadmap for Agentic Recommender Systems - 链接：[2607.04433](https://arxiv.org/abs/2607.04433) · [PDF](https://arxiv.org/pdf/2607.04433) - 作者/机构（可得时）：Xinyu Lin, Yashar Deldjoo, Sunhao Dai, Honghui Bao, Xiaopeng Ye, Fatemeh Nazary - 日期：published BJT 2026-07-06；updated BJT 2026-07-06；来源：arXiv:cs.CL - 一句话结论：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。 - 方法要点：从摘要看，工作围绕“Autonomous Information Seeking: A Roadmap for Agentic Recommender Systems”提出方法/系统/评测设计；建议优先检查其问题设定、数据构造与核心实验。 - 实验/证据：Evidence 评分 2/5；摘要中可见的实验信号有限，需读 PDF 核验完整 benchmark、消融和失败案例。 - 局限/风险：日报基于摘要级筛选；对真实可复现性、代码开放、数据污染和评测外推仍需二次阅读。 - Lucian 下一步：若主题匹配 agent/reasoning/RAG/coding/eval，可加入候选阅读队列，抽取可复现实验或作为 fjai.pw 后续 deep-dive。 - 评分：Relevance 5/5 · Novelty 4/5 · Substance 4/5 · Evidence 2/5 · Actionability 3/5 · Total 21 ### 11. RoboVista: Evaluating Vision Language Models for Diverse Robot Applications - 链接：[2607.04610](https://arxiv.org/abs/2607.04610) · [PDF](https://arxiv.org/pdf/2607.04610) - 作者/机构（可得时）：Shuangyu Xie, Kaiyuan Chen, Ziyang Chen, Simeon Adebola, Yixuan Huang, Zehan Ma - 日期：published BJT 2026-07-06；updated BJT 2026-07-06；来源：arXiv:cs.RO - 一句话结论：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。 - 方法要点：从摘要看，工作围绕“RoboVista: Evaluating Vision Language Models for Diverse Robot Applications”提出方法/系统/评测设计；建议优先检查其问题设定、数据构造与核心实验。 - 实验/证据：Evidence 评分 4/5；摘要中可见的实验信号有限，需读 PDF 核验完整 benchmark、消融和失败案例。 - 局限/风险：日报基于摘要级筛选；对真实可复现性、代码开放、数据污染和评测外推仍需二次阅读。 - Lucian 下一步：若主题匹配 agent/reasoning/RAG/coding/eval，可加入候选阅读队列，抽取可复现实验或作为 fjai.pw 后续 deep-dive。 - 评分：Relevance 4/5 · Novelty 5/5 · Substance 3/5 · Evidence 4/5 · Actionability 2/5 · Total 21 ### 12. Search Beyond What Can Be Taught: Evolving the Knowledge Boundary in Agentic Visual Generation - 链接：[2607.05382](https://arxiv.org/abs/2607.05382) · [PDF](https://arxiv.org/pdf/2607.05382) - 作者/机构（可得时）：Haozhe Wang, Weijia Feng, Jinpeng Yu, Che Liu, Ping Nie, Fangzhen Lin - 日期：published BJT 2026-07-07；updated BJT 2026-07-07；来源：arXiv:cs.AI - 一句话结论：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。 - 方法要点：从摘要看，工作围绕“Search Beyond What Can Be Taught: Evolving the Knowledge Boundary in Agentic Visual Generation”提出方法/系统/评测设计；建议优先检查其问题设定、数据构造与核心实验。 - 实验/证据：Evidence 评分 2/5；摘要中可见的实验信号有限，需读 PDF 核验完整 benchmark、消融和失败案例。 - 局限/风险：日报基于摘要级筛选；对真实可复现性、代码开放、数据污染和评测外推仍需二次阅读。 - Lucian 下一步：若主题匹配 agent/reasoning/RAG/coding/eval，可加入候选阅读队列，抽取可复现实验或作为 fjai.pw 后续 deep-dive。 - 评分：Relevance 4/5 · Novelty 5/5 · Substance 3/5 · Evidence 2/5 · Actionability 3/5 · Total 20 ## 版本更新提醒 - 默认不重复收录已囊括论文；本次发现 1 条窗口内候选与历史 ID/标题重复，未计入 Top Picks。若其中有重大版本变化，建议单独人工复核。 ## 今日未纳入但可观察论文 - [Toward Trustworthy Large Language Model Agents in Healthcare](https://arxiv.org/abs/2607.05055) — Relevance 5/5 · Novelty 3/5 · Substance 2/5 · Evidence 3/5 · Actionability 4/5 · Total 20 - [A Reliable Context-Aware and Temporal Planning Framework for Autonomous Driving](https://arxiv.org/abs/2607.04689) — Relevance 4/5 · Novelty 5/5 · Substance 2/5 · Evidence 2/5 · Actionability 4/5 · Total 20 - [TimeThink: Reasoning with Time for Video LLMs](https://arxiv.org/abs/2607.05089) — Relevance 4/5 · Novelty 4/5 · Substance 4/5 · Evidence 3/5 · Actionability 3/5 · Total 20 - [When Do Foundation Models Pay Off? A Break-Even Analysis of Pretrained Time Series Forecasters](https://arxiv.org/abs/2607.04919) — Relevance 3/5 · Novelty 5/5 · Substance 4/5 · Evidence 2/5 · Actionability 4/5 · Total 20 - [Interpretable Human-Label-Free Deep Learning for Real-Bogus Classification with Uncertainty Quantification](https://arxiv.org/abs/2607.05393) — Relevance 3/5 · Novelty 3/5 · Substance 4/5 · Evidence 3/5 · Actionability 3/5 · Total 19 - [GaP: A Graph-as-Policy Multi-Agent Self-Learning Harness For Variational Automation Tasks](https://arxiv.org/abs/2607.05369) — Relevance 4/5 · Novelty 5/5 · Substance 2/5 · Evidence 2/5 · Actionability 3/5 · Total 19 - [SovereignPA-Bench: Evaluating User-Owned Personal Agents under Evolving Intent, Platform Mediation, and Consent Constraints](https://arxiv.org/abs/2607.05363) — Relevance 5/5 · Novelty 3/5 · Substance 2/5 · Evidence 3/5 · Actionability 3/5 · Total 19 - [RSPO: Reward-Swap Policy Optimization for Multi-Turn LLM Agents](https://arxiv.org/abs/2607.04713) — Relevance 5/5 · Novelty 3/5 · Substance 4/5 · Evidence 2/5 · Actionability 2/5 · Total 19 ## 数据源失败或不确定性说明 - Hugging Face Daily Papers 2026-07-07: URLError: - Hugging Face Daily Papers 2026-07-06: URLError: - 评分主要基于标题、摘要、类别与 HF 热度来源信号；Citation/项目页未作为硬性排序条件。 ## 附录：检索式 / 过滤规则 / 去重状态摘要 - arXiv 类别：cs.AI, cs.CL, cs.CV, cs.LG, stat.ML, cs.IR, cs.RO, cs.SE；每类按 submittedDate descending 抓取最多 120 条。 - HF Daily Papers 日期页：2026-07-07, 2026-07-06。 - BJT 过滤：published 或 updated 转换到 Asia/Shanghai 后落在目标日期集合。 - 去重：seen_papers.json + 既有 public/reports/ai-paper-daily Markdown/HTML 中的 arXiv ID/URL/标题；arXiv ID 去版本号 vN。 - 去重状态文件：`/root/code/vepfs/hermes/fjai.pw/public/reports/ai-paper-daily/seen_papers.json`；本次写入 report_file `public/reports/ai-paper-daily/2026-07-07-ai-paper-daily.md`。