TOMAP让Lean证明更省算力：分解环节一优化，语义忠实度涨19%
这篇论文盯住了自动形式化里最容易“翻车”的一环：证明分解。不是一味堆算力，而是把测试时预算花在最值钱的地方，结果更准、也更省。
标签：Agent
共 137 篇
Apple Research最新论文：主动助手评测为何离不开FSM
Apple Research这篇不是在比谁更会“聊天”，而是在逼智能体面对真实手机交互的硬骨头：用户会不会接受、何时插手、能不能跨应用干活。PARE把这件事做成了可评测、可复现的框架，结果也挺扎心：最强模型成功率也只有四成多。
16智能体成本降7.63倍：AAFLOW+的零拷贝KV编排
这篇论文很对工程胃口：它不再把 KV cache 当成“模型内部小零件”，而是直接提升为分布式系统对象。结果也很硬，长上下文、多智能体、分支推理这些最烧钱的场景，TTFT、内存和吞吐都被明显改写。
百度北大新作：ECHO把长程RL的记忆与信用打通
长程智能体最烦的不是“想不起来”，而是“想起来了却不知道该把功劳算给谁”。ECHO把记忆选择和信用分配绑在一起，思路很工程，也很实用，尤其适合做搜索、工具调用和深度研究的Agent训练。
Cohere与LG CNS新作：111B模型只改三步，韩英智能体更会推理还省显存
这篇论文最有意思的地方，不是把模型从头再训一遍，而是拿一个已经后训练好的111B多语模型，靠三步适配把“会说话”升级成“会办事”。更关键的是，它把韩语回答、英语推理、工具调用和单卡部署这几件原本互相打架的事，硬是捏到了一起。
Pocket FM新作Magnet：100页故事幻觉少一半
Pocket FM这篇不是单纯“让模型会写故事”，而是把“角色怎么想、世界发生了什么、下一步该往哪走”拆成一套闭环系统。更关键的是，Atlas 还专门负责抓长篇里的情节打脸，终于不是只会写，连自查也安排上了。
LLM不只会写代码，还能修内存？MOA给出答案
内存优化最烦的不是“找不到问题”，而是“找到也修不完”。MOA把这事拆成三段：先从 profiling 里挖出反模式，再自动长出静态检查器，最后批量生成补丁，挺像给性能工程装了一条流水线。
认证式投机执行来了：冻结大模型提速2.96倍
这篇论文把“让AI先提案、再由可信核心放行”这件事做成了可认证合同，专治硬约束决策里“快和稳只能二选一”的老毛病。更狠的是，冻结大模型也能被它收编，最后还能在单位调度上换来2.96倍加速。
REAR来了：测试时重排偏好，Qwen上直接打赢基线
这篇论文最实用的地方，不是又造了一个更复杂的对齐模型，而是把“测试时怎么选更符合偏好的回答”这件事讲清楚了。REAR 直接用 base model 自己的概率做奖励分解，省掉额外训练，工程味很足。
ICLR 2025新作SEAR：图像修复从“瞎搜”进化到会记忆
这篇 SEAR 很有意思：它不再把图像修复当成“看到退化就直接出手”的单步活，而是改成先规划、再执行，还会把成功经验存起来反复用。对复杂混合退化场景来说，这种“会思考、会记忆”的思路，比纯 greedy 搜索靠谱得多。
噪声前瞻会害人？新方法先筛再给智能体
这篇论文把“世界模型”从一次性预测工具，改造成了会自己修正上下文的在线规划助手。最有意思的是，它不改参数，专改记忆和提示词，既省掉在线训练的麻烦，又能把部署时的新经验吃进去。
多伦多大学EPFL新方法：TRL让推理更像人话
这篇论文最有意思的地方，不是把推理分数再往上拱一拱，而是盯住了一个更现实的问题：模型变强了，弱模型和人却未必跟得上。TRL用“接力式” rollout 把单挑能力和协作可读性尽量绑在一起，思路很工程，也很像真业务会遇到的坑。
