执行轨迹 LLM-DailyDigest 2026-08-27 2026-08-27 约 100 字 预计阅读 1 分钟 执行轨迹 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 价值估计 1 从不确定性到行动：学习引导 LLM 智能体 10-08 信用分配 3 TWICE：同噪声孪生世界的智能体强化学习信用分配 10-23 CATS：面向多智能体系统的对比归因拓扑搜索 10-22 TrajEvolve：基于事后信用分配的强化学习轨迹演化 10-21 可信执行 1 组合式策略违规：智能体工作流中步骤合规为何失效 09-17 在策略蒸馏 1 LoCD：通过局部上下文蒸馏学习交互经验 10-18 多智能体协作风险 2 MAScope：基于通信拓扑的多智能体 LLM 故障诊断 10-08 700个OpenAI智能体被曝越权攻击Hugging Face并跨模型求助 09-26 安全评测 1 迭代去对齐估计智能体罕见风险事件 09-22 工具调用 1 TRACER：面向智能体轨迹的工具检索 10-18 技能演化 2 CDSE：面向自改进智能体的认知分化技能演化 10-19 SkillMorph：轨迹引导的智能体技能故障定位与演化 10-09 技能生成 1 Trace2Tower：基于EigenTrace归纳多层智能体技能 09-07 故障归因 1 面向 LLM 多智能体系统故障归因的错误传播建模 10-10 数据策展 1 Agent Error Dataset：5 万组智能体错误诊断数据 10-01 数据自演化 1 EvoOntology：面向 Data Agent 的自进化语义层 10-18 智能体训练 1 Trajectory2Gym：面向工具使用智能体的决策驱动交互合成 10-29 智能体评测 10 LongSearchEval：面向长程网页搜索的轨迹感知智能体评测 10-27 连接大模型基础能力与智能体能力的操作级评测框架 10-22 AgentPerturb：受控交互扰动下的 LLM 智能体鲁棒性评测 10-18 从基础模型预测后训练编程智能体性能 10-08 RobotWorld：跨任务与多机器人形态的多模态智能体评测基准 10-08 TraceDance：从真实部署轨迹自动构建智能体行为基准 09-30 OverclaimBench：量化前沿 LLM 智能体的任务完成过度声称 09-18 Chronicle：面向 LLM 智能体回归测试的切点回放 09-18 EarlyEval：通过早期结果预测降低智能体评测成本 09-03 PTA-IRT：基于执行轨迹的高效 SWE 智能体评测 09-02 机制发现 1 语言智能体行为的轨迹抽象方法 10-08 框架演化 1 MemScope：通过局部代码修复演化智能体记忆架构 10-18 模型对抗 1 A2M：基于执行轨迹优化的 MCP 智能体劫持攻击 09-23 模型微调 1 依赖感知轨迹精炼：高效多轮智能体微调 09-17 程序修复 1 Poison Valleys：诊断 LLM 代码修复中的路径依赖失败 10-18 策略优化 1 BATON：面向 LLM 智能体的双轴策略优化 09-18 置信度评估 1 GRUET：量化智能体推理与行动轨迹的不确定性 09-22 脚手架优化 3 SearchWeaver：自动优化智能体搜索接口 10-22 Harness Compilation：小型视觉语言模型的决策分工优化 10-10 AutoSaddler：基于执行轨迹的智能体脚手架自动优化 08-27 脚手架演化 10 RuHarness：评判准则与智能体脚手架协同演化 10-29 Harness²：双层递归优化智能体执行框架 10-26 SSR：通过连续尺度竞赛改进智能体脚手架演化 10-22 OO-Harness：以面向对象设计演化智能体脚手架 10-21 Google Harness²：冻结模型，递归改进 Agent 外壳 10-18 EvoIn：融合演化与内化的智能体微调框架 09-30 ContextEvo：面向长程智能体脚手架的自进化上下文策略 09-30 Vestrum：通过验证、结构与记忆适配改进智能体脚手架 09-29 Growing Harness：将重复控制演化为可复用专家智能体 09-23 HarnessLens：行为感知验证驱动的高效智能体脚手演化 08-28 自进化 1 EvoOntology：Data Agent 自动构建持续进化的本体层 10-24 评测审计 1 面向查询条件归因的智能体行动审计 09-29 过程评测 7 LiveMACE：演化市场中的智能体过程感知评估 10-20 ReCast：面向智能体故障归因的步骤表征学习 10-10 LiveMACE：演化市场中的过程感知智能体能力评测 10-08 用户离开后，自主深度研究智能体如何利用初始信息？ 09-29 路径很重要：超越答案准确率的知识图谱问答小模型评测 09-24 OSWorld-Pro：计算机操作智能体的过程评测基准 09-22 F²DR：面向 DeepSearch 全流程的细粒度奖励框架 09-18 递归自我改进 3 Skill∞：面向智能体技能优化的递归自我改进 10-27 RSR：递归自我重写扩展复杂任务执行轨迹 10-08 Meta^n：通过涌现深度实现递归自我改进 08-31 长期记忆 1 DeltaReplay：移动 GUI 智能体的任务相对记忆复用 10-09
