状态追踪 LLM-DailyDigest 2026-08-22 2026-08-22 约 100 字 预计阅读 1 分钟 状态追踪 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） 世界模型 6 ME-World：支持精细具身交互的多智能体自我中心世界模型 10-18 Oneira：可持续交互的视频世界模型 10-18 ME-World：支持精细具身交互的多智能体自我中心世界模型 10-10 World Observer：联合动作与观察者生成的持久世界建模 10-08 AEWM：面向 LLM 智能体的可编辑世界模型 09-26 HappyWorld-Bench：世界模型可靠性评测基准 09-25 代码评测 1 真实程序精确输出与检查点状态预测评测 10-09 具身规划 2 AVALON：基于人类播种拓扑记忆的零样本室内导航 10-18 超越记忆世界：演化环境持久导航的预测式 4D 信念 10-01 动态审查 1 MCR-Bench：真实多轮代码审查动态基准 08-28 可信执行 1 OnTrack：基于流式结构感知最优传输的 LLM 智能体轨迹实时监控与干预 10-09 图工程 1 Graph Engineering：从个体智能迈向多智能体系统智能 08-24 多模态推理 1 Omni-Streaming Thinking：全流式多模态思维 09-16 多跳推理 1 Beyond Retrieval Failure：多跳 RAG 为何遗漏关键证据 10-18 推理评测 1 PetriBench：动态状态空间中的 LLM 推理评测 09-18 数据合成 1 IRWOZ 2.0：面向工业机器人对话的 LLM 增强数据集 09-07 智能体框架 1 RAFT：面向故障排查智能体的有状态检索增强框架 09-18 智能体规模扩展 1 Apodex 1.1：面向复杂工作的智能体能力扩展 08-25 智能体评测 6 MMEnterprise-Bench：演化多模态记录下的企业智能体评测 10-21 DynGraphAgentBench：动态图异常检测的智能体生命周期控制基准 09-29 面向编程智能体的状态条件最小充分证据恢复 09-18 JarvisGUI：面向跨设备动态任务组合的 GUI 智能体评测 09-10 FinalityBench：延迟与冲突金融终局下的智能体决策评测 09-07 MNIST-PRO：面向部分可观测智能体的感知状态评测 09-01 状态安全 1 SEAD：工具型智能体的状态化攻防框架 09-30 状态追踪 16 StreamVibe：面向意图演变的主动式视频智能体 10-29 PAR：进度对齐循环机制提升状态跟踪长度泛化 10-22 OptionWorld：诊断 LLM 长期个人助理失效的基准 10-21 TaskWAM：以任务阶段感知引导世界-动作模型生成预期未来 10-21 PoS：以显式信念状态识别并打破长程智能体的 Belief Trapping 10-18 Grid-Bench：评测 LLM 预测离散世界状态变化的能力 10-18 ARGUS：议程驱动的可靠用户模拟框架 10-18 TEM：面向大语言模型智能体的时序状态追踪记忆 10-18 可追溯世界状态：机器人溯源感知状态表示与确定性回放 10-10 超越记忆：用显式信念状态驱动长时程智能体 10-08 RunningTab：环境侧标签支持直接工作区交互 10-08 BELIEFRAG：面向演化证据的状态感知自适应 RAG 10-01 ConPAct：以状态一致性提升长程智能体规划与执行 10-01 上下文变化下的 LLM 更新失败与陈旧绑定 10-01 神经网络状态追踪的陪集表征机制 09-26 StateMemBench：智能体记忆能否追踪演化状态？ 08-22 环境合成 1 DynaWeave：动态场景合成驱动智能体环境适应 10-22 系统优化 2 RayOrch：血缘可控的多粒度基础模型数据流引擎 09-29 面向智能体工作流的协议保持式上下文裁剪 09-16 能力迁移 1 AI4AI 测试时强弱模型能力迁移：用 Harness 提升小模型表现 08-14 视觉推理 1 P2A：通过主动视觉探测提升浏览器智能体 09-29 视频生成 1 ATAS：以世界状态为中心的智能体视频生成框架 10-18 记忆演化 1 Recuris：面向长程智能体脚手架的递归经验—工作记忆演化 08-26 记忆能力评测 4 WorldMemArena：面向真实交互的多模态智能体记忆评测 10-21 浙大提出具身长程记忆基准 EMem-Bench 10-19 超越下游问答：重新评估智能体记忆 10-18 VoxMem：大型音频语言模型多模态记忆评测基准 10-01 评测基准 1 PROWBench：评测视频模型能否忠实渲染程序事件 10-08 评测审计 1 AgentEval：面向有状态智能体的证据边界评估 10-18 过程评测 1 答案分布轨迹：LLM 推理的随机动力学视角 09-09 进度感知路由 1 ProgRouter：面向质量—成本权衡的多智能体在线进度路由 08-27 长期记忆 8 TAM：以任务推进状态与监督增强 GUI 智能体能力 10-29 WholeBodyMem：面向人形机器人操作的目标前历史记忆 10-25 MHG-Mem：保留证据溯源的多模态超图记忆 10-22 QGMem：面向长期对话智能体的查询感知事件图记忆 10-09 OneStreamer：统一流式视频感知、记忆与主动响应 10-08 Ledger：从第一人称视频构建持久化 3D 对象记忆 10-08 HGP：基于混合图存储的端侧个性化智能体记忆 10-08 SpeakerMem-R1：面向多方对话的说话者中心双轨记忆 09-23
