长程任务 LLM-DailyDigest 2026-08-07 2026-08-07 约 100 字 预计阅读 1 分钟 长程任务 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） 三维跟踪 1 TrackEverything：去重 3D 场景表征实现长时程密集跟踪 09-29 三维重建 1 ABot-Recon：以局部上下文实现长时域流式三维重建 09-01 上下文压缩 5 MarkovSim：面向长程计算仿真的有界上下文智能体框架 10-27 SJC：面向长程智能体的来源判定式上下文压缩 10-18 KV-streams：面向智能体强化学习的高效上下文压缩 09-30 RAD：基于循环算法蒸馏的可扩展上下文强化学习 09-30 ICLR：长程智能体何时可遗忘历史推理 09-25 上下文学习 1 超出预训练支持的指令与组合任务上下文学习 10-19 世界模型 12 Ropedia W0：利用人类经验扩展跨具身运动操作世界模型 10-22 PAWM：用陷阱预判世界模型引导黑盒 LLM 智能体 10-22 Trace2Env：从交互轨迹构建智能体语言世界模型 10-18 Trace2Env：从交互轨迹构建智能体语言世界模型 10-10 Long-WAM：扩展世界行动模型的长上下文能力 10-09 ProWAM：通过渐进式视觉规划建模世界动作 10-08 RoboCoach：世界模型主动指导组合式机器人技能改进 10-01 AEWM：面向 LLM 智能体的可编辑世界模型 09-26 WorldCrafter：具备隐式三维感知记忆的一致性视频世界模型 09-23 World in World：免训练控制视频世界模型的视角与时间探索 09-13 Programmable World Model：可编程持久化世界模型 09-11 SolarWM：长时程视频世界模型的开放数据与可扩展训练 09-07 主动学习 1 面向长期个性化 Web 智能体的主动偏好获取 10-23 主动式智能 1 主动式 AI 如何走向超级智能体：6A 框架综述 10-29 交互式评测 2 InteractiveWorld：可验证的人本交互式 MLLM 环境 10-29 PlayWorld：智能体玩家驱动的长程世界模型评测基准 08-15 交互监督 1 AdaLens：长时智能体数据分析的交互式监控与引导 08-19 产业动态分析 2 Personal AI 入口争夺：巨头押注与超级 App 权限壁垒 10-24 Today AI 累计融资超 2 亿美元，布局主动式个人智能体 10-23 人工智能辅助编程 2 OpenAI 升级 Codex Cloud，Agents API 支持 computer use 09-30 Kimi Code Desktop 正式发布，支持 macOS 与 Windows 09-23 代码世界模型 1 Code World Model：以编码代理充当世界大脑 08-28 代码评测 3 WEAVE：面向代码智能体的依赖结构化真实代码演化任务 10-18 SWE-Journey：面向长程多轮交互的真实编码助手评测 10-10 Φ-Bench：评测大模型自主构建与优化 LLM 基础设施 09-11 价值估计 1 VAST：自适应时间尺度的离线价值缝合 10-25 任务生成 1 腾讯混元 RST 递归合成 3.7 万个长程终端任务 09-07 信用分配 12 ConCal：通过续程共享校准长程智能体动作价值 10-29 细粒度信用分配何时助益或损害多模态智能体强化学习 10-27 面向长程 LLM 智能体的多尺度策略优化 10-27 AtomicRL：面向长程机器人操作的原子强化学习 10-22 Self-Credit：长程智能体强化学习的组内重缩放信用分配 10-21 TrajEvolve：基于事后信用分配的强化学习轨迹演化 10-21 FALCA：面向长程深度搜索智能体的证伪感知强化学习与分层信用分配 10-21 TreeOPSD：面向长程智能体强化学习的树感知后验蒸馏 10-19 蒸馏直至分歧：面向智能体强化学习的错误截断后见蒸馏 10-19 Mosaic：多会话智能体强化学习 10-18 KnowGPO：面向深度搜索智能体的知识分组策略优化 10-18 GraphHCA：长程 LLM 智能体的闭式事后信用分配 09-30 偏好优化 1 面向 LLM 智能体的轮次级多尺度密度比估计 09-16 元智能体编排 1 Eureka：面向科学发现的任务条件元代理编排 08-20 全模态生成 1 EchoWM：开放可进入的全模态世界模型 08-26 具身基础模型 8 游戏规模化：在多样虚拟世界中持续预训练具身智能体 10-23 GPT-6-Astra具身智能评测：具备能力但尚未达到实用门槛 10-20 UniWAM：统一世界-动作模型 10-09 Grounded Action Model：以 3D 对齐构建机器人基础模型 09-23 芝诺机器人发布协作具身基础模型 Zeno-1 09-07 MVP具身模型展示长程决策与跨本体协作能力 09-03 INDI：为视觉-语言-动作模型蒸馏行为意图 09-01 GigaBrain-0.7：三系统架构扩展具身基础模型 08-27 具身推理 1 R³：用强化学习训练机器人进行自然语言推理 08-27 具身规划 10 HiSTEVE 1.0：面向开放世界游戏的分层 VLA 智能体 10-27 SuperNav：面向任意任务与场景的通用智能体导航系统 10-18 PanoVLN：高效全景视觉语言导航 10-01 PackLab：机器人料箱装箱多模态模型综合框架 09-25 VA-Bench：评测具身空间智能的感知—推理—行动闭环 09-19 DeliveryGym：面向长程具身规划的自适应课程强化学习环境 09-18 MAGMA-GEN：通过反事实重执行生成可靠恢复监督 09-18 MaP-WAM：以记忆为计划的世界—动作建模 09-13 RoboSPA：面向复杂空间与长程任务的 VLA 评测基准 09-07 神经符号具身智能体：视觉探索与约束规划 08-18 动态审查 1 MCR-Bench：真实多轮代码审查动态基准 08-28 医疗人工智能 1 从模式识别器到个性化伴侣：大语言模型心理健康应用综述 09-24 协同演化 1 ARISE：面向能力缺口演化的智能体强化学习 09-30 博弈评测 1 AAArena：评估智能体在长期博弈竞赛中的启发式学习 10-09 原生交互 1 ASIL：以结构化状态与语义动作取代截图点击 08-29 反思优化 1 SRPO：面向长程推理的自反思策略优化 08-25 反馈规划 1 学习引导 LLM 智能体与多智能体系统 10-18 叙事一致性 1 NCP-Bench：LLM 智能体交互叙事长程一致性评测 08-14 在策略蒸馏 13 OnQ：以自生成轨迹恢复量化模型推理能力 10-22 OPRD：面向长程编程智能体的在策略提醒蒸馏 10-18 JOLT：联合在策略学习与自教师训练 10-08 PivotOPD：多轮智能体关键错误预防与恢复学习 10-01 MT-OPSD：面向多轮图像编辑的在策略自蒸馏 09-30 OG-OPD：面向多轮自主智能体的结果引导式在策略蒸馏 09-30 DivOPD：面向多轮智能体的异步在策略蒸馏 09-30 TIDE：通过信息性蒸馏与探索实现智能体强化学习的师生过渡 09-30 UOPD：面向多轮智能体的置信度感知在策略蒸馏 09-29 LENS-OPD：长程任务的分层监督分配 09-29 超越时间戳：长程智能体的决策对齐在策略蒸馏 09-29 GUI-SD-v2：面向 GUI 智能体的在策略自蒸馏 09-24 RetireOPD：可自适应退场的在策略蒸馏 09-18 基础设施评测 1 Φ-Bench：大模型基础设施工程能力评测 08-24 多智能体协作框架 3 4 个 Gemini 智能体在《我的世界》自主协作击败末影龙 10-19 HTN-Orchestrate：基于层次任务网络的多智能体编排框架 10-18 HiRS-Agent：面向长程遥感任务的分层多智能体系统 09-01 多智能体协作风险 1 SCARCE：长程多智能体编程系统中的涌现制度 10-18 多智能体系统 13 DraMaze：基于前瞻记忆的多智能体微短剧剧本生成 10-27 4个Gemini智能体自主协作通关《我的世界》 10-18 Cogentic：面向自动化证明发现的多智能体编排框架 10-01 COMPASS：用空间 Transformer 控制大规模机器人智能体集群 09-24 Claude Code 上线新版 Projects，多智能体云端并行开发 09-18 Claude Code 重构 Projects：多线程对话式项目 09-18 任务分解提升完整性，而非信息产出 09-16 Stellar Colosseum：面向数学与理论计算机科学长程研究的多智能体框架 09-15 EMERGE-Policy：异步多智能体具身智能系统 09-13 Cursor 推出 Projects：协调者调度数千个子智能体 09-11 Cursor推出Projects：协调数千AI智能体并行开发 09-11 ORCH：组织原则赋能具身多智能体集体智能 09-11 Manager Loop：GPT-6 多智能体一周搭建虚拟曼哈顿 09-09 失控模式 1 Agent 失控的四类常见模式 08-20 奖励建模 1 DRACO：动态评分准则驱动的长程智能体细粒度信用分配 09-07 奖励机制设计 4 面向任意测试时约束的预算感知多轮智能体奖励设计 10-21 Tev：以密集进度奖励扩展长时程智能体环境 10-18 RewardWeaver：面向长程语言智能体的自进化奖励适配 10-08 ProCredit：从结果奖励转向智能体进度信用分配 09-24 奖励蒸馏 1 ADRS：Token级自蒸馏奖励塑造提升长链路智能体训练 09-16 学术论文生成 1 Spark-to-Paper：以可组合技能端到端生成研究论文 08-14 安全评测 1 PASTABench：智能体序列轨迹的主动安全评测 09-24 工程进化 1 腾讯混元两项工作：Harness Handbook 与 RST 递归任务合成 08-20 强化学习 2 MiMo-V2.6：规模化强化学习推动模型自我改进 10-09 CRBC：长程智能体强化学习的跨轨迹贝尔曼闭包 09-30 情感诈骗 1 实证研究：AI在“杀猪盘”中比人类更易建立信任 08-18 技术生态 1 AI4AI 从自进化、元进化迈向递归自我改进 08-12 技能优化 1 BiPA：用二部归因重新评估智能体技能优化 10-29 技能演化 3 SkillForge：动态技能生命周期驱动技能与智能体协同演化 10-08 Designer-RSI：从用户流量中演化图形设计智能体的程序性记忆 09-21 EvoSkill-GUI：无需训练的 GUI 智能体技能演化 09-19 持续学习 2 CLE：LLM 智能体长时程持续学习与经验学习基准 10-29 面向智能体的记忆中心持续学习框架 MCCL 10-22 探索锐化 1 自进化时代需要兼顾锐化与探索的新型强化学习 08-27 推理优化 2 SAGE以结构信号纠正长程推理偏差 10-08 SAGE：以拓扑引导缓解长程推理偏差 09-26 推理效率 1 BellowsKV：按需展开的跨层共享潜变量 KV 缓存 10-27 推理评测 1 ProloNg：用 Prolog 探测长程演绎推理能力 10-10 插件架构 1 DeepSeek Harness 开源：以插件化框架组装智能体 08-14 搜索能力评测 1 OpenDS-World：真实 Web 环境中的深度搜索评测 10-24 数据合成 1 TerminalHorizon：扩展长期终端智能体数据 10-18 无限编辑 1 InfinityEdit：轻量适配器实现无限视频编辑 08-25 时域控制 1 LocalLSTC：本地 GUI 智能体的长短期控制架构 08-27 智能体 1 Today AI：个人 Agent 将成为下一代个人智能入口 10-18 智能体安全 1 OpenART：通过开放式环境演化扩展智能体红队测试 08-14 智能体微调 1 Agentic ESOpt：低显存微调长时程 LLM 智能体 08-20 智能体框架 13 Microsoft 通过 Foundry 开放 Copilot Harness，支持多模型智能体开发 10-29 清华开源 PilotDeck 2.0：智能体任务成本降低 83%，记忆可查可改 10-18 VISTA：面向交互式视觉推理的原生 Harness 框架 10-18 Google 发布通用办公智能体 Gemini Agent 10-10 Today发布：主动式个人Agent操作系统 09-26 阿里发布 AI 手机全栈方案 Qwen Intelligence 09-24 阿里云发布AI智能体电脑Qwen Book 09-23 SKILL.state：面向长周期智能体技能的可扩展状态运行时 09-10 EmbodiedSkills：编排、训练与部署 VLA 智能体的统一框架 09-09 亚马逊云科技开源长期运行 Agent 工作台 Kiro Crew 09-07 Harness-of-Harness：多日自主软件开发编排框架 09-07 Harness-of-Harness：持续改进的多日自主软件开发框架 09-02 Prime Agent 开源自我改进智能体框架 08-11 智能体自进化 2 TTSE：双轨在线自进化框架 09-22 MemPro：将 Agent 记忆系统演化为可持续改进的程序 09-16 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 智能体训练 6 MiRL：面向终端智能体错误行为的定向强化学习 10-27 OpenMobile-2：以可扩展环境与原生工具训练移动智能体 10-20 WebCoder：基于可执行产物反馈的通用前端开发智能体 10-19 MLExpert：面向自主机器学习工程的通用智能体模型 10-18 DeciCAD：基于领域脚手架学习 CAD 智能体动作策略 10-18 HarnessSQL：面向真实数据库环境的执行框架原生 SQL 智能体训练 10-09 智能体评测 25 LongSearchEval：面向长程网页搜索的轨迹感知智能体评测 10-27 OR-License：现实世界运筹学智能体评测基准 10-21 ReTrace：以目标导向动作回放评测计算机使用智能体的故障恢复 10-21 BizAgentBench：现实商业场景中的长时程智能体评测 10-20 FDE-Gym：评测 AI 客户交付“最后一公里” 10-18 Doc2Harness：长周期编码智能体 Harness 工程基准 10-18 同一上下文，不同智能体：数据智能体的语义层、编排与压缩行为研究 10-18 Kolab：长程工作流中的人机协作评测基准 10-18 OmicsBench：研究规模生物信息学长程多轮智能体评测基准 10-18 AgentTime：智能体能否估计并控制自身运行时间 10-08 DrivingBench：视觉语言模型能否驾驶真实丰田汽车 10-01 Talk2Agent：面向文本智能体的语音接口评测基准 10-01 GPT-6.1 上线 Agent Arena 评测平台 09-30 PDEU-Bench：个性化工具调用智能体规划全生命周期基准 09-30 LongPuzzleBench：长程视觉谜题 GUI 智能体评测 09-30 FromPitch2Board：长程足球管理智能体评测基准 09-30 AgentWorld：评测多智能体长程协作能力 09-29 Claude Sonnet 5.5 上线 Agent Arena 与 Battle Mode 09-29 The Tasteful Agent：衡量与提升长时程任务决策品味 09-24 Claude Opus 5.5 上架 Agent Arena 与 Battle Mode 09-23 GPT-6 Astra 登顶 Vending-Bench2 长期经营评测 09-15 JarvisGUI：面向跨设备动态任务组合的 GUI 智能体评测 09-10 ClawBench：真实网站任务中前沿 AI Agent 最高成功率仅 33% 09-03 E-Commerce Bench：长程自主电商运营智能体评测 09-01 ATLAS：工业工具调用智能体的双时域诊断评测 09-01 机器遗忘 1 MemCut：LLM 智能体长期记忆中的秘密遗忘评测 10-18 架构研究综述 1 长程智能体综述：Harness 与模型协同优化 08-22 根因分析 1 OpsHarness：面向根因分析的自进化智能体外壳 08-27 框架演化 3 Procedural Graph：LLM 智能体的自进化执行结构 09-09 Evo-Bench：首个 Agent Harness 进化能力评测 08-24 AIDE²：零权重更新实现一阶递归自我改进 08-12 模型发布 13 蚂蚁百灵开源面向 Personal Agent 的 Ling-3.1-flash-1019 10-29 Gemini 4 Carbon发布：强化长程编程、安全防御与成本效率 10-29 阶跃星辰开放 Step 5 Preview 权重，面向长程 Agent 10-22 Google 发布 Gemini 4 Argon 前沿模型 10-08 谷歌发布 Gemini 4 Argon，主打长程任务与网络安全防御 10-01 Grok 4.7发布：强化Coding、Agent与长时复杂任务 09-23 SpaceXAI 发布 Grok 4.7，强化长任务与专业知识工作 09-22 阶跃星辰发布MoE旗舰模型Step 5 Preview 09-21 上海 AI Lab 开源多模态基础模型书生-S2 09-15 上海 AI Lab 开源多模态基础模型书生-S2 09-15 Grok 4.6 发布：智能体能力与性价比显著提升 08-14 GLM-5.3：后训练 Scaling 提升编程与网络安全能力 08-14 GLM-5.3：后训练扩展强化编程与网络攻防能力 08-14 模型架构创新 1 QART：面向长程推理的量子—经典混合架构 09-16 模型评测 2 RoleBreak：长程语音角色扮演鲁棒性评测基准 09-16 GLM-5.3 实测：750B 基座靠后训练提升编码与安全能力 08-21 模型路由 2 HiRoute：基于 Jev 的智能模型路由实践 10-20 RIVET：面向成本感知多轮 LLM 路由的响应知情价值估计 10-19 模型轻量化 1 TAP：基于轨迹锚定恢复的长程智能体高效剪枝 10-08 模型量化评测 1 Seed-Evolving 量化策略研发与自迭代能力评测 08-14 深度研究智能体 1 IterSynth：角色解耦的迭代式深度搜索智能体 09-26 游戏控制 1 GameWAM：面向电子游戏的世界动作模型 08-29 游戏推理 2 GameHorizon：多时间跨度游戏数据与评测套件 09-22 工具增强的 LLM 多步演绎推理 09-17 演化能力评测 1 EngramBench：面向技能演化脚手架的能力本位评测基准 10-01 状态交接 1 AstronOS：面向长程智能体的统一执行模型与运行时 08-18 状态运行时 1 StateM：以状态化 Harness Scaling 提升长程智能体执行 08-19 状态追踪 6 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 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 ConPAct：以状态一致性提升长程智能体规划与执行 10-01 环境协同演化 1 EnvHarness：让静态环境适应智能体学习 08-21 环境合成 6 WorkForge：规模化构建可验证的真实工作智能体环境 10-24 WildAWM：面向计算机使用智能体的可控环境与任务合成 10-23 CoworkEnv：为长时程协作智能体合成可执行训练环境 10-21 VHD-Play：从已求解机制生成可验证的智能体强化学习环境 09-24 Environment Evolution：让终端智能体的训练环境持续进化 09-21 Terminal-Universe：从智能体轨迹重建可扩展终端环境 09-07 环境适应 1 成功策略失效时：终端智能体的环境新颖性适应 09-29 真实世界评测 1 真实工作场景中Agent成功率仍然偏低 08-18 科研平台 2 AfS：面向长程科研智能体的可复核工作流与复利记忆平台 09-30 深势科技发布玻尔·科学空间，AI接管科研全流程 08-22 科研智能体 3 微软 Fork-and-Flush：刷新上下文的科研智能体并行探索 10-18 Claude 完成 N=4 超杨-米尔斯理论九圈散射振幅计算 09-26 Intern-S2-Preview：科学智能体基础模型 08-15 科研评测 4 Agent4Sci：评测前沿智能体能否推进科学机器学习 10-22 DeepRSI 48 小时科研智能体评测：Kimi K3 跻身前三 10-18 ASI-Bench：真实科研任务评测 AI 自主研究能力 10-18 SciARP：多轮科学推理智能体的扰动鲁棒性评测 09-30 科研项目 1 ScienceClaw AutoProject推动AI4S从Task走向Project 08-25 程序修复 1 别修没坏的代码：LLM 迭代修复的伪缺陷循环 09-10 端侧记忆 1 MobileMem：从一年移动端经历中学习长期记忆 08-17 符号规划 1 PDDLCoder：智能体式 PDDL 生成辅助符号规划 08-18 策略优化 4 ReflectPO：反思引导的长程智能体策略优化 10-23 一策多表：面向长程智能体的效果边缘策略优化 10-22 InfoPPO：信息时间近端策略优化 09-22 SAPO：面向智能体强化学习的单轨迹自回归策略优化 08-21 系统优化 2 FlashNext-RL：面向长程智能体强化学习的系统优化 10-22 QwenGyre：千问超长程 Agent 强化学习训练框架 10-18 编程工具 1 Claude Code Projects重构：云端并行执行长期编码任务 09-18 缩放定律 1 智谱唐杰：大模型只看参数的时代结束了 08-20 群体探索 1 SwarmResearch：编排 Coding Agents 实现开放式发现 08-14 脚手架优化 5 HGM-Dual：面向长程规划的谱系感知智能体脚手架优化 10-22 Turbo Harness：实例自适应脚手架优化 10-01 Cursor 团队分享 Agent Harness Token 降本提示词 09-24 编码智能体 Harness 组件设计实证研究 09-18 AutoDesign：面向长程智能体设计的元脚手架优化 08-15 脚手架演化 9 ScholarEvolve：从科研文献中持续演化 Agent Harness 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 DuplexAgent-RSI：全双工语音智能体的递归脚手架改进 10-10 Raven：面向可组合智能体的 Harness 之 Harness 10-08 DynaHarness：面向自进化机器人智能体的动态物理脚手架 10-01 ContextEvo：面向长程智能体脚手架的自进化上下文策略 09-30 Raven：面向可组合智能体的“脚手架之脚手架” 09-29 程序图 PG：连接工具、技能与记忆的自进化智能体脚手架 09-22 自主智能体 1 Anthropic 发布主动式智能体 Claude Duet，由 Opus 5.5 驱动 10-22 自动化对齐 1 Artificial Id：智能体内驱力与持续对齐 09-11 自动化科学研究 3 AutoMIP：面向混合整数规划的长程自动研究 10-01 Claude 无人值守完成 N=4 超杨-米尔斯九圈振幅计算 09-28 AgentX-Model：面向工业推荐系统的长程自主模型研究 09-25 自我反思 1 双过程语言智能体的记忆与自我反思扩展 09-17 自进化 2 域变换提出具身自进化部署范式 09-09 浙大开源 HugAgentOS：三引擎驱动可控自进化 08-12 自进化框架 1 RoboFoundry：让具身智能体自主进化整套系统 10-18 航空评测 1 AeroCopilotBench：交互式虚拟驾驶舱中的航空副驾驶智能体评测 08-18 视觉推理 1 Spatial-Interactor：通过物理交互学习空间推理 09-25 视频生成 1 SGF+：解耦梯度流的长时自回归视频生成 10-09 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 5 Memory Tax：剖析智能体记忆的净价值 10-29 HABIT-Bench：评估智能体从长期弱证据中归纳用户习惯 10-29 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 DolphinBench：智能体记忆的成本、延迟与准确率 Pareto 评测 09-22 评测基准 2 PROWBench：评测视频模型能否忠实渲染程序事件 10-08 VA-Bench：大模型空间理解与具身执行存在明显断层 10-08 评测审计 1 AI 时间跨度估计与 METR 指标效度分析 10-09 课程发布 1 斯坦福 CS329A：自改进 AI Agent 课程公开 08-26 课程学习研究综述 1 斯坦福新课 CS329A：Self-Improving AI Agents 08-21 谜题评测 1 Pencil Puzzle Bench：可逐步验证的多步推理评测基准 08-14 轨迹可信度 1 超越可疑步骤：长程智能体的本体信任 08-19 迁移能力评测 1 SWE Refactor Bench：编码智能体的全仓长程栈迁移评测 08-25 过程信用分配 1 MileGPO：基于局部证据的长程智能体里程碑信用分配 08-21 过程奖励模型 1 World Potential Model：用预训练世界知识评估智能体任务进展 10-08 过程评测 2 Opera：面向长程编程智能体的持续语言批评框架 09-29 超越最终得分：长程 AI 研发智能体的系统评估 08-16 运行时恢复 1 AgentRewind：长程 LLM 智能体的可恢复执行 08-17 递归自我改进 16 RSIV-Harness：面向对话式文本可视化的递归自我改进框架 10-27 RSIGame：自主试玩、修复与迭代的游戏开发智能体 10-22 Novix 招募 RSI、Agentic RL 与新架构研究人才 10-22 Recursia以具身递归自我改进突破机器人零样本长程泛化 10-18 辛顿、Bengio 等系统论证自动化 AI 研发与智能爆炸 10-18 从记忆到自进化：Agent 走向 RSI 的关键一步 10-18 Terminal-RSI：通过轨迹重写与策略精炼递归改进终端智能体 10-18 Hinton等22人警告RSI或触发智能爆炸 10-08 RSR：递归自我重写扩展复杂任务执行轨迹 10-08 PhysicalRSI 1.0：具身智能递归自我改进基线登顶RoboDojo 09-29 突破环境墙：演化智能体环境以实现递归自我改进 09-25 Frontis-MA1：面向机器学习工程的递归自我改进 09-17 OpenAI自动化AI研究实习生上岗，推进递归自我改进 09-13 OpenAI内部RSI进展：Agent承担逾75%科研工时 09-13 迈向真正的递归自我改进：人类构建的最后一个 AI 09-11 AI4AI Survey：从长程智能体到递归自我改进 09-07 重构评测 1 SWE-Bench ProMax：大规模多语言代码重构智能体基准 08-12 长期记忆 43 TAM：以任务推进状态与监督增强 GUI 智能体能力 10-29 ETAMem：面向长期对话智能体的异构记忆解耦与对齐 10-29 AMIE：智能体自适应记忆索引演化 10-27 Streaming Recurrent Memory：面向流式学习的循环记忆 10-27 WholeBodyMem：面向人形机器人操作的目标前历史记忆 10-25 面向 GUI 智能体的子目标感知记忆图 10-23 复杂智能体记忆并非总是必要：朴素 Raw-RAG 基线更强 10-23 Uni-Mem：统一在线策略优化的长程智能体记忆管理器 10-22 PreCoMem：面向自进化长程对话智能体的预测认知记忆 10-22 inr2action：用神经隐式表示编码机器人经历以支持回忆与行动 10-22 Lovart 2.0 发布个人设计 Agent「Arti」 10-20 腾讯混元开源智能体记忆框架 Hy Memory 2.0 10-19 看见、维护与学习：多模态智能体记忆的演进 10-18 MemoType：按记忆类型自适应路由的智能体长期记忆框架 10-10 DPPM：面向个性化语言模型的双路径参数记忆 10-09 CASK：面向长期 LLM 记忆的作用域感知提交规则 10-08 MemLife：面向长期第一人称视频的记忆策展与推理 10-01 RefCon：面向上下文演化智能体的迭代精炼与对比式记忆提取 10-01 EP-Mem：面向社会关系感知智能体的弹性隐私记忆 09-30 ReCAT：面向机器人操控的结构化循环记忆策略 09-30 伤害感知通道与记忆：单一身体智能体的控制原语 09-30 GenMem：面向自进化脚手架的生成式符号记忆 09-30 FlowState：以执行状态作为长程 LLM 智能体记忆 09-30 MemDream：面向自探测记忆演化的离线梦境框架 09-30 C3M：面向长程任务的跨会话多模态记忆维护 09-25 Jev-Mem：System-One 控制的高效智能体记忆架构 09-24 MemBodied：视觉-语言-动作模型的循环联想记忆 09-24 FRESH：面向小语言模型工具智能体的失败感知异构图记忆 09-24 JitMem：面向 LLM 智能体的即时任务自适应记忆策展 09-24 长程智能体行动前涌现记忆控制信号 09-24 Workspace Models：显著性监督驱动的轻量机器人记忆 09-18 持续学习机制组合提升长时程记忆 09-17 LGM：基于潜在神经符号推理的长期记忆解耦 09-17 MAPLE：融合记忆、语言与演化的动态优化规划智能体 09-11 MeClear：基于合作博弈归因的长程智能体风险感知记忆清理 09-09 WorkSwarm「永续会话」支撑 Agent 长时稳定工作 09-08 LatentStream：流式视频理解的渐进式潜在记忆演化 09-07 RSM-full：基于在线聚类与原子感知打包的紧凑记忆智能体 09-07 LTE：面向具身智能体的长程空间记忆编码 09-07 ContextPilot：用细粒度强化学习实现主动上下文管理 09-01 Claude Chat与Cowork打通共享记忆 08-31 ReWorld：具备长时记忆的交互式世界模型 08-26 MemoraX Code：让 Coding Agent 拥有长期记忆 08-18 长程任务执行 11 Sage-A1.5：以能力组合迈向长程执行与科学探索 10-21 ProgramGym：扩展训练环境，培养长时程程序复现智能体 10-18 SGG-ReflAct：子目标引导反思提升长程推理可靠性 09-30 HyperMCTS：超图增强的长程智能体蒙特卡洛树搜索 09-29 Claude Opus 5.5 长任务中断的原因与迁移指南 09-28 《我的世界》141小时测试暴露 GPT-6 Astra 挫折恢复缺陷 09-21 RIR：面向长程 LLM 智能体的回滚诱导反思 09-17 Agent 长任务上下文工程：预算、压缩、Todo 与记忆 09-14 Claude与Manus长程Agent的四类续命脚手架 09-14 阿里开源长程智能体框架 LongHorizon-Harness 08-13 OneDayAgent：面向自主智能体的长程执行框架 08-07 长程任务研究综述 1 长程智能体综述：Harness 工程与模型优化协同演化 08-14 长程任务评测 1 VibeLifeBench：评测生活智能体的主动性与持久性 08-13 长程智能体 1 英伟达 AVO 在 ARC-AGI-3 通关 183 关并获满分 08-23 长程科研 1 ScienceFlow：面向长程科研的自主智能体框架 08-17 闭环自进化 1 Qwen-Planner-Agent：真实世界移动规划智能体的闭环 AI-for-AI 框架 09-26 高斯引导 1 Agent-G²：面向智能体强化学习的高斯引导 08-25 黑箱训练 1 ClawGym II：面向 Agent Harness 的黑箱强化学习 08-18
