AI Agent 与大模型中文情报库

本文研究车载毫米波雷达在近距离、多目标紧密排列场景下的测量不确定性问题。传统基于高斯假设的方法往往难以准确刻画角度类观测的周期性与多峰特征，尤其是在目标方位接近、回波相互干扰时，容易低估真实误差。作者引入冯·米塞斯分布对雷达角度不确定性进行建模，并据此构建更适合紧密目标场景的置信度评估框架。该方法有助于更可靠地描述雷达检测结果的可信程度，为后续目标分离、跟踪融合与自动驾驶感知决策提供更稳健的不确定性基础。

这篇论文面向 CLPsych 2026 任务，研究如何从社交媒体用户的时间线中识别并描述心理健康状态的变化。作者关注的不只是单条帖子中的情绪或风险信号，而是利用跨时间的发帖序列、表达方式与内容主题的演化，来捕捉心理健康可能出现的转折点与持续性波动。工作重点在于构建能够刻画“变化过程”的建模思路，为临床心理语言处理中的纵向分析提供方法参考，也有助于理解社交媒体行为与心理状态之间的动态关联。

本文提出 CSTrader，一个用于语言驱动交易研究的测试平台，聚焦社区驱动的虚拟资产市场场景。与传统只依赖价格序列的交易任务不同，CSTrader 将新闻、讨论、社群信号等自然语言信息纳入决策过程，使智能体不仅要预测价格，还要理解市场叙事、情绪与参与者互动。该平台旨在评估大模型或语言智能体在真实感更强的交易环境中的推理、信息整合与策略生成能力，并为语言基础上的金融决策、Agent 交易系统与多智能体市场研究提供统一基准。

这篇论文研究如何在几乎不依赖原始训练数据的情况下，对目标检测器进行后训练量化。作者提出一种零样本量化框架，借助现成的生成模型合成具有代表性的输入样本，并用这些样本校准检测器的激活与权重分布，从而降低量化带来的精度损失。与依赖真实数据集的传统方法相比，该方法更适合数据受限、隐私敏感或部署前难以获取训练集的场景。论文重点关注检测任务中特有的多分支结构与定位、分类并行误差，展示了生成式数据在量化感知中的有效性。

UniTac提出一种统一的多模态框架，面向不同触觉传感器之间的跨域理解与生成任务。论文关注触觉数据在硬件形态、信号分布和采样方式上的显著差异，导致模型往往难以在不同传感器间直接迁移。为此，作者构建单一模型同时处理触觉表征学习、跨传感器对齐以及触觉内容生成，在统一架构下兼顾“看懂触觉”和“生成触觉”。该方法有助于提升机器人在真实环境中的材料识别、接触状态判断与触觉仿真能力，为多传感器触觉基础模型提供了新的实现路径。

CDR-Bench 是一个用于检验大模型是否能“按步骤准确做事”的评测基准，聚焦数据精炼（data refinement）这类组合式、且对执行顺序高度敏感的任务流程。与只看最终答案的传统基准不同，它更强调模型是否严格遵循给定 recipes 中的每一步操作、条件判断和顺序约束，从而反映其在复杂工作流中的忠实执行能力。该基准可用于分析模型在多步骤指令理解、流程控制与细粒度任务执行上的薄弱环节，也为构建更可靠的 AI Agent 和自动化数据处理系统提供了参考。

这篇论文关注智能体在执行动作前如何用有限交互“探测环境”，以提升世界模型的可靠性。作者提出预算约束下的环境 probing 思路：在允许的询问次数、试探成本或交互开销内，智能体优先选择最有信息量的探测动作，借此修正对环境状态、转移规律和不确定性的误判。相较于直接依赖已有世界模型做决策，这种方法强调先校准、再行动，适用于开放式任务、动态环境以及模型容易失真的场景。论文的核心价值在于把探索、验证与控制统一到同一框架中，为更稳健的 Agent 决策提供了实用路径。

DA-Studio提出了一套面向端到端数据分析的智能体式工作流，目标是把从数据理解、清洗、探索、建模到结果解释的多个环节串联起来，减少人工在工具切换与流程编排上的负担。相比传统单点式数据分析工具，该系统更强调由智能体根据任务目标主动拆解问题、调用外部工具并迭代修正分析路径，从而提升复杂分析任务的自动化程度与可复用性。论文聚焦于如何让大模型更像数据分析助手而非单次问答接口，并讨论了在真实分析场景中对稳定性、可控性和结果质量的权衡。

本文介绍 Xiaomi-GUI-0，一套面向图形用户界面（GUI）任务的基础模型与技术方案，目标是在真实桌面与移动界面中实现更稳定的理解、定位与操作执行。报告围绕界面元素感知、动作决策、任务分解与多轮交互等核心能力展开，强调模型不仅要“看懂”屏幕，还要能根据指令完成点击、输入、滚动和导航等连续操作。该工作通常也反映出大模型从语言理解走向具身式软件操作的趋势，对智能助手、自动化测试和人机协同具有参考价值。

本文从“相变”角度研究大模型中的世界模型坍缩现象：当训练数据分布、生成反馈或自我强化机制发生细微变化时，模型内部对外部世界的表征可能从相对稳定突然跃迁为失真、退化甚至自我复制的偏置状态。作者尝试用统计物理和复杂系统的语言刻画这一临界行为，解释为何某些训练设置在表面上仅有小幅扰动，却会引发能力和泛化的断崖式下降。该视角有助于理解长链路自训练、合成数据闭环和代理式系统中的失稳风险，也为设计更稳健的数据混合、约束机制与监控指标提供理论线索。

本文提出 ReGRPO，一种面向工具使用型智能体的强化学习优化方法，核心是在策略更新中引入“反思”机制，让模型不仅根据当前轨迹的结果调整行为，还能对失败原因、工具选择和步骤顺序进行更细粒度的自我校正。相比传统只依赖奖励信号的策略优化，ReGRPO 更强调在复杂多步任务中提升规划、调用工具与纠错的能力，从而增强智能体在真实环境中的稳定性与泛化表现。该方法适用于需要多轮推理、检索、执行与反馈闭环的 Agent 场景。

这篇论文关注强化学习中“奖励稀疏、训练不稳定、长程信用分配困难”等核心问题，提出一种阶段迁移式的稠密奖励建模方法。作者将任务推进过程拆分为若干可辨识阶段，并围绕阶段之间的转移关系构建奖励信号，使模型不仅能判断当前行为是否有利，还能更细致地刻画状态从低级到高级的演化路径。与依赖终局反馈或单一打分器的方法相比，该思路有望提供更稳定、更可解释的训练信号，尤其适用于复杂序列决策任务。

这项工作提出 Dualformer，一种面向复值通信信号的高效特征提取框架，目标是在缺少先验标注或信道信息的情况下，提升盲信号分析能力。与传统仅处理实值表示的方法不同，Dualformer 直接适配复数域特征，能够更好保留相位与幅度等关键信息，从而增强对复杂调制、噪声干扰及信道失真的表征能力。论文重点关注“特征提取效率”和“复杂场景下的鲁棒识别”，适合用于调制识别、信号分类及其他无线智能感知任务。整体思路体现了大模型式表示学习在通信信号处理中的迁移潜力。

该论文面向表面肌电（sEMG）手势识别中普遍存在的跨被试、跨设备和跨场景分布偏移问题，提出 PGUDA 框架。方法利用压力信息作为辅助模态，在目标域缺少标签的情况下，通过无监督域适应缩小源域与目标域差异，并结合跨模态知识蒸馏，将压力模态中更稳定的运动意图线索迁移到 sEMG 表征学习中。作者的核心思路是用“压力”作为引导信号，增强肌电信号在噪声、个体差异和佩戴条件变化下的鲁棒性，从而提升泛化性能。该工作对可穿戴交互、假肢控制和人机接口中的高可靠手势识别具有应用价值。

这项研究聚焦于在线学习中的安全约束问题，提出一种“平滑安全结构化策略组合”方法，在探索新策略时尽量避免触发危险行为。其核心思路是将基础控制策略与安全约束策略进行可微、平滑的组合，使系统在学习过程中既能持续优化性能，又能保持对状态与动作空间的安全边界控制。相比传统依赖硬切换或保守回退的方案，该方法更适合连续决策场景，能够减少策略震荡并提升训练稳定性。论文为安全强化学习、机器人控制和自主系统中的在线适应提供了更实用的设计框架。

本文提出一种“脚手架式”的AI辅助快速原型流程，目标是在一个下午内把初步想法转化为可运行的VA（虚拟助手）原型。作者强调，单纯依赖大模型直接生成成品往往会在需求澄清、任务拆解、交互设计和调试迭代上失控，因此引入分阶段提示、结构化约束与人工反馈闭环，帮助开发者更高效地完成从概念到可演示系统的过渡。该方法适合快速验证产品设想、收集用户反馈和降低早期试错成本，也反映出AI Agent开发正从“生成代码”走向“协同式构建”的趋势。

这篇论文聚焦大模型在空间推理上的薄弱环节，提出一种在自然语言与符号表示之间动态切换的推理框架。作者认为，纯文本推理在处理方位、拓扑关系和多步空间约束时容易产生歧义，而符号表示更适合承载结构化关系与精确演算。该方法通过在不同模态间交替转换，让模型先用语言理解场景，再借助符号化表示完成关系推导与一致性校验，最后回到语言生成答案。实验表明，这种“语言—符号”协同策略能显著提升空间推理的准确性与稳定性，尤其适用于多对象、多约束的复杂任务，也为构建更可靠的通用推理代理提供了思路。

VLK提出一种面向类人机器人“移动+操控”一体化学习的新方法。作者不依赖大规模真实机器人采集，而是在重建的三维场景中生成合成交互数据，让机器人通过与物体、环境的虚拟接触来学习行走、靠近、抓取、搬运等复合技能。该方法强调在真实场景结构约束下构造可规模化的训练样本，从而缓解高质量人类示范稀缺、成本高和泛化不足的问题。论文关注如何把场景几何、交互关系和动作策略结合起来，使模型在复杂室内环境中更稳健地完成类人移动操控任务。

本文提出 GROW²，用于提升机器人在工具使用任务中的空间理解与操作精度。与传统只关注“抓取什么”不同，GROW²强调两个关键问题：该选择哪个目标（Which）以及应将工具放到哪里（Where）。方法通过将语言指令、视觉场景与操作目标进行细粒度对齐，使机器人能够在复杂桌面环境中更准确地识别相关物体、定位接触点与放置位置，从而完成更可靠的工具使用与交互操作。该研究反映出具身智能中的一个核心趋势：从单纯的视觉识别走向面向动作执行的空间 grounding，对机器人在真实环境中的泛化能力具有重要意义。

DOPD（Dual On-policy Distillation）提出了一种面向大模型对齐与能力迁移的新型蒸馏框架，核心思路是在训练过程中同时利用“学生模型当前策略下生成的数据”和“教师模型的策略反馈”进行双重约束，从而缓解传统离线蒸馏中数据分布偏移、长链推理退化和行为模仿不稳定等问题。该方法强调 on-policy 训练信号的重要性，使学生模型在真实生成轨迹上持续校正自身输出，并更有效吸收教师模型的决策偏好与推理模式。相较于仅依赖静态样本的蒸馏范式，DOPD更适合复杂推理、对话与智能体场景，有望提升模型的泛化性、稳定性和推理质量。

这篇论文研究对比学习中嵌入向量范数的形成机制，指出范数并非单纯的训练副产物，而是会被优化过程本身“写入”语义信息。作者关注不同语义类别、样本难度与训练动态之间的关系，分析模型在对比目标下如何通过调整表示长度来编码更细粒度的区分信号。结果表明，嵌入范数能够反映特定语义的可分性和训练偏置，且这种现象与优化路径密切相关。该工作从表示学习角度补充了对比学习中“方向”和“长度”双重信息的理解，也为检视嵌入空间的可解释性提供了新视角。

随着多智能体系统在协作推理、自动化工作流和工具调用中的应用增多，智能体之间的通信链路也成为攻击者最容易下手的环节。本文提出 MESA，一种面向多智能体系统安全防护的优先级方法，核心思路是识别并优先加固最脆弱、最关键的通信通道，而不是对所有链路平均投入防御资源。该方法结合通道风险、传播影响与系统依赖关系进行评估，帮助在有限成本下最大化整体安全收益。论文强调，多智能体安全不应只关注单个模型能力，还要把消息传递、协调机制与跨代理信任边界纳入统一防护框架。

本文研究多址信道上的语义通信系统在无线环境中面临的后门风险与防护机制。作者从攻击者可通过空口注入隐蔽触发信号、诱导接收端语义解码偏移这一角度，分析后门攻击对语义传输可靠性与任务结果的破坏方式，并进一步讨论其与传统图像/文本后门在通信场景中的差异。针对多用户叠加传输、信道噪声与资源共享带来的复杂性，论文提出相应检测与缓解思路，以提升系统对恶意无线干扰的鲁棒性。该工作为语义通信安全、空口对抗与6G智能通信防护提供了新的研究视角。

这篇论文聚焦大模型在代码漏洞检测中的判断偏差，探讨其是否会像人类一样受到“认知启发式”影响，即更容易被代码周边的文字描述、上下文措辞或表面特征左右，而非真正理解程序逻辑。作者围绕 LLM 进行漏洞识别任务设计实验，分析模型在面对相似代码但不同语言包装时的稳定性与可靠性。研究表明，文本线索可能比代码本身更强地影响模型结论，暴露出当前 LLM 在安全分析场景中的脆弱性。这一发现对 AI 辅助代码审计、漏洞扫描与安全评测都具有重要警示意义。

本文聚焦在信息不完整、分布漂移或语义含混的场景中，模型如何同时生成可靠内容并做出稳健决策。核心思路是不把不确定性当作噪声简单忽略，而是显式建模其来源、传播与影响，从而让生成结果更可控、决策过程更审慎。该方向对医疗、金融、搜索问答和智能体规划尤为重要，因为这些任务往往既要求输出流畅结果，又要求在证据不足时能识别风险、表达置信度并触发保守策略。

跨视角目标地理定位旨在将地面视角中的目标精准映射到俯视或空中视角中的真实位置，但传统方法多依赖二维外观匹配，容易受视角差异、遮挡和尺度变化影响。本文提出一个统一的单阶段框架，从几何关系出发联合建模目标外观与空间位置，直接完成跨视角目标的地理定位。该方法强调几何感知与端到端推理，减少对复杂多阶段匹配与后处理的依赖，从而提升定位稳定性与泛化能力。对需要在城市导航、机器人感知和遥感场景中进行跨视角对齐的任务具有参考价值。

本文研究在最优传输与生成建模中核心的“有效运输映射”估计问题，重点回答：在给定样本数量、维度与正则条件下，学习从源分布到目标分布的合法映射究竟能做到多精确。作者从统计下界与信息论角度刻画该任务的基本极限，分析了维度灾难、分布平滑性以及映射可识别性对误差收敛率的影响。结果为运输映射学习、分布对齐和基于OT的生成方法提供了理论参照，也提示了在高维场景中单纯依赖有限样本拟合可能面临的不可逾越瓶颈。

这篇论文提出 SWE-INTERACT，重新定义传统软件工程基准的评测方式，不再只看模型能否一次性修复单个缺陷，而是将任务组织成更贴近真实开发的、由用户需求驱动的长周期交互式编程会话。作者强调，现实中的软件开发往往涉及多轮澄清、持续修改、上下文积累与目标演化，因此现有 SWE Bench 类基准对 Agent 的真实能力刻画仍不充分。SWE-INTERACT 旨在评估模型在长期任务规划、交互式调试、需求理解和连续代码演进中的表现，为面向软件工程的 Agent 研究提供更贴近生产环境的新基准。

这项研究提出一个面向恶意软件分析的多任务专家混合（Mixture of Experts, MoE）框架，将恶意软件分类、加壳检测与家族归属三类相关任务统一建模。相较于分别训练多个独立模型的方法，该框架通过共享表示学习与任务特定专家协同工作，既能利用任务间的共性特征，又能保留各自的判别能力，从而提升整体检测与细粒度归因效果。该思路尤其适合恶意软件领域中标签层级复杂、样本分布不均、加壳技术干扰强的现实场景。研究结果表明，多任务与专家路由机制结合，有望增强模型对不同恶意样本变体的泛化能力，并为安全分析流程提供更高效的自动化支持。

该文提出“人类创造力基准”，旨在为人工智能系统提供一个更贴近真实创作过程的评测框架。与只考察事实问答或固定答案不同，这一基准聚焦新颖性、适切性与可解释性，强调模型在开放式任务中的构思、联想与组合能力。研究动机在于：当前大模型虽能生成流畅文本，却未必真正具备稳定的创造力评估标准。作者希望通过标准化任务与评分方式，补足现有基准对创意、原创与人类式发散思维的覆盖不足，为后续比较不同模型的生成质量、创造潜力与人机协作价值提供参考。