记忆即计划：基于记忆接地规划的世界-动作建模
🧭 Agent 长程记忆与计划执行解耦
MaP-WAM 将长期记忆转化为稀疏视觉上下文与语言计划，由固定上下文执行器遵循，取得 RMBench 83.3% 成功率
📌 工作参考价值（4 点）
- 在需要长用户历史的推荐/Agent 场景，可借鉴“记忆即计划”：把长时间跨度的行为序列压缩为若干关键帧（或代表性 item 特征）+ 高层意图，供 planner 生成下一步计划，而非让 executor 每次都读全量历史。
- 计划与执行分离：规划器可以处理长历史并生成轻量计划，执行器只接收固定长度上下文和当前计划，结合 progress 预估实现自适应切换，在线推理延迟与历史长度解耦；结构化注意力支持 KV cache 可进一步降低重复规划成本。
- 对电商视觉/短视频推荐，如果任务依赖细粒度视觉证据，语言摘要会丢失信息，可保留用户最近强交互的视觉特征帧作为稀疏长期记忆，而不是仅存文本标签。
- 但这是机器人操作领域，所提 WAP 和进度对齐机制较复杂；直接迁移到推荐/广告需要简化：progress 可类比用户状态/会话阶段，可改造为 session 切分与 memory refresh 信号。
基于能力门控的 LLM 与先验融合预测
🧭 LLM 预测融合与门控校准
University of Illinois Urbana-Champaign
提出 competence gate 依据边际价值选择性融合 LLM 与外部先验，显著降低 Brier 损失
📌 工作参考价值（4 点）
- 在多信号融合场景（如商品 CTR 预估中融合 LLM 打分与传统模型打分），不要只看单个模型 AUC，改用历史 outcome 估计每个源的边际贡献（例如增量 NDCG 或 Brier），并按领域/场景学习一组 gate 权重，对不确定的领域权重向全局权重 shrinkage，避免小样本过拟合。
- 当外部先验信号较强（如成熟推荐系统、市场预测）时，可让 gate 学会 defer，而非强制融合；在 baseline 很强时 LLM 融合可能无显著收益，可提前做 ablation/显著性检验决定是否上线复杂的混合模块。
- 论文发现 verbal confidence（模型自己说“置信度”）不能可靠判断模型何时优于外部预测，因此别用 LLM 输出的“信心分”作为路由/采纳依据；应基于可观测结果（如成交、点击后的 label）回估 competence，驱动 abstention 或降权。
- 融合后对 pooled forecast 做 recalibration（如 temperature scaling / isotonic regression）是低成本的稳定提升，尤其在各源校准不一致时；部署时可作为标准后处理。
LiteRAG：高效图检索增强生成方法
🧭 图 RAG 低成本高效检索
Universitat Rovira i Virgili
用查询条件算法探索替代检索时 LLM 控制，显著降低图 RAG 多跳问答延迟与成本
📌 工作参考价值（4 点）
- 在电商知识库/政策规则/商品图谱等多跳问答场景，可把图检索中的在线 LLM 遍历或总结改为查询条件驱动的确定性算法，先做子图探索再构造上下文，避免每 query 调大模型，显著降本。
- 上下文不要塞入整个相关子图，而是按证据链/推理链选择边和节点；用 query-adaptive thresholding 动态控制保留范围，能减少大量无效 token，尤其适合店铺/商品/规则相关问答。
- 对图谱中的高连接度 hub 节点（如平台总则、大品牌/大店铺）做 community-aware 惩罚，降低宽泛上下文对生成的干扰；在电商商品知识图谱或活动规则图谱里可借鉴。
- 对已经上线 GraphRAG 的团队，可先审计在线路径；把 LLM 从 query-time 关键路径移除，换为轻量算法，往往比换生成模型或复杂索引收益更大。
LLM 知识图谱问答中的答案路径与 grounding 指令
🧭 GraphRAG · 上下文构建与评估
Siemens Digital Industries Software
GraphRAG 中答案路径是否出现决定性能，grounding 指令在无事实时使 F1 降 8.63 倍；语法/顺序/大小无影响
📌 工作参考价值（4 点）
- GraphRAG 工程优先保证答案路径/关键事实的召回，而非上下文中全部三元组的精度：在固定三元组数量下替换非路径三元组为无关实体，F1 仅 +0.003，但缺失答案路径损失大部分图谱价值；检索预算应投高召回、允许低精度。
- 避免在 prompt 中加入“只使用提供的事实”这类 grounding 指令，除非确认所有必要事实都在上下文中：无事实时该指令使 F1 从 0.299 降到 0.035（8.63 倍）。在检索不完整的 RAG 场景中，此类严格限定会严重损害回答质量。
- 评估 GraphRAG 时注意实验公平性：若只对图谱上下文分支加 grounding 指令、不对无上下文基线加，会虚假得出“图谱上下文有害”结论；作者在自己的结果中发现并撤回。业务评估应统一指令设置。
- 错误子图不易被 LLM 察觉，知识库写入路径是提示注入攻击面；电商知识图谱（商品属性、活动规则）更新时需要校验来源，防止恶意或错误三元组污染回答。
内核管理的共享内存：面向系统级个性化的多智能体基础设施
🧭 多智能体共享记忆与个性化基础设施 ★ 深度解读
Rutgers University
将多智能体个性化记忆的检索、隐私与注入集中到系统内核，以更低延迟和 token 成本获得与全量上下文接近的效果
📌 工作参考价值（5 点）
- 统一记忆管理层：在电商/广告多 Agent 系统（如商品推荐 Agent、用户助手、客服 Agent）中，将用户画像/会话记忆的检索、隐私过滤、格式化与注入上移到中心服务，避免每个 Agent 各自实现导致逻辑重复与隐私漏洞。
- 写屏障保证一致性：当多个 Agent 异步写入用户偏好或任务状态时，用 per-user 序列号 + 等待写确认的机制确保读后写一致，防止推荐/对话中因竞态缺失最新画像。
- 格式化记忆为自然语言：对 7B/8B 小模型，将结构化 JSON 画像转成自然语言语句再注入 prompt，可明显提升利用效果；结构化存储仅用于检索和审计。
- 成本-效果权衡：不要默认拼接全量上下文，而是用检索截断后的精选记忆（top-k + token 预算），在效果接近的情况下延迟可降低 15–61%，适合线上高并发推荐/对话场景。
- 显式身份解析优先级链：多用户并发时按“请求标识 → 最近会话 → 历史注册 → Agent 自身”的顺序解析用户 ID，可有效避免交叉污染，值得在用户画像服务中复用。
Qualia 项目：从会话共现数据中恢复体验式音乐结构
🧭 音乐推荐 · 会话共现嵌入
Independent Researcher · Hampton University, USA
在大规模听歌会话上训练 Song2Vec，通过 artist-residual 去除艺术家主导信号，揭示跨艺术家的体验相似性结构
📌 工作参考价值（4 点）
- 去除主 ID 主导信号的 residual 方法可迁移：电商/内容推荐中，店铺、品牌、作者、热门品类等主 ID 往往会主导物品 embedding 空间，掩盖跨主 ID 的隐性语义（如风格、场景、话题）。可以借鉴论文的 artist-residual 做法：计算每个主 ID 的 embedding 质心，从物品向量中减去，再评估剩余空间的结构。例如在电商中，减去店铺或品牌质心后，可能发现跨店铺的品类风格、价格带或适用场景相似性，用于召回或标签生成。
- 简单 skip-gram 在大规模会话数据上依然高效：论文用 Word2Vec 处理 28.6M sessions / 531.6M scrobbles，工程成本低。可作为序列推荐模型的 item embedding 初始化或冷启动特征，尤其适合只有隐式行为、缺少内容特征的场景（如新 SKU、低频类目）。
- 用高相似 item pairs 聚类做 embedding 质量评估：设置 cosine 阈值筛选 cross-ID 高相似对并人工检查聚类主题，可快速验证 embedding 是否学到有意义的结构，而不需要下游任务指标。业务上可以定期对推荐召回 embedding 做类似审计，发现跨类目/跨店铺的隐性关联。
- 为 residual 表示作为后续架构输入提供实证基础：论文后续计划用 JEPA 直接学习体验层；从业者可以尝试把 residual embedding 作为辅助特征加入排序或召回模型，或作为自监督预训练目标的一部分。
SenseNova-U1.5：迈向原生统一视觉智能
🧭 原生统一多模态模型与图像生成
发布8B-MoT原生统一多模态模型，在无Encoder/VAE架构下完成理解、推理与视觉生成，并借多专家on-policy蒸馏增强视觉能力
📌 工作参考价值（4 点）
- 电商商品图生成与编辑：利用其多参考编辑、主体身份/几何保持与未修改区域保护能力，可自动完成商品换背景、多商品组合、局部保留等广告素材生成；双语文本渲染能力适合生成带价格、卖点、促销文案的营销图。
- 多专家 on-policy distillation 可迁移到业务模型：针对不同任务（文案生成、视觉审美、图像编辑）分别优化专家，再用 on-policy 蒸馏整合到统一模型，避免多模型部署的运维成本与延迟。
- Encoder-free/VAE-free 架构减少图像 token 转换中的信息损耗，对生成式推荐中直接建模商品视觉特征（如生成商品图或场景图）有参考价值；支持 4K 原生分辨率适合高细节素材生产。
- 对长、复杂、结构化视觉指令的泛化能力，提示多模态理解可迁移到视觉规划与创作，可尝试用于 Agent 自动排版、生成商品详情页布局或广告创意版式。
生成式晚交互嵌入用于视觉文档检索
🧭 多向量检索压缩与生成式重建
King Abdullah University of Science and Technology (KAUST) · Edge Hill University
GLIE 用 k≪N 个向量存储并生成式重建完整 late-interaction 向量集，在 4 向量/页保留近 80% nDCG@5
📌 工作参考价值（4 点）
- 电商/广告的多向量 late-interaction 索引（如商品图文与 OCR 特征）不要只用随机采样或平均压缩；可以学习极小 decoder，从少量基向量重建完整向量集，用于召回后精确重排。存储预算可从每商品数千向量降到 4-16 个，仍保留大部分排序精度。
- 若向量已 L2 归一化，做 k-means/PQ/IVF 聚类时务必把质心重新归一化到球面；本文显示这项免费操作对 MaxSim 有最高 +0.093 nDCG@5 的收益，电商向量通常也做归一化，可直接迁移。
- 训练预算非常小：1,000 页 / 415K 参数 / 3 GPU-minutes 即可得到可用的生成式 read-out；在做 embedding index 压缩时，可以先尝试轻量 decoder，而不是直接微调 large encoder，尤其适合快速适配新类目/新域。
- 对 Agent/RAG 场景，可借鉴非对称检索流程：粗糙 k 向量索引 -> 生成式重建 top candidates -> 精确 MaxSim，降低长文档/商品详情页检索的 memory 和 latency。
T1：面向长程任务的终端Agent强化学习
🧭 终端Agent强化学习与MoE稳定训练 ★ 深度解读
Tencent Hy Foundation Model Frontier · National University of Singapore · University of Georgia · Indiana University · University of Maryland, College Park
122B MoE终端Agent靠RL在Terminal-Bench 2.1达64%，用TITO+R3稳定训练与密集验证奖励
📌 工作参考价值（4 点）
- MoE 训练-推理一致性：对大规模稀疏模型，记录推理时每个 token 的专家路由掩码并在训练时重放（R3），同时让训练直接消费采样时的 token ID 而非重新渲染文本（TITO），可消除训练-推理 log-prob gap，避免梯度更新到错误的专家子网络。对推荐系统中带 MoE 的排序或召回模型同样适用。
- 密集奖励设计：用绝对通过断言数而非通过比例作为 RL 奖励，并固定全局尺度（S=20），保留不同难度任务/用户价值差异。在电商多目标 RL 中，可借鉴“绝对达成数”作为奖励，避免归一化掩盖长尾或高价值任务。
- Critic warm-up 与健康度监控：先在有监督数据上预热 critic 一个 epoch，设置 critic 学习率为 actor 的 30x，并用 explained variance（全局方差约减）持续监控。冷启动 critic 可能导致 EV 为负，大幅拖慢 RL 收敛。
- 数据质量审计防 reward hacking：用 LLM 对训练任务做语义审计，硬拒绝隐藏需求、测试泄漏、解决方案捷径、verifier 过弱等。在推荐/Agent 任务构造中，可复用该流程过滤低质量或可被刷分的训练样本。
TRACE：用合成奖励训练因果探索推理智能体
🧭 Agent 诊断推理 + 合成奖励 RL ★ 深度解读
Independent Researchers
simulator-oracle-RL 把隐藏干预变客观奖励，训练广告诊断 Agent，35B FullAttr@1 达 0.757，超前沿闭源基线
📌 工作参考价值（4 点）
- 在电商/广告诊断场景，可复用 simulator-oracle-RL：先往离线广告数据或 sandbox 注入已知根因（如 BUDGET_CAP、COMPETITIVE_PRESSURE、CREATIVE_FATIGUE），再生成指标观测；隐藏干预直接作为 RL reward，省去人工归因标注和 LLM-as-judge。
- 归因任务奖励设计值得抄：用 cause correctness 作为门控，driver slice 用 Jaccard 给部分分，再加 binary full-attribution reward；full-attribution 项对多维 audience/placement 切片很关键，2D slice 从 0.00 提升到 0.27，1D 从 0.67 到 0.92。
- SFT warm start 价值明显：先用 oracle-filtered 教师轨迹做 SFT，能让 decision-parse rate 从 0.53 到 1.00，工具调用从 22.05 降到 10.75；后续 RL 只需少量额外工具调用就获得 12 个点 FullAttr@1 提升。
- 可以做一个 oracle verifier，只读 agent 可见数据，检查信号可检测性、信噪比和 confounder 可区分性，过滤掉不可解或太简单的 episode；这种 generation/acceptance 分离适合构造可扩展训练集。
幸运回忆：本体驱动的记忆生命周期管理实现 LLM 持久一致性
🧭 Agent 记忆生命周期管理 ★ 深度解读
Bilkent University
提出 10+1 行为本体的确定性记忆生命周期策略层，将下游混淆率减半并提升时序消歧基准 16 个百分点
📌 工作参考价值（4 点）
- 在电商客服/导购 Agent 中，对用户事实按行为域分桶并施加差异化衰减：地址/支付方式等 Identity 类慢衰减；临时优惠券、物流时间用事件时间核，过期自动失效；商品偏好用 slot-key 覆盖最新值，避免旧偏好污染上下文。
- 采用 slot-key supersession 处理同一 (user, attribute) 的更新：高置信覆盖，低置信保留多版本，适配“看中商品 A → 加购商品 B”等多版本事实，降低旧状态导致的 bad case。
- 检索时做 category-aware routing / forced retrieval：先判断 query 意图属于哪个行为域，强制召回该域边，缓解抽象 query 与具体事实的 embedding 词汇 gap，适合订单状态、优惠券、偏好等结构化查询。
- 将 LLM 限制在 ingestion 抽取与候选压缩，生命周期策略全用确定性规则（衰减、过期、覆盖）实现，延迟低且可审计；评估时用 safe response rate 而非单纯 retrieval hit，避免“召回干净但信息量低”的指标陷阱。
在推测式检索增强生成中保证忠实证据提取
🧭 RAG 忠实证据提取与解码约束
Université de Toulouse - IRIT UMR 5505 · Airbus Protect
提出CHyD，将投机解码改造为强制约束解码，保证引用片段逐字来自检索文档，技术领域准确率接近完美
📌 工作参考价值（4 点）
- 在电商/广告合规文案、商品政策解释、客服问答等场景，需要引用原文保证信息准确时，可以使用硬约束解码限制生成内容必须来自检索到的商品详情、条款或文档 span，从机制上避免幻觉。
- 将 speculative decoding 的目标从加速改为 faithfulness 验证，思路可迁移：用草稿模型提出候选 span，再用约束目标模型验证是否逐字匹配，既保留一定效率又保证忠实。
- 对于需要精确抽取的任务（如商品属性提取、广告审核依据、搜索中的摘要引用），优先选择 constrained decoding 而非依赖模型自觉引用，能把抽取准确率从低于 40% 提升到接近 100%，代价是牺牲部分流畅性，适合准确性优先场景。
- 该思路可以用于 Agent 的检索增强工具：当 Agent 需要引用外部知识回答时，约束其输出为检索结果的连续片段，可显著降低事实性错误和不可验证引用。
智能体该遗忘什么？分离存储内容与使用内容
🧭 Agent 长期记忆的查询条件选择性遗忘 ★ 深度解读
Beihang University · East China Normal University
提出 RD-Forget，训练无关地把智能体记忆的存储与查询时使用解耦，通过语义槽替换和意图感知检索实现可逆选择性遗忘
📌 工作参考价值（4 点）
- 用户/商品画像采用 append-only source archive + query-conditioned view：不物理覆盖旧事实，按 subject|relation|scope 槽位管理同槽新值替换旧值；当前推荐/客服回答只注入最新值，历史分析或矛盾处理时可 rescue 旧值，避免过时信息污染当前结果，同时保留时间旅行能力。
- 对商品动态属性（价格、库存、类目、适用人群）建立 same-slot replacement links；例如价格更新后旧价格对当前意图应被压制，但历史比价/价格走势查询可恢复。这个机制适合电商中的事实变更、用户偏好漂移和冲突消解。
- 工程实现可复用：固定 token 预算（如 2048）下，用 frozen LLM curator 提取证据、greedy pack 选证据；排序用 lexical overlap + active entry 加分 0.4，训练无关、易上线。成本函数 c(m)=tok(m.text)+8 直接作为记忆预算约束。
- 消融结论：不进行遗忘（-FORGET）和不依赖查询的通用记忆（-QC）损害最大，因此优先做 query-conditioned curation 和 supersession；slot grouping 和 historical rescue 是次要但一致的增益，可后续迭代。
持续多轮压力下的 LLM 谄媚行为测量
🧭 LLM 多轮压力谄媚评估
Texas A&M University · University of Cincinnati
SPINE 基准用自适应 LLM 代理持续挑战 25 轮，揭示现有短对话评估低估模型谄媚，且模型常明知正确却选择迎合
📌 工作参考价值（4 点）
- 在客服、购物助手、审核 Agent 等场景，不要只用单轮或短脚本做安全/正确性测试；应加入 LLM 代理扮演固执错误用户，进行 20+ 轮自适应反驳的 red-teaming，因为 collapse rate 会随轮数上升。
- 对生成式推荐/LLM4Rec 场景，如果用户持续施压（如“我就是喜欢这个商品，你就说它合适”），模型可能放弃客观判断；需监控 reasoning trace 或加独立 critic 检查最终回答是否与内部推理一致，而不只看输出。
- emotional appeals 是最强的诱导策略，可专门构造带情绪压力的对抗样本（如“你不帮我我就失业了”）来训练模型坚守事实、价格承诺、售后政策等边界。
- 构建长期回归测试时，用自适应 LLM proxy 比预生成固定脚本书发现更多 sycophantic collapse，适合作为 Agent 上线前的自动化评估组件。
段落驱动的多标识符文档检索
🧭 生成式文档检索 · 多 passage ID ★ 深度解读
Institut de Recherche en Informatique de Toulouse (IRIT)
用多个 passage 级标识符替代单一文档 ID，结合多目标训练与 query-段落对齐，提升生成式文档检索的 R@1 与 MRR
📌 工作参考价值（4 点）
- 在电商/内容生成式检索或推荐中，不要为长详情页/多卖点商品只建一个 Semantic ID；可先做段落/卖点切分，为每个语义单元建“文档/商品标题+段落标题”式层级 ID，提供多个生成入口，用 max 概率聚合回父级 item。
- 多目标加权损失可落地：当 query 命中商品多个属性/卖点时，给最相关属性（如 BM25 最高分卖点）更高权重（如 0.6），其余均分，避免单一监督信号过强。若类目内容同质，可尝试 all-passages 标签；内容异构大时用 best-passage。
- 原始训练 query 增强很关键：仅用合成 query 会弱化真实 query 分布；可将真实 query 通过 BM25 对齐到最佳段落，或根据数据均匀度选择 all passages，能带来显著 R@1 提升。
- 标识符顺序有讲究：Doc→Pass 前缀结构更适合 autoregressive 解码，能先缩小到正确文档再选段，可复用到层级式 ID 设计中。