PalmClaw：移动端原生设备能力工具化 Agent 框架
🧭 移动端原生 Agent 架构 · 设备能力工具化
The Hong Kong Polytechnic University · Hangzhou Diagens Biotechnology Co., Ltd.
将手机能力封装为结构化工具，任务成功率相对提升11.5%，完成时间锐减94.9%
📌 工作参考价值（4 点）
- 在移动端电商 Agent（自动比价、下单、提醒）中，将设备功能封装为严格参数化工具，可替代脆弱的 GUI 模拟，提升任务成功率。
- 工具定义需明确输入参数与结构化返回，形成清晰执行边界——这一设计与推荐系统中 API 封装（如商品搜索接口）的设计原则一致，可降低 Agent 规划复杂度。
- 长操作序列（如多步 GUI 点击）合并为单次设备工具调用，大幅缩短耗时（实验减少 94.9%），对实时性要求高的搜索/推荐后链路执行有直接借鉴意义。
- 若构建 LLM 驱动的搜索推荐助手，借鉴其设备工具抽象方法，可将每个数据源、模型服务明确定义为工具，使 Agent 调度更稳定可追溯。
Prompt Generation 技术报告
🧭 生成式检索 · 配置驱动框架 ★ 深度解读
Taobao Search Team
通过配置驱动框架解耦生成式检索中的特征处理与模型架构，实现快速实验、统一部署和低延迟推理
📌 工作参考价值（4 点）
- 配置即实验：你的业务中每次加特征都要改模型代码吗？PG 把特征类型（文本、嵌入、组合、序列）和处理组件（映射、分桶、投影、合并等）都声明在 JSON 里，换特征只需改配置，几天变几分钟，适合快速迭代。
- 统一线上/线下特征一致性：训练—服务偏移（Training-Serving Skew）是推荐/搜索的顽疾。PG 的事件追踪机制记录线上原始特征，训练时回放，保证一致性 >99%，直接可复用。
- Token 压缩实用：长行为序列（如 45K tokens）被 PG 压缩至约 11K tokens 仍有离线收益，用 mean/combo 合并等算子控制 token 预算，平衡效果与成本，对 LLM4Rec 场景有直接借鉴。
- 插件化扩展：自定义合并算子（如 attention merger）通过注册即可集成，不改框架，便于在电商搜索/推荐中试验特征融合策略。
RAGU：多步GraphRAG引擎与紧凑领域适配LLM
🧭 GraphRAG引擎优化 · 轻量模型
ITMO University · Novosibirsk State University · Far Eastern Federal University
将知识图谱构建拆分为抽取与整合两步，用7B语言模型超越32B模型，实现更完整的证据检索
📌 工作参考价值（4 点）
- 知识图谱构建流水线可复用：两阶段有类型实体抽取 + DBSCAN 去重 + LLM 摘要 + Leiden 社区发现，适合电商商品库、搜索日志构建结构化知识图谱。
- 业务专属轻量模型思路：任务所需的语言技能（理解、抽取、推理）随参数增长有限，可针对性地训练 7B 模型替代大模型，降低成本与延迟，适用于线上抽取 pipeline。
- 多跳检索的完整性验证：GraphRAG 在医学领域取得证据召回 0.84，可迁移至电商多条件筛选或推荐解释场景，确保检索覆盖所有相关事实片段。
- 工程化参考：开源、pip 安装、单 GPU 运行，易于集成到现有 RAG 系统中，可直接作为商品问答、内容推荐的 GraphRAG 基座测试效果。
ReflectWorld-MM: 面向实体的开放视频流多模态记忆系统
🧭 面向实体的视频流长期记忆 · Agent 记忆增强
Rightly Robotics · Hangzhou Institute for Advanced Study, UCAS · Zhejiang University
以实体为中心的分层多模态记忆系统，在六个长视频与终身记忆基准中全面超越现有方案
📌 工作参考价值（4 点）
- 用户长期兴趣建模：借鉴实体为中心的语义记忆，将用户行为序列中的商品、品牌、品类等作为持久实体，动态更新其表示，避免遗忘历史兴趣，适用于电商推荐中的长周期兴趣刻画。
- Agent 对话记忆架构：分层记忆设计（情景记忆、语义记忆、程序记忆）可直接迁移到对话推荐或客服 Agent，使 Agent 能跨会话记住用户提及的实体及其变化，提升连续交互的连贯性。
- 流式数据处理：感知前端与短时记忆的边界设计，适合工程化实现流式用户行为输入下的增量更新，可参考其在特征存储和实体解析上的工程权衡，构建实时推荐特征管道。
- 多模态扩展思路：若将视频流替换为商品图文流或直播流，实体导向记忆有助于捕捉跨模态的同一商品，为多模态召回或排序提供一致的表征。
Ring-Zero：将零RL扩展至万亿参数，激发涌现推理
🧭 RL训练大规模LLM涌现推理
Renmin University of China · Ant Group · Tsinghua University · Zhejiang University
通过算法与系统优化，将Zero RL稳定扩展到1T参数，发现涌现的高级推理行为。
📌 工作参考价值（4 点）
- 训练稳定性技巧：裁剪重要性采样、训练-推理比例校正、混合精度控制等trick可直接用于业务中Agent/LLM的RL微调，防止训练崩溃。
- 涌现行为无需手工启发式：观察到自我验证、结构化格式等自发行为，说明在推荐/搜索的CoT提示工程中，可减少人工设计，依赖模型自身涌现。
- CoT质量评估框架：从可理解性、可复现性、效率三维度评估推理轨迹，可用于评估商品推荐解释、搜索意图理解的中间过程。
- 大规模RL的样本效率：1T参数下样本效率显著提升，提示对资源受限的场景，可优先采用更大的预训练模型进行少量RL微调。
深入不公正法官：LLM评判偏差的机制可解释性分析
🧭 机制可解释性 · 评估偏差
AMAP, Alibaba Group · Mohamed bin Zayed University of Artificial Intelligence · University of Southern California · University of Michigan, Ann Arbor
从隐藏状态几何揭示LLM评判偏差的可控子空间，实现因果转向与失败预测，超越文本方法
📌 工作参考价值（4 点）
- 使用线性探针（linear projection）在隐藏态上检测评分偏差，无需修改提示，可实时监控在线评估系统的公平性，例如在电商搜索排序的LLM打分环节预警。
- 通过激活向量偏向子空间的方向进行“激活转向（activation steering）”，无需重新训练或注入few-shot示例即可校正偏见，低成本提升推荐理由生成、对话评估等场景的客观性。
- 将偏见建模为低维子空间可作为特征用于失败预测，在未见数据上大幅超越纯文本方法，可集成到推荐系统的离线评估pipeline中自动标注可疑打分。
- 方法跨评判模型、跨偏见类型通用，适合在广告创意评分、商品评论有用性评估等多场景复用，减少人工校验成本。
生产级LLM代理的自动化红队测试：漏洞概念图发现与复用
🧭 代理安全 · 自动化红队测试
City University of Hong Kong
提出AHA框架，通过假设-伪造-验证循环自动发现代理漏洞，构建跨模型可复用的漏洞概念图
📌 工作参考价值（4 点）
- 代理安全审计可迁移：对于电商/推荐系统中集成LLM代理（如自动化竞品分析、客服回复生成），可借鉴VCG思路构建安全知识库，持续记录攻击面与使能条件，方便后续系统升级后快速复测。
- 假设驱动的红队测试降低人工成本：无需手工编写大量攻击样本，AHA的假设-伪造-验证循环可自动化探索未知漏洞，工程上可用类似沙盒环境对推荐Agent的prompt界面、API调用链路进行持续安全扫描。
- 跨模型可复用性验证：观察到漏洞核心在不同模型间重复出现，启示我们：为Gemma、Llama等设计的防护方案在迁移至内部微调模型时仍可能有效，可优先针对VCG中的使能条件设计防御。
- 场景与通道迁移能力：VCG从直接攻击（如提示注入）迁移到间接攻击（如通过外部文档污染）有效，意味着推荐系统的多路召回或用户画像注入点可复用同一套漏洞假设进行测试，提升安全覆盖效率。
ShortOPD：通过短到长在轨蒸馏恢复剪枝后LLM生成能力
🧭 结构化剪枝后LLM的生成能力恢复训练
ByteDance · Institute of Software, Chinese Academy of Sciences · University of Chinese Academy of Sciences
基于短到长的在轨蒸馏，消除冗余后缀以加速剪枝LLM的生成恢复训练
📌 工作参考价值（4 点）
- 剪枝压缩后的大模型在线上生成时出现质量崩塌（如重复后缀），可直接借鉴 ShortOPD 的在轨蒸馏恢复方案，用未剪枝模型做教师，快速回血生成能力。
- 短到长训练调度能大幅度减少低信息量重复令牌的训练开销，适合需要严格控制训练预算的场景（如电商智能客服、推荐理由生成），可加速迭代。
- 重复前缀检测与截断策略可作为通用技巧，集成到长文本生成的在线学习或 RLHF 流程中，避免模型在无效 token 上浪费算力。
- 对于 Agent 系统中的核心大模型，若经历量化或剪枝后指令跟随能力下降，可用此方法微调恢复，保障多轮交互的任务完成率。
通过关联递归记忆扩展大语言模型上下文
🧭 递归记忆增强的 LLM 长上下文扩展
MBZUAI · Lomonosov Moscow State University · Weizmann Institute of Science · Institute for Advanced Study, Princeton · London Institute for Mathematical Sciences
提出 ARMT 训练方案，在长文本任务中用 30% 更少计算量保持性能并泛化到更长序列
📌 工作参考价值（4 点）
- 长序列用户行为建模：在电商推荐中，可利用 ARMT 以恒定内存处理超长用户交互序列（如跨月行为），突破原生 Transformer 的上下文限制，且 FLOPs 降低 30%，适合线上 RT 服务。
- 合成数据与课程学习策略：面向特定领域的 LLM 微调（如商品长描述生成、多文档促销文案），可借鉴其合成长文本 + 逐步延长的课程学习方案，稳定提升长上下文泛化。
- 选择性记忆集成：在推荐精排或生成式推荐模型中，仅部分中间层插入关联记忆模块，平衡额外计算开销与长程依赖捕捉，可作为模型架构渐进增强的思路。
- 分布外长度泛化：训练时使用有限长度数据，推理时自动泛化到更长序列，对广告竞价中实时拼接的多源长特征流处理有参考意义。
通过瓶颈思考：用于严格归纳的沙漏推理
🧭 结构化推理增强 · 归纳推理
Peking University
提出 Hourglass 推理框架，通过阶段隔离与符号化状态压缩，大幅提升 LLM 少样本归纳推理能力
📌 工作参考价值（4 点）
- Agent 推理工作流设计：在构建推荐或广告策略 Agent 时，可借鉴 Hourglass 的阶段隔离与信息瓶颈设计，强制中间推理以紧凑的符号化状态（如规则摘要、关键变量）传递，避免前序上下文污染后期决策，尤其适用于多步逻辑推导、规则生成场景。
- 规则归纳与验证：电商场景下常有从少量案例中归纳业务规则的需求（如识别欺诈模式、生成选品策略），可部署类似的“归纳→演绎→实现→验证→修正”流程，用错误驱动的自修正提升规则准确性，并确保修正始终锚定在核心规则上。
- 提升 LLM 推理可控性：借鉴显式符号编码器-解码器思想，在用户意图理解、复杂条件文案生成等任务中，将关键信息压缩为符号化描述再逐步展开，减少长链推理中的语义漂移，增强结果的可解释性与稳定性。
- 少样本场景下的推理增强：如果使用 LLM 进行冷启动推荐或新品类属性补全，可采用沙漏式上下文隔离与迭代修正，从稀疏样本中更可靠地抽取泛化规律，优于直接反复追问的朴素自纠正方法。
通过人类反馈增强LLM：迈向自我改进之路
🧭 人类反馈驱动的RAG自我改进
Intel Corporation
用辅助RAG系统收集并整合详细人工反馈，驱动主RAG回答的自我优化
📌 工作参考价值（4 点）
- 在推荐或问答系统中，收集用户明确纠正的文本反馈（如“我要的不是XX，而是YY”），比隐式二元信号更能精准定位检索和生成缺陷
- 可构建一个轻量的辅助RAG模块，专门处理用户反馈，动态修正知识库的检索权重或生成策略，而无需频繁重训大模型
- 引入人类在环的持续反馈循环，将新反馈逐步纳入实时推理，适合线上快速迭代的电商搜索或客服场景
- 利用LLM-as-a-Judge自动化评估反馈对系统改进的效果，降低人工评估成本，适合快速实验和上线
误导图表问答的双路径Agent框架
🧭 Agent 双路径图表问答框架
HKUST · HKUST(GZ)
提出ChartCynics双路径Agent框架，通过视觉诊断与OCR数据验证解耦，大幅提升小模型对误导图表的鲁棒QA性能
📌 工作参考价值（4 点）
- 双路径解耦验证范式可迁移至电商多模态审核：商品图文一致性检查、广告素材合规判定等任务中，可构建类似“视觉异常检测路径 + OCR文本抽取路径”，由Agent Summarizer进行冲突裁决，提高对欺骗性描述的鲁棒性。
- Oracle蒸馏 + 对抗对齐训练方法：在推荐系统对抗恶意行为（如虚假评论、刷单）时，可用Oracle-Informed SFT蒸馏出批判性推理链，再通过Deception-Aware GRPO进行对抗式强化学习，让模型学会识别操纵模式。
- 小模型 + Agent工作流超越闭源大模型：电商搜索推荐场景资源受限时，可将大模型能力拆解为多个专家子路径，通过Agent编排让开源小模型在多模态推理任务上达到甚至超过GPT-4V等专有模型，性价比更高。
- 可借鉴的ROI策略与多证据整合：推荐系统中处理商品主图、详情图等多图像信息时，可引入战略性的ROI裁剪聚焦关键区域，结合文本证据进行最终判断，避免全局视觉偏见。
现代智能体系统的自我改进综述
🧭 Agent 自我改进的系统化综述
Jilin University · King Abdullah University of Science and Technology · Independent Researcher · University of Alberta · The Swiss AI Lab IDSIA/USI/SUPSI
提出系统级框架，将自改进Agent形式化为对模型参数或脚手架的自诱导更新，并整理论坛。
📌 工作参考价值（4 点）
- 在线持续优化推荐策略：在电商推荐中，可借鉴自改进闭环，利用用户交互反馈（点击、转化）自动更新模型参数或提示，实现推荐效果的持续提升，减少人工干预。
- 动态工具与策略脚手架：类似文中的 Scaffolding Improvement，可将推荐系统的召回、排序、过滤等组件视为可动态调整的“工具”，根据实时效果自动调整路由或组合策略，例如动态选择推荐模型、调整混排规则。
- 利用弱反馈信号驱动自适应：论文中总结了多种反馈信号（标量、定性、群体等），实际业务中可利用隐式反馈（停留时长、滑动行为）甚至用户投诉作为改进信号，通过生成-验证-修正循环提升推荐质量。
- Agent 形式的推荐生成：若采用生成式推荐（GenRec），可将推荐生成视为一个自改进 Agent，通过自我反思和多轮交互优化最终推荐结果，特别适用于对话式推荐或搜索结果排序。
证据驱动的视频问答：从文本答案到时空分割掩码的联合输出
🧭 视频理解与可解释性 · 时空证据接地
Salesforce · Brown University
提出 E-VQA 任务，要求模型同时输出语义答案与精确时空证据（时间段+稠密分割掩码），并构建基准与数据集以弥合推理与细粒度接地的鸿沟
📌 工作参考价值（4 点）
- 可解释推荐中的证据输出范式：将推荐结果与细粒度证据（如关键帧、区域掩码）绑定，可迁移到商品视频理解、直播切片解释等场景，增强推荐理由的可信度。
- 自动标注流水线放大稀缺数据：借鉴论文的 scalable 生成 pipeline（概念识别→掩码获取→跟踪→QA 对生成），可在电商领域自动构造大量带有空间 grounding 的商品描述与对比问答，降低人工标注成本。
- 统一视觉接地与文本生成的模型架构：微调 Video LLM 使其输出时空掩码 token，为电商多模态 Agent 提供“定位并解释”的能力，例如在用户问“这款口红在哪一秒涂抹了”时，精准返回片段与分割区域。
- 解耦 QA 准确性与真视觉感知的发现：警惕仅靠缩放模型不能解决可解释性问题，需显式训练接地能力；在构建电商问答/搜索系统时，应设计专门的接地评估集，避免模型依赖语言偏见生成答案。
重新审视智能体 Harness 进化的评估
🧭 Agent Harness 进化评估
Allen Institute for AI · University of Washington · Independent
自动 Harness 进化在公平比较下未超越简单测试时搜索，且泛化有限，呼吁新评估协议
📌 工作参考价值（4 点）
- 公平基线设计：在为业务 Agent 引入自动 Harness 优化时，必须以简单 test-time scaling（如多次采样投票）为基线，匹配推理预算，确保增益来自设计改进而非额外搜索。
- 防过拟合拆分：搜索配置与最终评估必须使用不同任务集，避免在公共 benchmark 上循环优化导致的过拟合，提升上线后的泛化性。
- 谨慎采用自动进化：实验显示自动 Harness 进化并不稳定优于简单基线，落地时优先考虑可靠的固定 Harness，仅当有强泛化证据时才投入自动搜索。
- 关注现实迁移：评估 Harness 时增加留出任务集测试，模拟业务中分布外场景，防止在熟悉任务上虚高，确保 Agent 在真实多变环境中有效。