Repo-To-Skill：从 GitHub 仓库蒸馏 AI4AI 技能
🧭 Agent 技能蒸馏与知识复用
Beijing Academy of Artificial Intelligence · University of Science and Technology of China · Renmin University of China · Hong Kong Polytechnic University
提出 DisCo 与 AREX-Skill 库，将 GitHub 仓库蒸馏为可复用技能，显著提升研究 Agent 表现
📌 工作参考价值（4 点）
- 把推荐/搜索团队常用 ML 仓库、内部训练/推理框架、特征工程、评估脚本等拆成 compact, verified skill 卡（方法族/代码用法/验证检查），挂到 rec-agent 的库中，避免每次任务重读长 repo 或浪费 trial。
- 借鉴 task-agnostic + task-oriented 双轨蒸馏：先离线从 1k 个仓库沉淀通用技能，再按具体推荐/搜索任务（如“多目标精排调参”）定向蒸馏小技能；可显著降低 agent 上下文长度和对长 repo 的依赖。
- 技能组织成 capability families（类似 taxonomy）后，可用检索式挂载，只把 relevant skills 注入 prompt，而不是把整个 repo 塞进 KV cache；这个模式对商品推荐、Query 改写、广告文案生成的 LLM/Agent 工具调用同样适用。
- 验证/评估：每个 skill 需通过可执行测试才入库，保证“知道方法”与“能跑通”结合；在业务 agent 平台里建议引入同样的 skill 验证环节，减少错误工具调用和不可复现实验。
面向AI网页智能体的电商网站设计框架
🧭 Agent 可执行性设计提升任务可靠性
提出三个维度的agent-ready网站设计框架，使AI浏览器代理任务成功率从49.3%提升至89.3%
📌 工作参考价值（4 点）
- 结构化产品页提升Agent抓取：用明确的data-属性、语义化HTML标签（如<price>、<feature>）标记商品信息，可大幅降低Agent提取详情失败的PARTIAL率（本实验中从43次降至3次），电商平台可据此优化前端代码生成或模板，让模型更快更准获取信息。
- 动作线索设计减少无效步骤：在关键决策点提供Agent可识别的action cue（如显式按钮“比较所选”或结构化选项列表），使平均步骤从9.31降到6.49，可直接应用到产品比较、多约束筛选环节，提升多步骤任务的完成效率。
- 证据信号增强决策可靠性：为价格、库存、促销等动态信息添加时间戳和状态标签（如price-valid-until），Agent可以利用这些证据判断信息时效，避免基于过期数据做决策，对秒杀、闪购场景尤其重要。
- 可执行性指标体系借鉴：框架定义的agent interpretability、executability、decision reliability三维度，可转化为前端质量评估指标，用于A/B实验对比不同页面方案对Agent性能的影响，驱动迭代优化。
Token-Flow 防火墙：持久化 AI Agent 的语义运行时审计
🧭 Agent 运行时安全审计 · Token 流防火墙
State Key Laboratory of AI Safety · Institute of Computing Technology, Chinese Academy of Sciences · University of Chinese Academy of Sciences
针对持久化 AI Agent，通过 token 流语义防火墙实现全覆盖预执行审计，将攻击成功率压至 12.5%
📌 工作参考价值（4 点）
- 在构建持久化推荐 / 客服 Agent 时，可对记忆更新、工具参数、检索文件等自然语言 token 流嵌入边界感知审计节点，阻止不安全指令传播到执行器。
- 采用 轻量级本地检查 + 分级仲裁 架构：绝大多数 benign 请求用本地规则快速放行（仅 0.69s 延迟），仅对模糊高风险案例才调用远端大模型裁决，实现安全与效率平衡。
- 借鉴 source‑sink 审计记录的设计，为 Agent 数据流（尤其是来自外部工具的返回值）建立可追溯的语义日志，便于事后分析攻击路径。
- 当系统中 Agent 可调用敏感 API（如商品上下架、价格修改）时，可利用类似机制在工具调用前进行语义拦截，避免 prompt 注入导致的误操作。
DeltaBox：面向有状态AI智能体的毫秒级沙箱检查点/回滚系统
🧭 AI智能体沙箱环境·增量状态检查点 ★ 深度解读
Shanghai Jiao Tong University · Huawei Technologies Co., Ltd.
通过仅复制连续检查点间的增量变化，实现耦合文件系统与进程内存的毫秒级检查点/回滚，解决AI智能体搜索的状态管理瓶颈。
📌 工作参考价值（4 点）
- 快速沙箱重置与克隆：DeltaFS 基于 OverlayFS 的热层切换，可在 1-2 ms 内完成文件系统快照与回滚，适合电商测试环境、推荐模型 A/B 实验沙箱的毫秒级快速重建，避免全量复制。
- 轻量级进程模板池：DeltaCR 通过 fork 冻结模板进程，恢复时仅复制页表（~3 ms），可借鉴为每个用户会话或推理请求预 fork 模板，实现极低延迟的隔离执行环境，例如为每个电商搜索请求快速创建上下文隔离的 Python 解释器。
- 异步预热页表降低延迟抖动：后台线程遍历子进程的匿名可写 VMA 触发 CoW 预拷贝，将页故障开销移出关键路径，适用于需要快速恢复的高频在线学习或特征生成任务。
- 一致性的联合状态管理：文件系统与进程内存的耦合检查点保证智能体回溯时上下文不分裂，可直接用于多智体仿真、代码执行驱动的奖励模型评估等需要回滚到精确历史点的场景。
SciAtlas：大规模科学知识图谱赋能自动化研究
🧭 大规模学术知识图谱与神经符号检索支持AI智能体
Zhejiang University · University College London
构建含4300万论文、1.57亿实体、30亿三元组的异构学术知识图谱，并设计神经符号检索算法降低智能体推理成本
📌 工作参考价值（4 点）
- 大规模异构知识图谱构建流水线：将多来源、多形态的学术资源统一为实体-关系三元组，可迁移至电商领域构建商品-属性-场景等知识关联，为推荐与搜索提供结构化背景
- 神经符号检索范式：三路协同召回（语义向量、关键词、图结构）结合图重排序，能同时兼顾语义相似与逻辑关联，适合需要可解释性与关联发现的商品推荐、对话Agent等场景
- 用图谱预存逻辑降低Agent幻觉与成本：将复杂推理路径固化于图结构，Agent直接查询而非实时推理，在电商智能客服、趋势分析等场景可大幅降低大模型调用频率与延迟
- 全局视角的任务抽象：文献综述、趋势合成等任务映射到电商即为用户评论摘要、购物趋势洞察、新品定位，可借鉴其认知地图思想构建领域全景分析工具