PANINI-DR：基于生成式语义工作区的可控深度研究多智能体框架
🧭 多智能体深度研究 · 结构化验证工作区 ★ 深度解读
University of California, Los Angeles
用共享生成式语义工作区记录子问题依赖与证据，并分离研究/验证，深度研究性能与答案可溯源均领先
📌 工作参考价值（4 点）
- 将复杂用户问题/购物任务拆成显式 DAG，每个节点带 retrieval hint + answer type + verification claim。对商品属性、价格、库存、政策等事实节点先做 deterministic type 与证据检查，再进入 LLM claim 判断，可显著降低错误传播到推荐/导购决策。
- 共享 workspace 替代无限增长 dialogue history：把已确认的子问题、证据、review status 存为结构化状态，新子任务只注入相关已确认发现，缓解长上下文中间信息丢失；适合多轮导购/售后 Agent 的状态管理。
- 增加 observed support 作为上线指标：不只评估最终答案/推荐是否对，还要求可推荐信息能从已保存证据恢复。电商/广告中尤其要区分模型参数记忆与实时检索证据，避免凭“记忆”给出库存/价格/活动文案。
- 工程上为每个 Researcher 配一个 Reader agent 抽取引用/quote，减少全文档入 context；评估计算成本要按 uncached input/generated tokens，而不是 submitted tokens，因为 vLLM prefix cache 下重复上下文成本被高估。调大 turn allowance 前先测边际收益（20→80 turns 仅 +2.7 点却 2.8× prompt tokens）。
CoBa：通过计算均衡路由实现具成本效益的测试时扩展
🧭 LLM 测试时计算优化
School of Mathematics and Statistics, Changsha University of Science and Technology, Changsha, China · School of Biomedical Engineering, Shanghai Jiao Tong University, Shanghai, China
提出计算均衡路由策略，动态分配生成与验证预算，以更少计算匹配多数投票准确率。
📌 工作参考价值（4 点）
- 多候选验证的预算分配：在生成式推荐或搜索中，当需要从多个候选 query/item 中投票选择时，可先使用廉价验证器（如轻量级打分模型）过滤大量候选，仅将高不确定性或高价值候选送入昂贵的大模型验证，大幅减少 LLM 调用成本。
- Agent 循环中的动态路由：在涉及规划-执行-评估的 Agent 系统中，可借鉴 CoBa 的“生成 vs 验证 vs 停止”决策框架，由路由模块实时判断下一步应生成更多方案、调用评估器，还是直接输出结果，避免无效计算。
- 在线服务成本控制：对于对延迟敏感的电商实时推荐，可基于 CoBa 的停止规则设定置信度阈值，当廉价验证结果一致性高时提前终止，节省的 token 可分配给更复杂的用户意图理解场景。
- 粗-精验证管道设计：构建类似于 CoBa 的两级验证结构，第一级用规则或小模型快速打分，第二级用大模型深挖，这在商品标题改写、用户评论情感分析等场景中可直接复用，提升吞吐量。
面向自主智能体的长周期任务驾驭框架 OneDayAgent
🧭 长周期 Agent 执行框架
Zhejiang University · Ant Group · Independent Researcher
统一分解、记忆与验证的长周期 Agent 框架，跨多后端 LLM 泛化并达 SOTA 0.821
📌 工作参考价值（4 点）
- 长周期任务自动化：借鉴子任务分解策略，将电商中复杂的营销活动策划、竞品报告生成等拆解为收集、整理、编辑、交付等有界步骤，避免单一推理超出上下文窗口。
- 跨工具与多模态记忆：参考其执行记忆的上下文压缩方案，在推荐场景中维护用户历史状态时，可对不同工具调用产生的长轨迹进行摘要式压缩，防止 KV cache 溢出。
- 最终交付验证：引入验证-修复环，可用于 Agent 生成推荐理由、自动推送文案后的质量把关，降低幻觉与不一致。
- 模型无关的框架设计：该 harness 跨 5 个 LLM 无需调整，表明对业务后端快速替换或升级友好，可减少对不同模型精调的工作量。
循环不代表可靠：状态绑定证据与类型化修订契约实现代理代码修复
🧭 Agent 可靠性保障 · 状态绑定证据与修订契约
Alibaba Cloud
揭示代码修复循环中正确补丁易丢失，提出状态绑定证据和类型化契约以保障代理可靠性
📌 工作参考价值（4 点）
- 代理迭代时保存“已验证状态”检查点，避免后续修订破坏已正确结果，电商搜索中的查询改写或排序策略迭代同样适用
- 引入类型化修订契约，强制每次修订后基于最新状态验证，而非依赖陈旧反馈，提升代理行为稳定性
- 设计审计接收凭据（auditable admission receipts），对代理关键动作（如投放决策、推荐生成）进行追溯和可靠性监控
- 评估代理时区分“曾经正确”与“最终正确”，避免将中途正确但最终破坏的情况误判为可靠
REVES：面向测试时扩展的修订与验证增强训练
🧭 测试时扩展训练 · 多步推理修订与验证
Northwestern University · Amazon AGI · Qualcomm AI Research · University of Minnesota
从成功修正轨迹中抽取“接近正确”的中间步骤，构造修订与验证提示进行两阶段交替训练，显著提升多步推理测试时性能
📌 工作参考价值（4 点）
- 多步修正与验证分离：将中间错误转化为独立的修订和验证提示，可借鉴到 Agent 自我修正流程中，将生成改进与错误检测解耦，提升多轮交互的可靠性。
- 高效数据利用：利用成功修正轨迹中的 near-miss 样本生成 off-policy 训练数据，适用于推荐 Agent 的在线学习，减少昂贵的长链采样开销。
- 两阶段交替训练：在线数据增广与策略优化交替的框架，可迁移到需要策略迭代的推荐系统（如动态创意优化、查询改写），平衡探索与利用。
- 约束泛化能力：在约束满足任务上的泛化表现提示，该方法能增强模型对结构化规则的遵循能力，可用于推荐系统中的合规性校验或商品描述约束生成。
PlanningBench：面向LLM的可扩展、可验证规划数据生成框架
🧭 生成式规划数据 · 可控难度与自动验证 ★ 深度解读
Renmin University of China · Tencent Hunyuan Team · Beijing Academy of Artificial Intelligence · The Chinese University of Hong Kong
从真实场景抽象出任务-约束分类，通过闭环合成生成可验证规划数据，兼顾评估与强化学习训练
📌 工作参考价值（4 点）
- 可控数据生成范式：约束驱动合成 pipeline 从真实场景抽象任务-约束分类，可迁移至电商复杂任务（如物流调度、大促排期、库存分配）的规划数据生成，突破固定基准的限制。
- 可验证奖励设计：每个实例绑定自动验证清单，同时检查约束满足与目标优化，可作为强化学习 reward，保证 Agent 在长序列决策中保持全局一致性。
- 奖励确定性至关重要：偏好确定最优解，避免多个可行解导致奖励信号分散；在训练多目标协调的 Agent 时，应优先构造明确的最优指标以稳定训练。
- 难度自适应分级：按约束层级（基础/中等/困难）和状态化约束分档，通过动态调整采样概率实现难度递增，适合生成难度可控的训练集。
闭环验证推理解锁复杂视觉生成
🧭 多模态生成 · 闭环验证推理
University of Science and Technology of China (USTC) · Independent Researcher
提出闭环验证推理框架，结合自动化数据引擎、PPRL强化学习与DSWM权重融合，解决多步规划幻觉、优化不稳定及延迟问题，性能逼近商业模型。
📌 工作参考价值（4 点）
- 自动化闭环数据引擎：用步级视觉验证自动筛选可靠推理轨迹，可迁移到电商 Agent 的多步规划数据合成，提升轨迹质量。
- PPRL 解决长上下文 RL 不稳定：将交错多模态历史蒸馏为显式奖励信号，在电商对话代理中可类似处理长对话上下文，稳定策略优化。
- DSWM 权重融合加速推理：将对齐权重与蒸馏先验融合，将每步 denoising 成本从 50 步降至 4 NFE，适合实时推荐/生成场景的低延迟需求。
- 测试时扩展：多步验证推理解锁复杂任务能力，电商搜索中的复杂查询理解与多级意图生成可借鉴该测试时扩展范式。