🥇
7.20—7.26｜本周Top 10 AI 论文

用户4242

7月27日修改

作者：DAIR.AI（@dair_ai）

本周值得关注的 AI 论文，覆盖智能体运行框架、记忆与技能、长程任务、模型可解释性、评测、结构化输出和机器人等方向。​

1. Harness Handbook

如今，团队开始让智能体自行演化自己的运行框架（harness）。但框架一旦长成庞大的代码库，要找到“某个行为究竟由哪些文件决定”，往往比真正动手修改更难。Harness Handbook 想解决的正是这个问题：把运行框架变成一张以行为为中心、并且始终能追溯到源码的地图。​

•
自动生成，而非人工维护。 它通过静态分析和 LLM 辅助的结构化处理，从运行框架代码库中生成 Handbook。框架代码一有变化，地图就可以重新生成。​

•
从全局到源码的三级地图。 L1 展示架构、执行模型和数据流；L2 描述各组件的职责、输入、输出与状态；L3 则落到有源码依据的单元细节。配合导航面板，用户可以跨阶段追踪一条行为链路。​

•
行为引导的渐进式披露（BGPD）。 智能体先从高层行为出发，逐步定位相关实现，再根据当前源码验证候选位置。这样修改能落到真正正确的文件，而不是“看起来像对”的地方。​

•
为什么值得关注。 当运行框架开始自我改进，瓶颈会从“怎么写改动”转成“改动应该写在哪里”。一份可读、可导航、可编辑的表示形式，能让开发者和智能体共享同一张地图，更稳妥地演化生产系统。​

2. From Memory to Skills

许多智能体记忆系统只是把过去的执行轨迹作为被动上下文取回来。那些来之不易的经验并不会自动变成智能体可以直接调用的能力。MSCE 是一个无需训练的“记忆与技能协同演化”框架，专门处理长程 LLM 智能体如何把经验沉淀为可执行技能。​

•
受治理的三级记忆。 L1 保存贴近执行过程的步骤轨迹，L2 形成可复用的程序性策略，L3 则记录对环境的陈述性认知。智能体面对的不再是一份扁平日志，而是一套有层次的经验库。​

•
带证据的技能。 预期收益为正的 L2 策略，会固化成可调用的技能卡。技能卡保留证据链接、适用边界、决策指引、验证规则和可靠性估计，让智能体知道何时可以信任这项技能。​

•
用反思回填经验价值。 框架会把稀疏的最终反馈，经由更密集的局部自我反思向前传播，得到与证据相匹配的轨迹价值，再据此决定记忆和技能如何演化、何时退役。​

•
为什么值得关注。 在 EvoAgentBench 和 LoCoMo 上，MSCE 超过了当前最强的技能增强型和记忆驱动型基线，并表现出较好的跨领域迁移能力。它指向一种更有积累感的智能体：经验不会在每次会话结束后重新归零。​

3. PRO-LONG