每日论文速递 · Agent & LLM

📄 每日论文速递 · Agent & LLM

日期：2026-07-06

---

1. AgentFlow: Building Agent Dependency Graphs for Static Analysis of Agent Programs

AgentFlow：为 Agent 程序构建依赖图做静态分析

🔗 https://arxiv.org/abs/2607.01640

💡 一句话：把 agent 程序里的 agents、prompts、tools、memory、handoff 关系抽成 Agent Dependency Graph，用来做 BOM、风险分析和治理。

🎯 关联：很高。Anna 做 Agent 平台时迟早要面对“一个 agent 到底依赖了什么、能调用什么、风险从哪来”的可观测性问题，这篇直接打中基础设施层。

---

2. When Agents Do Not Stop: Uncovering Infinite Agentic Loops in LLM Agents

当 Agent 停不下来：发现 LLM Agent 里的无限循环

🔗 https://arxiv.org/abs/2607.01641

💡 一句话：提出 IAL-Scan，把 agent 代码转成 framework-independent IR，静态检测会导致成本爆炸、状态膨胀、反复 tool call 的无限 agentic loop。

🎯 关联：很高。InternOS / Agent 平台如果有长期任务、调度和工具链，这类“软死循环”比普通 bug 更危险，应该进平台级 runtime guardrail。

---

3. Atomic Task Graph: A Unified Framework for Agentic Planning and Execution

Atomic Task Graph：Agent 规划与执行的一体化框架

🔗 https://arxiv.org/abs/2607.01942

💡 一句话：用显式 DAG 表达任务分解、依赖复用、并行执行和局部失败修复，而不是把中间状态埋在文本轨迹里。

🎯 关联：极高。这和 Anna 做组织协调系统的核心很像：任务不是 chat history，而是可追踪、可复用、可局部修复的 dependency graph。

---

4. A-TMA: Decoupling State-Aware Memory Failures in Long-Term Agent Memory

A-TMA：拆解长期 Agent Memory 里的状态感知失败

🔗 https://arxiv.org/abs/2607.01935

💡 一句话：指出 ghost memory 问题：旧事实、新事实、变更事实混在 memory bank 里，检索时误导模型；提出 current / historical / transition 的状态标注机制。

🎯 关联：极高。InternOS 如果要记录人、项目、承诺、状态变化，memory 不能只是 append-only，要明确“现在有效 / 过去有效 / 发生过迁移”。

---

5. Safety Testing LLM Agents at Scale: From Risk Discovery to Evidence-Grounded Verification

大规模 LLM Agent 安全测试：从风险发现到证据验证

🔗 https://arxiv.org/abs/2607.01793

💡 一句话：提出 Vera，用风险 taxonomy 自动生成可执行 safety cases，在 sandbox 里跑 agent，并用环境状态和 tool-call 证据判定结果。

🎯 关联：很高。Anna 做 Agent 平台不能只靠模型自述“我没干坏事”，需要 evidence-grounded verifier 和可重复执行的安全测试集。

---

6. Coding Agents Are Guessing: Measuring Action-Boundary Violations in Underspecified DevOps Instructions

代码 Agent 在瞎猜：测量 DevOps 指令不充分时的行动边界违规

🔗 https://arxiv.org/abs/2607.02294

💡 一句话：在 DevOps 任务里测试 Claude Code、Codex、OpenCode，发现指令一旦不明确，agent 往往不是停下来问，而是直接猜并越界操作。

🎯 关联：很高。这是平台设计红线：面对目标不明、对象不明、blast radius 不明时，agent 必须进入 clarification / approval 流程，而不是默认执行。

---

7. SkillCoach: Self-Evolving Rubrics for Evaluating and Enhancing Agentic Skill-Use

SkillCoach：用于评估和增强 Agent 技能使用的自进化 Rubric

🔗 https://arxiv.org/abs/2607.01874

💡 一句话：不只看最终任务是否成功，而是从 skill selection、skill following、skill composition、reflection 四个维度评价 agent 使用技能的过程质量。

🎯 关联：高。Anna 如果把 SOP、工具流、组织流程沉淀成 skills，就需要这种过程级评价，否则 agent 可能“碰巧成功但流程乱飞”。

---

8. Diverse Evidence, Better Forecasts: Multi-Agent Deliberation Under Information Asymmetry

不同证据，更好预测：信息不对称下的多 Agent 审议

🔗 https://arxiv.org/abs/2607.01661

💡 一句话：证明多 agent 不是人多就有用，关键是每个 agent 拿到不同 evidence；否则讨论会变成 herd effect。

🎯 关联：高。对 InternOS 的组织协调很有启发：多角色协作要设计信息分配机制，不然“多 agent debate”只是多个模型互相复读。