Agent & LLM · 2026年7月9日
每日论文速递 · Agent & LLM
💡 一句话：把 Agent 执行 trace 先按失败模式去重，再用依赖图定位真正导致失败的步骤，避免拿一坨无关上下文做反思优化。
📄 每日论文速递 · Agent & LLM
日期：2026-07-09
1. From Noisy Traces to Root Causes: Structural Trajectory Analysis and Causal Extraction for Agent Optimization
从噪声轨迹到根因：用于 Agent 优化的结构化轨迹分析与因果抽取
🔗 https://arxiv.org/abs/2607.07702 （Submitted 2026-07-08）
💡 一句话：把 Agent 执行 trace 先按失败模式去重，再用依赖图定位真正导致失败的步骤，避免拿一坨无关上下文做反思优化。
🎯 关联：很强。InternOS / Agent 平台迟早要做 run trace、failure diagnosis、自动修复，这篇直接打中“如何从执行历史里提炼可优化信号”。
2. SkillCenter: A Large-Scale Source-Grounded Skill Library for Autonomous AI Agents
SkillCenter：面向自主 AI Agent 的大规模、有来源依据的技能库
🔗 https://arxiv.org/abs/2607.07676 （Submitted 2026-07-08）
💡 一句话：做了一个 21 万级 structured skill library，并要求每个 skill 的关键 claim 都能追溯到原文证据。
🎯 关联：很强。Anna 如果要做 Agent 平台的“可复用能力层”，这篇的 skill packaging、source grounding、offline searchable bundle 都值得拆。
3. A hierarchical memory architecture overcomes context limits in long-horizon multi-agent computational modeling
层级式记忆架构突破长周期多 Agent 任务的上下文限制
🔗 https://arxiv.org/abs/2607.07666 （Submitted 2026-07-08）
💡 一句话：用三层 memory 控制长期项目状态，把注入上下文维持在稳定规模，同时支持多 specialist agents 连续工作。
🎯 关联：非常强。InternOS 的组织协调本质就是 long-horizon multi-agent memory 问题；这里的“项目状态封顶、完成项驱逐、PI-agent 监督”很可借鉴。
4. Reason Less, Verify More: Deterministic Gates Recover a Silent Policy-Violation Failure Mode in Tool-Using LLM Agents
少推理，多校验：用确定性 Gates 修复工具型 Agent 的静默策略违规
🔗 https://arxiv.org/abs/2607.07405 （Submitted 2026-07-08）
💡 一句话：在工具调用真正写入前加 read-only deterministic gate，专门拦截“工具成功执行但业务状态错了”的静默失败。
🎯 关联：极强。Anna 做 Agent 平台不能只靠 LLM 自觉遵守 policy；action boundary 必须有 deterministic guard，这篇是很实用的系统设计信号。
5. From Atomic Actions to Standard Operating Procedures: Iterative Tool Optimization for Self-Evolving LLM Agents
从原子动作到 SOP：自进化 LLM Agent 的迭代式工具优化
🔗 https://arxiv.org/abs/2607.07321 （Submitted 2026-07-08）
💡 一句话：让 Agent 从历史执行轨迹里抽取可复用 SOP，把低层 tool calls 合成为高阶工具，并持续合并、评估、剪枝。
🎯 关联：非常强。这就是 Agent 平台从“每次重新规划”走向“组织经验沉淀”的路径，和 InternOS 的流程复用/组织记忆高度一致。
6. Progressive Crystallization: Turning Agent Exploration into Deterministic, Lower-Cost Workflows in Production
渐进式结晶：把 Agent 探索转成生产中的确定性低成本工作流
🔗 https://arxiv.org/abs/2607.07052 （Submitted 2026-07-08）
💡 一句话：把反复验证过的 Agent 行为提升为 deterministic workflow，降低成本、提高可复现性，失败再自动降级。
🎯 关联：很强。这是 Agent 平台商业化必须面对的问题：Agent 不该永远在线“思考”，成熟路径应该固化成 workflow。
7. StateFuse: Deterministic Conflict-Preserving Memory for Multi-Agent Systems
StateFuse：面向多 Agent 系统的确定性、保留冲突的记忆机制
🔗 https://arxiv.org/abs/2607.05844 （Submitted 2026-07-07）
💡 一句话：用 CRDT/OpSet 思路保留多 Agent 记忆里的冲突事实，不急着覆盖，让矛盾可见、可审计、可修正。
🎯 关联：极强。InternOS 如果处理多人/多 Agent 协作，memory 不能简单 last-write-wins；冲突保留比“假装一致”更安全。
8. AgentLens: Production-Assessed Trajectory Reviews for Coding Agent Evaluation
AgentLens：面向生产环境的 Coding Agent 轨迹评审基准
🔗 https://arxiv.org/abs/2607.06624 （Submitted 2026-07-07）
💡 一句话：不只看 coding task 最后 pass/fail，而是评估整个执行轨迹：是否遵循指令、用工具、验证、恢复错误、和用户沟通。
🎯 关联：强。Anna 做 Agent 平台不能只用 outcome metric，trajectory-level eval 才能抓到真实产品问题和回归。