Agent & LLM · 2026年7月10日

每日论文速递 · Agent & LLM

💡 一句话：把 proactive agent 放进 live Docker 环境，用 400 个双语真实任务和 step-by-step checkpoint 评估“工具使用、探索、长上下文、多模态、跨平台协调”。

2026-07-10 09:01:458 篇论文条目

📄 每日论文速递 · Agent & LLM

日期：2026-07-10

1. UniClawBench: A Universal Benchmark for Proactive Agents on Real-World Tasks

UniClawBench：面向真实任务的主动式 Agent 通用基准

🔗 https://arxiv.org/abs/2607.08768

🎯 关联：很值得看。它不是又一个静态 benchmark，而是在测 agent framework + base model 的组合效果，对 Anna 做 Agent 平台的评测体系有直接参考价值。

2. WebSwarm: Recursive Multi-Agent Orchestration for Deep-and-Wide Web Search

WebSwarm：面向深广网页搜索的递归多 Agent 编排

🔗 https://arxiv.org/abs/2607.08662

💡 一句话：提出 recursive delegation，把复杂搜索任务动态拆成多个搜索节点，每个节点可继续派生子节点，再把证据向上汇总。

🎯 关联：高度相关。它的 node expansion / evidence aggregation / sibling experience reuse，基本就是 Agent 平台里“任务分解 + 调度 + 汇聚”的现实版本。

3. Remember When It Matters: Proactive Memory Agent for Long-Horizon Agents

关键时刻记起来：面向长程 Agent 的主动记忆模块

🔗 https://arxiv.org/abs/2607.08716

💡 一句话：把 memory 从“被动检索”改成一个并行 memory agent，判断什么时候该把关键状态注入给 action agent，缓解长任务里的 behavioral state decay。

🎯 关联：非常相关。Anna 做 InternOS 组织协调系统时，memory 不能只是 RAG；这篇的“选择性提醒”比 always-on context 更接近真实协作系统。

4. From Prompts to Contracts: Harness Engineering for Auditable Enterprise LLM Agents

从 Prompt 到 Contract：可审计企业 LLM Agent 的 Harness 工程

💡 一句话：主张把企业 Agent 的可靠性从 prompt 里拿出来，落到代码、schema、manifest、validator、trace contract 里。

🎯 关联：这篇对 Agent 平台产品化很硬核。Anna 如果要做可交付系统，不能只靠 prompt engineering，必须有 contract boundary 和 validation artifact。

5. Tool-Making and Self-Evolving LLM Agents in Low-Latency Systems

低延迟系统中的工具生成与自进化 LLM Agent

🔗 https://arxiv.org/abs/2607.08010

💡 一句话：把重复 SOP 步骤提前编译成 validated/versioned tools，让线上 agent 少现场写代码，显著降低延迟和错误率。

🎯 关联：直接命中 Agent 平台工程化。Anna 可以借鉴“trace → tool synthesis → validation → versioning → runtime direct call”这条生命周期。

6. From Atomic Actions to Standard Operating Procedures: Iterative Tool Optimization for Self-Evolving LLM Agents

从原子动作到标准流程：自进化 LLM Agent 的迭代工具优化

🔗 https://arxiv.org/abs/2607.07321

💡 一句话：提出 EvoSOP，让 agent 从执行轨迹里抽取 SOP，把多步流程封装成可调用的高阶工具，并持续 merge/evaluate/prune。

🎯 关联：和上一篇形成一组。一个偏生产低延迟，一个偏 agent 自进化机制；对 Anna 设计“工具沉淀层 / workflow crystallization”很有用。

7. StateFuse: Deterministic Conflict-Preserving Memory for Multi-Agent Systems

StateFuse：面向多 Agent 的确定性、保留冲突的记忆系统

🔗 https://arxiv.org/abs/2607.05844

💡 一句话：基于 OpSet/CRDT 做 multi-agent memory contract，不急着覆盖冲突，而是显式保留 contradiction、claim id 和 correction handle。

🎯 关联：非常适合 InternOS。组织协调系统里不同 agent/人会给出冲突状态，早 collapse 是错的；要保留分歧、可追溯、可修正。

8. PatchOptic for Shared-State LLM Workflows with Projected Views and Verified Structured Updates

PatchOptic：面向共享状态 LLM Workflow 的投影视图与可验证结构化更新

🔗 https://arxiv.org/abs/2607.05483

💡 一句话：给共享状态 workflow 定义 projected read view、authorized write region 和 verified patch，防止局部修改破坏全局状态。

🎯 关联：这是 InternOS/Agent OS 级别的问题。多个 agent 共享项目状态时，必须有 read/write contract，否则 memory 和状态更新迟早乱掉。