每日论文速递 · Agent & LLM

📄 每日论文速递 · Agent & LLM

日期：2026-07-12

---

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

💡 一句话：它用 live Docker、隐藏 supervisor、用户反馈闭环来测 proactive agents，不再停留在静态 sandbox 玩具任务。

🎯 关联：很高。Anna 做 AI Agent 平台时，需要这种“真实环境 + 分步检查点 + framework/model 解耦”的评测思路。

---

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

在关键时刻记住：面向长程 Agent 的主动记忆 Agent

🔗 https://arxiv.org/abs/2607.08716

💡 一句话：把 memory 从“被动检索库”改成旁路运行的主动 memory agent，在该提醒时注入结构化状态，不该提醒时保持沉默。

🎯 关联：极高。这正打 Anna 的 InternOS / Agent 平台核心问题：长期任务里状态会衰减，memory 不是存更多，而是何时介入。

---

3. Workflow as Knowledge: Semantic Persistence for LLM-Mediated Workflows

工作流即知识：LLM 工作流的语义持久化

🔗 https://arxiv.org/abs/2607.08740

💡 一句话：主张把 workflow definition、instance、inference record、context snapshot 都作为可检查、可恢复、可审计的知识对象持久化。

🎯 关联：极高。这和 InternOS 的组织协调系统很贴：workflow 不只是执行图，而应该成为系统里的长期知识资产。

---

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

WebSwarm：面向深广搜索的递归多 Agent 编排

🔗 https://arxiv.org/abs/2607.08662

💡 一句话：它把 web research 拆成可递归委派的 agentic search nodes，每个节点可继续派生子任务并向上回传证据。

🎯 关联：很高。对 Anna 的 Agent 编排层有直接启发：不是固定 DAG，而是运行时递归扩展、证据回流、父节点再决策。

---

5. SMetric: Rethink LLM Scheduling for Serving Agents with Balanced Session-centric Scheduling

SMetric：用 session-centric 调度重新思考 Agent 服务中的 LLM 调度

🔗 https://arxiv.org/abs/2607.08565

💡 一句话：针对 agent workload 的 KV cache 高复用特征，提出按 session 首请求负载均衡、后续请求 cache-aware 的调度策略。

🎯 关联：很高。如果 Anna 的平台未来跑多 agent / 长 session，这篇比普通 LLM serving 更有价值，直接关系吞吐、延迟和成本。

---

6. Token-Flow Firewall: Semantic Runtime Auditing for Persistent AI Agents

Token-Flow Firewall：面向持久化 AI Agent 的语义运行时审计

🔗 https://arxiv.org/abs/2607.08395

💡 一句话：把 agent 中 memory updates、tool args、retrieved files、组件通信都看成 token flows，在进入高权限 runtime sink 前做语义防火墙。

🎯 关联：极高。Anna 做长期运行的 Agent 平台时，安全边界不能只靠 prompt；需要 source-sink audit record 这种 runtime 级机制。

---

7. TTHE: Test-Time Harness Evolution

TTHE：测试时 Harness 演化

🔗 https://arxiv.org/abs/2607.08124

💡 一句话：不改模型权重，而是在测试过程中根据 execution traces 演化 agent harness，让执行程序本身持续适配任务分布。

🎯 关联：很高。这是“Agent 架构自我改进”的实用路线：优化外层控制程序，而不是幻想模型一次性变聪明。

---

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

低延迟系统中的工具生成与自演化 LLM Agent

🔗 https://arxiv.org/abs/2607.08010

💡 一句话：把重复 SOP 步骤提前编译成经过验证、版本化的 tools，线上 agent 直接调用，显著降低延迟和错误率。

🎯 关联：极高。Anna 的平台如果要进生产，不能每次都让 agent 现场写代码；高频流程必须沉淀成 versioned tools。