Agent & LLM · 2026年7月15日

每日论文速递 · Agent & LLM

💡 一句话：提出 E3（Estimate-Execute-Expand）执行策略，让 agent 先估计最小必要工作量，验证失败再扩展上下文，成功率不掉但 token、文件读取和成本大幅下降。

2026-07-15 09:02:248 篇论文条目

📄 每日论文速递 · Agent & LLM

日期：2026-07-15

1. Do AI Agents Know When a Task Is Simple? Toward Complexity-Aware Reasoning and Execution

AI Agent 知道任务什么时候很简单吗？面向复杂度感知的推理与执行

🔗 https://arxiv.org/abs/2607.13034

🎯 关联：非常高。Anna 做 Agent 平台时，不能让 agent 每次都“全仓库扫描式工作”，这篇直接对应执行预算、scope control、任务复杂度调度。

2. MemOps: Benchmarking Lifecycle Memory Operations in Long-Horizon Conversations

MemOps：长程对话中记忆生命周期操作的基准测试

🔗 https://arxiv.org/abs/2607.12893

💡 一句话：把 memory 从“最后能不能答对”拆成 remember / forget / update / reflect 等可追踪操作，专门诊断长程 agent 记忆哪里坏了。

🎯 关联：非常高。InternOS 的组织协调系统核心就是 memory lifecycle，不是简单 RAG；这篇适合拿来设计记忆状态机和评测指标。

3. PM-Bench: Evaluating Prospective Memory in LLM Agents

PM-Bench：评估 LLM Agent 的前瞻性记忆能力

🔗 https://arxiv.org/abs/2607.12385

💡 一句话：测试 agent 能不能记住“未来某个时机要做的事”，结果最强 GPT-5.4 agent 也只有 65.1% F1。

🎯 关联：非常高。InternOS 里的承诺跟踪、deadline、异步提醒，本质就是 prospective memory；这篇能直接启发“承诺不是记忆，是待触发意图”。

4. Critic Experience Bank: Self-Evolving Step-Level Confidence Estimation for LLM Agents

Critic Experience Bank：面向 LLM Agent 的自进化步骤级置信度估计

💡 一句话：让 critic 记住历史执行结果，用过去类似步骤的成败经验来判断当前 action 靠不靠谱，而不是只看当前 prompt。

🎯 关联：很高。Agent 平台需要 step-level confidence，不然调度器不知道什么时候放行、重试、降级或转人工。

5. Who Grades the Grader? Co-Evolving Evaluation Metrics and Skills for Self-Improving LLM Agents

谁来评价评价器？自改进 LLM Agent 中指标与技能的共同进化

🔗 https://arxiv.org/abs/2607.12790

💡 一句话：提出让 agent 的 skill 和 evaluation metric 一起进化，但用 anchor / audit 防止指标被刷爆或变成空洞规则。

🎯 关联：高。Anna 做 Agent 平台迟早会遇到“没有可靠 verifier 怎么办”，这篇给的是 failure-expecting architecture，不是天真 self-improvement。

6. Agentic Service-Oriented Computing: A Manifesto for the Next Frontier of Service-Oriented Computing

Agentic 服务导向计算：服务计算下一阶段的宣言

🔗 https://arxiv.org/abs/2607.12619

💡 一句话：把 agent 当成 service 来工程化，强调 composability、lifecycle、governance、observability、QoS，而不是堆 demo。

🎯 关联：高。对 Anna 的 Agent 平台架构很有参考价值：agent 不该只是 prompt wrapper，而应该有服务边界、生命周期和治理面。

7. Multi-Perspective Agentic Program Repair via Code Property Graphs and Temporal Execution Graphs

基于代码属性图与时间执行图的多视角 Agent 程序修复

🔗 https://arxiv.org/abs/2607.12605

💡 一句话：用 CPG + TEG 把静态代码结构和动态执行轨迹变成可查询证据，再让多个 agent 从不同视角生成修复策略。

🎯 关联：高。代码生成/修复 agent 的关键不是多采样，而是 evidence representation；这篇对软件工程 AI 的系统设计很扎实。

8. Isolation as a First-Class Principle for LLM-Agent System Safety: Concepts, Taxonomy, Challenges and Future Directions

把隔离作为 LLM-Agent 系统安全的一等原则：概念、分类、挑战与未来方向

🔗 https://arxiv.org/abs/2607.12406

💡 一句话：把 agent 安全问题统一到边界隔离：user-agent、agent-tool、agent-execution、agent-agent、system-environment。

🎯 关联：非常高。Anna 做 AI sandbox / Agent 平台时，这篇就是底层安全框架：不要只防 prompt injection，要防跨边界污染和权限传播。