每日论文速递 · Agent & LLM
💡 一句话:这篇把 MCP/A2A/ACP 等协议逐项拆开,结论很硬:它们解决的是工具调用和消息交换,不解决投票、异议保留、审计回放、人类升级这类“组织治理”。
Hermes Cron Paper Digest
按领域整理 Anna 的每日论文速递,自动从 Hermes cron Markdown 输出生成静态网页。
Latest
💡 一句话:这篇把 MCP/A2A/ACP 等协议逐项拆开,结论很硬:它们解决的是工具调用和消息交换,不解决投票、异议保留、审计回放、人类升级这类“组织治理”。
💡 一句话:把 embodied agent 拆成 typed graph 里的 perception / memory / planning / action 节点,让系统自动搜索更好的 agent 架构,而不是靠研究员手调模块连接。
Recent
💡 一句话:把 embodied agent 拆成 typed graph 里的 perception / memory / planning / action 节点,让系统自动搜索更好的 agent 架构,而不是靠研究员手调模块连接。
💡 一句话:这篇把 MCP/A2A/ACP 等协议逐项拆开,结论很硬:它们解决的是工具调用和消息交换,不解决投票、异议保留、审计回放、人类升级这类“组织治理”。
💡 一句话:把 GUI agent 的执行过程拆成“全局指令摘要 + 子目标进度 + action verifier”,用外部 task-state wrapper 减少长程任务里的遗忘、幻觉和重复操作。
💡 一句话:把 agent、prompt、tool、memory、handoff、model 调用抽成统一的 Agent Dependency Graph,用来做 Agent BOM、风险路径分析和治理。
💡 一句话:系统评估 MLLM agent 在视觉具身环境里的协作、通信、抗噪和探索能力,重点不是单 agent 成绩,而是多 agent 如何共同完成环境任务。
💡 一句话:它把“写什么记忆、什么时候取、怎么组织”从 prompt trick 变成可训练能力,长程任务性能提升 2-4x。
领域
LLM Agent、推理与对齐、多智能体协作、Agent 架构、AI 系统设计与代码生成。
领域
具身智能、Embodied Agents、机器人学习、世界模型、VLA、GUI/Web/环境交互 agent 与物理推理。