Research Papers
EN ZH

榜单

AI Agent 论文精选

最近 90 天的 Agent 论文 —— 工具调用、计算机操作、编程 Agent、多智能体系统。按三路独立信号排序:官方实现仓的涨星速度、引用数、Hugging Face 关注度。只有单路信号突出的论文不进榜。每天重排。

统计窗口: 2026-06-16 – 2026-09-13 榜单更新于 2026-09-14

2

FreeToken：把个人电脑当成弹性推理平台，本地跑大型 MoE 模型

开源大模型越来越重，但本地推理还按“把数据中心的办法缩小”的思路做。FreeToken 围绕本地 AI 的两个现实（智能体负载持续变化、每台机器的资源配比不同），联合设计模型加载、专家驻留、CPU-GPU 协同执行与内存管理，带宽允许时让个人机器也能流畅服务大 MoE 模型。

  • 836 星/7日
  • 2 引用
  • 109 点赞

arXiv · FlashML-org/FreeToken

4

LLM-as-a-Verifier：不问裁判式打分，直接从打分 token 读出连续验证分数

LLM-as-a-Verifier 让 LLM 当验证器：不再问模型“打分还是不打分”，而是直接从打分 token 的 logits 里算期望，得到免训练的连续反馈信号。作者称在 Terminal-Bench V2、SWE-Bench Verified 等智能体基准上取得当前最好成绩，还做成了 Claude Code 扩展，用于监控智能体并为强化学习提供稠密奖励。

  • 134 星/7日
  • 11 引用
  • 19 点赞

arXiv · llm-as-a-verifier/llm-as-a-verifier

5

ABot-World-0：单张台式机显卡实时流式运行的动作条件世界模型

ABot-World-0 是动作条件视频世界模型，用 3A 游戏、仿真引擎和互联网视频的多源数据训练，直接以原始键盘输入操控，并用参考角色记忆保证第三人称滚动的身份一致。作者称单张 RTX 5090 即可流式输出 720p、最高 16 FPS 的交互画面，动作到首帧延迟约 1.2 秒，目标是真正能玩的长程闭环交互。

  • 11 星/7日
  • 6 引用
  • 313 点赞

arXiv · amap-cvlab/ABot-World

6

OSWorld 2.0：108 个长程真实电脑操作任务，最强智能体也只完成两成

OSWorld 2.0 是 xlang-ai 团队推出的电脑操作智能体基准，用 108 个基于真实文件、带用户状态的长程工作流任务取代此前的短脚本任务，人类完成一道题的中位数约 1.6 小时。结果相当扎心：表现最好的 Claude Opus 4.8 也只能完成 20.6% 的任务，常常在跟踪约束和结果验证上掉链子。

  • 19 星/7日
  • 15 引用
  • 25 点赞

arXiv · xlang-ai/OSWorld-V2

8

智能体自我改进综述：基础模型加脚手架，怎样把经验变成能力积累

这篇综述把自我改进的智能体拆成“基础模型 + 提示词、记忆、工具、控制逻辑组成的运行脚手架”，并把“改进”定义为一个自我触发的更新算子：把经验转化为能力积累，尽量少依赖人工。作者按更新对象和驱动信号梳理了大量工作，从改提示词、改记忆一直到权重级的自我修改。

  • 24 星/7日
  • 9 引用
  • 35 点赞

arXiv · selfimproving-agent/awesome-Self-Improving-Agents

12

AutoDesign：元优化器带着代码智能体递归自我改进，自动做出学术海报

AutoDesign 把多模态学术海报生成当成长程智能体过程：一个元优化器读取执行反馈、递归改写代码智能体所用的工具 harness。在作者提出的 100 篇论文 PosterBench 上得分超过 Claude Design，学到的 harness 还能迁移提升七种不同代码智能体；全自主循环跑 40 分钟、253 次工具调用，成本不到 3 美元。

  • 21 星/7日
  • 3 引用
  • 63 点赞

arXiv · Yaxin9Luo/AutoDesign

13

SEED：把跑通的轨迹蒸馏成可复用技能，边强化学习边自我进化

SEED 让智能体在强化学习中自我进化：把跑通的轨迹改写成自然语言“事后技能”，再把技能带来的行为变化蒸馏回策略，与基于结果的强化学习联合训练，形成一个稠密的 token 级信号。作者称这同时提升了样本效率、最终成绩，以及面对没见过的文本和视觉智能体任务时的泛化能力。

  • 7 星/7日
  • 7 引用
  • 107 点赞

arXiv · jinyangwu/SEED

14

Ouroboros：靠“经评审的提交”重写自身工具与核心代码的编程智能体

Ouroboros 是一个自我迭代的编程智能体框架：工具、提示词、上下文组装乃至核心实现都通过“经评审的提交”逐步进化，并成为后续运行的基础，支持递归自由进化和经验驱动核心进化两种模式。作者还报告了长达 161 天、横跨七个人类交流界面的真实部署，强调当智能体开始重写自己时，安全护栏必须始终保持最高权威。

  • 32 星/7日
  • 2 引用
  • 92 点赞
  • #1 osworld-verified

arXiv · razzant/ouroboros

15

Show-Harness：给视觉语言模型一个“语义动作”接口，零样本直接操控机器人

Show-Harness 是一个开源机器人控制框架，把动作拆成视觉语言模型可以直接推理的离散“语义动作单元”，再由确定性的、按机型定制的解释器转成底层机器人指令。作者证明同一套接口既能让闭源前沿模型零样本直接操控机器人，也能让小模型只用几小时 GPU 微调就变成免规划器的策略；配套的 GUMI 浏览器界面还让人或 GUI 智能体无需遥操作硬件就能采集示教数据。

  • 307 星/7日
  • 0 引用
  • 139 点赞

arXiv · showlab/Show-Harness

这个榜怎么排的

最近 90 天的 Agent 论文 —— 工具调用、计算机操作、编程 Agent、多智能体系统。按三路独立信号排序:官方实现仓的涨星速度、引用数、Hugging Face 关注度。只有单路信号突出的论文不进榜。每天重排。

短横线表示该路信号取不到,不代表数值为零。