Research Papers
EN ZH

AI Agent 论文精选

AI Agent 论文精选 · 2026-W41

统计窗口: 2026-07-13 – 2026-10-10 冻结于 2026-10-11

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。

  • 262 星/7日
  • 2 引用
  • 109 点赞

arXiv · FlashML-org/FreeToken

3

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。

  • 18 星/7日
  • 9 引用
  • 35 点赞

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

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。

  • 5 星/7日
  • 6 引用
  • 313 点赞

arXiv · amap-cvlab/ABot-World

6

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

7

nanoMuse：跑在你手机和电脑上的开源个人 agent，记忆以你能读懂的文件保存

Meta 闭源的 Muse 演示了「只属于一个人的 agent」长什么样之后，这篇报告先根据公开资料逐条拆解 Muse 的构建方式，再给出开源对应物 nanoMuse（GPL-3.0）：一个 agent 跑遍你名下的手机、电脑等设备，通过任何人都能自托管的中继共享同一段对话。每个动作执行前都要过 Sentinel 审批，记忆以用户可直接阅读的文件存放，底层模型也由用户自己选。

  • 774 星/7日
  • 0 引用
  • 98 点赞

arXiv · nano-muse/nanoMuse

8

Raven：自动构建、进化和编排 agent 执行框架的开源多智能体生态

手动搭的 agent 执行框架往往绑死某个领域，撑不起跨领域的长程任务。Raven 把「模型 + 执行框架」的组合当成可拼接的智能单元：Host Agent 负责拆目标、调度各专业子 agent 并合并结果；host archive 和 EverOS 把任务经验沉淀下来，再由 Skill Forge 提炼成可复用的流程。论文还给出在统一资源预算下扩大可靠任务覆盖面的充分条件。

  • 252 星/7日
  • 0 引用
  • 493 点赞

arXiv · EverMind-AI/Raven

10

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

11

RRSI：给智能体 harness 的递归自我改进加上正则，让进化出的机制扛得住分布外基准

反复自动修改智能体的 harness（提示词、控制流、工具、记忆）看似在自我进化，实则常常只是背熟了训练任务，一换基准就露馅。RRSI 给进化环的两端都加上正则：提案方在时间退火预算下工作、被鼓励走向没试过的路径；筛选方用 critic 挡掉针对特定基准的修改，用 pruner 剔除太小、太贵或已无用的编辑。论文称在进化所用划分上最多提升 14.1 分，在五个分布外基准上最多提升 4.7 分，且进化出的 harness 运行少用 30% 的 policy token。

  • 212 星/7日
  • 0 引用
  • 172 点赞

arXiv · google-research/rrsi

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。

  • 9 星/7日
  • 3 引用
  • 63 点赞

arXiv · Yaxin9Luo/AutoDesign

13

EvoOntology：以 MCP 服务器承载的自进化本体层，补上数据智能体与异构数据之间的语义鸿沟

数据智能体只能透过通用工具看到列名和文件路径，看不到数据本身的含义，这就是 agent-data 鸿沟。EvoOntology 把本体（schema、内容、工具三层）封装成一个 MCP 服务器，让智能体运行时可以主动查询；构建由 builder 智能体自动完成，之后通过归因引导的编辑持续进化，每处修改都要经过与 backbone 对照的成对评估才被接受。论文称在三个数据智能体基准、四个 LLM backbone 上稳定优于强基线和手工语义层方案。

  • 184 星/7日
  • 0 引用
  • 126 点赞

arXiv · ruc-datalab/EvoOntology

本周 · AI Agent 论文精选