每日调研 2026-07-26 ★★★★☆ dailyAILLMAgentCode IntelligenceResearch Briefing

#2026-07-26 AI/LLM 最新论文与研究热点简报

检索时间：2026-07-26 08:00 CST。主要覆盖 Hugging Face Daily Papers 当前页、arXiv 论文页、Hugging Face Models Trending、GitHub Trending。arXiv API 今日返回 429 rate limit，因此逐篇使用 arxiv.org/abs 页面核验标题、日期和摘要；X/Twitter 未作为主来源，避免不可验证信息。由于 arXiv 周末新提交相对稀疏，本期实际聚焦 2026-07-22 至 2026-07-25 之间在 HF/arXiv 上出现或更新的内容。

#一句话总览

今天最贴近 wenjun 方向的是一组围绕“长程 Agent 如何从经验中自我改进、如何训练真实 harness 中的 agent、如何评测动态意图与代码 agent”的论文：AREX 把 deep research agent 做成递归自改进循环，OpenForgeRL 试图把 Claude Code/Codex/OpenClaw 这类 harness-native agent 接进标准 RL 栈，Sample-Efficient Learning from Agent Experience / ReOPD 则从“把轨迹经验蒸馏进权重”角度回应长轨迹 agent RL 的样本效率问题。

#重点条目（建议优先读）

#1. AREX: Towards a Recursively Self-Improving Agent for Deep Research

  • 链接：https://arxiv.org/abs/2607.21461；HF：https://huggingface.co/papers/2607.21461；Repo：https://github.com/VectorSpaceLab/arex-model
  • 来源/日期：arXiv / Hugging Face Daily Papers，Submitted on 23 Jul 2026
  • 类别：LLM Agent / Tool-use / Long-horizon Agent / Self-improvement
  • 一句话核心贡献：提出 AREX，一类递归自改进 deep research agent，在“内部 research loop”生成临时答案后，用“外部 self-improvement loop”做约束级验证、局部修正和继续搜索。

为什么值得关注： 这篇很像把“长程研究任务”形式化成 discovery-verification asymmetry：发现满足多约束答案很难，但验证候选答案的各个约束相对容易。AREX 的关键不是简单拉长搜索，而是把 partially verified state 当作下一轮 refinement 的状态变量。

与 wenjun 方向的关系： 对 LLM Agent / model-based RL 特别有启发：它把“环境反馈”从一次性最终 reward 拆成可验证子约束，近似构造了一个可滚动更新的 latent state。后续可以追问：这些 verified constraints 能否成为 agent world model 的 belief state？能否用类似 Dreamer 的 latent rollout 来预测哪些子问题值得继续检索？

#2. OpenForgeRL: Train Harness-native Agents in Any Environment

  • 链接：https://arxiv.org/abs/2607.21557；HF：https://huggingface.co/papers/2607.21557
  • 来源/日期：arXiv / Hugging Face Daily Papers，Submitted on 23 Jul 2026
  • 类别：LLM Agent / Post-training RL / Systems / Tool-use
  • 一句话核心贡献：提出 OpenForgeRL，用轻量 proxy 记录 harness 的模型调用，并通过 Kubernetes orchestration 把 Claude Code、Codex、OpenClaw 这类复杂多进程 harness 接入标准 RL 代码库（如 veRL）。

为什么值得关注： 当前 agent RL 的难点不只是算法，而是“真实 agent 运行栈不可训练”：状态跨进程、工具调用、文件系统、浏览器、长对话和 sandbox 往往不在 RL 框架的数据模型里。OpenForgeRL 的价值在于把 harness-native inference 当作第一等公民，而不是把 agent 简化成单轮 prompt-response。

与 wenjun 方向的关系： 这直接对应 long-horizon code/agent RL 的基础设施问题。若要做 model-based RL for LLM Agent，第一步也必须有可重放、可归因、可训练的 harness trace；OpenForgeRL 的 proxy 设计可作为“采集真实轨迹→训练 reward/world model→再回灌 harness”的工程起点。

#3. Sample-Efficient Learning from Agent Experience

  • 链接：https://arxiv.org/abs/2607.21051；HF：https://huggingface.co/papers/2607.21051
  • 来源/日期：arXiv / Hugging Face Daily Papers，Submitted on 23 Jul 2026
  • 类别：LLM Agent / Experience Distillation / Continual Learning / Post-training
  • 一句话核心贡献：提出 Experience Distillation：利用 agent 过去交互历史带来的 in-context learning 增益，并把这种经验蒸馏进模型权重，减少昂贵环境交互。

为什么值得关注： 论文明确指出一个实际痛点：agent 把经验放进 context 里很样本高效，但一旦 context 被拿掉，能力就消失；而直接从交互历史做 distillation 又容易牺牲环境样本效率。这是长轨迹 agent 学习中“经验留存在上下文还是权重”的核心矛盾。

与 wenjun 方向的关系： 这和“agent 预训练数据如何塑造能力”“持续学习与高效后训练”高度相关。值得关注它如何定义可蒸馏的 interaction history，以及是否能与 context compression / episodic memory 结合：先压缩经验，再蒸馏到 policy 或 world model。

#4. Tencent WorkBuddy Bench: A Multi-Domain Coding-Agent Benchmark with Contamination-Resistant Task Construction

  • 链接：https://arxiv.org/abs/2607.20911；HF：https://huggingface.co/papers/2607.20911
  • 来源/日期：arXiv / Hugging Face Daily Papers，Submitted on 23 Jul 2026
  • 类别：Code Agent / Evaluation / Benchmark / Contamination
  • 一句话核心贡献：构建多领域 coding-agent benchmark，覆盖 Code、Web、Office、Security；任务从真实 commit、PR 或业务场景反向构造，并改写成口语化角色请求，以降低通过搜索原 issue/commit 污染命中的风险。

为什么值得关注： coding agent benchmark 最大的问题之一是“公开 issue/PR 被训练集见过或可搜索到”。WorkBuddy Bench 的任务构造强调 contamination-resistant，这比单纯扩大 benchmark 更重要。

与 wenjun 方向的关系： 若研究 self-evolving code agent / agentic RL，评测集必须避免模型通过记忆或检索 shortcut 获胜。该基准的构造方式可借鉴到“代码环境设计催生自演化智能”：从真实修改中反推任务，但隐藏原始上下文，让 agent 必须真正理解代码状态和用户意图。

#5. LLMs Get Lost in Evolving User Intent

  • 链接：https://arxiv.org/abs/2607.20734；HF：https://huggingface.co/papers/2607.20734；Repo：https://github.com/microsoft/evolving-intent
  • 来源/日期：arXiv / Hugging Face Daily Papers，Submitted on 22 Jul 2026
  • 类别：LLM Agent / Intent Understanding / Evaluation / Multi-turn
  • 一句话核心贡献：提出把静态单轮任务转换为动态多轮对话的框架，用来评估用户意图在交互中逐步披露、修订和重塑时，LLM 是否能持续追踪并执行。

为什么值得关注： 这篇正中“从指令理解走向意图理解”。多数训练和评测假设用户一开始就给出完整需求，但真实 agent 场景中，用户意图经常在反馈中演化。论文题目里的 “get lost” 指向一个基础评测缺口。

与 wenjun 方向的关系： 对长程 agent RL 来说，intent tracking 可以看作 partially observable state estimation：用户的真实目标是隐变量，agent 需要在多轮中更新 belief。这个问题天然适合 latent-state modeling / model-based RL，而不是只做 response-level imitation。

#其他值得扫读的论文与动态

#6. Multi-Turn On-Policy Distillation with Prefix Replay

  • 链接：https://arxiv.org/abs/2607.04763；HF：https://huggingface.co/papers/2607.04763；Repo：https://github.com/BaohaoLiao/ReOPD
  • 来源/日期：arXiv，v1 Submitted on 6 Jul 2026，v2 last revised 16 Jul 2026；HF 近日重新上榜
  • 类别：LLM Agent / On-policy Distillation / Post-training RL
  • 一句话核心贡献：提出 Replayed-Prefix On-Policy Distillation（ReOPD），复用预收集 teacher trajectories 作为 replayed prefixes，让 student 在选定步骤行动并获得 dense per-step supervision，避免每次更新都重新跑环境和查询 teacher。
  • 简评：可视为“agent 轨迹级 DAgger / on-policy distillation 的离线近似”。尤其值得看它提出的 prefix trap：多轮 OPD 中，prefix 分布错位会诱发学生在后续历史上学习偏掉。

#7. Predictive Divergence Masks for LLM RL

  • 链接：https://arxiv.org/abs/2607.10848；HF：https://huggingface.co/papers/2607.10848
  • 来源/日期：arXiv，Submitted on 12 Jul 2026；HF 近日上榜
  • 类别：Post-training RL / RLVR / Optimization
  • 一句话核心贡献：提出 Predictive Divergence Masks，改进 LLM RL 中 trust-region mask 的“方向判定”，不再只依赖 sampled-token importance ratio。
  • 简评：如果 wenjun 关注 RLVR / agent RL 的稳定性，这篇属于底层优化机制。长轨迹 agent 的 off-policy 数据会更多，mask/clip 的偏差-方差问题会被放大。

#8. NVIDIA-labs OO Agents: Native Python Object-Oriented Agents

  • 链接：https://arxiv.org/abs/2607.20709；HF：https://huggingface.co/papers/2607.20709
  • 来源/日期：arXiv / Hugging Face Daily Papers，Submitted on 22 Jul 2026
  • 类别：LLM Agent / Tool-use / Agent Framework / Software Engineering
  • 一句话核心贡献：提出 NOOA：agent 是 Python object，methods 是可执行 action，fields 是 state，docstrings 是 prompts，type annotations 是 contracts；方法体为 ... 的函数由 LLM agent loop 在运行时补全。
  • 简评：这是 agent 编程接口的一个有趣方向：把 prompt/tool schema/workflow graph 收敛到 Python OOP 语义。对可测试、可 tracing、可 refactor 的 agent 工程很有价值。

#9. Streaming Multi-Agent Autoregressive Diffusion Model with World State Registers

  • 链接：https://arxiv.org/abs/2607.21594；HF：https://huggingface.co/papers/2607.21594
  • 来源/日期：arXiv / Hugging Face Daily Papers，Submitted on 23 Jul 2026
  • 类别：World Model / Multi-agent / Latent State / Video Generation
  • 一句话核心贡献：提出 WorldWeaver，在多智能体视频扩散 rollout 中引入 cross-agent world state registers，用 learnable tokens 保存共享世界信息和个体状态，并随生成 chunk 动态更新。
  • 简评：虽然不是 LLM agent 论文，但“world state registers”很贴近 latent-state world model。可借鉴到文本 agent：用显式 state registers 保存环境、用户意图、工具状态，而不是只把历史塞进上下文。

#10. Self-Supervised Learning of Structured Dynamics from Videos

  • 链接：https://arxiv.org/abs/2607.21576；HF：https://huggingface.co/papers/2607.21576；Repo：https://github.com/lukasknobel/StructuredDynamics
  • 来源/日期：arXiv / Hugging Face Daily Papers，Submitted on 23 Jul 2026
  • 类别：Latent Reasoning / World Model / Self-supervised Representation
  • 一句话核心贡献：提出 Structured Dynamics Model（SDM），尝试从冻结 ViT 特征中自监督分解相机运动与物体运动，学习结构化动态表征。
  • 简评：对 embodied/world model 方向有借鉴价值：把观察变化拆成不同因子，类似 agent 任务中把“环境变化、用户目标变化、agent 自身操作变化”解耦。

#11. Dataset Distillation by Influence Matching

  • 链接：https://arxiv.org/abs/2607.16859；HF：https://huggingface.co/papers/2607.16859
  • 来源/日期：arXiv，Submitted on 18 Jul 2026；HF 近日上榜
  • 类别：Pretraining Data / Data Selection / Dataset Distillation
  • 一句话核心贡献：提出 Influence Matching，从 outcome-centric 角度学习小型 synthetic set，使其对收敛参数的影响匹配完整数据集。
  • 简评：不是 LLM 专用，但对“数据质量/去重/能力形成机制”有启发：与其看梯度过程，不如估计样本对最终参数/能力的影响。

#模型 / Repo / Dataset 动态

#A. KAT-Coder-V2.5-Dev

  • 链接：https://huggingface.co/Kwaipilot/KAT-Coder-V2.5-Dev
  • 来源/日期：Hugging Face Models Trending；created 2026-07-23，last modified 2026-07-25
  • 类别：Code Agent / Agentic Coding / Model
  • 一句话核心贡献：基于 Qwen3.6-35B-A3B 的 coding / agentic-coding 模型，模型卡标注 code、agent、agentic-coding、MoE 等标签，并链接技术报告：https://huggingface.co/papers/2607.05471。
  • 跟进价值：与 code agent RL、自演化 coding agent 直接相关，建议后续单独读技术报告和训练数据/评测部分。

#B. Alibaba open-code-review

  • 链接：https://github.com/alibaba/open-code-review
  • 来源/日期：GitHub Trending daily 抓取
  • 类别：Code Agent / Tool-use / Software Engineering
  • 一句话核心贡献：开源代码审查工具，采用 deterministic pipelines + LLM Agent 混合架构，支持行级评论和内置规则集（NPE、线程安全、XSS、SQL 注入等）。
  • 跟进价值：适合作为“代码 agent + deterministic verifier/rules”的工程样本；可观察哪些 bug 类型适合规则，哪些交给 LLM。

#C. poolside Laguna S 2.1

  • 链接：https://huggingface.co/poolside/Laguna-S-2.1
  • 来源/日期：Hugging Face Models Trending；created 2026-07-13，last modified 2026-07-24
  • 类别：Foundation Model / Code Intelligence / Model
  • 一句话核心贡献：poolside 发布的 Laguna S 2.1 text-generation 模型，模型卡链接官方 release blog，HF trending 数据显示下载和关注度较高。
  • 跟进价值：poolside 长期聚焦代码基础模型，这类模型的开放程度、训练 recipe 和 benchmark 值得持续跟踪。

#D. Microsoft Fara1.5-27B

  • 链接：https://huggingface.co/microsoft/Fara1.5-27B
  • 来源/日期：Hugging Face Models Trending；created 2026-07-17，last modified 2026-07-22
  • 类别：LLM Agent / Computer-use Agent / Web Agent / Multimodal
  • 一句话核心贡献：Microsoft Research 发布的 multimodal computer-use agent，用于浏览器/web agent 场景，模型卡链接论文 https://huggingface.co/papers/2606.20785 和项目页。
  • 跟进价值：对“真实环境中的 agent 预训练/后训练数据如何塑造能力”很有参考意义，特别是网页状态表示与行动空间设计。

#E. Thinking Machines Inkling

  • 链接：https://huggingface.co/thinkingmachines/Inkling
  • 来源/日期：Hugging Face Models Trending；created 2026-07-14，last modified 2026-07-23
  • 类别：Foundation Model / Multimodal / MoE
  • 一句话核心贡献：Thinking Machines 发布的多模态 MoE 模型，模型卡提供 BF16/NVFP4、playground 和 cookbook 链接。
  • 跟进价值：更偏基础模型与多模态能力形成，若其 model card / cookbook 公开训练或工具使用细节，值得后续拆解。

#今日最值得精读的 3 篇

  1. AREX: Towards a Recursively Self-Improving Agent for Deep Research — 最贴近 self-improving research agent 与长程任务分解。
  2. OpenForgeRL: Train Harness-native Agents in Any Environment — 最贴近真实 agent RL 基础设施，尤其对 OpenClaw/Claude Code/Codex 式 harness。
  3. LLMs Get Lost in Evolving User Intent — 最贴近“从指令理解走向意图理解”，可转化为 latent belief tracking / POMDP 问题。

备选：如果今天想偏训练算法，第三篇可换成 Sample-Efficient Learning from Agent Experience 或 Multi-Turn On-Policy Distillation with Prefix Replay。

#今日最值得跟进的 3 个 repo/model/dataset

  1. OpenForgeRL（论文页：https://arxiv.org/abs/2607.21557）— 等待/查找代码后应重点复现其 proxy + RL 数据格式。
  2. KAT-Coder-V2.5-Dev（https://huggingface.co/Kwaipilot/KAT-Coder-V2.5-Dev）— agentic coding 模型，建议进一步读技术报告。
  3. AREX repo（https://github.com/VectorSpaceLab/arex-model）— 可直接观察 recursive self-improvement loop 的实现与数据格式。

#研究机会 / idea

#Idea 1：把 AREX 的“约束验证状态”建模为 Agent World Model 的 latent belief

AREX 证明 deep research 可以按 constraint-wise verification 递归推进。可以进一步做：把每个子约束的验证状态、证据来源、冲突程度编码成 latent belief state，用 model-based RL 预测“下一步查哪类证据/调用哪个工具”最可能提升最终答案质量。这会把 deep research agent 从 search heuristic 推向 learned planning。

#Idea 2：harness-native agent RL 的统一 trace schema

OpenForgeRL 强调真实 harness 很难接入 RL。可以设计一个跨 Claude Code / Codex / OpenClaw 的 trace schema：每个 step 记录 hidden prompt、visible observation、tool call、filesystem diff、test result、reward signal、credit assignment span。这个 schema 可以服务三件事：离线行为克隆、reward/world model 训练、以及可回放反事实评估。

#Idea 3：动态意图追踪 benchmark + latent-state compression

“LLMs Get Lost in Evolving User Intent”说明多轮用户意图会漂移。可以构造代码 agent 场景中的 evolving intent benchmark：用户不断补充边界条件、撤回需求、改变优先级。研究点是：是否需要一个显式 intent state compressor，把多轮历史压缩成可更新 latent state，而不是依赖长上下文直接记忆。

#信息源访问说明

  • Hugging Face Papers / Models、arxiv.org/abs、GitHub Trending 和部分 GitHub repo 页面均可访问。
  • arXiv export API 今日返回 429 Rate exceeded，因此本期未使用批量 API 元数据，改为逐篇抓取 arxiv.org/abs 页面核验。
  • X/Twitter 未作为本期主来源；为避免不可验证或登录受限信息，本期用 HF、arXiv、GitHub 与模型卡替代。
鼠鼠研究站 · 自动整理调研 / 论文 / 历史主题