每日调研 2026-07-29 ★★★★☆ daily AI LLM Agent Code Intelligence Research Briefing

#2026-07-29 AI/LLM 最新论文与研究热点简报

检索时间：2026-07-29 08:00（Asia/Shanghai）。主要覆盖 2026-07-27 至 2026-07-28 arXiv 新提交/更新、Hugging Face Daily Papers、GitHub 最新仓库动态；部分相关论文因 HF Daily 在 7 月 28 日收录但 arXiv 初投日期更早，也纳入“值得补读”。X/Twitter 未作为直接来源使用：当前环境没有稳定、可认证的 X 访问入口，因此用 Hugging Face、arXiv、GitHub、OpenAlex/API 作为替代来源。

#一句话总览

过去 24-48 小时最贴近 wenjun 方向的信号是：Agent 能力研究正在从“更强模型 + 更多工具”转向“可控环境、轨迹协议、奖励/评测器、harness 与数据配方共同优化”。尤其值得注意的是：

长程 Agent planning 开始被放进可控环境中，系统研究 pretraining 数据格式、world-model CoT、on-policy distillation 如何形成规划能力。
Agentic search / computer-use / coding agent 的 RL 不再只看最终成功率，而开始关心“过程监督如何密化”“judge/reward 如何可靠”“harness 是否是隐藏变量”。
基础模型训练机制方面，Kimi K3 把百万上下文、MoE、latent MoE、RL for agentic/coding 放到一个 frontier open report 中；VLM/embodied data recipe 也出现更系统的 mixture optimization 与 data pyramid 视角。

#重点论文与动态（按相关性筛选）

#1. The Physics of Multi-Turn Long-Horizon Planning: From Pre-training to Post-training via Single- and Multi-Teacher On-Policy Agentic Distillation

链接：https://arxiv.org/abs/2607.24720
来源/日期：arXiv cs.CL/cs.AI/cs.LG，Submitted 2026-07-27；Hugging Face Daily Papers 2026-07-28 收录。
类别：LLM Agent / Post-training RL / Pretraining Data / Model-based RL
一句话核心贡献：构建一个可控多轮长程规划环境，系统研究规划能力如何在预训练、SFT、单/多教师 on-policy agentic distillation 中获得与泛化；摘要中特别提到显式 world model construction via CoT state transition modeling 能增强长程泛化。

为什么值得关注：这篇几乎正中 wenjun 的“LLM model-based RL / Dreamer for LLM Agent”兴趣。它没有直接说 Dreamer，但问题意识非常接近：把多步任务拆成可控状态转移环境，研究模型是否通过显式状态转移/世界模型式 CoT 学到可组合规划，而不是只记忆短程技能。

与 wenjun 研究方向的关系：可以把它当成“LLM Agent world model 训练机制”的新素材：预训练阶段的数据格式、分布、质量如何塑造 planning；后训练阶段 on-policy distillation 如何缓解离线轨迹分布偏移；Agent RL 阶段是否需要先学习可预测的状态转移 latent/textual world model，再做策略优化。

#2. Kimi K3: Open Frontier Intelligence

链接：https://arxiv.org/abs/2607.24653；HF 页面：https://huggingface.co/papers/2607.24653
来源/日期：arXiv，Submitted 2026-07-27；Hugging Face Daily Papers 2026-07-28 高热度收录。
类别：Foundation Model / Systems / Long Context / Post-training RL / Code Intelligence
一句话核心贡献：发布 2.8T 参数、104B activated、原生视觉、1M context 的 MoE frontier model report，提出 Kimi Delta Attention、Attention Residuals、Stable LatentMoE，并强调在 general、agentic、coding 域做多 reasoning-effort level 的 RL。

为什么值得关注：这类 frontier report 对“能力形成机制”很有参考价值。摘要里出现的几个关键词非常贴近当前趋势：长上下文结构、MoE 稳定路由、算法-系统协同、RL 覆盖 agentic/coding、多 reasoning effort level。它说明大模型竞争点已经从单纯扩参数，转向 长上下文信息流 + 稳定专家激活 + 后训练任务域结构化。

与 wenjun 研究方向的关系：KDA/Attention Residuals 可作为“长上下文能力如何从架构进入训练动态”的案例；report 明确把 agentic/coding 作为 RL 域，值得查全文中是否有环境、reward、trajectory filtering、tool-use data 的细节；Stable LatentMoE 虽不等同于隐空间推理，但涉及 expert 激活稳定性与表示分解，可为 latent routing / latent planning 提供类比。

#3. From Proprietary to Open-Source: Bridging the Distribution Gap via Multi-Agent Protocol Distillation in Agentic Search

链接：https://arxiv.org/abs/2607.24280
Repo：https://github.com/AaronLiu0702/MAPD （2026-07-28 更新，GitHub API 显示 37 stars）
来源/日期：arXiv，Submitted 2026-07-27；HF Daily 2026-07-28 收录。
类别：LLM Agent / Agentic Search / Post-training RL / Distillation / Tool-use
一句话核心贡献：提出 Multi-Agent Protocol Distillation（MAPD），用结构化、风格归一的 protocol 作为专有教师与开源学生之间的中间监督，并结合 RL 改善 agentic search 的稀疏反馈问题。

为什么值得关注：Agentic search 很容易陷入“只模仿强模型自然语言轨迹”的陷阱：学生学到的是措辞和格式，而不是检索-推理-验证协议。MAPD 的关键是把 teacher trajectory 规约到一个更稳定的协议层，试图转移“决策结构”而不是“表面文本”。

与 wenjun 研究方向的关系：这与长轨迹 Agent RL 的 credit assignment 强相关。可把 protocol 看成一种可观测中间状态/latent schema：它可能降低轨迹模仿的方差，也可能为 model-based Agent RL 提供“状态抽象”；对代码 Agent 可迁移为 issue diagnosis -> file localization -> patch plan -> execution -> verification 的规范协议蒸馏。

#4. SeekJudge: A Practical Reward Framework for Reinforcement Learning in Computer-Use Agents

链接：https://arxiv.org/abs/2607.23263
来源/日期：arXiv，Submitted 2026-07-25；近 48 小时 arXiv/HF 相关流中出现。
类别：Computer-use Agent / Post-training RL / Evaluation / Reward Modeling
一句话核心贡献：提出由 Condense、Ground、Seek、Analyze 四类角色组成的 SeekJudge，用 Seek-Analyze loop 判断 GUI 轨迹是否真正完成指令，并蒸馏到一个 9B 专用 judge backbone。

为什么值得关注：computer-use agent 的瓶颈越来越像 RL 环境工程问题：如果 judge 不可靠，RL 就会优化错误目标；如果 rule-based eval 随 app 变化过期，长期训练不可持续。SeekJudge 把“轨迹验收”本身 agent 化，并用多角色流程做证据定位。

与 wenjun 研究方向的关系：对长程 Agent RL，reward 的关键不是只输出分数，而是能定位“哪里失败”。SeekJudge 的 Condense/Ground/Seek/Analyze 分工可借鉴到 coding agent：把测试日志、diff、文件状态、用户需求压缩成可判定 evidence，再给 step-level 或 subgoal-level feedback。

#5. CORVUS: Context Optimization and Reduction Via Underlying Synchronization for LLM Coding Agents

链接：https://arxiv.org/abs/2607.22711
来源/日期：arXiv，Submitted 2026-07-20；近期 cs.AI/cs.LG/cs.SE 新列表中相关度高。
类别：Code Agent / Context Compression / Tool-use / Systems
一句话核心贡献：针对 coding agent append-only trajectory 导致文件快照陈旧和重复读文件的问题，提出把 file-read action 与 observation 解耦，用同步文件 registry 在每轮注入当前内容。

为什么值得关注：这是一个很实用的“上下文压缩/同步”问题：Agent 轨迹不是越完整越好，旧 observation 可能是误导性状态。CORVUS 的思想接近把 context 从事件日志改造成“事件日志 + 当前世界状态缓存”。

与 wenjun 研究方向的关系：这对 model-based Agent RL 也有启发：如果环境状态变化，纯历史序列会混淆状态；需要一个显式 belief/state registry。对代码 Agent，可把文件、测试结果、依赖图、issue 约束都放进同步状态层，再让语言轨迹只记录决策。

#6. Co-Harness: Co-Evolving Harnesses and Model Weights for LLM Agents

链接：https://arxiv.org/abs/2607.22688
来源/日期：arXiv，Submitted 2026-07-17；近期 HF/arXiv 相关列表中出现。
类别：LLM Agent / Post-training / Self-evolving Agent / Evaluation Harness
一句话核心贡献：提出同时优化 agent harness（prompt、tools、skills、middleware、memory）与模型参数的 Co-Harness，而不是在固定 scaffold 下训练模型。

为什么值得关注：这篇把一个长期被忽视的问题说清楚：Agent 的数据分布不是模型单独产生的，而是“模型 × harness × 工具 × 记忆 × 评测器”的闭环产物。固定 harness 下训练，很可能只是在适应某个 scaffold 的局部最优。

与 wenjun 研究方向的关系：如果研究 self-evolving code agent，这篇是很好的概念支架。真正的自演化可能不是只 RL model weights，而是让 harness critic 发现失败模式并修改工具接口、上下文管理、验证门、memory schema。

#7. StateAct: Program State, before Pixels, for Long-Horizon Computer-Use Agents

链接：https://arxiv.org/abs/2607.22798
来源/日期：arXiv cs.SE，Submitted 2026-07-24。
类别：Computer-use Agent / Tool-use / Long-horizon Agent / Code-first Agent
一句话核心贡献：提出 code-first multi-agent harness：主 agent 直接操作程序状态，只有少量子目标交给 GUI subagent；并用独立 finish gate 检查保存结果等结构性失败。

判断：这与 CORVUS 一起形成一个趋势：Agent 不应只看 pixel/history，而要优先获取“真实程序状态”。对网页/IDE/OS agent 来说，DOM、文件系统、数据库、配置状态往往比截图更接近 MDP state。

#8. E-Bench: Benchmarking Multi-Step Tool-Use Agents in Real-World Product Scenarios

链接：https://arxiv.org/abs/2607.23722
来源/日期：arXiv，Submitted 2026-07-26。
类别：Tool-use / Evaluation / LLM Agent
一句话核心贡献：构造 323 个跨产品域、带状态变化的多步工具使用任务，通过 environment synthesis 与 task synthesis 解耦，制造信息缺口和工具缺口。

判断：值得跟进的点不是具体产品域，而是 benchmark 生成范式：先合成可复用环境，再生成需要探索隐藏信息、组合工具调用的任务。这对构造 code agent / research agent RL 环境有参考价值。

#9. AlloBench: Measuring Online Tool Allocation Capability in LLM Agents

链接：https://arxiv.org/abs/2607.23332
来源/日期：arXiv cs.LG，Submitted 2026-07-25。
类别：LLM Agent / Tool-use / Evaluation / Planning
一句话核心贡献：测试 Agent 是否会在固定预算下理性创建可复用工具；发现 frontier models 在抽象文本问题上近似最优，但迁移到脚本构造任务时失败。

判断：这点很像代码 Agent 的“投资型行动”问题：写一个 helper/test harness/diagnostic script 现在费 token，但未来复用收益大。AlloBench 可作为长程 credit assignment 的小型评测灵感。

#10. Codifying the Judge: Scalable Evaluation via Program Distillation

链接：https://arxiv.org/abs/2607.22561
来源/日期：arXiv 初投 2026-05-29；HF Daily 2026-07-28 收录。
类别：Evaluation / Reward Modeling / Systems
一句话核心贡献：将 LLM-as-a-judge 的决策逻辑蒸馏成程序委员会 PAJAMA，降低成本、延迟与不透明性，并在低置信样本回退到 LLM。

判断：对 RLVR/RLAIF 管线很实用。若 judge 能被蒸馏为可检查程序，就可以更稳定地大规模跑 agent trajectory filtering；但要注意程序 judge 可能继承 teacher bias，需要配合 adversarial validation。

#11. Reasoning Denoiser: Denoising Reasoning Traces for Hallucination Detection in Large Reasoning Models

链接：https://arxiv.org/abs/2607.22098
来源/日期：arXiv Submitted 2026-07-24；HF Daily 2026-07-28 收录。
类别：Reasoning Model / Evaluation / Latent Reasoning
一句话核心贡献：指出长 reasoning trace 中无关和重复步骤会干扰 hallucination detection，提出 REDE，用 final-answer attention 作为自动监督来学习 step-level 表示并去噪。

判断：对 latent reasoning 的启发是：不是所有显式 CoT token 都是有效计算；训练和评测需要区分“真正影响答案的步骤”和“叙事噪声”。这也可迁移到 Agent 轨迹：并非每个 tool call / thought 都有 credit。

#12. DecoupleMix: Decoupled Ratio Search and Convex Allocation for Scalable VLM Data Recipes

链接：https://arxiv.org/abs/2607.24516
来源/日期：arXiv Submitted 2026-07-27；HF Daily 2026-07-28 收录。
类别：Pretraining Data / Data Mixture / Foundation Model
一句话核心贡献：把 VLM 预训练数据配比拆成 inter-class ratio search 与 intra-class convex allocation，尝试将数据 recipe 从启发式堆叠变成可复现优化问题。

判断：虽然是 VLM，但对 LLM/Agent pretraining data 同样有意义：agent 预训练数据也需要决定任务类型比例、轨迹质量、难度、多样性与环境真实性之间的权衡。

#13. Data Pyramid for Embodied Manipulation

链接：https://arxiv.org/abs/2607.24744
来源/日期：arXiv Submitted 2026-07-27；HF Daily 2026-07-28 收录。
类别：Embodied Agent / Pretraining Data / Foundation Model
一句话核心贡献：把 embodied manipulation 数据生态组织为 real-robot、UMI-style、egocentric/exocentric、simulation、general V-L data 五层金字塔，并分析 scalability 与 robot alignment 的张力。

判断：对 LLM Agent 的类比很自然：真实用户任务轨迹、IDE/浏览器记录、合成环境轨迹、网页文本/代码语料也可构成 Agent data pyramid。关键问题是越真实越贵，越可扩展越可能偏离真实 agent alignment。

#14. TRACE: Business Rule-Grounded Reasoning Curriculum for Knowledge-Preserving Parametric Tool Retrieval in Enterprise LLMs

链接：https://arxiv.org/abs/2607.22639
来源/日期：arXiv 初投 2026-06-22；HF Daily 2026-07-28 收录。
类别：Tool-use / Enterprise LLM / Post-training / Reasoning Curriculum
一句话核心贡献：针对 parametric tool retrieval 中工具知识遗忘与 beam search 慢的问题，用业务规则 grounded 的 reasoning trace curriculum 训练模型生成工具 token 列表。

判断：企业 tool retrieval 和代码库 API 选择非常相似。值得看它如何构造 business rules 与 reasoning traces，能否迁移到“代码 Agent 在 repo 内选择函数/API/脚本”的训练。

#15. AssumptionMiner: Extracting, Tracing, and Revising Implicit Assumptions in LLM Code Generation

链接：https://arxiv.org/abs/2607.22898
来源/日期：arXiv Submitted 2026-07-24。
类别：Code Intelligence / Code Agent / Evaluation / Intent Understanding
一句话核心贡献：把 LLM 代码生成中的隐含假设显式化为可检查、可确认、可修订的 assumption layer，并通过 AST dependency graph 定向重生成受影响代码。

判断：这很贴合“从指令理解走向意图理解”。真实软件任务的 spec 永远不完整，Agent 的关键能力不是一次生成代码，而是暴露假设、追踪假设影响、请求/模拟验证。

#今日最值得精读的 3 篇

The Physics of Multi-Turn Long-Horizon Planning — 最贴近 LLM Agent world model / model-based RL / planning 能力形成机制。

https://arxiv.org/abs/2607.24720

From Proprietary to Open-Source: Multi-Agent Protocol Distillation in Agentic Search — 对长轨迹 Agent RL 的过程监督、协议蒸馏、teacher-student distribution gap 很关键。

https://arxiv.org/abs/2607.24280

Kimi K3: Open Frontier Intelligence — frontier model report，值得重点看长上下文架构、Stable LatentMoE、agentic/coding RL 和数据/系统 recipe。

https://arxiv.org/abs/2607.24653

备选补读：SeekJudge（reward/judge）、CORVUS（coding agent context state）、Co-Harness（harness 与权重共同演化）。

#今日最值得跟进的 3 个 repo/model/dataset

AgentR1/Agent-R1 — 端到端 RL 训练 LLM Agents，GitHub API 显示 2026-07-29 更新，约 1.6k stars。

https://github.com/AgentR1/Agent-R1

AaronLiu0702/MAPD — agentic search 的 Multi-Agent Protocol Distillation 官方/相关 repo，2026-07-28 更新。

https://github.com/AaronLiu0702/MAPD

PipeNetwork/kimi-k3-mlx 或 SemiAnalysisAI/InferenceX — Kimi K3 生态跟进：前者是 MLX port 与 expert pruning/overlap 分析；后者是包含 Kimi K3 的持续推理基准平台。

https://github.com/PipeNetwork/kimi-k3-mlx

https://github.com/SemiAnalysisAI/InferenceX

可额外观察：ChessGRPO-The-Weight-of-Silence（latent reasoning curriculum + GRPO 的小型因果实验 repo）https://github.com/ishan-kshirsagar0-7/ChessGRPO-The-Weight-of-Silence

#研究机会 / Idea

#Idea 1：把 Agent trajectory 拆成“事件日志 + 同步世界状态 + 可蒸馏协议”

CORVUS、StateAct、MAPD 指向同一个方向：append-only natural language trace 不是最好的状态表示。可以设计一个 coding agent 训练框架：

事件日志记录决策历史；
同步世界状态维护 repo 文件、测试结果、依赖图、issue 约束；
protocol layer 记录 file localization、hypothesis、patch plan、verification 等结构化状态；
RL/IL 在 protocol 层做 credit assignment，而不是直接模仿 verbose CoT。

这会自然连接到 model-based RL：protocol/world-state 就是可学习/可预测的 latent state。

#Idea 2：从“最终 reward”转向“可验证 judge 的分层蒸馏”

SeekJudge 与 PAJAMA 都在解决 evaluator 成本和可靠性问题。可以研究 code agent 的 judge pyramid：

deterministic tests / static analysis；
programmatic judge（从 LLM judge 蒸馏）；
multi-agent evidence-seeking judge；
human/strong model fallback。

关键问题：如何让 judge 不仅给 scalar reward，还给 subgoal-level blame，支持长轨迹 RL 的低方差更新。

#Idea 3：Agent 预训练数据金字塔与 mixture optimization

借鉴 DecoupleMix 和 Data Pyramid：为 LLM Agent 构造数据金字塔：

真实开发者/浏览器/IDE 轨迹（高 fidelity，低规模）；
人类标注 task + agent/human mixed trajectories；
合成 repo / synthetic web environments；
单步工具调用/代码语料/网页文本（高规模，低 agent alignment）。

可研究的问题：少量高质量长程轨迹在预训练中是否比大量短程工具调用更能形成 planning？suboptimal trajectories 是否像 2607.24720 摘要所说会因错误放大严重伤害泛化？

#检索备注

Hugging Face Daily Papers API 可访问，使用 2026-07-28 收录列表筛选。
arXiv list 页面可访问；arXiv export API 在本次检索中多次 429/timeout，因此对重点条目改用 arXiv abs 页面逐条核验标题、日期和摘要。
GitHub API 可访问，用于核验 repo 更新时间、stars 与描述。
X/Twitter 未直接检索，避免引用不可核验的社媒传闻。