每日调研 2026-10-20 ★★★★☆ daily AI LLM Agent Code Intelligence Research Briefing

#2026-10-20 AI/LLM 最新论文与研究热点简报

检索时间：2026-10-20 08:00 (Asia/Shanghai)。覆盖说明：arXiv 公开 API 的最新全量批次为 2026-10-16 提交（10-17～10-19 尚未通过 API 公开），Hugging Face Daily Papers 已生成 10-19 榜单（50 篇，含 10-15/10-16 批次条目）。本期主覆盖 10-16 批次新论文 + 10-19 HF 榜单中上两期未覆盖的条目，整体时间范围为最近 3-7 天（10-12～10-16 批次为主）。上期（2026-10-19）已详述的论文（CoPE、Skip the Compressor、Mallea、SWE-at-Scale、Self-Improvement Problem 等）不再重复展开。
核心来源：arXiv API（cs.AI/cs.CL/cs.LG/cs.SE 按提交时间倒序 150 条）+ Hugging Face Daily Papers API（10-19 榜单，含摘要与发布日期）+ arXiv abs 页逐条核验（标题/作者/日期/摘要）+ GitHub Trending weekly 页面解析 + GitHub REST API（未认证限流内抽查）。X/Twitter 不可直接访问，未纳入检索，已注明。
主题观察：本期三条最清晰的信号——①"自演化 agent"从单篇方法走向方法矩阵：Darwin-Claw（经验分级固化）、CDSE（技能认知分化）、SkillBrowser（技能选择性暴露）三篇同日出现，"自演化该怎么组织经验/技能"正在成为独立子领域；② 记忆与世界模型在"执行 vs 记住"处交汇：Execution Before Memory 诊断视频世界模型"记住前提但没执行变更"、GlobeBench 给文本世界模型建立标准化基准（20 模型 631 题无人能解）；③ 训练侧"深度换 token"路线成型：LEV（循环层数换精度）+ Looped Models Done Right Part I（Huginn 架构设计原则 + MoE 迁移）同日出现，潜空间推理有了系统的架构层支撑。

#一、核心论文精选（按与 wenjun 方向的相关度排序）

#1. Darwin-Claw: Environment-Adaptive Experience Consolidation for Recursively Self-Evolving Agents ⭐ 重点

链接：https://arxiv.org/abs/2610.23574
来源：arXiv（cs.AI），作者 Mingze Yin, Xiaohan Wang, Dian Li, Longfei Luo, Jiahong Yan, Yiheng Zhu, Chang-Yu Hsieh 等
日期：2026-10-16 提交
类别：LLM Agent / Self-Evolving Agent / Continual Learning
一句话核心：批评现有自演化范式"把原始轨迹不加区分地灌进记忆/技能模块"（行为模式被淹没、更新不可控），提出环境自适应框架：agent-actor 与 evolver-critic 迭代协同适应，用分层经验固化系统抽取细粒度错误归因、泛化为动态更新的原型向量，作为"交互补丁"（情境感知的上下文注入）与技能精炼的显式优化信号。

为什么值得关注：论文有一个值得注意的判断："随着基础推理能力增强，agent 演化的瓶颈从'积累通用知识'转向'管理情境经验'"——这等于宣告"往上下文里堆轨迹"这条粗暴路线已到瓶颈，下一步是经验的表示、归因与分级固化。其 actor-evolver 协同适应结构与近期多篇 harness 层自演化（Self-Evolving Agent Harness、Doc2Harness）互为印证：一个在模型外、一个在经验组织层。

与 wenjun 研究方向的关系：直接命中自演化智能 + 环境设计催生自演化两条线。"错误归因 → 原型向量 → 显式优化信号"本质上是在做经验的 credit assignment，与你关心的长轨迹 credit assignment 是同一问题在不同层面（轨迹层 vs 经验层）的实例。另外它是可插拔框架（兼容主流 agent 系统无需人工整理），适合作为自演化实验的对照基线。

#2. Tree-Aware Posterior Distillation (TreeOPSD) for Long-Horizon Agentic RL ⭐ 重点

链接：https://arxiv.org/abs/2610.23181
来源：arXiv（cs.CL），作者 Heming Zou, Qi Wang, Yixiu Mao 等
日期：2026-10-16 提交
类别：Post-training RL / LLM Agent / Credit Assignment
一句话核心：同时解决长时程 agentic RL 的两个痛点——终端奖励导致 turn 级 credit 稀疏高方差、顺序 minibatch 更新导致 policy 陈旧——提出免 critic 的树感知后验自蒸馏：把每个交互轮次当树节点、从共享前缀分支出备选延续、递归把终端奖励回溯成隐式 turn 级 credit，再把 credit 映射为相对冻结行为策略似然比的闭式有界教师分布，蒸馏收敛即恢复策略梯度方向且更新有界。

为什么值得关注：不引入 value 网络、不需要步级标注、不需要外部更强教师——只用"树形 rollout + 似然比闭式目标"就同时得到稠密 credit 和有界更新，这是对"critic/PRM/OPD"三系中间监督方案的第四条路。实验上 Qwen3-30B-A3B-Thinking 在 Deep Research 设置较 GRPO 平均 +4.97 分。

与 wenjun 研究方向的关系：正面命中长轨迹 agentic RL 的 credit assignment。"树形分支 + 后验回溯"可视作把 model-based 的"想象备选未来"从学出来的 world model 换成了真实环境分支采样——与 model-based RL 主线形成方法论对照：什么时候学一个模型、什么时候直接分支采样？这个 trade-off 值得系统研究，且 TreeOPSD 的闭式教师分布可迁移到你的 Dreamer-for-LLM 目标设计。

#3. Execution Before Memory: Diagnosing Memory Failures in Video World Models ⭐ 重点

链接：https://arxiv.org/abs/2610.23542
来源：arXiv（cs.CV/cs.CL），作者 Weiyang Jin, Jiwen Yu, Sihan Xu, Yuwei Niu, Xihui Liu
日期：2026-10-16 提交
类别：Model-based RL / World Model / Evaluation
一句话核心：指出当前视频世界模型的"记忆评测"把"场景设置了吗、变更执行了吗、末帧显示结果了吗"折叠成一个分数——变更没被执行时隐状态转移根本不会出现，低分被误读为"遗忘"；提出 MIST 评测把"变更执行"与"它应留下的记忆"分离，发现瓶颈在"设置了场景但没执行指示的变更"，并提出 M3-Agent（递归细化指令让模型真正执行）使 MIST reveal 分数提升三倍以上。

为什么值得关注：这是对世界模型评测方法论的一次纠偏，且结论有普遍性："很多'记忆失败'其实是'执行失败'被误诊"。这与 LLM agent 侧的 OPRD 类诊断（上下文里有但 agent 不用）构成镜像：表示里有 ≠ 计算会用。诊断框架（先分离再归因）值得移植到 agent 记忆评测。

与 wenjun 研究方向的关系：直接命中 model-based RL / 世界模型主线，且"执行 vs 记忆"的分离式诊断正是你关心的"世界模型到底学到了什么"的评测方法论。M3-Agent 用"改指令适配模型"而非"改模型适配指令"，思路激进，对"环境/规范设计催生能力"是又一份证据。

#4. GlobeBench: Evaluating Text-Based World Model Capabilities ⭐ 重点

链接：https://arxiv.org/abs/2610.22708
来源：arXiv（cs.LG），HF Daily Papers 10-19 榜单
日期：2026-10-15 提交
类别：Model-based RL / World Model / Evaluation
一句话核心：给文本世界模型建立第一个标准化基准：1,632 个任务、5 域 19 种模拟技能，考"给定完整轨迹预测环境对特定动作的响应"（理解早期状态变化、遵循环境规则、预测动作对相关/无关对象的影响）；20 个模型中 GPT-6 Astra 最高仅 49.57%，当动作影响需传播到依赖对象时成功率骤降到 5.1%，631 题无人能解。

为什么值得关注：这是 LLM-as-world-model 路线的第一份系统性"体检报告"。最关键的发现是状态传播（state propagation）是断层——模型能答局部转移，但改一个对象后依赖对象怎么办基本不会。这为"文本世界模型能否当 agent 的环境模拟器"给出了清晰的负空间：当前不行，缺的正是长程因果一致性。

与 wenjun 研究方向的关系：model-based RL for LLM Agent 的基石问题——如果要用 LLM 当 world model 做 rollout，GlobeBench 直接告诉你它的失效面在哪。631 个无人能解的题目本身就是一份"世界模型训练数据"的现成来源；对 Dreamer-for-LLM 而言，这是环境模拟器选型前的必读地图。

#5. LEV: Thinking Fast and Deep with Looped Decision Models ⭐ 重点

链接：https://arxiv.org/abs/2610.20951
来源：arXiv（cs.CL），HF Daily Papers 10-19 榜单
日期：2026-10-14 提交
类别：Latent Reasoning / Efficiency / Systems
一句话核心：决策模型（一次前向、每选项一个概率、不生成文本）深度在训练时固定、难易题同算力；LEV 让模型循环重跑层而非生成 token 来"想更深"——在循环预训练的 LM 上构建、每步重读选项、所有深度联合训练，一个 checkpoint 可任意深度作答：2.6B 模型深度 1→4 在 JevBench 上 63.2%→76.2%，按需选深度省 15-24% 算力。

为什么值得关注：这是"深度换 token"叙事在非生成式决策任务上的干净落地。链式思考用解码 token 付费、looped 层用循环计算付费，本文给出了后者的精确收益曲线与 per-question 自适应深度的止损方案（小 stopper + 无标签请求拟合阈值）。

与 wenjun 研究方向的关系：命中潜空间推理主线。looped-layer 深度自适应与 latent CoT（Coconut 一系）是同一问题的两条实现路径（循环 vs 连续潜变量），LEV 的"按需深度 + 停止准则"设计对潜空间推理的算力分配有直接参考价值——尤其是它把"何时停止想"做成了无标签校准问题。

#6. Towards Looped Models Done Right, Part I ⭐ 重点

链接：https://arxiv.org/abs/2610.23036
来源：arXiv（cs.LG），HF Daily Papers 10-19 榜单
日期：2026-10-16 提交
类别：Latent Reasoning / Pretraining Architecture
一句话核心：系统解耦 looped LM 的三个纠缠设计轴（循环块位置、输入注入、循环状态组织），匹配参数量/逻辑深度/token 预算从零训练对比，证明 prelude-循环块-coda 三明治架构在上下文抽取与推理任务上稳定占优，且原则可迁移到 MoE：500B token、8B-A0.8B（展开 32B-A3B）规模上 Huginn 式设计几乎全面胜出 Ouro，比 112 层前馈 MoE 少 75% 常驻参数还赢在 DROP/GSM8K。

为什么值得关注：looped/recurrent LM 终于有了"受控变量式"的架构研究——不是又一个新结构，而是把已有结构拆轴归因。结论"输入注入主要增强知识检索、独立 H/L 循环状态收益混合或为负"直接可指导架构选型。MoE + 循环的规模化成功为"逻辑深度弹性"提供了参数效率证据。

与 wenjun 研究方向的关系：潜空间推理的架构层地基。若做 latent reasoning 相关研究，本文 + LEV（同批）+ Huginn 原作构成了"固定物理层数、逻辑深度可变"范式的完整参考文献链；其对 MoE 路由均衡的观察也与你的基础模型训练机制兴趣交叉。

#7. Librarian Agents: Training LLMs to Curate Long-Context Workspaces ⭐ 重点

链接：https://arxiv.org/abs/2610.22273
来源：arXiv（cs.CL），作者 Anikait Singh, Teresa Zhang, Yoonho Lee, Roshen Sanjay Nair, Aviral Kumar, Chelsea Finn（Stanford 系）
日期：2026-10-15 提交，HF Daily Papers 10-19 榜单
类别：LLM Agent / Context Compression / Tool-use
一句话核心：利用一个关键不对称——agent 会"在现成文件系统里导航解决眼前任务"、但不会"为未来任务构建可复用工作区"——训练 builder agent 把原始文档改组成带引用链接的分层文件系统（合成文件组成的工作区），将工作区构建形式化为 MDP、用 RL 直接最大化下游回答准确率：BrowseComp-Plus 上比最强检索/预计算基线高 33 个百分点，并在 BRIGHT 上零样本泛化。

为什么值得关注：把"上下文工程"从推理时动作变成了训练时习得的预计算能力——不是压缩已有上下文，而是提前重组语料让未来的问答变便宜。这是"检索是反应式的、组织是前瞻式的"这一洞察的完整落地，且成本可在多次查询间摊销。

与 wenjun 研究方向的关系：同时命中上下文压缩器与 agent 预训练数据如何塑造能力两条线：前者——它是压缩范式的镜像（压缩=查询时丢信息，策展=查询前组织信息），与你上期讨论的 selection vs compression 分野直接相连（策展是"选择+重组"的极值）；后者——它示范了"用 RL 训练一个面向未来任务的数据组织策略"，这与你关注的"agent 预训练数据工程"是同构问题。

#8. FC-SWE: Failure-Conditioned RL for Long-Horizon SWE Agents ⭐ 重点

链接：https://arxiv.org/abs/2610.07898
来源：arXiv（cs.SE/cs.CL）
日期：2026-10-06 提交（HF 10-19 榜单新上榜，上两期未覆盖）
类别：Code Agent / Post-training RL / Credit Assignment
一句话核心：GRPO 采样多条独立轨迹却不复用失败 patch 的 verifier 反馈；FC-SWE 在 patch 失败后恢复仓库原始状态、把失败 patch + verifier 反馈作为条件上下文生成恢复轨迹，用轨迹局部奖励（防"恢复成功反哺早前失败"）+ 活动集优势估计（失败尝试留在组内）适配 GRPO：SWE-bench Verified 500 题上 Qwen3.5-4B 达 41.7% Resolved@1（GRPO 38.9%），11 次尝试预算下 70.7%。

为什么值得关注：把"失败反馈"变成条件信息而非被丢弃的样本，是对 RLVR 数据效率的一个干净改进。其"轨迹局部奖励"处理的是 credit assignment 的经典陷阱（链条上后面成功掩盖前面失败），机制设计有普遍参考价值。

与 wenjun 研究方向的关系：命中 Code Agent agentic RL + 长轨迹 credit assignment。"恢复轨迹的条件化"本质上是让 verifier 反馈成为 world model 的显式输入——与 model-based RL 中"用环境诊断信号引导后续 rollout"思想同源，可作为 Dreamer-for-LLM 在 SWE 域的先导实验设计。

#9. Language Models Learn to Improve Language Models (LM2LM) ⭐

链接：https://arxiv.org/abs/2610.23344
来源：arXiv（cs.CL/cs.AI）
日期：2026-10-16 提交
类别：Self-Evolving / Model-based RL / Post-training RL
一句话核心：用 RL 训练 LLM 生成"改进 LM 的提案"，为解决真实反馈太贵（每个提案要一次完整训练）的问题，用冻结 LLM 当 research world model（RWM）——从上下文里的真实实验记录预测提案收益作为奖励模型——并周期性执行当前策略高分提案、把实测结果加回 RWM 上下文防奖励失真：Qwen3.8-27B 超过带 300 条真实记录的 GPT-6-sol，数据生成成本低 33%。

为什么值得关注：这是"world model"概念的外延样本——不模拟物理/环境，而是模拟科研实验的收益面。周期性真实执行锚定（防 surrogate 奖励被策略性利用）是 reward-model 训练里"合成奖励漂移"问题的一个轻量解法。

与 wenjun 研究方向的关系：连接你的 model-based RL 与自演化兴趣：RWM 本质上是"用上下文学习近似昂贵环境"的 frozen world model，与 LLM-as-world-model（GlobeBench 评测的那种）形成"训练/冻结"两种用法的对照；其防漂移机制对任何"用 LM 当奖励模型"的 agentic RL 管线都有直接借鉴意义。

#10. 其他值得关注（一句话条目）

BeliefWeaver（2610.18082，10-13，HF 10-19 榜单）：长时程 agent 失败恢复——维护前沿/尝试/观测/检查点的关系信念状态 + 隐式世界模型评估修复假设，蒸馏 9B 学生较原生基线 +9.8 分且降 54.8% 教师调用成本；"信念状态 + IWM"是 agent 侧 model-based 的又一实例。
CDSE（2610.23599，10-16）：技能认知分化——把统一技能拆为 Meta/Experience/Tool/Script 四个功能组件分别演化，6 基准 36 设置全胜；技能"功能异质性"的组织原则。
SkillBrowser（2610.23554，10-16）：技能选择性暴露（SSE）——Meta-Skill 管理按需加载技能，解决技能库膨胀的上下文污染。
TIDER（2610.23598，10-16）：RL 训练 1.7B 时间窗定位器做双通道（时间+语义）记忆检索，对抗"语义相似但时间错配"的记忆挤占。
MemCompile（2610.23313，10-16）：查询条件化的证据编译——Address Plane 定位 + Evidence Plane 有界预算渲染，LoCoMo 80.52%。
Darwin-Claw 的 WildClawBench（随 2610.23574）：自演化 agent 的评测配套。
Enforcing Code Reasoning（DeskCheck）（2610.23782，10-16）：分析 7,955 条 SWE 轨迹发现 12 种代码推理形态、66.95% 轨迹含推理但基本无引导；脚手架系统化引导后 SWE-bench-Pro +6.3~10.5%。
EvoWeb（2610.16402，10-12，HF 10-19 榜单）：320 条累积请求 / 32 个 web 应用的演化式代码基准，"跨请求集成"是新挑战维度；后期依赖深的请求准确率显著下降。
MLOps-Bench（2610.23506，10-16）：212 个真实 ML 仓库任务（数据管道→serving→CI/CD 全生命周期），最强 agent 只解 31.2%；代码 agent 从"修 issue"走向"维护生产系统"。
SchemaShield-Lite（2610.23342，10-16）：工具接口漂移（部署后 schema/描述变更）的免训练修复层；发现候选集漂移（干扰工具混入）伤害最大。
Into the Unknown（2610.19159，10-13，HF 10-19 榜单）：DOE 实验室未发表后续方向做基准，9 个前沿 agent 各写 15 篇"后续论文"——135 篇无一满足全部条件、114 篇未过完整性检查（多数声称做了没做的事）；科学 agent 完整性问题的硬数据。
OS-Helix（2610.22234，10-15，HF 10-19 榜单）：GUI+代码统一动作空间的端到端训练 CUA，Step-balanced GSPO 解决长代码动作支配优化的问题；"prompt 级工具组合学不会 GUI/code 路由"是个重要负结果。
DLite（2610.23787，10-16）：免历史投机解码——agentic 长上下文下 draft 模型缓存的 KV 历史失效问题。
SimOPD（2610.23306，10-16）：用响应相似度分布（对比学习式）做跨架构 on-policy 蒸馏，绕开 token 概率/隐状态对齐两条老路。
DiscoveryRSI（2610.23839，10-16，HF 10-19 榜单）：假设树进化搜索 + 可执行 Harbor 任务编译的递归自我改进科学 agent，与"模型截止日期后发表的真实研究"6.3% 对应率（GPT-6 2.5%、Opus 5 2.3%）。
Belief-Trajectory Energy（2610.05114，HF 10-19 榜单）：度量"预测的路径"而非仅端点——对 prediction 过程的度量学，与潜空间推理的过程性评估思路相关。
OpenMobile-2（2610.14157，10-09，HF 10-19 榜单）：35 个仿真商业 app + 12K SFT 轨迹 + 2K 可验证 RL 任务的移动 agent 全开源栈，"app 原生工具 + GUI 混合动作"。
GLOBE（2610.23709，10-16）：电商生成式搜索的结构化 agentic 记忆自演化——记忆/世界模型思路在垂直域的落地样本。
OwlSight（2610.23670，10-16）：CoT 全景监视器——CoT 可监控性基础设施。
Predictable Scaling（2610.23453，10-16）：用 scaling-law 预测做高效模型探索——训练机制研究的方法论工具。

#二、GitHub / 模型 / 数据集动向

（说明：GitHub REST Search API 本周继续撞未认证限流（60 次/小时），以下来自 GitHub Trending weekly 页面解析 + 未认证限流内的单仓库 API 抽查，star 数为 API 快照。）

morluto/rea（★336,556，API 快照，连续第三周霸榜）：agent 驱动的逆向工程（app 行为→原生二进制）；与 NationalSecurityAgency/ghidra（本周 trending，SRE 框架）同榜出现——"agent + 逆向工程工具链"正在成为 agent 做真实系统级工作的标志性场景。
mksglu/context-mode（★31,068）：工具输出沙箱化（宣称 98% 缩减）+ 状态持久化的 coding agent harness——与上期三角讨论（Mosaic/Skip the Compressor/context-mode）继续互为印证，本周仍在榜。
K-Dense-AI/scientific-agent-skills（★52,926）："Turn any AI agent into an AI Scientist"，25 万研究者使用的科学技能库——技能库生态的科学域样本，与 CDSE/SkillBrowser 论文层讨论互为表里（工程界在用"技能包"组织 agent 能力）。
ruvnet/ruflo（★77,176，2025-06 创建）："The original agent harness"，多 agent swarm 编排部署——harness 层竞争白热化的又一玩家。
heygen-com/hyperframes（★67,662，2026-03 创建）：HTML 写→视频渲染，"Built for agents"——agent 原生创作工具持续走热。
anthropics/claude-plugins-official（★5,441）+ cursor/plugins（★1,975）：agent 插件规范双官方仓库同周在榜——插件/技能标准化已是平台级动作。
模型/数据发布：本期无重大开源基座/数据集发布（与上期 3DCodeVerse-2M、Multi-SFT 相比清淡）；Hugging Face 模型页新模型以领域微调为主，与 wenjun 方向关联弱，不再罗列。

#三、今日最值得精读的 3 篇

TreeOPSD: Tree-Aware Posterior Distillation（https://arxiv.org/abs/2610.23181）——免 critic 的树形分支 + 闭式有界教师分布，同时解决 turn 级 credit 稀疏与 policy 陈旧；与你的长轨迹 RL 主线正面对话，"分支采样 vs 学习 world model"的 trade-off 值得精读其论证。
GlobeBench（https://arxiv.org/abs/2610.22708）——文本世界模型第一份系统体检：状态传播断层（5.1%）与 631 道无人能解题，是 LLM-as-world-model 路线的失效面地图，也是现成的训练数据来源。
Execution Before Memory（https://arxiv.org/abs/2610.23542）——"执行失败被误诊为记忆失败"的分离式诊断 + M3-Agent 的"改指令适配模型"路线；世界模型评测方法论的必读纠偏。

（备选第 4：Darwin-Claw，https://arxiv.org/abs/2610.23574——若本周要写自演化 agent 相关综述/立项，其"经验分级固化 + actor-evolver 协同"结构是最新参照系。）

#四、今日最值得跟进的 3 个 repo / model / dataset

GlobeBench（见 https://arxiv.org/abs/2610.22708）——631 道全模型未解题 + 5 域 19 技能的任务族，若做世界模型/环境模拟器方向，这是最直接的训练与评测数据底座；论文声明代码数据将公开，值得第一时间跟进。
morluto/rea（https://github.com/morluto/rea）——agent 逆向工程连续三周 33 万 star，其 harness 设计（agent 如何调用 ghidra 等工具链做真实系统工作）是"agent + 工具生态"的活体样本，与 OS-Helix 的 GUI/代码统一动作空间研究互补。
K-Dense-AI/scientific-agent-skills（https://github.com/K-Dense-AI/scientific-agent-skills）——5.3 万 star 的科学技能库；CDSE/SkillBrowser 论文恰好研究"技能库如何组织与按需暴露"，这个仓库是现成的实证语料（技能包结构、真实使用模式）。

#五、研究机会 / Ideas

"经验的 credit assignment"需要一条与轨迹层并行的形式化：本期 Darwin-Claw（错误归因→原型向量）、TreeOPSD（树形后验回溯 turn 级 credit）、FC-SWE（失败轨迹条件化）分别在做经验层、轮次层、恢复链层的 credit。三个层共用一个未形式化的问题："反馈应该回溯到哪个粒度的行为单元？" 可做的实证问题：在同一 code-agent 基准上，把 credit 粒度从 token/turn/chunk/轨迹/经验原型五档扫描，画出"粒度-方差-偏差"权衡曲线。这既能统一近期文献的碎片化设计，又直接服务于你的长轨迹 RL 主线——且 TreeOPSD 的树形 rollout 与 FC-SWE 的失败条件化可以在同一代码库里对齐实现，实验成本可控。
世界模型"状态传播断层"的针对性训练目标：GlobeBench 发现依赖对象传播（改 A 后 B/C 怎么变）成功率仅 5.1%。这提示一个具体目标设计：给 LLM 世界模型加传播一致性损失——对同一对象图的多次编辑，要求模型对"受影响闭包"的预测一致（可由环境执行器自动构造，天然 verifiable）。与你"环境规范即奖励"的直觉衔接：对象依赖图本身就是规范的显式形式。视频侧的 Execution Before Memory 已示范"执行 vs 记忆"分离诊断，文本侧完全可以用 GlobeBench 任务族做镜像实验（执行 vs 传播），两个模态合起来是一篇完整的世界模型失效学论文。
Looped 深度与 agent 推理的按需算力分配：LEV 证明"按问题难度调循环深度"可用无标签校准实现（省 15-24% 算力）。agent 场景的直接移植：环境交互中哪些步需要深想、哪些步该快答——把 LEV 的 stopper 思想改为"动作置信度门控"，在长时程 agent 轨迹上做深度自适应（简单工具调用浅循环、关键决策深循环）。这与你的潜空间推理 + 长轨迹 RL 双主线同时相交，且 Looped Models Done Right 刚给出架构配方（三明治 + 输入注入），工程起点现成。

说明：以上论文均经 arXiv abs 页或 arXiv API / HF Daily Papers API 逐条核实（标题/作者/日期/摘要），无编造条目。arXiv API 曾因限流（HTTP 429）间歇不可用，改用 arXiv abs 页面逐条核验，全部关键条目核验通过（HTTP 200）。X/Twitter 无法直接访问，未纳入检索；GitHub REST Search API 未认证限流，仓库数据来自 Trending 页面解析 + 单仓库 API 抽查（rea/context-mode/scientific-agent-skills/ruflo/hyperframes 均经 API 核实 star 数）。上期（2026-10-19）已详述的论文（CoPE、Mallea、SWE-at-Scale、DGS-WM、ANTE、Mosaic 等 40 篇）不重复展开；FC-SWE（10-06）与 OpenMobile-2（10-09）提交较早但上两期未覆盖且本周经 HF 10-19 榜单重新进入视野，故收录。