一分钟读论文：《AgentGym2——从理想化基准到真实世界部署的评估范式转移》
如果你正在构建生产级 AI 智能体，你可能已经发现一个令人不安的事实：在基准测试上表现优异的模型，在实际部署中却频频翻车。GPT-5 在 AgentGym2 上的平均分仅为 46.15（约 44%），Claude Sonnet 4.5 更是只有 37%。这揭示了一个被长期忽视的真相——我们一直在用理想化的尺子，测量一个充满噪声和不确定性的真实世界。
一分钟读论文：《MetaSkill-Evolve——递归自我改进的双时间尺度架构》
In AI, Agent, 1 min read
一分钟读论文：《SWE-Doctor——用多面 Bug 复现测试引导 Agent》
In AI, SoftwareEngineering, 1 min read
一分钟读论文：《LLM-as-a-Verifier——将验证作为第四种缩放轴》
In AI, LLM, 1 min read一分钟读论文：《Scratch Copilot：用 AI 支持青少年创意编程》
Google DeepMind 研究科学家和华盛顿大学教授合作的一篇论文《Scratch Copilot: Supporting Youth Creative Coding with AI》，首次提出了专门为儿童设计的 AI 编程助手——Scratch Copilot，这是一个集成在类 Scratch 环境中的 AI 助手，为青少年提供创意编程支持。
Read More一分钟读论文：《被掏空的一天：软件工程师的日常》
作为团队的 Leader，如何通过改进流程和⼯具，并最终提⾼团队⽣产⼒呢？可以参考微软研究院和英国伦敦大学、瑞士苏黎世大学信息学系合著的论文《Today was a Good Day: The Daily Life of Software Developers》。该论文分析了微软工程师的5,971份问卷结果，发现工程师「良好」和「典型」的工作日是怎么样，并总结了使良好的工作日成为典型的建议：
Read MoreAll
一分钟读论文：《AgentGym2——从理想化基准到真实世界部署的评估范式转移》
如果你正在构建生产级 AI 智能体，你可能已经发现一个令人不安的事实：在基准测试上表现优异的模型，在实际部署中却频频翻车。GPT-5 在 AgentGym2 上的平均分仅为 46.15（约 44%），Claude Sonnet 4.5 更是只有 37%。这揭示了一个被长期忽视的真相——我们一直在用理想化的尺子，测量一个充满噪声和不确定性的真实世界。
In AI, ParadigmRadar, 2 mins read
一分钟读论文：《MetaSkill-Evolve——递归自我改进的双时间尺度架构》
本文讨论的论文是 MetaSkill-Evolve: Recursive Self-Improvement of LLM Agents via Two-Timescale Meta-Skill Evolution，arXiv:2607.05297，由慕尼黑大学（LMU Munich）的 Zefeng Wang、Minxi Yan 等六位研究者完成。论文链接：arXiv:2607.05297
In AI, Agent, 1 min read
一分钟读论文：《SWE-Doctor——用多面 Bug 复现测试引导 Agent》
本文讨论的论文是 SWE-Doctor: Guiding Software Engineering Agents with Runtime Diagnosis from Multi-Faceted Bug Reproduction Tests，arXiv:2607.00990，由新加坡国立大学和中国科学技术大学联合完成。论文链接：https://arxiv.org/abs/2607.00990
In AI, SoftwareEngineering, 1 min read
一分钟读论文：《LLM-as-a-Verifier——将验证作为第四种缩放轴》
本文讨论的论文是 LLM-as-a-Verifier: A General-Purpose Verification Framework，arXiv:2607.05391，由斯坦福大学和加州大学伯克利分校共九位研究者联合完成。论文链接：arXiv:2607.05391
In AI, LLM, 1 min read
一分钟读论文：《Lean4Agent——用依赖类型语言验证 Agent》
LLM Agent 的工作流设计长期缺乏形式化保障，研究者通常依赖经验性测试和统计评估来判断一个 Agent 流程是否可靠。这篇来自 UC Berkeley Tong Zhang 团队的新论文首次提出用 Lean4 这一依赖类型语言对 Agent 工作流和执行轨迹进行统一的形式化建模与验证，并在此基础上实现了自动修订闭环。
In AI, FormalMethods, 1 min read
一分钟读论文：《游戏引擎编码智能体基准测试》
多伦多大学等机构的一篇论文《GameEngineBench: Evaluating Coding Agents on Real C++ Runtime Environments》（arXiv:2607.03525），提出了首个面向游戏引擎开发的编码智能体基准测试 GameEngineBench，发现最强模型在真实 C++ 编译验证下的 pass@1 仅为 55.5%，且 31 个任务（28.2%）对所有评估配置均不可解。这一结果揭示了当前编码智能体在处理复杂 C++ 项目时的显著能力缺口。
In Engineering, AI, 1 min read
一分钟读论文：《当Agent学会自我进化——自主策略演化评估框架EvoPolicyGym》
阿里巴巴达摩院合作的一篇论文《EvoPolicyGym: Evaluating Autonomous Policy Evolution in Interactive Environments》首次将”自主策略演化”形式化为独立评估设定——在固定交互预算内，Harness-Model Agent反复编辑可执行策略系统，评估其如何迭代提升已探索的策略。核心突破在于：将策略改进能力从最终得分中解耦，提供轨迹级诊断框架（预算分配效率、反馈转化效率、策略精炼能力），揭示强自主策略演化不仅依赖孤立任务胜利，更依赖于发现任务适配机制并在有限反馈下精炼策略。
In ai, agent, 1 min read
一分钟读论文：《Agent能否从失败中进化——自主策略演化评估基准EvoPolicyGym》
阿里巴巴达摩院团队的一篇论文《EvoPolicyGym: Evaluating Autonomous Policy Evolution in Interactive Environments》首次提出”自主策略演化”作为独立的Agent评估范式——在固定交互预算内，让Agent反复编辑和迭代改进自己的可执行策略系统，评估其从反馈中学习并持续优化的能力。核心突破在于：现有评估通常将迭代改进过程压缩为单一最终得分，而本文提供了轨迹级诊断框架，揭示不同模型如何分配预算、转化反馈、精炼策略。
In ai, agent, 1 min read
一分钟读论文：《当记忆改变一切时什么保持不变——智能体记忆巩固的身份不变性框架》
哈尔滨工业大学和苏州大学合作的一篇论文《Episodic-to-Semantic Consolidation Without Identity Drift》首次将记忆巩固形式化为不改变智能体身份的确定性函数——在持续积累知识的同时，通过身份哈希隔离语义知识层，实现字节级身份一致性。核心突破在于：传统方法将记忆巩固视为”改变智能体本身”的操作（微调模型、重写提示词、蒸馏策略），而本文提出巩固只是从情景记忆到语义知识的映射 f: M^ep -> M^sem，身份哈希不读取 M^sem，因此更新知识而不改变认证身份。
In ai, agent, 1 min read
一分钟读论文：《当记忆必须有限时——长程智能体的有界契约设计》
上海交通大学和清华大学合作的一篇论文《AgenticSTS: A Bounded-Memory Testbed for Long-Horizon LLM Agents》首次将长程智能体的记忆形式化为”契约”问题——每次决策从一条由类型化检索组装的全新用户消息出发，不附加任何跨决策的原始对话记录，使提示词在任意长度的运行中保持有界。核心突破在于：传统方法将过去观察、工具调用和反思逐条追加到提示词中，导致上下文变成一团混乱的混合物；而本文的方案保证提示词大小恒定，且任何单一记忆层都可以独立消融。
In ai, agent, 1 min read
Featured
-
一分钟读论文：《Scratch Copilot：用 AI 支持青少年创意编程》推荐
In AI, 编程教育, -
一分钟读论文：《技术债的普遍性、原因和影响：业界系统调查》推荐
In Engineering, Architecture, -
一分钟读论文：《玩转 GitHub 开源软件社区的必备技能树》推荐
In OpenSource, Engineer, -
一分钟读论文：《ChatGPT 提示模式：提高代码质量、重构、需求获取和软件设计》
In AI, Engineering, Engineer, -
一分钟读论文：《用 Rust 和 WebAssembly 补充 JS 实现高性能 Node、Web 应用程序》
In Architecture, Performance, -
一分钟读论文：《通过反思性目标设定培养工程师的好习惯》
In Engineer, Productivity, -
一分钟读论文：《卓越的开源维护者是如何成就的？》
In OpenSource, Engineer, -
一分钟读论文：《我们走了多远——WebAssembly 运行时的全面特征研究》
In FrontEnd, -
一分钟读论文：《XSS 攻击22年：全面调查及系统综述》
In Security, -
一分钟读论文：《细孔沉千帆：小程序权限漏洞研究》
In Security, -
一分钟读论文：《影响大规模敏捷软件开发按时交付的因素》
In Productivity, -
一分钟读论文：《被掏空的一天：软件工程师的日常》
In Productivity, Engineer, -
一分钟读论文：《30年软件重构研究：系统性文献综述》
In Engineering, -
一分钟读论文：《要不要上 TypeScript？GitHub 上 JS 和 TS 应用软件质量的系统比较》
In FrontEnd, -
一分钟读论文：《NPM 供应链的软肋是什么?》
In Security,