ai, agent,

一分钟读论文：《通过智能体轨迹解剖模型行为》

Unbug By Unbug Follow Jun 22, 2026 · 1 min read
一分钟读论文：《通过智能体轨迹解剖模型行为》
Share this

堪萨斯大学的一篇论文《Dissecting model behavior through agent trajectories》，首次将意图-执行差距（intent-execution gap）形式化为可测量的系统偏差。通过分析138k条智能体轨迹、覆盖Claude、Gemini、GPT、Grok、Qwen五大模型家族，论文证明：AI Agent性能不仅是建模问题，更是系统问题——模型假设与harness行为之间的差距会阻止模型能力的充分转化。

从结果评估到过程诊断

传统Agent评估依赖pass@1等聚合分数，告诉你Agent做对了什么但不告诉你怎么做。堪萨斯大学团队构建了Simple Strands Agent（SSA）框架，将Agent轨迹映射到代码状态空间而非仅依赖文本日志。当两个模型在SWE-Pro上获得相同分数时，解题路径可能截然不同：有的快速编辑后反复测试，有的偏好长时间思考再动手。聚合分数掩盖了这些差异，而轨迹分析揭示了同分不同行的行为模式。

细粒度指标揭示行为画像

论文提出了一套超越传统评估的细粒度指标体系。编辑频率衡量代码修改投入密度，测试活动追踪验证行为分布特征，相变点识别解题策略发生根本转变的关键节点。通过对138k条轨迹的分析，团队发现不同模型家族在这些指标上呈现系统性差异：某些模型早期投入大量编辑精力但测试频率较低，另一些则采取小步快跑、频繁验证的策略。

填补可观测性空白

当前Micropaper系列构建了”预防-管理-恢复”可靠性链条：SEVRA（#75）回答何时需要验证，LedgerAgent（#76）解决如何管理状态，ToolMaze（#77）处理失败后如何恢复。但这一链条缺少一个核心维度——可观测性/诊断层。就像有了刹车、方向盘和备胎但没有仪表盘。第78篇论文填补了这一空白：在预防、管理和恢复之间，需要知道Agent实际在做什么、怎么做、为什么这么做。

References

Agent TrajectoryAnalysis ModelBehavior
Related
  1. 一分钟读论文：《SpecBench：面向软件工程 Agent 的规范级推理评估》
    In AI, SoftwareEngineering,
  2. 一分钟读论文：《元认知记忆策略优化》
    In AI, LLM,
  3. AI 范式雷达：《Long Horizon Agent 全栈设计：从接单到交付的工程蓝图》
    In AI, ParadigmRadar, Agent,
  4. 一分钟读论文：《PRIME：通过迭代记忆进化实现用户中心Agent的主动推理》
    In AI, Agent,
  5. 一分钟读论文：《基于代理的集成推理解决仓库级问题》
    In AI, 软件工程,
  6. 一分钟读论文：《当工具失败时：LLM智能体的动态重规划与异常恢复基准测试》
    In AI, Agent,
  7. 一分钟读论文：《LedgerAgent：面向策略遵循的工具调用智能体的结构化状态管理》
    In AI, Agent,
  8. 一分钟读论文：《重新思考还是延长预算？面向推理预算的选择性验证》
    In AI, Agent,
  9. AI 范式雷达：《递归自改进警告：Anthropic 为何呼吁全球暂停 AI 研发》
    In AI, ParadigmRadar,
  10. 一分钟读论文：《Agent记忆的遗忘架构学》
    In AI, Agent,
  11. AI 范式雷达：《Agent的Token账单：1000倍消耗差异背后的工程真相》
    In AI, ParadigmRadar,
  12. AI 范式雷达：《用形式化逻辑给 AI Agent 装上可证明的安全护栏》
    In AI, ParadigmRadar,
  13. AI 范式雷达：《OrchRM——多智能体编排的自监督奖励建模新范式》
    In AI, ParadigmRadar,
  14. AI 范式雷达：《Agent安全新范式：从静态对齐到动态诊断护栏》
    In AI, ParadigmRadar,
  15. AI 范式雷达：《Agent评估新标准：用A2A+MCP协议实现基准即Agent》
    In AI, ParadigmRadar,
  16. AI 范式雷达：《从端到端成功率到细粒度规划诊断》
    In AI, ParadigmRadar,
  17. 一分钟读论文：《选择性形式化与门控执行》
    In AI, Agent,
  18. 一分钟读论文：《干预支持的静默失败错误归因》
    In AI, Agent,
  19. AI 范式雷达：《自适应潜在推理：让 Agent 少想但想深》
    In AI, ParadigmRadar,
  20. 一分钟读论文：《自适应潜在智能体推理》
    In AI, Agent,
  21. AI 范式雷达：《自适应潜在推理：让 Agent 少想但想深》
    In AI, ParadigmRadar,
  22. 一分钟读论文：《通过自我调节模拟规划实现高效智能体推理》
    In AI, AgentReasoning,
  23. 一分钟读论文：《TOKI：LLM Agent持久记忆矛盾解决的双时间算子代数》
    In AI, Agents,
  24. AI 范式雷达：《软件工程的终结：AI Agent 如何重写开发范式》
    In AI, ParadigmRadar, SoftwareEngineering,
  25. AI 范式雷达：《Agent 记忆架构：从 flat retrieval 到 agentic control 的十年演进》
    In AI, ParadigmRadar,
  26. 一分钟读论文：《用 LLM 作为开发者评估 Agent 开发框架》
    In AI, SoftwareEngineering,
  27. 一分钟读论文：《思想的经济：Agent经济交互中的多智能体智能涌现》
    In AI, Multi-Agent,
  28. AI 范式雷达：《Agent OS 时代：微软与 NVIDIA 如何重塑部署范式》
    In AI, ParadigmRadar, Agent,
  29. AI 范式雷达：《高质量合成数据让多步工具调用性能飙升 10%》
    In AI, ParadigmRadar,
  30. 一分钟读论文：《像团队一样进化：基于大语言模型的多智能体系统协作自我进化》
    In AI, MultiAgent,
  31. AI 范式雷达：《裁员换 AI，为何成本长期上升、利润反而负增长》
    In AI, ParadigmRadar,
  32. AI 范式雷达：《AI Coding 时代，功能膨胀如何杀死好产品》
    In AI, ParadigmRadar,
  33. AI 范式雷达：《AI 正在让开源协议失去约束力》
    In AI, ParadigmRadar,
  34. 一分钟读论文：《多智能体什么时候该用、什么时候不该用？》
    In AI, MultiAgent,
  35. 一分钟读论文：《同等预算下，单智能体为何胜过多智能体？》
    In AI, MultiAgent,
  36. 一分钟读论文：《把百亿模型装进手机：TIDE实现扩散语言模型跨架构蒸馏》
    In AI, MachineLearning,
  37. 一分钟读论文：《Agent实现AlphaZero流水线》
    In AI, MultiAgent, MachineLearning,
  38. 一分钟读论文：《多智能体工作流中完全循环子任务图的灵活性与成本》
    In AI, MultiAgent,
  39. 一分钟读论文：《自动合成多智能体漏洞发现方案》
    In AI, Security,
  40. 一分钟读论文：《多智能体语言系统的端到端通信优化》
    In AI, MultiAgent,
  41. 一分钟读论文：《瞬态轮次注入：暴露大语言模型的无状态多轮漏洞》
    In AI, Security,
  42. 一分钟读论文：《用扩散语言模型统一多模态理解与生成》
    In AI, Multimodal,
  43. 一分钟读论文：《LLM Agent 的外化设计范式》
    In AI, LLM,
  44. 一分钟读论文：《MASS-RAG：多智能体协同的检索增强生成》
    In AI, LLM,
  45. 一分钟读论文：《LLM 智能体在社交困境中的合作机制》
    In AI, MultiAgent,
  46. 一分钟读论文：《归一化计算下单Agent为何优于多Agent》
    In AI, Agents,
  47. 一分钟读论文：《大模型时代的奖励黑客与缓解策略》
    In AI, Security,
  48. 一分钟读论文：《诊断LLM裁判的可靠性：共形预测集与传递性违规》
    In AI, MachineLearning,
  49. 一分钟读论文：《轨迹级奖励建模基准：Agent 对齐新挑战》
    In AI, MachineLearning,
  50. 一分钟读论文：《Meerkat：发现基准测试中 4 倍安全漏洞》
    In AI, Security,
  51. 一分钟读论文：《OpenClaw 自主代理的安全威胁分析》
    In AI, Security,
  52. 一分钟读论文：《AI 模型会自发保护同伴吗？》
    In AI, Security,
  53. 一分钟读论文：《AI Agent 的根本安全模型 ClawLess》
    In AI, Security,
  54. 一分钟读论文：《量化大语言模型中的自我保存偏见》
    In AI, Security,
  55. 一分钟读论文：《自主AI Agent的自我保存行为检测协议》
    In AI, Security,
  56. 一分钟读论文：《AI 模型会自发结盟保护同伴吗？》
    In AI, Security,
  57. 一分钟读论文：《AI Agent 安全框架与隐私保护：MCPShield、TRiSM 与 GDPR 综合研究》
    In AI, Security,
  58. Google DeepMind 揭示 6 类 AI Agent 网络攻击陷阱：首个系统性威胁模型解析
    In AI, Security, Research,
  59. 一分钟读论文：《迈向具身 AGI：具身 AI 综述与未来之路》
    In AI, Robotics, EmbodiedAI,
  60. 一分钟读论文：《迈向具身 AGI：具身 AI 综述与未来之路》
    In AI, Robotics, EmbodiedAI,
  61. 一分钟读论文：《生成式AI重构软件工程，开发者生产力提升55.8%》
    In AI, 软件工程,
  62. 一分钟读论文：AI 时代的软件安全基石：人类认证的模块仓库
    In AI, Security,
  63. 一分钟读论文：《AI 会搞阴谋诡计吗？这项研究给出了答案》
    In AI,
  64. 一分钟读论文：《Humanity's Last Exam：评估 AI 能力的专家级学术问题基准》
    In AI,
  65. 一分钟读论文：《AlphaEvolve - 用 LLM 自动发现多智能体学习算法》
    In AI,
  66. 一分钟读论文：《Alien Science——让 AI 探索人类思维的盲区》
    In AI,
  67. 一分钟读论文：《洗车问题暴露大语言模型的根本缺陷？提示词架构决定推理质量》
    In AI, 论文阅读,
  68. 一分钟读论文：《HumanOrbit：从一张照片生成 360° 环绕视频，让 AI 帮你「转」着看人》
    In AI, 计算机视觉, 3D重建,
  69. 一分钟读论文：《AI 数学家诞生？Google DeepMind 的 Aletheia 自主解决 10 个数学难题中的 6 个》
    In AI, 研究论文,
  70. 一分钟读论文：《SemVideo：从大脑 fMRI 直接重建视频！读心术真的来了？》
    In AI, 脑机接口, 神经科学,
  71. 一分钟读论文：《LLM 去匿名化时代来临：你的匿名评论可能正在暴露你的真实身份》
    In AI,
  72. 一分钟读论文：《Agent World Model：用 1000 个合成环境训练 AI 智能体，突破训练数据瓶颈》
    In AI,
  73. 一分钟读论文：《何恺明团队再出大招：Drifting Models 挑战扩散模型，单步生成高质量图像》
    In AI, 论文, 生成模型,
  74. 一分钟读论文：《自言自语：让大语言模型告别灾难性遗忘》
    In AI,
  75. 一分钟读论文：《LUCID Attention：给长上下文模型戴上降噪耳机》
    In AI, Research, Transformer,
  76. 一分钟读论文：《HRM 架构突破：用仅 2700 万参数和 1000 个训练样本超越最先进的大语言模型》
    In AI,
  77. 一分钟读论文：《ELM 架构突破：Modulate 用 100+ 个小模型打败 LLM，开启语音 AI 新时代》
    In AI, 论文,
  78. 一分钟读论文：《突破传统：ReSU 神经网络单元——从果蝇大脑中获得的 AI 新灵感》
    In AI, 神经科学, 机器学习,
  79. 一分钟读论文：《AI 共同研究员时代到来：当 Claude、Gemini 和 ChatGPT 成为真正的科研合作者》
    In AI, 科学研究,
  80. 一分钟读论文：《DeepSeek-R1：用纯强化学习解锁大语言模型的推理能力》
    In AI,
  81. 一分钟读论文：《HybridQuestion：人类-AI 协作发现 2025 年十大科学突破与 2026 年重大科学问题》
    In AI,
  82. 一分钟读论文：《Google Titans + MIRAS：终结 AI 健忘症，让模型拥有真正的长期记忆》
    In AI,
  83. 一分钟读论文：《量子储层计算重大突破！在多体混沌边缘实现最佳性能，为量子AI开辟新道路！》
    In AI,
  84. 一分钟读论文：《PAN 世界模型炸场！MBZUAI 黑科技让 AI 学会脑补现实世界》
    In AI,
  85. 一分钟读论文：《Google Nested Learning：突破AI灾难性遗忘的新范式》
    In AI, 机器学习, 深度学习,
  86. 一分钟读论文：《MiroFlow：面向深度研究任务的高性能开源智能体框架》
    In AI,
  87. 一分钟读论文：《GLM-5：从「氛围编程」到「智能体工程」的范式跃迁》
    In AI,
  88. 一分钟读论文：《DeepSeek-R1：用纯强化学习解锁大语言模型的推理能力》
    In AI,
  89. 一分钟读论文：《DeepSeek Engram：颠覆GPU内存瓶颈！把知识存储从计算中分离，O(1)查找效率！》
    In AI,
  90. 一分钟读论文：《ICLR 2025 杰出论文：一次训练就能计算数据价值——AI 版权和数据治理的新突破》
    In AI,
  91. 一分钟读论文：《AlphaEvolve：AI 打破 56 年数学纪录，发现更快的矩阵乘法算法》
    In AI,
  92. 一分钟读论文：《AI原生粒子加速器：让大型科学设施学会自动驾驶》
    In AI,
  93. 一分钟读论文：《三个 AI 走进酒吧：聪明的 AI 也会搞部落主义？》
    In AI,
  94. 一分钟读论文：《RWML：让 LLM 智能体学会预测未来》
    In AI,
  95. 一分钟读论文：《Agentic Reasoning：从被动推理到主动智能的完整路线图！》
    In AI, 论文解读,
  96. 一分钟读论文：《ReSyn：自动生成1000个推理环境，让AI学会真正的思考！》
    In AI, 论文解读,
  97. 一分钟读论文：《Agent World Model：1000 个合成环境，让 AI 智能体学习效率翻倍》
    In AI, Agent,
  98. 一分钟读论文：《Agent World Model 研究：1000 个合成环境推动智能体训练革命》
    In AI, Agent,
  99. 一分钟读论文：《DeepMind Genie 3 研究：实时交互式 3D 世界模型的重大突破》
    In AI, deepmind,
  100. 一分钟读论文：《Genie 3: DeepMind 发布首个实时交互式世界模型》
    In AI, 论文解读,
  101. 一分钟读论文：《当 Many-Shot Prompting 失败时：LLM 代码翻译的实证研究》
    In AI, LLM,
  102. 一分钟读论文：《Google Nested Learning：破解 AI 灾难性遗忘的革命性范式》
    In AI, 深度学习,
  103. 一分钟读论文：《自然语言摘要实现微服务多仓库 Bug 定位》
    In AI, 软件工程,
  104. 一分钟读论文：生成式 AI 正在重构软件工程的未来
    In AI, 软件工程,
  105. 一分钟读论文：《生成式AI在软件工程中的应用：变革软件开发流程》
    In AI, Software Engineering,
  106. 一分钟读论文：《Gated Attention：用一个小阀门让 LLM 性能飙升》
    In AI, 深度学习,
  107. 一分钟读论文：《EnAgent：三个AI智能体组队，登顶代码修复榜单》
    In AI, 软件工程,
  108. 一分钟读论文：《MCP 一周年：从内部实验到行业标准》
    In AI, Agent,
  109. 一分钟读论文：《Specine：让大语言模型真正“读懂”你的需求》
    In AI, 软件工程,
  110. 一分钟读论文：《大语言模型代码生成的规格对齐》
    In AI, 软件工程,
  111. 一分钟读论文：《小模型团队如何超越大模型》
    In AI, 软件工程,
  112. 一分钟读论文：《从“能用”到“好用”：让AI真正学会软件工程》
    In AI, 软件工程,
  113. 一分钟读论文：《让AI像程序员一样边写代码边调试》
    In AI, 软件工程,
  114. 一分钟读论文：《CGM：让AI像程序员一样理解整个代码库》
    In AI, 软件工程,
  115. 一分钟读论文：《小语言模型作为评委提升代码生成》
    In AI, 软件工程,
  116. 一分钟读论文：《GitHub Copilot 的代码生成稳健吗？》
    In AI, Software Engineering,
  117. 一分钟读论文：《ChatGPT 提示模式：提升代码质量、重构、需求获取和软件设计》
    In AI, Software Engineering,
  118. 一分钟读论文：《Scratch Copilot：用 AI 支持青少年创意编程》
    In AI, 编程教育,
  119. 一分钟读论文：《Chrome 〈!DOCTYPE aigc〉: 你的网页何必是 HTML》
    In AI, FrontEnd,
  120. 一分钟读论文：《ChatGPT for Robotics：设计原则和模型能力》
    In AI, Engineering,
  121. 一分钟读论文：《GPT-minify: All JS bundle size 97% off》
    In AI, FrontEnd,
  122. 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,
  123. 一分钟读论文：《基于 ChatGPT、AR 和 Voicebots 的儿童外教软件设计框架》
    In AI, Engineering,
  124. 一分钟读论文：《ChatGPT：在线考试诚信的终结？》
    In AI,
Featured
  1. 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,
  2. 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,
  3. 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,
  4. 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,
  5. 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,
  6. 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,
  7. 一分钟读论文：《卓越的开源维护者是如何成就的？》
    In OpenSource, Engineer,
  8. 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,
  9. 一分钟读论文：《XSS 攻击22年：全面调查及系统综述》
    In Security,
  10. 一分钟读论文：《细孔沉千帆：小程序权限漏洞研究》
    In Security,
  11. 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,
  12. 一分钟读论文：《被掏空的一天：软件工程师的日常》
    In Productivity, Engineer,
  13. 一分钟读论文：《30年软件重构研究：系统性文献综述》
    In Engineering,
  14. 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,
  15. 一分钟读论文：《NPM 供应链的软肋是什么?》
    In Security,
一分钟读论文：《当工具失败时：LLM智能体的动态重规划与异常恢复基准测试》