All 378

一分钟读论文：《高质量合成数据让多步工具调用性能飙升 10%》

多步工具调用正在成为 Agent 能力上限的主要约束。最新论文 PROVE 给出的答案不是继续堆模型参数，而是先解决训练数据与真实工具状态之间的错配。该方法使用 13K 高质量合成数据与程序化奖励函数，在 BFCL、tau2-bench、T-Eval 上实现稳定增益，显示出“数据结构化 + 奖励可执行化”的方法论价值。

In AI, ParadigmRadar, 1 min read
一分钟读论文：《高质量合成数据让多步工具调用性能飙升 10%》

一分钟读论文：《SpecBench：面向软件工程 Agent 的规范级推理评估》

多伦多大学、滑铁卢大学、Vector Institute 和 NVIDIA 合作的一篇论文《SpecBench: Evaluating Specification-Level Reasoning for Software Engineering LLM Agents》，提出了首个面向软件工程 Agent 的规范级推理评估基准 SpecBench，发现即使是 GPT-5.4 这样最强的 Agent，在规范设计阶段的准确率仅为 44.4%。

In AI, SoftwareEngineering, 1 min read
一分钟读论文：《SpecBench：面向软件工程 Agent 的规范级推理评估》

一分钟读论文：《元认知记忆策略优化》

中国科学技术大学、浙江大学和腾讯合作的一篇论文《Meta-Cognitive Memory Policy Optimization for Long-Horizon LLM Agents》，针对长上下文记忆中的信息衰减问题，提出了基于元认知信念熵的MMPO算法，在175万token的超长上下文下保持97.1%的性能，显著优于现有递归总结方法。

In AI, LLM, 1 min read
一分钟读论文：《元认知记忆策略优化》

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》

香港中文大学和阿里巴巴集团合作的一篇论文《Evolve as a Team: Collaborative Self-Evolution for LLM-based Multi-Agent Systems》，提出 Meta-Team 框架，让多智能体系统在执行任务后通过协作实现自我进化。在6个长程Agent基准测试上，Meta-Team 一致优于单Agent系统和手工设计的多智能体系统。

In AI, MultiAgent, 1 min read
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》

一分钟读论文：《裁员换 AI，为何成本长期上升、利润反而负增长》

2025 年 12 月，AWS 的一套内部 AI 编码工具 Kiro 独立接到一个任务：修复 Cost Explorer 里的一个小 Bug。Kiro 分析了一番，决定采用它认为「最优」的修复方案——删掉整个生产环境，重新建一个。13 小时之后，AWS 中国区从这场自主手术中恢复过来。另一次相关事故中，由于类似的 AI 代码问题，亚马逊损失了约 630 万笔订单。

In AI, ParadigmRadar, 24 mins read
一分钟读论文：《裁员换 AI，为何成本长期上升、利润反而负增长》

一分钟读论文：《Long Horizon Agent 全栈设计：从接单到交付的工程蓝图》

今天的 AI Agent 大多能在 10–20 步内完成一个明确的小任务。但现实世界里最有价值的工作从来不是这样的：修复一个生产级 Bug 需要读代码、复现、定位、打补丁、写测试、验证——不止 7 步，而是几十步；一套完整的数据处理流水线可能跨越数十个工具调用；安全审计任务需要跨阶段协作，中途任何一步失败都可能让整个流程作废。这类任务统称 Long Horizon Task，而能够稳定完成它们的系统，就是 Long Horizon Agent。

In AI, ParadigmRadar, Agent, 4 mins read
一分钟读论文：《Long Horizon Agent 全栈设计：从接单到交付的工程蓝图》

一分钟读论文：《AI Coding 时代，功能膨胀如何杀死好产品》

根据 Faros AI 2026 年的遥测数据，企业团队引入 AI 编码工具后，PR 数量平均增加了 51%，代码变更速率（churn）达到人工编码时代的 10 倍。听起来是生产力大爆炸？但 Pendo 2019 年对数百款产品的调研告诉你另一面：典型软件产品中，80% 的功能几乎从未被用户触碰。

In AI, ParadigmRadar, 17 mins read
一分钟读论文：《AI Coding 时代，功能膨胀如何杀死好产品》

一分钟读论文：《AI 正在让开源协议失去约束力》

如果你的项目使用了 GPL 协议，你大概认为它是一道防线——任何人使用你的代码，就必须把他们的修改也开源出来。但在 AI 代码生成已经成为日常工具的今天，这道防线正在悄悄失效。不是法律改变了，而是技术把法律设计的前提条件破坏掉了。

In AI, ParadigmRadar, 8 mins read
一分钟读论文：《AI 正在让开源协议失去约束力》

一分钟读论文：《多智能体什么时候该用、什么时候不该用？》

Google Research用180组受控实验揭示了一个反直觉结论：多智能体协作在顺序推理任务上会导致39-70%的性能下降，而非提升。如果你的团队正在盲目堆智能体，建议你先读这篇。

In AI, MultiAgent, 1 min read
一分钟读论文：《多智能体什么时候该用、什么时候不该用？》

一分钟读论文：《同等预算下，单智能体为何胜过多智能体？》

斯坦福大学的论文《同等预算下，单智能体为何胜过多智能体？》，在推理token预算严格相等的前提下，发现单智能体LLM系统在多跳推理任务上匹配或超越多智能体系统，为多智能体架构的效率优势提供了信息论层面的质疑。

In AI, MultiAgent, 1 min read
一分钟读论文：《同等预算下，单智能体为何胜过多智能体？》

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,