All 290

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：《SWE-Doctor——用多面 Bug 复现测试引导 Agent》

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：《LLM-as-a-Verifier——将验证作为第四种缩放轴》

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：《Lean4Agent——用依赖类型语言验证 Agent》

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：《游戏引擎编码智能体基准测试》

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：《当Agent学会自我进化——自主策略演化评估框架EvoPolicyGym》

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：《Agent能否从失败中进化——自主策略演化评估基准EvoPolicyGym》

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》

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
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》

一分钟读论文：《当记忆改变一切时什么保持不变》

长期运行的自适应智能体面临一个根本矛盾：知识巩固必然改变模型状态，而身份标识又要求保持不变。本文提出一种确定性记忆巩固框架，将 episodic 记忆转化为 semantic 知识层的同时保持认证身份不变 arXiv:2607.01988。

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》

一分钟读论文：《SkillCoach——自进化评分如何评估和增强智能体技能使用》

香港科技大学（广州）和京东集团合作的一篇论文《SkillCoach: Self-Evolving Rubrics for Evaluating and Enhancing Agentic Skill-Use》首次提出自进化评分框架来评估和增强智能体的技能使用能力。核心突破在于将”技能使用”定义为轨迹级元能力而非任务成功与否：从真实交互轨迹中自动推导并持续改进过程评分标准，而非依赖人工标注的固定体系。实验揭示了一个关键发现——Gemini 3.1 Pro在干扰项存在时选择分数从98.0骤降至78.0，表明大模型”找到正确技能后执行尚可，但选择本身在干扰下极其脆弱”。

In ai, agent, 1 min read
一分钟读论文：《SkillCoach——自进化评分如何评估和增强智能体技能使用》

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,