每周热点论文
来自 DeepXiv rolling 7 天周榜。定时任务会每天比较榜单和本地论文库，发现新论文后拉取原文、生成中文精读卡片，并在这里给出 HTML 阅读入口。
更新时间：2026-05-12T22:42:18.057443
HeavySkill：将深度思考作为智能体框架的内在技能
这篇论文教大模型像人类团队一样思考：先让多个‘小脑子’同时独立解题，再把它们的答案交给一个‘总结员’分析，找出最合理的答案。这种方法比只选多数答案更好，还能通过训练让模型越来越聪明。
2605.02396长时程任务中LLM训练的实证研究与时域长度影响分析
On Training Large Language Models for Long-Horizon Tasks: An Empirical Study of Horizon Length这篇论文像教机器人玩拼图和推箱子游戏，发现任务越长越难学，于是把长任务拆成小块或用“快捷键”简化步骤，结果发现先练短任务再挑战长的效果更好，还能举一反三。
2605.02572超级智能检索代理 SIRA：信息检索的新前沿
这篇论文发明了一个叫 SIRA 的智能搜索助手。它不像普通搜索那样反复试错，而是像专家一样，先用大模型预测要找的内容可能包含哪些关键词，再检查这些词在数据库里是否真的有用（比如是不是太常见或根本不存在），最后用 BM25 算法一次性精准找出最相关的文档。
2605.06647记忆诅咒：扩展记忆如何削弱 LLM 代理的合作意图
就像人记住太多不愉快的事会变得记仇一样，AI 代理如果能看到太多过去的互动记录，也会变得更容易报复、更难原谅对方，从而破坏长期合作。研究发现，不是所有 AI 都这样——有些聪明的模型能抵抗这种‘记忆诅咒’，而通过训练让 AI 更关注未来好处，可以缓解这个问题。
2605.08060连续隐变量扩散语言模型 Cola DLM
Continuous Latent Diffusion Language Model这个模型先把文字压缩成一个连续的‘想法向量’，然后用扩散模型学习这些想法的分布规律，最后根据这个想法生成文字。就像先想清楚要说什么，再组织语言表达出来，而不是一个字一个字地猜。
2605.06548EnterpriseRAG-Bench：面向企业私有知识的RAG基准测试
这篇论文创建了一个模拟公司内部信息的大型数据集，包括Slack消息、邮件、项目记录等，并设计了10类问题来测试AI系统能否从杂乱、重复甚至矛盾的信息中找到正确答案。
2605.05253AAFLOW：面向智能体 AI 工作流的可扩展模式
AAFLOW 像一个高效的工厂流水线，把 AI 智能体的任务（比如理解问题、查找资料、生成答案）拆分成多个标准化的步骤（算子），并用高速通道（零拷贝）传递数据，避免重复搬运和等待，从而让整个系统跑得更快、更稳定。
2605.02162超越语义相似性：通过直接语料交互重新思考代理搜索中的检索
Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction这篇论文提出了一种新方法，让AI代理像人一样直接用命令行工具（如grep、find）在文件中搜索信息，而不是依赖预先建立的搜索引擎。这种方法更灵活，能发现更多隐藏线索，在复杂问答和文档排序任务中表现更好。
2605.05242澄清时机的价值：长程智能体何时需要提问？
这篇论文研究AI助手在执行复杂任务时，什么时候问问题最有效。比如，如果任务是做报表但没说清楚格式，早点问可以少走弯路；但如果等到快做完才问，可能已经白做了很多工作。实验发现，关于“目标”的问题必须很早问才管用，而关于“数据在哪”的问题可以稍晚问。但现在的AI助手要么问得太晚，要么根本不问。
2605.07937MemReranker：面向智能体记忆检索的推理感知重排序模型
就像老师教学生做题一样，MemReranker先用大模型（如GPT）判断哪些记忆片段最相关，然后教小模型学会同样的判断方式。这样的小模型虽然体积小，但能像大模型一样理解复杂问题，比如分辨‘苹果’是指水果还是手机，并且打分更准确，方便系统自动筛选有用记忆。
2605.06132内在检索：注意力模型的固有检索能力
这篇论文说，大语言模型其实自己就能‘找资料’和‘回答问题’，不需要额外加一个检索系统。它通过让模型的注意力机制直接对编码后的文本块打分，选出最相关的信息来生成答案，效果比传统检索增强生成更好，尤其在需要多步推理的问题上。
2605.05806推理时反馈增强工具调用代理
就像一个学生做题前先让老师检查草稿，这个系统让主AI在调用工具前先请另一个AI‘老师’检查一下是否正确。如果错了就改，对了就直接执行。这样能减少错误，尤其是避免执行后无法挽回的操作。
2604.27233SkillOS：面向自进化代理的技能策展学习框架
就像一个学生不断整理错题本，SkillOS 让 AI 代理每完成一个任务后，自动总结出有用的‘解题技巧’（技能），存到‘技能库’里。后续遇到类似任务时，它能快速找到并应用这些技巧，越做越聪明。
2605.06614RLDX-1：面向灵巧操作的多功能通用机器人策略
RLDX-1 是一个让机器人更聪明的“大脑”。它不仅像其他模型一样能看懂图像和听懂指令，还特别擅长处理动态场景（比如移动的传送带）、记住过去发生的事情（比如玩猜杯子游戏），以及感知触觉和力矩等物理信号。它通过一种叫 MSAT 的新架构把这些能力融合在一起，并在仿真和真实机器人上都取得了更好的表现。
2605.03269PhysForge：生成物理可交互的3D资产
这篇论文教AI像搭积木一样造出能动的3D物体。第一步让AI看懂图片，规划出每个零件的位置和功能；第二步用扩散模型把零件和它们的运动方式（比如门怎么开）一起做出来，最后得到一个既好看又能真实互动的3D模型。
2605.05163上下文收集决策过程：面向智能体搜索的POMDP框架
想象一个机器人在巨大的图书馆里找答案，但它每次只能看几本书。如果它不记笔记，就会重复翻同一本书或忘记目标。这篇论文教机器人用‘小本子’记下已找到的信息和待解决的问题，并在发现重复查书时自动停止，从而更高效地完成任务。
2605.07042基于思维轨迹的检索增强生成提升推理任务性能
这篇论文说：以前我们用网页或教科书给AI查资料，但对解数学题这类需要推理的任务帮助不大。现在我们让AI去‘看别人是怎么一步步思考解题的’，哪怕只是中间思路，也能帮它自己更好地推理。我们还把这些思考过程整理得更清楚、更简短，让AI更容易用上。
2605.03344MiniCPM-o 4.5：迈向实时全双工全模态交互
MiniCPM-o 4.5: Towards Real-Time Full-Duplex Omni-Modal Interaction这篇论文造了一个叫MiniCPM-o 4.5的小模型，它像个小助手，能一边听你说话、一边看画面，还能马上开口回应，就像真人聊天一样快，而且能在手机或平板上运行。
2604.27393MINER：挖掘多模态内部表征实现高效检索
这篇论文发现，视觉文档检索中，模型中间层的隐藏状态其实包含很多对检索有用的信息，但传统方法只用最后一层生成一个向量，导致信息丢失。于是作者设计了一个叫 MINER 的小插件，它能从多个中间层挑选出最有用的神经元，并按重要性融合成一个更好的向量，让检索更准，而且不增加太多计算开销。
2605.06460OpenSeeker-v2：基于高难度轨迹的搜索代理性能突破
OpenSeeker-v2: Pushing the Limits of Search Agents with Informative and High-Difficulty Trajectories这篇论文像教机器人用“思考+行动”的方式上网找答案，他们不用复杂训练方法，只靠1万多条特别难的练习题目，就让一个300亿参数的大模型学会了更聪明地搜索，成绩超过了工业界的大模型。
2605.04036Persistent Visual Memory：LVLM 深度生成中的持续视觉感知
就像画画时一直看着原图才能画得准，大模型生成文字时也需要不断‘回头看图’。但普通模型看图注意力会随着说话变长而变弱。PVM 给模型加了个专门‘看图’的小助手，让它随时能准确获取图像信息，不影响正常说话逻辑。
2605.00814SuperGaussians：基于空间变化颜色的高斯溅射增强方法
2411.18966就像给每个小气球涂上会变色的颜料，SuperGaussians 让一个高斯形状在不同位置显示不同颜色，而不是整颗都一样。这样就能用更少的气球画出更细腻的画面，比如画出带花纹的杯子或树叶的脉络。
2411.18966LLM搜索代理的推理时预算控制
这篇论文教AI系统在回答复杂问题时聪明地花钱：它用‘每单位预算能带来多少进步’来打分，决定下一步是查资料、拆解问题还是直接回答；最后只在不破坏原有逻辑的前提下，修正像‘是/否’这种小错误。
2605.05701MolmoAct2：面向真实世界部署的动作推理模型
MolmoAct2 Action Reasoning Models for Real-World Deployment这篇论文造了一个能看懂图像、听懂指令并控制机器人手臂做家务的 AI 模型。它用了新的视觉理解模块、三个新收集的机器人数据集，还设计了一种更聪明的方式让模型只对变化的部分进行思考，从而更快地做出动作。最重要的是，所有代码、模型和数据都公开了，别人也能用。
2605.02881ComboStoc：扩散生成模型的组合随机性
ComboStoc: Combinatorial Stochasticity for Diffusion Generative Models想象你要画一幅拼图，但每次只能同时移动所有碎片。ComboStoc 让你可以单独移动每个碎片，这样模型能更好地学习它们之间的关系，最终画出更完整、更准确的图像，还能让你指定哪些部分保留原样、哪些部分重新生成。
2405.13729从上下文到技能：语言模型能否熟练地从上下文中学习？
这篇论文就像教一个学生如何自学一本厚厚的技术说明书。它不直接告诉学生答案，而是让两个AI互相出题和答题：一个AI（挑战者）根据说明书出难题，另一个AI（推理者）尝试解答。答错了，推理者就总结新规则；答对了，挑战者就改进出题策略。它们不断迭代，直到推理者掌握说明书里的所有关键知识。最后，系统会从所有学到的规则中选出最通用的一套，用来帮助其他AI更好地理解这本说明书。
2604.27660LongSeeker：面向长时程搜索代理的弹性上下文编排
就像一个聪明的助手在查资料时，不会把每一步都记下来，而是会主动整理笔记：把已经解决的问题压缩成一句话，删掉没用的尝试，保留关键数字或名字，甚至回退到之前某一步重新开始。这样它就能一直高效工作，不会因为记太多而混乱。
2605.05191Skill1：基于强化学习的技能增强代理统一演化框架
就像一个机器人学习做家务：它先从‘技能书’里找方法（选择），照着做（利用），做完后总结新技巧加进书里（蒸馏）。Skill1 让这三个步骤一起进步，只用‘任务是否成功’这一个标准来指导学习。
2605.06130LatentRAG：面向高效智能体RAG的隐空间推理与检索
这篇论文就像给AI大脑装了一个‘快速思考模式’。传统方法需要AI一步步写出思考过程再查资料，很慢；新方法让AI在内部‘心里想’而不说出来，直接根据内心想法去查资料，速度快了很多，但答案质量差不多。
2605.06285