arXiv 论文信号｜2026-08-27

今日值得读论文信号

主列表只保留今天真正值得花时间读的论文，把判断、中文解读和产品启发压在同一条阅读路径里。

2026-08-27

01 priority

Agent 评测

它有什么用 用来评测 Agent 或模型在真实任务中的完成度、稳定性和可靠性。

cs.CL Product Signal

How Do Agents Fail on AutoResearch: End-to-End Diagnostic Evaluation on 100 Real-World Frontier Research Tasks

中文这篇主要是在定义一个新的评测场景，用来判断 Agent 或模型是否真的能完成真实任务。

为什么值得读

这类论文的重点通常不是榜单名次，而是它把什么真实任务定义成了可复现、可比较、可失败复盘的测试场。

查看判断依据Signal 85

How Do Agents Fail on AutoResearch: End-to-End Diagnostic Evaluation on 100 Real-World Frontier Research Tasks 的核心信号是 Agent 能力正在系统化，而不是停留在单次任务表现。

命中高价值主题: agent; 评分证据: reelos_relevance, product_transfer, technical_novelty, evidence_quality, content_value

agent

02 priority

具身智能多模态

它有什么用 用来连接视觉理解与动作执行，支持机器人和具身 Agent。

cs.CV Research Signal

Spatial-DISE: A Unified Benchmark for Evaluating Spatial Reasoning in Vision-Language Models

中文这篇主要是在定义一个新的评测场景，用来判断 Agent 或模型是否真的能完成真实任务。

为什么值得读

这类论文的重点通常不是榜单名次，而是它把什么真实任务定义成了可复现、可比较、可失败复盘的测试场。

查看判断依据Signal 73

Spatial-DISE: A Unified Benchmark for Evaluating Spatial Reasoning in Vision-Language Models 说明多模态系统正在靠近可操作的世界模型。

命中高价值主题: multimodal_video; 评分证据: reelos_relevance, product_transfer, technical_novelty, evidence_quality, content_value

multimodal video

03 priority

Agent

它有什么用 用来把复杂任务拆成 Agent 可执行、可检查、可恢复的工作流。

cs.CL Product Signal

Tool-Making and Self-Evolving LLM Agents in Low-Latency Systems

中文这篇论文需要先从标题和摘要判断它对应的任务场景、系统结构和产品迁移价值。

为什么值得读

把它当成一个产品系统样本来读：它如何拆任务、接工具、做反馈、记录过程，而不是只看模型指标。

查看判断依据Signal 84

Tool-Making and Self-Evolving LLM Agents in Low-Latency Systems 的核心信号是 Agent 能力正在系统化，而不是停留在单次任务表现。

命中高价值主题: agent; 评分证据: reelos_relevance, product_transfer, technical_novelty, evidence_quality

agent

备选论文池

这里是次优先级索引区，不和主信号区抢版面，只承担补充检索和后续人工复核功能。

7 papers

论文	领域	分数	原因
PHMForge: Evaluating LLM Agents on Industrial Prognostics through MCP-Native, Algorithm-Grounded Tools 这篇论文需要先从标题和摘要判断它对应的任务场景、系统结构和产品迁移价值。	Agent	76	接近主信号：用来把复杂任务拆成 Agent 可执行、可检查、可恢复的工作流。
Eluna: An Agentic LLM System for Automating Warehouse Operations with Reasoning and Task Execution 这篇论文需要先从标题和摘要判断它对应的任务场景、系统结构和产品迁移价值。	Agent	75	接近主信号：用来把复杂任务拆成 Agent 可执行、可检查、可恢复的工作流。
Resilience Matters for Embodied Agents System: New Metrics, Systematic Evaluation, and Optimization 这篇主要是在定义一个新的评测场景，用来判断 Agent 或模型是否真的能完成真实任务。	Agent 评测	74	接近主信号：用来评测 Agent 或模型在真实任务中的完成度、稳定性和可靠性。
CoMMa: Contribution-Aware Medical Multi-Agents for Decentralized Oncology Decision Support 这篇论文需要先从标题和摘要判断它对应的任务场景、系统结构和产品迁移价值。	医疗 AI	74	接近主信号：用来整合医疗影像与临床信息，辅助医学理解、解释和评估。
Adaptive Influence Graphs for Failure Attribution in Multi-Agent Systems 这篇主要研究失败模式和恢复机制，适合用来理解 Agent 为什么会出错以及如何修正。	Agent	73	接近主信号：用来把复杂任务拆成 Agent 可执行、可检查、可恢复的工作流。
Game2World Engine: Unlocking In-the-Wild Gameplay Videos for World Model Training 这篇论文需要先从标题和摘要判断它对应的任务场景、系统结构和产品迁移价值。	具身智能	72	接近主信号：用来连接视觉理解与动作执行，支持机器人和具身 Agent。
Markets, Not Planners: Decentralized Orchestration of LLM Agents with Private Information 这篇论文需要先从标题和摘要判断它对应的任务场景、系统结构和产品迁移价值。	Agent	70	接近主信号：用来把复杂任务拆成 Agent 可执行、可检查、可恢复的工作流。