arXiv 论文信号｜2026-10-04

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。

2026-10-04

01 priority

AI 安全 Agent

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 Research Signal

KaliBench: A Fine-Grained Benchmark for Cybersecurity Tool Use on Kali Linux with Runtime-Free Verifiable Rewards

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 72

KaliBench: A Fine-Grained Benchmark for Cybersecurity Tool Use on Kali Linux with Runtime-Free Verifiable Rewards 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

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.RO Research Signal

DuoMind: Enabling Distributed Multi-Robot Coordination with Semantic Communication

中文这篇主要面向多模态、空间理解或具身任务，适合关注世界模型和可执行动作链。

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 69

DuoMind: Enabling Distributed Multi-Robot Coordination with Semantic Communication 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: agent, multimodal_video; 评分证据: reelos_relevance, product_transfer, technical_novelty, evidence_quality

agent multimodal video

03 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.RO Research Signal

ChunkVLA-AM: Parallel Action Chunking for Vision-Language-Action Robot Control in Additive Manufacturing

中文这篇主要面向多模态、空间理解或具身任务，适合关注世界模型和可执行动作链。

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 65

ChunkVLA-AM: Parallel Action Chunking for Vision-Language-Action Robot Control in Additive Manufacturing 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

multimodal video

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
Mem++: Non-Destructive Memory for Long-Term Organizational LLM Agents 这篇主要讨论记忆、上下文或检索机制，重点是长期任务里的状态管理。	Agent	62	可观察：用来提升 Agent 长任务中的记忆、上下文和状态管理能力。
Argo-Bench: Evaluating Data Agents on Enterprise-Scale Workflows 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 评测	60	可观察：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。
Mingbird: A Local-First Agent Harness Enabling Small Open Models to Complete Real Tasks 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	60	可观察：用来把复杂任务拆成 Agent 可执行、可检查、可恢复的工作流。
Reconstruct, Practice, Go Real: Guided Self-Improvement for Embodied Agents 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。	多模态	58	可观察：用来理解图像、视频和空间信息，支持多模态产品与工作流。
LiteReality-Agent: An Agentic System for Interactable 3D Indoor Scene Reconstruction 这篇主要面向多模态、空间理解或具身任务，适合关注世界模型和可执行动作链。	Coding Agent	56	低优先级：用来构建能在真实代码仓库里测试、调试和修复的 Coding Agent。
ScholarCatalyst: A Benchmark for Retrieving Papers That Inspire New Research 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	53	低优先级：用来提升 Agent 长任务中的记忆、上下文和状态管理能力。
AutoCompact: Learning When to Compact Context in Long-Horizon Coding Agents 这篇主要讨论记忆、上下文或检索机制，重点是长期任务里的状态管理。	Coding Agent	52	低优先级：用来构建能在真实代码仓库里测试、调试和修复的 Coding Agent。