arXiv 论文信号｜2026-10-06

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。

2026-10-06

01 priority

多模态

它有什么用 用来提升 Agent 长任务中的记忆、上下文和状态管理能力。

cs.LG Research Signal

MACTS-EM: Multi-Agent Collaborative Time Series Forecasting with Emergent Memory

中文这篇主要讨论记忆、上下文或检索机制，重点是长期任务里的状态管理。

为什么值得读

不要只把它理解成更好的 RAG；更重要的是它如何保存、压缩、调用和更新长期任务状态。

查看判断依据Signal 78

MACTS-EM: Multi-Agent Collaborative Time Series Forecasting with Emergent Memory 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, multimodal_video; 评分证据: reelos_relevance, product_transfer, technical_novelty, evidence_quality

agent multimodal video

02 priority

多模态

它有什么用 用来理解图像、视频和空间信息，支持多模态产品与工作流。

cs.RO Product Signal

RoboBridge: A Self-Evolving Embodied Agent Framework for Sim-to-Real Transfer

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 75

RoboBridge: A Self-Evolving Embodied Agent Framework for Sim-to-Real Transfer 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

agent multimodal video

03 priority

Coding Agent

它有什么用 用来构建能在真实代码仓库里测试、调试和修复的 Coding Agent。

cs.CL Research Signal

Code2Math: Can Your Code Agent Evolve Math Problems Through Exploration?

中文这篇主要面向软件工程 Agent，关注代码、测试、调试或仓库级工作流。

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

Code2Math: Can Your Code Agent Evolve Math Problems Through Exploration? 指向 AI Coding 从生成代码走向工程闭环。

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

agent ai coding

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
WebFovea: When the Model Is Right but the Click Is Wrong -- Reliable Round Trips for Vision-Based Web Agents on Live Websites 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	73	接近主信号：用来理解图像、视频和空间信息，支持多模态产品与工作流。
SocialVLA: A Social Perception Gateway for Human-Reaction-Based Failure Detection and Recovery in VLA Manipulation 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。	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。
Find Something You Can't Do: Agentic Real-World Reinforcement Learning for Self-Improving VLA Models 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。	具身智能	70	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。
Fast Models, Slow Evidence: A Paired and Self-Audited Evaluation of System-1 Decision Models for LLM Agent Harnesses 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	70	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。
Toward SLM-based agentic task-tool intent matching 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	69	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。
When to Compile a Computer-Use Agent? Measuring Payback and Making Compilation Decisions for Token Efficiency 这篇主要关注模型如何操作真实界面，适合从 GUI Agent 和 Computer-use 产品角度阅读。	GUI Agent	69	接近主信号：用来让 Agent 看懂并操作电脑或手机界面，减少长流程中的偏航。
Imagine the Future, Internalize the Gist: Efficient VLA Reasoning via Internalized Spatiotemporal Imagination 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。	具身智能	69	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。