arXiv 论文周报｜2026-09-07

本周主题聚类

先看哪些论文正在同一个方向上形成簇，而不是把每篇论文平铺成同等强度的条目。

4 themes

01 121 papers

Agent / Computer Use

121 篇论文指向 Agent 从单点任务转向长周期、可恢复、可评测的工作流。

From Prompt to Service: An SLM-Based Agent Orchestration Gateway for AI-Driven Virtual Worlds 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。
AssetOpsBench: Benchmarking AI Agents for Task Automation in Industrial Asset Operations and Maintenance 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。
Do GUI Agents Know When Not to Act? Enabling Conflict-Aware Termination for Multimodal GUI Agents 面向画布类创意任务的多模态 Agent 运行、工具调用与评测框架。
Deploying and Evaluating a Smart-Agriculture Agentic Engine for Full-Season Soybean Farm Operations 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。

02 19 papers

多模态 / Robotics / World Model

19 篇论文连接视觉、动作、空间和具身任务，适合观察世界模型产品化。

AdaVLA: Adaptive Step Flow Matching for Training-free Acceleration of Vision-Language-Action 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。
FineVLA: Fine-Grained Instruction Alignment for Steerable Vision-Language-Action Policies 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。
AGM: Achievement-Grounded Memory for Closed-Loop Agents with Frozen VLA Policies 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。
TacVLA: Contact-Aware Tactile Fusion for Robust Vision-Language-Action Manipulation 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。

03 7 papers

AI Coding

7 篇论文围绕软件工程 Agent，重点从代码生成推进到环境、测试、调试和轨迹学习。

Self-Evolving Coding Agents 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。
SWE-Gate: Passing Functional Tests Is Not Enough for Software Engineering Agents 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。
Beyond the Payload: How User Invocation Shapes Coding Agent Vulnerability to Repository Poisoning 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。
How Coding Agents Fail Their Users: A Large-Scale Analysis of Developer-Agent Misalignment in 20,574 Real-World Sessions 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。

04 5 papers

评测 / 架构 / Context

5 篇论文提供评测、框架或系统结构信号，适合转成产品架构判断。

Towards Fully Automated Medical Imaging Code Generation via Validation-based Context Engineering 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。
Doc-REFRAG: Rethinking Multimodal Document Retrieval-Augmented Generation 面向画布类创意任务的多模态 Agent 运行、工具调用与评测框架。
Cloud and On-Premises Deployment of Uzbek Legal RAG via Targeted Retriever Fine-Tuning 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。
Hybrid Retrieval-Augmented Generation with Knowledge Graph Expansion, RRF Fusion, and Per-Chunk Grounded Evaluation for Enterprise Document Search 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。

本周代表论文

用表格保留检索效率，只展示最值得进入人工复核或深度拆解的代表样本。

10 papers

论文	领域	分数	中文判断
From Prompt to Service: An SLM-Based Agent Orchestration Gateway for AI-Driven Virtual Worlds 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	84	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。
AssetOpsBench: Benchmarking AI Agents for Task Automation in Industrial Asset Operations and Maintenance 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	82	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。
AdaVLA: Adaptive Step Flow Matching for Training-free Acceleration of Vision-Language-Action 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	81	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。
Do GUI Agents Know When Not to Act? Enabling Conflict-Aware Termination for Multimodal GUI Agents 面向画布类创意任务的多模态 Agent 运行、工具调用与评测框架。	GUI Agent	80	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。
Deploying and Evaluating a Smart-Agriculture Agentic Engine for Full-Season Soybean Farm Operations 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	80	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。
Counter with Evidence! A Multi-Agent Memory Efficient Reasoning Framework for Hate Category Informed Counterspeech Generation 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	80	接近主信号：用来提升 Agent 长任务中的记忆、上下文和状态管理能力。
ATLAS: Dual-Horizon Diagnostic Evaluation for Industrial Tool-Use Agents 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	80	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。
Agent Tools Orchestration Leaks More: Dataset, Benchmark, and Mitigation 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	79	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。
Multi-Agent LLM Orchestration Achieves Deterministic, High-Quality Decision Support for Incident Response 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	79	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。
MaCTG: Multi-Agent Collaborative Thought Graph for Automatic Programming 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	79	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。