arXiv 论文周报｜2026-10-05

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 93 papers

Agent / Computer Use

93 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。

ARCHER: Agentic Rule and Compliance Harness for Executable Regulations 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。
AIMS: An Agentic AI Framework for Sim-to-Real Multi-Modal ISAC 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。
cua-speedrun: Standardized Benchmarking of the Speed of Computer-Use Agents 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。
RankEvolve: A Reliable Multi-Agent Auto-Research Harness for Evolving Ranking Models 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 27 papers

多模态 / Robotics / World Model

27 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。

DSDyn-VLA: A Dual-Stream Dynamic Manipulation Framework with Motion Perception, Future Awareness, and Realtime Correction 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。
Spike-driven Vision-Language-Action Model 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。
EventVLA: Event-Driven Visual Evidence Memory for Long-Horizon Vision-Language-Action 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。
Guide, Think, Act: Interactive Embodied Reasoning in 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。

03 10 papers

AI Coding

10 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。

StateTape: Action-Conditioned Evidence Lifecycle Modeling for Long-Horizon 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。
PROJECTMEM: A Local-First, Event-Sourced Memory and Judgment Layer for AI 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。
LEGO-Anything: Coding Agents for 3D Scene Reconstruction 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。
Evaluating AGENTS.md: Are Repository-Level Context Files Helpful for 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。

04 3 papers

评测 / 架构 / Context

3 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。

Walking the Embedding Space: Datastore Extraction from Multimodal RAG 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。
Re-ranking and Late Interaction Drive Retrieval Quality: A Controlled Comparison of RAG Strategies for Scientific Question Answering 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。
RAGScope: A Leakage-Controlled, Cost-Aware Evidence-Gating Protocol for RAG Hallucination Triage 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。

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
ARCHER: Agentic Rule and Compliance Harness for Executable Regulations 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	91	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。
AIMS: An Agentic AI Framework for Sim-to-Real Multi-Modal ISAC 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	83	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。
cua-speedrun: Standardized Benchmarking of the Speed of Computer-Use Agents 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	83	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。
RankEvolve: A Reliable Multi-Agent Auto-Research Harness for Evolving Ranking Models 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。	Coding Agent	82	接近主信号：用来构建能在真实代码仓库里测试、调试和修复的 Coding Agent。
DSDyn-VLA: A Dual-Stream Dynamic Manipulation Framework with Motion Perception, Future Awareness, and Realtime Correction 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	82	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。
Neuro-Symbolic Computer Use: Learning Reusable Policies for Reliable and Efficient Execution 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	82	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。
From Proposal to Verified Effect: Praxa, an Evidence-Bound Harness for Governed AI Agent 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	81	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。
AgBench: Agentic AI Benchmarks for Personal AI Devices 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	81	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。
The Hitchhiker's Guide to Agentic AI: From Foundations to Systems 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	81	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。
Walking the Embedding Space: Datastore Extraction from Multimodal RAG 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。	多模态	79	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。