Agent 流水线的推理成本随上下文累积而飙升，压缩输入省钱却伤精度，而投机解码（SD）受制于「drafter 与 verifier 必须读同一份上下文」的对称性约束，无法破解这个两难。华为与中国科大的 AsymSpec 打破对称：小 drafter 读全文、大 verifier 只读压缩视图，通过同模型跨上下文的对比 δ-fusion 把被压缩丢弃的信息在 logit 空间回注，再用免调参的 JSD 散度门保持接受率稳定。结果：以 0.23 倍计算拿到 LongBench 59.7 F1（恢复压缩损失差距的 72%）、1.45 倍吞吐；恢复量随压缩严重度单调增长，近无损压缩处自动失活；还能让读原图的视觉 drafter 操纵只读文字的 verifier。
深度精读 Holistic AI、PUC-Rio 与 UCL 合作的 Agent 轨迹自动机研究（ICML 2026 AIWILD workshop）——把整条语料库的 LLM Agent 执行轨迹坍缩成一台 7-43 个状态的紧凑有限状态机（FSM），无超参数、毫秒级构建。这台 FSM 同时充当四件任务的统一结构基底：工作流记忆（8/8 数据集胜过 Agent Workflow Memory）、下一步预测（交叉熵降 21%）、失败预测（held-out AUROC 最高 0.94）、运行时监控（32% 完成度即触发早停）。本文拆解其’前缀树+最后活动右同余合并’构造、紧凑性为何是全部下游收益的根源，以及’拓扑由 harness 而非模型决定’的核心发现。
Station v2（DualverseAI × 剑桥 × 港大 × UCSD）把 AI 数学发现从『固定管线里的工具』搬进开放世界多智能体环境：6 个跨模型家族的 agent 在无中央协调器的房间制生态里自选方向、跑实验、发论文积累共享文献。在 AlphaEvolve 目录 12 个构造类问题上 5 题产出相对既有文献新颖的结果——kissing 数 d=11 三个精确 604 点构型（两个为新等距类）、Erdős 最小重叠下界 0.37912→0.380552（闭合已发表区间约 82%）、有限域 Kakeya 新无穷族、离散 Kakeya 针 CT(128)≤0.107067、符号不确定性 0.3089；还独立重构 Jacobian 猜想反例。机制归因：高度自主使 agent 能直接追求不可打分的广义数学目标，评估耗时上限倒逼理论引导构造，46.4% 的亮点结果来自跨模型家族协作。
深度精读 AWM 论文——Oslo 大学、Stuttgart 大学、HKUST(广州)、清华与 Bosch AI 中心合作提出的工作记忆质量评估与优化框架。论文发现：即便给了金标证据页，42.5% 答对的长文档 VQA 样本留下的工作记忆依然不足以独立支撑答案——现有评测存在「记忆质量盲区」。AWM-GRPO 用四格奖励把 memory-only answerability 信号注入 GRPO，同源受控对比下比 answer-only GRPO 再涨 2.3-2.7 点。本文拆解「答案对 ≠ 记忆对」的诊断设计、四格奖励的机制推演与蒙特卡洛验证，以及中间产物监督这一通用方法论。
深度精读 KOPE 论文——香港城市大学与华为联合提出的硬件内核优化自进化 Agent 框架。在公共语料极度稀缺的昇腾 NPU 场景下，KOPE 用经验图记忆保留「决策-结果」证据链，配合预算化三层上下文注入，使模型参数完全冻结的前提下通过率达 84.6%（最强基线 57.8%），token 消耗反而下降 93%。本文从内核优化领域背景、经验记忆机制、主动上下文管理、双消融实验到 RISC-V 跨硬件迁移，完整拆解「经验复用为何在语料稀缺场景碾压模型能力」的因果链。
深度精读 Tulane 大学与武汉大学的 OOXML 供应链安全论文——首个规范驱动、跨 Word/Excel/PPT 三格式的「模型所见证据 vs Office 画布所见内容」分歧系统测量。论文从 15,884 条 schema 记录 + 5,206 段规范文本中挖出 639 个候选、确认 21 个 evidence forks（六维分类），用 210 份真实财报文档 × 4 API × 7 网页聊天机器人测试传播：四 API 陷阱返回率 48-76%，20/21 机制至少被一个接口吐出。关键发现：暴露由摄取路径与抽取器配置决定而非模型——同厂 API 与网页端行为不同、三个 Claude 模型走同一 skill 暴露完全一致。本文拆解「合法规范构造里埋只被机器看见的陷阱」的完整机制链。
CAFE（复旦大学 × 腾讯 LLM 部门）把纠正性反馈做成搜索智能体轨迹内可请求的干预：共享参数模型分饰 agent/critic 两角色，冷启动 SFT 用『保留自身错误前缀+教师插入反馈+成功续跑』的恢复演示；在线 RL 用比较反馈估计（同提示请求组 vs 跳过组的成功率差）塑造请求回报，反馈感知优势塑形按请求边界分离『跑偏前缀』与『修复续段』的信用；离线 RDPO 从前缀匹配的成功/失败对学反馈生成；100 步在线×1 次 RDPO 交替 5 轮。7 个 SearchQA 基准上 Qwen2.5-7B 平均 EM 52.5/F1 60.7 为最强 RL 搜索方法，6 个 OOD 基准全保持，答案级幻觉率 17.6%→12.6%；单向消融证明只改 agent 或只改 critic 都会平台化，交替优化持续上升——末代 critic 配末代 agent 84.0 vs 配 SFT critic 80.6。
斯坦福单作者实证研究：固定模型、系统性变化任务描述本身，量化 prompt 信息量对编码 agent token 开销的影响。2,700 次受控运行显示——把完整规格砍到裸 user story 使成本 +29.7%、轮数 +16.4%（五个任务全部同向）；prompt 只动均值不动方差（重复运行几何标准差恒为 ×1.34）；输出 token 仅占 2.7% 却占 51.1% 花费；单次 $0.11 探测可把未知任务成本预测误差从 161% 降到 36%。「具体性而非要求的存在」才是省轮数关键。
复旦大学（华山医院+类脑智能研究院）联合上海交大、上海科学智能研究院的多智能体实证研究（Nature 子刊风格）：把 MAS 推理分解为「候选生成→同行通信→终端选择」的演化管线，发现核心瓶颈是「生成-保留鸿沟」——正确答案常已在候选中却被多数偏置级联丢弃（差距 13-14pp）。15,336 题离线排序基准证明裁判可靠性随正确答案可用率 sigmoid 上升（半升中点 14.7%）；81,390 个冻结候选池重放显示，频率+排序混合选择规则把准确率从 63.82% 提到 70.82-70.95%。
深度精读吉林大学 + 蚂蚁集团论文：把大规模技能库的图检索形式化为「预算约束的边置信度校准问题」——多信号诱导高召回候选图后，用移除/替换/逆序三个反事实探针验证每条边是否真为操作依赖，Beta 平滑聚合后按状态门控发布。6 个骨干 × 2 基准的全部 12 个组合全部第一，ScienceWorld 宏平均 72.62→80.50，步数全线下降。