整理自机器之心AI技术活动的圆桌对话。嘉宾包括中国人民大学张少林、清华大学李佳、西湖大学张弛、华为诺亚方舟实验室Agent专家开国。四位嘉宾围绕"Agent是否出现了新范式"展开讨论，梳理了从Prompt→Context→Harness→Loop的概念演进逻辑——这并非范式革命，而是模型能力与任务复杂度之间"不对等关系"持续再平衡的结果。讨论还深入了Agent核心工作单元的变化、多Agent通信从语言走向潜空间的学术前沿及其黑箱化风险、自进化Agent的火与限界，以及Loop模式下验证困难度急剧上升的现实挑战——尤其是在代码生产场景中，AI凌晨提交万行commit时人类是否敢于直接合入的核心困境。
整理自西湖大学张驰在「即兴之星」活动上的学术报告。张驰将Agent的"进化"拆解为四个递进层级——知识进化（Text-to-SQL的探索-部署范式）、经验进化（App Agent的自动生成说明书）、动作进化（App Agent X的高维Action涌现）、架构进化（Learning to Be a Doctor的Agent自优化工作流）。核心主张：真正的进化不是模型参数变大，而是让Agent像人一样，通过积累知识、形成肌肉记忆、涌现高维动作、最终自我设计工作流来不断迭代。报告还分享了GUI Agent不应靠微调实现泛化、RPA与Agent的融合思路、以及"用Agent优化Agent"这一神经架构搜索思想在Agent时代的回归。
深度精读华盛顿大学论文——首次系统研究 LLM Agent 的’弃权’问题：当任务不可行时，智能体是否知道该停下而非继续行动？在 28,000+ 任务上评估 13 个 LLM-as-Agent 系统，发现核心挑战不是’能不能弃权’而是’何时弃权’。提出的 CONVOLVE 上下文工程方法仅用 20 条轨迹就将 Llama-3.3-70B 的及时弃权率从 26.7% 提升至 57.4%，且小模型蒸馏的规则可跨模型迁移。
Claude Code源代码泄露后，Agent Harness的关键模块被完整呈现出来，成为最好的教学样本。本期「十字路口」邀请到Learn Claude Code教程（GitHub超5万星）作者、CLAI创始人来新璐，从Harness的三层架构（执行能力层、上下文环境层、治理编排层）到底层设计哲学，深入拆解Claude Code的沙箱环境、记忆「做梦」机制、上下文压缩策略，以及从LangChain到Agent Runtime的范式迁移。来新璐还分享了他对CLI vs MCP之争的判断、Agent Harness赛道的创业格局，以及一个令人兴奋又有些可怕的未来图景——零人公司。
深度精读微软与上海交通大学合著论文 FastContext，提出将代码仓库探索从主求解代理中解耦为独立的轻量级探索子代理，通过 SFT + RL 训练 4B-30B 专门探索模型，在三大 SWE-bench 基准上将解决率提升最高 5.5%，同时减少主代理 token 消耗最高 60%。
深度精读阿里通义千问团队的 Qwen-AgentWorld——首个覆盖 7 大领域（MCP/Search/Terminal/SWE/Android/Web/OS）的统一语言世界模型。它通过’CPT注入→SFT激活→RL锐化’三阶段训练管线，以混合 rubric-and-rule 奖励驯服开放环境模拟的强化学习训练，在 AgentWorldBench 上以 58.71 分超越 GPT-5.4（58.25）。更关键的是，世界模型训练可作为智能体基础模型的有效预热——在 7 个下游基准上带来泛化增益，其中 3 个完全分布外基准平均提升 +9~11 分。
深度精读微软研究院与北京外国语大学合著的 SKILL-DISCO 论文——将 Agent 成功执行轨迹蒸馏为可重用的参数化控制流子图（PFSM），再编译为可调用、可执行、可验证的过程技能。在 ALFWorld 和 WebArena 上，仅用 5 个技能（对比 ASI 的 110 个）就将成功率推高至 99.3%，且技能可跨模型迁移——GPT-4o 归纳的技能让 Qwen3.5-9B 在 ALFWorld 上达到 98.5%。
深度精读 Williams College 的 Probe-and-Refine Tuning 论文——一种用合成 bug 修复探针迭代打磨仓库引导文件（AGENTS.md）的极简方法。无需智能体循环、无需工具调用、无需强化学习，仅靠约 22 次单轮 LLM 调用就让 SWE-bench Verified 解决率从 25.5% 提升到 33.0%。核心发现是：改进的不是补丁质量而是覆盖率，指导文件让 Agent 跑到了正确的文件。
深度精读马里兰大学与卡内基梅隆大学合著的「语言模型需要睡眠吗？」论文——受人类睡眠记忆巩固机制启发，提出离线循环（Offline Recurrence）机制：模型在’睡眠’阶段对累积上下文执行 N 轮离线反复遍历，将信息蒸馏为持久化快速权重（Fast Weights），然后清空 KV 缓存。在不增加在线推理延迟的前提下，成功解决常规 Transformer 和 SSM-Attention 混合模型均失败的多跳推理和数学推理任务。增加睡眠轮数 N 可以持续提升性能，且推理越深的样本获益越大（相关系数 r=0.92）。
深度精读香港城市大学 × 微软亚洲研究院 RHO 论文——首个仅利用无标签历史轨迹实现 Agent Harness 全链路自监督优化的工作。从 Harness 工程概念补全、六项前序工作定位、自偏好估计的问题抽象、三阶段核心方法详解、必要知识反推到七条通用性灵感，全面拆解这项在 SWE-Bench Pro 上将通过率从 59% 提升至 78% 的开创性研究。