通过双路径 rollout 动态探测知识边界，引导 agentic RL 训练减少冗余工具调用。

提出首个评估个性化记忆系统的基准 PerMem-Bench，并系统研究会话级存储门控方法。

ProAct 将用户两次对话间的空闲时间转化为对尚未发出请求的未来需求进行证据采集的预测性准备工作。

把终端输出 token 当作监督信号，叠加到 GRPO 损失上，让失败轨迹也产生梯度。

用Chebyshev标量化与HVC退火，多目标优化智能体技能，突破单目标优化卡死困境。

五机制多智能体自主科研管线，在ARC-Bench上超AI Scientist v2 54.7%

把文本技能升级为可执行状态-动作干预函数，全面提升 LLM 智能体表现

用三智能体自动构建可执行工具环境，并合成自然多轮轨迹训练工具调用LLM。

为百万级 Agent Skill 生态构建一个采集-推荐-归因-演化的闭环治理框架，抑制噪声与误归因对技能库的污染。

用学习的记忆控制器为冻结 GUI 基座插拔式注入多模态工作与情景记忆

首篇将 LLM 多智能体系统全生命周期串成 LIFE 四阶段的统一综述

在零目标任务经验下，通过提议者引导的合成练习与验证门控的记忆准入，构建部署前的程序性记忆。

用书签式问答对在长剧情中按需检索与增量同步，让角色扮演智能体既保留细节又省算力

用纯动作数据（无推理链）作参考引导，突破智能体RL的可达性壁垒，无需SFT冷启动即可比肩SFT+RL流程。

为上下文优化器装上浏览器与维基百科工具，用束搜索训练消解检索噪声。

把生成式世界模型塞进 MCP 智能体循环，用预测式规划替代反应式执行。

训练免费框架，让多智能体在测试时三尺度协同进化。

SLIM：把外部技能集当成可训练变量，动态增删扩展

OPPO 边缘原生 Android 智能体，多模态感知+行为克隆

借鉴编译器架构，提出四阶段流水线 SKCC，用强类型 IR 把 SKILL.md 升级为跨框架技能。