提出存储-反思-经验三阶段演化框架，统一LLM智能体记忆机制的研究视角。

用单一任务结果信号同时驱动技能选择、利用与蒸馏三阶段协同演化

用强化学习训练技能策展器，让 LLM 智能体在长任务流中持续积累并精炼可复用技能。

提出 SSL 三层结构化表示，显式拆分技能文本的调用、流程与动作证据

构建方法级演进图谱,为 AI 智能体提供可推理的研究基础设施

真实资本下LLM交易代理的可靠性来自运行层而非模型本身

提出首个面向数据分析Agent的环境感知过程奖励模型DataPRM，三元奖励+主动环境交互突破通用PRM盲区

TACO自演化压缩终端观测,免训练省token并保留关键证据。

构建 PlayEval 基准与 PlayTester 多模态测试代理,提出 PlayCoder 多智能体框架通过"视觉驱动测试+自动修复"闭环修复 GUI 代码的隐性逻辑缺陷。

首个多轮对话生成Dify/Coze工作流的评测基准，覆盖6大领域237实例

用LLM三模块流水线按需生成1040个agent评测环境，成本降13800倍

用 9 个原子工具 + 四层记忆 + 自进化 SOP，把长程 LLM 智能体的 token 消耗压缩到基线的 1/3 同时保持最优任务完成率。

训练 LLM 在无任务无奖励下主动探索环境并提炼世界知识，实现真正的原生自演化。

提出 MPT 基准与 PREFINE 方法，将用户偏好建模为可修订的假设，以极少 token 解决工具调用中的潜在偏好推理问题。

用三 Agent 架构与四阶段训练流水线，让 30B 模型在深度搜索与研究任务上比肩百亿参数大模型。

提出分层基准 GTA-2，揭示前沿 LLM 工作流任务成功率仅 14.39%，执行框架远比模型能力更关键。

把 LLM 技能当作代码、LLM 当作处理器，设计了一套编译+运行时系统，让技能在异构模型和 agent 框架上稳定高效执行。

系统性定义可自主赚取资源、跨基础设施复制与自我进化的AI智能体,分析其可行性、安全与社会风险。

通过 PPI 让 LLM 动态处理任意多层级的指令冲突。

用并行上下文分支+前瞻路由让智能体按状态自选管理策略。