AI 新闻日报 - 2026年10月9日

AI 新闻日报 - 2026年10月9日

今日共收录 14 条 AI 相关资讯

最新论文 (arXiv)

  • Agent-Controlled Forgetting for Tool-Using Agents: Reversible Context Curation in Practice（工具型智能体的「可控遗忘」：可逆的上下文整理实践）
    Jan-Peter Franke | 让模型自己挑选此前看到的工具返回结果，用一段简短摘要在原位置替换，同时把完整原文存入可恢复的归档；配套的 Python 工具链支持批量归档与显式回收，使长会话上下文大幅瘦身而不丢信息。

  • Plan-and-Patch: Diffusion Language Models for Agentic Planning（先规划再打补丁：用扩散语言模型做智能体规划）
    Syamantak Kumar, Jiang Guo, Hassan Hamad 等 | 面向长程智能体，指出环境变化会让计划失效，因此智能体必须能改计划而非只生成计划；论文用扩散语言模型的「打补丁」式修订来替代整体重写，在子目标、工具调用与中间结果之间做局部修正。

  • On the Clock: Towards Punctual and Productive Time-Budgeted AI Agents（看着表干活：让智能体在时间预算内既守时又高产）
    Aaron Wang, Neelabh Madan, Vlad Sobal, Matthew Trager, Michael Kleinman, Elman Mansimov, Wei Xia, Stefano Soatto | 研究小模型智能体在明确的墙钟时间预算下能否既遵守时限、又把时间用出价值，在 MLE-Bench Lite 的五个竞赛任务和 Zork I 上评测 Qwen3.6-27B 与 Qwen3-4B。

  • Curating Always-Loaded Context for LLM Agents: A Capacitated Assortment Model with Censored Feedback（为 LLM 智能体整理「常驻上下文」：一个带删失反馈的容量受限选品模型）
    Zexuan Liu, Yuning Yang, Tiancheng Zhao | 每次会话开头加载的 `AGENTS.md` 之类文件，其中每个 token 在后续每一轮都会被重新计费，而且文件越长性能越可能退化，可现实中人们只是不断往后追加；论文把上下文整理形式化为容量受限的选品问题，并处理反馈被删失的问题。

  • How Narrative Wrapping Affects LLM Refusal: A Cross-Language Benchmark and Defense（叙事包装如何绕过 LLM 的拒答：跨语言基准与防御）
    Zhankai Ye, Yanning Wang, Yukai Jin, Bo Mei, Fangyi Li, Wei Wang, Shangqian Gao, Xin Liu | 安全对齐的模型会拒绝直白的有害请求，却会回答包在角色扮演或叙事外衣里的同一请求；Qwen3-1.7B 上的攻击成功率英文已达 89.4%、现代中文 93.0%、文言文 95.7%，作者构建 GUISE 基准并给出防御方案。

  • Verification and Self-Improvement in Agentic AI: Foundations and Limits（智能体 AI 的验证与自我改进：基础与边界）
    Chien-Ping Lu | 智能体性能提升可能来自「搜得更久」「获得额外支持」或「改变提出与验证输出的方式」，单看分数无法区分三者；论文用带隐藏终端随机性的有界验证框架把这几类机制拆开比较。

  • StoreBench: A Live-Commerce Environment for Evaluating and Training Autonomous Operator Agents（StoreBench：用于评测与训练自主运营智能体的实时电商环境）
    Daksh Raghuvanshi, Ved Vedere, Yifan Wang | 指出现有智能体基准大多是静态的——世界只在智能体动作时才变动、奖励是终局判决、及格线还定得很随意；StoreBench 让智能体在真实流动的电商环境中经营一家中型线上服装店。

  • Speaking the Navigator's Language: Trajectory-Grounded Instruction Translation for Frozen Aerial VLN Agents（说导航员听得懂的话：为冻结的空中 VLN 智能体做轨迹锚定的指令翻译）
    Xi Chen, Zhe Liu, Xiaogang Xu, Jiafei Xu, Chunyi Zhou, Yuan Su, Rui Zeng, Tianyu Du, Kelu Yao, Chao Li, Shouling Ji | 空中视觉语言导航智能体训练时用的是细节丰富、与轨迹对齐的指令，用户却只给一句简短的意图式指令，这个「指令鸿沟」让冻结的 OpenFly 导航器成功率从 31.03% 掉到 11.33%；作者用语言模型按人类风格范例做指令翻译来补上这一落差。

海外讨论 (Hacker News)

今日 AI 要闻速览

今天 arXiv 的 cs.AI 投稿几乎被「智能体工程化」包办：上下文怎么整理才不拖慢推理、时间预算内怎么既守时又出活、计划被环境打乱后怎么局部修补、自我改进的收益到底来自哪个机制——这些都是把智能体从 demo 推向生产时最先撞上的墙。其中「可控遗忘」和「常驻上下文容量建模」两篇指向同一个痛点：上下文不是越多越好，加载的每个 token 每轮都在重复付费，而现实中人们只会不断往 `AGENTS.md` 里追加。安全侧则有一篇值得注意的负面结果：把有害请求包进角色扮演或文言文叙事，小模型的拒答率会大幅失守，中文文言文场景下的攻击成功率高达 95.7%。Hacker News 上，讨论热度最高的是 DeepSeek 4.1 Flash 引发的「业界为何反应平淡」之问（715 分、593 条评论），以及 OpenAI 年化营收比此前信号低 200 亿美元的消息，两条合起来构成了今天关于「模型降价」与「商业化预期」的对照。此外三星实验室开源的亚 1 比特 LLM 压缩方案也受到关注，说明在算力成本压力下，模型压缩重新回到台面。

posted @ 2026-10-09 17:02  Verstin  阅读(44)  评论(0)    收藏  举报