智能体

#02 ▲220 ★1.6k ❝22 2026-09-21

RRSI: Regularized Recursive Self-Improvement of Agent Harnesses

给 Agent 框架的递归自我改进加上正则化，防止只在训练任务上涨分、换分布就失效。

Google · Peng Xia, Rujun Han, Zifeng Wang +11

#04 ▲115 ★14k ❝1 2026-10-09

Harness^2: Recursive Agent Harnessing for an Open World

Harness² 让 Agent 在没有标准答案的开放任务里也能递归改进自己的执行框架。

Google · Ruiyao Xu, Yanfei Chen, Zhongying CuiZhu +6

#06 ▲348 ★187 ❝0 2026-10-14

Player-1: Learning to Play from Synthetic Experience

Player-1 用合成交互经验做后训练，让电脑操作型 Agent 学会玩游戏。

ARC Lab, Tencent · Mingyu Ouyang, Yiran Wang, Siyuan Hu +9

#09 ▲485 ★200 ❝0 2026-09-25

Omni-IO Skills: Harnessing Your Agent Omni-Native

Omni-IO Skills 用分层技能和资产登记表，让现有 Agent 能读写图像、音频、视频、3D 等多种模态。

National University of Singapore · Yanlin Li, Mingyang Hao, Shengqiong Wu +3

#15 ▲184 ★200 ❝6 2026-09-12

Realtime-Venus: A full-duplex interaction system with asynchronous delegation

Realtime-Venus 是全双工实时交互系统，可边听边看边说，并把复杂任务异步委派出去。

inclusionAI · Ant Group

#18 ▲364 ★312 ❝0 2026-10-14

Any Time, Any Space: A World-State-Centric Framework for Agentic Video Generation

ATAS 用场景记忆和事件记忆把剧本编译成镜头，让长视频在时空上前后一致。

Zhejiang University · Weijie Wang, Haomin Zhang, Ye Li +7

视觉生成智能体 arXiv 代码 HF

#19 ▲330 ★396 ❝0 2026-10-15

OpenGCUA: Toward a Fully Open Stack for Generalist Computer Use

OpenGCUA 计划开源通用电脑操作 Agent 的完整技术栈，首版同时支持视觉界面和代码执行。

Tongyi-MAI · Hanzhang Zhou, Long Li, Quyu Kong +12

#20 ▲293 ★201 ❝1 2026-10-08

AgentGarten: Code Worlds for Evolving Agents

AgentGarten 把模拟器、游戏引擎和神经渲染器结合起来，为 Agent 搭建逼真且规则一致的代码世界。

MirroS · Jiawei Chi, Shangchen Miao, Zhiyuan Shi +12

智能体视觉生成 arXiv 代码 HF

#23 ▲272 ★107 ❝0 2026-10-15

FDE-Gym: The Last Mile of AI Delivery

FDE-Gym 收录 95 个真实交付任务，考察 Agent 能否像驻场工程师一样澄清需求并交付可用方案。

DeepLethe · Dongxu Yang, Hongda Yan, Renxin Wang +23

#25 ▲490 ★30 ❝0 2026-10-14

BizAgentBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business

BizBench 基于真实支付业务流程，检验长任务 Agent 在执行中途是否违反政策与约束。

ant-international · Enhan Zhao, Yongqi Tong, Xuejun Yu +6

#29 ▲642 ❝2 2026-09-30

False Frontiers: Diagnosing and Mitigating Co-Cheating in Self-Evolving Search Agents

揭示自进化搜索 Agent 的“共谋作弊”：出题者和解题者一起犯同样的错，并提出多样本验证来缓解。

Rutgers University · Meijia Chen, Hao Li, Zheng Lu +12

智能体强化学习 arXiv HF

#31 ▲217 ★297 ❝0 2026-10-13

Self-Evolving Agent Harness

给 Agent 框架的自我演化建立形式化理论，并给出泛化和保持性的理论界。

ZGCAGI · Chuyang Wei, Haoxiang Guan, Minghang Zhu +5

机器人与具身智能体代码与软件工程 arXiv 代码 HF

#32 ▲313 ★84 ❝0 2026-10-16

HexaShell: A Thin Harness for Exploring the Limits of VLM Agents as Robot Coding Agents

HexaShell 只用一层很薄的框架，让编程 Agent 通过命令行直接控制双臂机器人，并在失败后自己写工具改进。

HexaFuture · Hongcheng Gao, Alex Zhou, Jay Zhu +13

#34 ▲163 ★36 ❝1 2026-09-22

The Tasteful Agent: Measuring and Improving Taste in Long-Horizon Tasks

Taste-Bench 衡量 Agent 在长任务里选方向的“品味”，并探索如何提升这种决策能力。

Microsoft · Wenbo Pan, Zhichao Liu, Shujie Liu +6

#37 ▲214 ★234 ❝0 2026-10-13

Agent-Reflex: Teaching Language Agents to Act Reflectively

Agent-Reflex 分三阶段训练，让 Agent 在工具反馈有噪声或用户纠错时主动反思并恢复。

NLPIR Lab @ RUC · Guanting Dong, Xinyu Yang, Jiajie Jin +9

#41 ▲167 ★303 ❝0 2026-10-08

REMORY: Learning Residual Memory for Context Compaction

REMORY 在文字摘要后补一串“软记忆 token”，帮长任务 Agent 压缩上下文时少丢信息。

Fusion Lab: Generative Vision Lab of Fudan University and SII · Hanchen Xia, Baoyou Chen, Yutang Ge +5

#42 ▲116 ★1.6k ❝0 2026-10-06

nanoMuse: An Open-Source Personal Agent for Every Device You Own

nanoMuse 是开源的个人 Agent，可跨设备记住用户、代办账户事务，定位为 Meta Muse 的开源对照。

Zhejiang University · Guangyi Liu, Yong Liu, Jiangning Zhang

智能体视觉理解与 3D 强化学习 arXiv 代码 HF

#48 ▲47 ★742 ❝2 2026-09-29

Context Language Models

上下文语言模型把上下文当成可自由编辑的文件，自己决定保留什么，以更少算力取得更高准确率。

Meta · Rulin Shao, Shannon Zejiang Shen, Junjie Oscar Yin +10

大语言模型智能体 arXiv 代码 HF

#52 ▲133 ★105 ❝0 2026-10-13

Urbex: Agentic Spatial Grounding for City-Scale 3D Scenes

Urbex 让视觉语言 Agent 在城市级 3D 场景中主动搜索、缩放、换视角来定位目标，并用强化学习优化。

alibaba · Yu Wang, Rui Dai, Wei Chen +5

#53 ▲233 ★42 ❝0 2026-10-09

AgentSWE: Can Coding Agents Build the Agent You Actually Want?

AgentSWE 评测编程 Agent 能否按需求从零搭建、修改和优化真正好用的 Agent。

机构待核实 · Jiahao Wang, Hongjin Qian, Yuyang Hu +2

智能体代码与软件工程评测与数据 arXiv 代码 HF

#54 ▲112 ★54 ❝4 2026-09-28

Self-Evolving Coding Agents: From Digital Programs to Physical-World Intelligence

主张把机器人任务写成可检查、可修改的代码，让自进化的编程 Agent 从数字世界走向物理世界。

HexaFuture · Hongcheng Gao, Jingjing Zhou, Zelin Zheng +10

机器人与具身代码与软件工程智能体 arXiv 代码 HF

#55 ▲73 ★572 ❝0 2026-09-21

GameHorizon Suite: Multi-Horizon Data and Evaluation in Gameplay

GameHorizon 提供多时间尺度的游戏数据标注和评测，衡量模型的规划和操作能力。

Tencent · Yiran Wang, Xingyilang Yin, Junfu Pu +12

#61 ▲102 ★152 2026-10-19

OpenVLHarness: Real World Visual Agentic Tool-Use with Multimodal Memory

OpenVLHarness 为多模态模型提供工具能力层和持久多模态记忆，处理需要外部证据的视觉任务。

Apple · Yu Zhou, Cheng-Fu Yang, Rui Sun +8

智能体 AI for Science 评测与数据 arXiv 代码 HF

#63 ▲155 ★19 ❝0 2026-10-13

Into the Unknown: Benchmarking AI agents on open scientific research problems

Into the Unknown 让 Agent 针对美国国家实验室科学家提供的未发表方向写续作论文，评测开放科研能力。

Carnegie Mellon University · Seungone Kim, Jiayi Geng, Young-Jun Lee +25

#64 ▲291 ★5 ❝0 2026-10-16

OR-License: Evaluating LLM Agents as Real-World Operations Research Practitioners

OR-License 用 31 个真实付费运筹咨询项目的原始材料，测试大模型智能体能否直接交付专家级运筹方案。

Data Science & Artificial Intelligence Lab at HKUST · Peisong Wang, Feixue Liu, Yize Meng +16

#66 ▲92 ★32 ❝1 2026-10-01

Beyond Memory: Harnessing Long-Horizon Agents with Explicit Belief States

PoS 让 Agent 显式维护“信念状态”，记录对世界的估计和未完成的需求，避免长任务中陷入错误信念。

alibaba · Yu Luo, Jiamin Jiang, Yimin Zuo +9

#68 ▲189 ★10 ❝1 2026-10-06

Self-Retrospection Distillation: Turning Post-hoc Experiences into Prior Foresight

自我回顾蒸馏把事后经验转成事前预判，弥补 RLVR 在奖励全相同时信号消失的问题。

Salesforce AI Research · Haoxiang Zhang, Qinglin Chen, Hiroaki Hayashi +9

强化学习智能体 arXiv 代码 HF

#69 ▲54 ★809 ❝2 2026-10-09

RSI-Anything: Unlocking Recursive Self-Improvement with World Models

RSI-Anything 借助预测式世界模型选择行动和训练数据，实现跨领域的递归自我改进。

PhAI Labs · Taoyong Cui, Pinxian Zeng, Wanghan Xu +8

#71 ▲225 ★12 ❝0 2026-10-19

Focused Omni-Modal GUI Agents

FocusGUI 用轻量适配器按步骤挑出最相关的屏幕、音频等信号注入冻结模型，缓解 GUI 智能体被无关上下文带偏。

Nanyang Technological University · Fuyao Zhang, Wenwen He, Jiaming Zhang +6

#75 ▲38 ★115 ❝6 2026-09-21

Harness-Zero: Harness Distillation via Agent-as-Harness

Harness-Zero 把专用 Agent 框架带来的能力蒸馏进模型权重，换成通用框架也不掉点。

Peking University · Haoran Ye, Yuxing Lu, Haonan Dong +2

#80 ▲153 ★13 ❝1 2026-10-06

Learn2Play Bench: How Well Do LLM Agents Learn from Experience in Unfamiliar Environments?

Learn2Play Bench 用规则新奇甚至反直觉的文字游戏，检验 Agent 能否从经验中学习。

National University of Singapore · Yibo Li, Jinhang Qiu, Zhi Zheng +4

#82 ▲30 ★224 ❝19 2026-09-21

Jev-Mem: System-One-Controlled Agentic Memory for Efficient AI Agents

Jev-Mem 用快速的 System 1 控制面管理 Agent 记忆，把昂贵的生成移出记忆操作的关键路径。

机构待核实 · Dongming Jiang, Yi Li, Bingzhe Li

#83 ▲97 ★74 ❝1 2026-10-06

Recursive Game Creator: An Agentic Product-Level Experience-Oriented Game Harness

Recursive Game Creator 用设计、构建、试玩、评审四个角色递归迭代，让 Agent 做出好玩的游戏。

The University of Hong Kong · Jiajun Chen, Haoyu Wu, Mingda Jia +1

#86 ▲111 ★30 ❝0 2026-10-01

Sharpening Tax in Post-Training

发现 RL 后训练在 Agent 任务上有“锐化税”：预训练模型配轻量框架，多次尝试的覆盖率反而更高。

Meta · Changdae Oh, Qi Zeng, Qi Qi +7

强化学习智能体 arXiv 代码 HF

#87 ▲103 ★114 ❝0 2026-09-22

SpeakerMem-R1: Speaker-Centered Dual-Track Memory for Multi-Party Dialogue

SpeakerMem-R1 以说话人为中心构建双轨记忆，解决多人对话中“谁说了什么”的记忆难题。

Zhejiang University · Haobo Zheng, Tan Tang, Yan Chen +2

智能体评测与数据代码与软件工程 arXiv 代码 HF

#89 ▲149 ★38 ❝0 2026-10-14

MAI-Gym: An Open All-in-One Platform for GUI Agent Evaluation and RL Training across Mobile and Computer Environments

MAI-Gym 是开源 GUI Agent 一体化平台，统一评测、数据采集和在线 RL，最多可并行 2 万个环境。

Tongyi-MAI · Panrong Tong, Quyu Kong, Pengxiang Li +12

智能体强化学习评测与数据 arXiv 代码 HF

#91 ▲110 ★113 ❝0 2026-10-14

Doc2Harness: Benchmarking LLMs on Long-Horizon Harness Engineering of Coding Agents

Doc2Harness 直接评测大模型能否按开发文档从零搭建长任务编程 Agent 的执行框架。

Institute of Computing Technology · Yuyao Ge, Shenghua Liu, Peizhong Gao +8

#95 ▲134 ★39 ❝0 2026-09-29

AREX-2: Advancing Self-Improving Agents through Long-Horizon Reflective Tasks

AREX-2 用机器学习和算法编程中的长程改进轨迹训练，让 Agent 在测试时反复反思、不断改进答案。

Beijing Academy of Artificial Intelligence · Hongjin Qian, Chaofan Li, Kun Luo +11

#96 ▲119 ★75 ❝0 2026-10-05

From Traces to Agentic Worlds: Agentic Language World Models for Interactive Environment Simulation

Trace2Env 不重建真实系统，而是用历史交互轨迹让一个“世界模型 Agent”扮演环境供其他 Agent 训练评测。

Nanyang Technological University Singapore · Quanyu Long, Xiao Chen, Jianda Chen +4

#98 ▲97 ★146 ❝0 2026-09-30

RSIGame: Autonomous Agentic Game Development with Recursive Self-improvement

RSIGame 用局部和全局两层循环递归改进 Agent 生成的游戏，减少只对少数测试过拟合的问题。

RSIGame · Wenyi Wu, Minghao Fu, Jieyu You +10

#100 ▲64 ★574 ❝0 2026-10-20

Sage-A1.5: From Long-Horizon Execution to Scientific Exploration with Capability Composition

Sage-A1.5 是 35B MoE 智能体模型，新增子智能体并行协作、过程自检和开放式科学探索能力。

Intern Science · Wenjie Lou, Tianshuo Peng, Shiyang Feng +96

机器人与具身智能体高效训练与推理 arXiv 代码 HF

#103 ▲86 ★198 ❝0 2026-10-08

SuperNav: An Agentic Navigation System for Any Task in Any Scene

SuperNav 让多模态大模型负责理解请求和决策、把运动交给导航工具，实现任意场景任意任务的导航。

zju3dv · Jinkai Zhang, Jingyi Xu, Yuanhong Yu +5

机器人与具身智能体 arXiv 代码 HF

#112 ▲63 ★75 ❝0 2026-10-01

VeriHarness: Scaling Agentic Verification for Long-Horizon Tasks

VeriHarness 把基础模型变成验证 Agent，利用多次采样间的分歧找出可信结论，无需参考答案。

Google · Caiqi Zhang, Rujun Han, Zifeng Wang +4

智能体推理 arXiv 代码 HF

#113 ▲92 ★83 ❝0 2026-10-14

More Methods, Better Agents? A Reality Check on Self-Distillation in Agentic Reinforcement Learning

在统一条件下对比十种 Agent 强化学习自蒸馏方法与 GRPO，检查它们的真实收益和成本。

Zhejiang University · Linhao Zhong, Bozhen Fang, Xuehao Wang +7

智能体强化学习评测与数据 arXiv 代码 HF

#115 ▲52 ★51 ❝5 2026-10-01

Fewer Tokens, Better Action: GPT-6 Astra Robot Agents with 14% Higher Success Rate but 65% Fewer Tokens

让机器人 Agent 把动作原语组合成可本地重试的 Python 代码块，成功率更高、token 用量更少。

DAGroup-PKU · Ruiyang Si, Jianxin Bi, Shunyu Yang +12

#116 ▲287 ❝0 2026-10-01

RealCompanion: Benchmarking Human Understanding from Reasoning over Longitudinal Real-World Conversations

RealCompanion 公开 10 段长达 120 天、共 27218 条的真实 AI 陪伴对话，检验模型对人的长期理解。

Quis Lab · Arman Behnam, Sunglyoung Kim, Jiayi Yu +2

评测与数据智能体 arXiv HF

#117 ▲105 ❝3 2026-10-02

Scaling Trajectories for Complex Tasks through Recursive Self-Rewrite

递归自我重写：在各种专用框架下找到成功解，再改写成通用框架下可用的训练轨迹。

Tencent Hunyuan · Zongxia Li, Yucheng Shi, Zhongzhi Li +7

智能体强化学习 arXiv HF

#119 ▲120 ❝1 2026-09-30

Mid-Harness: Scaling Actions Between Model and Harness for Terminal Agents

Mid-Harness 在模型与执行框架之间先采样并验证候选命令再执行，提高终端 Agent 的可靠性。

NVIDIA · Minki Kang, Ryo Hachiuma, Shaokun Zhang +8

智能体高效训练与推理 arXiv HF

#123 ▲38 ★386 ❝0 2026-10-13

Hybrid Reasoning Agents

混合推理 Agent 在潜空间推理和文本交互之间动态切换，兼顾效率与工具调用。

Stanford University · Jiaru Zou, Yunzhe Qi, Sirui Chen +5

推理智能体 arXiv 代码 HF

#125 ▲55 ★63 ❝0 2026-09-21

onPanda: Efficient Annotation of On-Policy Alignment Data for LLMs and Agents via Token-Level Correction

onPanda 是对齐数据标注工具：找到第一个错 token 改掉后让模型续写，低成本标注 Agent 轨迹。

StepFun · Lei Yang, Mengyin Liu, Jia Wang +9

对齐智能体 arXiv 代码 HF

#130 ▲165 ❝0 2026-10-09

Scaling Agentic Data for Long-Horizon Terminal Intelligence

研究如何规模化合成高质量长程终端任务轨迹，训练能完成专业任务的终端 Agent。

alibaba · Shun Zou, Ziyu Ma, Yi Zou +6

智能体评测与数据 arXiv HF

#131 ▲76 ★34 ❝1 2026-10-04

SearchJev: A Fast and Calibrated System-1 Model for Search Agents

SearchJev 是快速且校准良好的 System 1 模型，专门替搜索 Agent 做相关性和下一步动作的判断。

机构待核实 · Congfeng Cao, Lipeng Zuo, Konstantinos Papakostas +6

#132 ▲132 ★9 ❝0 2026-10-07

LiveMACE: Process-Aware Evaluation of LLM Agent Capabilities in Evolving Markets

LiveMACE 用实时金融市场做测试场，从结果和过程两方面评估持续运行的大模型 Agent。

Fudan University · Jun Zhao, Leiming Fu, Yanbo Wen +9

#137 ▲111 ★20 ❝0 2026-10-08

SoftwareGym: Scaling Computer-Use Agent Training with Diverse Synthesized Software Environments

SoftwareGym 自动合成多样、可运行且可验证的 GUI 软件环境，用来扩大电脑操作 Agent 的训练。

Shanghai Jiao Tong University · Tian Jin, Wenhao Wang, Jing Kang +4

AI for Science 智能体 arXiv 代码 HF

#141 ▲112 ★7 ❝1 2026-09-30

EvoDuet: Bilevel Co-Evolution of Web Searching and Task Solving for Scientific Discovery

EvoDuet 让解法和搜索查询双层协同进化，帮助大模型进化搜索在需要外部知识时不再停滞。

Minnesota NLP · Young-Jun Lee, Jinheon Baek, Soyeong Jeong +5

#154 ▲64 ★20 ❝0 2026-10-14

ActionOPD: Distilling Decisions, Not Tokens

ActionOPD 以“动作”而不是 token 为单位做在线蒸馏，把大模型 Agent 的决策能力迁移给小模型。

Tsinghua-NICS-EFC · Huining Yuan, Xiangmin Yi, Zelai Xu +5

代码与软件工程强化学习智能体 arXiv 代码 HF

#157 ▲50 ★45 ❝0 2026-09-20

One to More, More to One: Category-Aware Iterative Expert Training for Software Engineering Agents

按任务类别分别训练软件工程专家再合并，缓解统一 RL 训练中各类任务此消彼长的问题。

alibaba · Jie Zhao, Ziyu Jiang, Suhang Zheng +3

#158 ▲86 ★11 ❝1 2026-09-29

Learning Meta-Skills for Agent Harness Design in Test-Time AI4AI

让“构建者”模型学习元技能，为固定的目标模型自动搭建更好的执行环境（测试时 AI4AI）。

Apodex · Cheng Qian, Kunlun Zhu, Beibin Li +2

智能体评测与数据安全与可解释 arXiv 代码 HF

#161 ▲72 ★13 ❝0 2026-09-27

TraceDance: An Automated System for Building Agent Behavior Benchmarks from Real-World Agent Deployment Traces

TraceDance 从真实部署轨迹中自动构建针对特定不良行为的 Agent 测试集。

ByteDance · Dehai Min, Daoan Zhang, Yiming Zeng +13

#167 ▲75 ★46 ❝0 2026-09-29

EngiWorld: What Can Frontier Agents Deliver in Professional Engineering Environments?

EngiWorld 收录 1301 个专家任务，覆盖 CAD、CAE、EDA 等 6 个工程领域和 26 款专业软件。

Zhiman AI · Hongcheng Gao, Hailong Qu, Yu Lei +19

#169 ▲118 ★5 ❝0 2026-10-13

Pack Light, CarryOn: Building Object-Oriented Context for Long-Horizon Agents

CarryOn 以可复用的“任务对象”组织长程 Agent 的上下文，而不是反复读历史记录。

McAuley-Lab · Yuchen Lu, Julian McAuley, Lei Zhang

代码与软件工程视觉理解与 3D 智能体 arXiv HF

#171 ▲129 ❝0 2026-09-28

LEGO-Anything: Coding Agents for 3D Scene Reconstruction

LEGO-Anything 让编程 Agent 反复编写和执行 Blender 代码，从单张图片重建可编辑的 3D 场景。

Amazon Web Services · Xirui Li, Peng Shi, Mingwen Dong +7

#172 ▲55 ★33 ❝1 2026-10-09

OpenMobile-2: Building Versatile Mobile Agents with Scalable Environments and App-Native Tools

OpenMobile-2 开放 110 多个应用的训练环境和约 1.2 万条交互轨迹，训练接近前沿水平的手机智能体。

Nanjing University · Chenyang Yan, Yingying Zhang, Kanzhi Cheng +21

#178 ▲37 ★86 ❝0 2026-10-14

DeltaStreamer: Towards Human-Like Agentic Streaming Video Understanding

DeltaStreamer 模仿人类观察方式，结合变化感知记忆和按需回放，理解流式视频。

ByteDance · Boyuan Sun, Deshui Miao, Wenzhao Gao +8

#181 ▲182 ❝0 2026-10-20

Matrix-Game 4.0: Harnessing Video Models for Real-Time Playable Game Worlds

Matrix-Game 4.0 让轻量引擎和编程智能体管游戏逻辑、视频模型管画面，单张 RTX 5090 跑出 60 帧。

机构待核实 · Jihai Zhang, Runjia Qian, Kaiqin Kong +15

视觉生成智能体 arXiv HF

#182 ▲103 ★7 ❝0 2026-09-26

Prefill-Free Cross-Family KV Cache Transfer for Heterogeneous Multi-Agent LLMs

HeteroFold 让不同家族的大模型之间直接传递 KV 缓存，多智能体协作时免去重复预填充。

University of Southern California · Vincent-Daniel Yun, Woosang Lim, Haneul Yoo +3

高效训练与推理智能体 arXiv 代码 HF

#183 ▲75 ★27 ❝0 2026-09-29

EVOKE: Eliciting World Knowledge in Agents for Transferable Decision-Making

EVOKE 通过训练激发大模型预训练中已有的世界知识，让 Agent 更好地迁移到新环境。

Shanghai Jiao Tong University · Yuhan Guo, Jinming Liu, Liang Xu +8

#185 ▲87 ★5 ❝1 2026-09-28

Agent Priors-guided Policy Learning

把每个技能策略的结构先验纳入 Agent 的技能接口，让少样本机器人同时做到组合泛化和技能泛化。

National University of Singapore · Puming Jiang, Tianrun Hu, Haozhe Du +4

机器人与具身智能体 arXiv 代码 HF

#186 ▲94 ★12 ❝0 2026-10-20

S-Agent 2.0: Spatial Reasoning with a General Coding Agent

S-Agent 2.0 给通用编程智能体配上命令行 3D 感知工具和场景记忆，显著提升空间推理基准成绩。

Ropedia · Rui Gong, Ruoyu Wang, Yalun Dai +9

智能体推理 arXiv 代码 HF

#188 ▲63 ★11 ❝0 2026-10-01

AutoGUIWorld: Image Generators as Visual World Models for GUI Agent

AutoGUIWorld 用图像生成模型充当 GUI 的视觉世界模型，合成多样的界面交互轨迹。

Tencent Hunyuan · Cheng Yang, Yifan Wu, Yutao Huang +18

智能体视觉生成 arXiv 代码 HF

#192 ▲86 ★20 ❝0 2026-09-28

LLMs are General Asynchronous Agents

提出通用异步 Agent：大模型在思考或执行时也能接收新输入，适配语音、具身、监控等并发场景。

Yandex Research · George Yakushev, Denis Mazur, Vladimir Bartenev +4

#193 ▲47 ★164 ❝0 2026-10-01

Science Utopia? Closed-Loop LLM Simulation of Academic Research Ecosystems

SciUtopia 用大模型 Agent 闭环模拟学术生态：选题、合作、投稿、评审、引用和资助。

Georgia Institute of Technology · Yiqiao Jin, Yiyang Wang, Lucheng Fu +8

代码与软件工程智能体强化学习 arXiv 代码 HF

#194 ▲45 ★28 ❝0 2026-10-16

Self-Evolving Coding Agents via Harness-Policy Optimization

微软 Self-HPO 交替优化编程智能体的“外壳”（harness）和策略模型，实现递归自我改进。

Microsoft Research · Zhepei Wei, Wenlin Yao, Baolin Peng +5

#200 ▲106 ★4 ❝0 2026-09-30

WorldAuditBench: Interactive 3D World Auditing with Multimodal Agents

WorldAuditBench 让多模态 Agent 在 3D 世界中移动搜寻漂浮物体、穿墙等异常。

University of California, Santa Barbara · Ziyan Jiang, Jingbo Yang, Jiabao Ji +5

多模态智能体评测与数据 arXiv 代码 HF

#204 ▲74 ★17 ❝0 2026-10-09

EmbodiedCLBench: Evaluating Continual Learning for Self-Evolving Embodied Agents

EmbodiedCLBench 是首个具身仿真中的持续学习基准，考察 Agent 能否组合旧技能完成新任务。

PKU-VaLuE-Lab · Jie Huang, Yanan Chen, Ruixun Liu +6

机器人与具身智能体评测与数据 arXiv 代码 HF

#206 ▲74 ★23 ❝0 2026-09-28

LongCat-DeepResearch Technical Report

美团 LongCat 深度研究系统技术报告：多 Agent 分工规划、并行调研和分节修订，生成有证据的长报告。

LongCat · Meituan LongCat Team, He Zhu, Yue Xu +28

#207 ▲62 ★36 ❝0 2026-10-15

Mosaic: Multi-Session Agentic Reinforcement Learning

Mosaic 把智能体强化学习扩展到多会话轨迹，匹配上下文压缩和子智能体分叉等真实推理方式。

LARK Lab@HKUST (GZ) · Yilong Xu, Minrui Xu, Xinyu Zhou +3

强化学习智能体 arXiv 代码 HF

#210 ▲62 ★27 ❝0 2026-10-16

Scene-Designer: Learning Design Intelligence for Agentic 3D Scene Generation

Scene-Designer 从设计与评审两类经验中学习“设计智能”，用文字生成完整可用的 3D 室内场景。

ZJU-OmniAI · Xuanyu Liu, Hongyan Feng, Miao Pan +5

智能体视觉理解与 3D arXiv 代码 HF

#212 ▲34 ★111 ❝1 2026-09-24

Qwen-Planner-Agent: A Closed-Loop AI-for-AI Framework for Real-World Mobile Planner Agents

通义 Qwen-Planner-Agent 用“AI 开发 AI”的闭环框架迭代训练真实手机上的规划智能体。

Tongyi-MAI · Tingyu Qu, Weigao Sun, Yuecheng Liu +23

代码与软件工程智能体评测与数据 arXiv 代码 HF

#215 ▲72 ★2 ❝2 2026-10-06

CheckerBench: Can Long-Horizon Agents Synthesize Static-Analysis Checkers?

CheckerBench 用源自 297 个 CVE 的 300 个任务，测智能体能否在真实仓库写出静态分析检查器。

Humanlaya Data Lab · Hang He, Li Wang, Hao Chen +9

#216 ▲62 ★30 ❝0 2026-10-04

Memadapter: Counterfactual Adaptation Against Memory-induced Sycophancy

Memadapter 用反事实适配缓解长期记忆引发的谄媚，即使记忆本身正确也会让 Agent 迎合用户。

DEEP Group at Jilin University · Ruqing Ning, Haibo Meng, Zhishang Xiang +4

对齐智能体 arXiv 代码 HF

#218 ▲55 ★37 ❝0 2026-10-14

Seeing, Maintaining, and Learning: The Evolution of Multimodal Agent Memory

综述多模态智能体记忆机制的演进：从感知、维护到可学习的记忆管理。

Fudan University · Minghao Guo, Qingyue Jiao, Xiujin Liu +77

#221 ▲46 ★72 ❝0 2026-09-27

Relevance Does Not Imply Applicability: Experience Activation for Personal GUI Agents

研究个人 GUI 智能体：检索到的历史经验主要只帮第一步，提出按需“激活”经验的方法。

Nanyang Technological University · Fuyao Zhang, Xuan Wang, Zherui Li +3

#222 ▲101 ❝0 2026-09-29

Follow the Entities: A Corpus Map for Agentic Search

微软为大型文档库构建以实体为线索的“语料地图”，帮助智能体搜索跨文档的证据。

Microsoft · Soyeong Jeong, Sujay Kumar Jauhar, Sung Ju Hwang +1

智能体大语言模型 arXiv HF

#223 ▲43 ★111 ❝0 2026-10-14

Towards Agentic Robots: Model, Data, Environment, and Harness

“Agent 化机器人”综述，从模型、数据、环境和执行框架四方面梳理这一新范式。

机构待核实 · Chonghan Qin, Dongming Wu, Kaituo Feng +13

机器人与具身智能体 arXiv 代码 HF

#224 ▲25 ★185 ❝0 2026-10-14

BlenderWorld: Benchmarking Visual Agents for 3D Creation from Real-World References

Qwen 的 BlenderWorld 基准测视觉智能体能否照真实参考图在 Blender 中创建和编辑 3D 内容。

Qwen · Xinyu Fang, Yuchi Wang, Weihao Yu +12

评测与数据智能体多模态 arXiv 代码 HF

#229 ▲80 ★2 ❝1 2026-09-26

X-Tree: Tokenizing Reusable Experience for Efficient Agent Generalization

X-Tree 像分词器一样从轨迹中提取可复用的子流程，把分层经验直接训练进智能体权重。

University of Waterloo · Sitao Cheng, Xunjian Yin, Zhiyuan Sun +4

多模态智能体高效训练与推理 arXiv 代码 HF

#232 ▲25 ★826 ❝0 2026-10-15

Intern-Decision: Efficient Multimodal Decision Making with Autoregressive Masked Language Modeling

Intern-Decision 系列小模型直接输出结构化选项及其概率，替代逐字生成，让智能体决策更快。

Intern Large Models · Tong Zhu, Zhe Xu, Zefeng He +7

#234 ▲40 ★41 ❝1 2026-10-07

RobotWorld: Benchmarking Multimodal Agents for Robot Use Across Diverse Tasks and Embodiments

RobotWorld 用 84 个仿真任务（操作、移动、驾驶、飞行）检验通用多模态 Agent 能否操控机器人。

机构待核实 · Zhiqin Yang, Chenxin Li, Xiaomeng Hu +30

机器人与具身智能体评测与数据 arXiv 代码 HF

#237 ▲31 ★26 ❝1 2026-09-24

ExplorationBench: Measuring AI Systems' Exploration in Verifiable Alien Worlds

腾讯混元 ExplorationBench 在可验证的虚构世界中测 AI 的科学探索能力，排除预训练知识的干扰。

Tencent Hunyuan · Ming Zhang, Zhenghao Xiang, Peizhong Gao +17

AI for Science 评测与数据智能体 arXiv 代码 HF

#238 ▲85 ★5 ❝0 2026-10-06

DecepEval: A Benchmark for Evaluating Deception in LLM Agents

DecepEval 用 1532 个实例和“欺骗钻石”框架，评测 LLM Agent 在什么条件下更容易撒谎。

Xi'an Jiaotong University · Yiming Xu, Hongyue Yu, Beihua Yang +8

安全与可解释评测与数据智能体 arXiv 代码 HF

#239 ▲85 ★4 ❝0 2026-10-13

WorkRover: Scaling Long-Horizon Cowork Agent Training Via Recursive Environment Evolution

WorkRover 通过递归演化训练环境与验证器，扩展长程“协作办公”智能体的强化学习训练。

Nex AGI · Hang He, Linting Wang, Guanming Liu +14

智能体 AI for Science arXiv HF

#240 ▲41 ★14 ❝0 2026-10-15

AutoSFT: An Agentic System for Automated Data Research in Supervised Fine-Tuning

清华 AutoSFT 给智能体一整套数据操作（配比、剪枝、修复、合成），自动做监督微调的数据研究。

Tsinghua NLP Group · Bingxiang He, Pengqi Sun, Shihao Peng +18

智能体大语言模型 arXiv 代码 HF

#243 ▲53 ❝2 2026-09-29

AIM: Agentic Idea Management for Automated Research

谷歌 AIM 借鉴贝叶斯优化，自动管理、筛选和推进自动化科研中的研究想法。

Google · Hyeong Kyu Choi, Bhavana Dalvi Mishra, Jiefeng Chen +7

#245 ▲55 ★28 ❝0 2026-10-04

EVISKILL: Grounding Skill Evolution in Replayable Evidence

EVISKILL 把智能体技能演化建立在可回放的行为证据上，判断每次修改是否该保留。

DEEP Group at Jilin University · Yan Zhou, Yili Wang, Yiwei Dai +2

智能体评测与数据代码与软件工程 arXiv 代码 HF

#246 ▲86 ❝0 2026-10-01

ActiveSaddler: Automated Curriculum Learning for Agent Harness Optimization

微软 ActiveSaddler 让训练场景随智能体外壳一起自适应调整，实现自动课程式的外壳优化。

Microsoft · Sungho Park, Wonjoong Kim, Jue Zhang +8

智能体 arXiv HF

#247 ▲123 ❝0 2026-09-30

GraphForge: Training Working Agents with Graph-Anchored Workspace Synthesis

GraphForge 以真实文件构建证据图，合成带可验证结果的办公任务来训练“干活型”智能体。

University of Science and Technology of China · Qisheng Su, Hanchen Wang, Guanru Zhu +9

智能体评测与数据 arXiv HF

#249 ▲56 ★21 ❝0 2026-10-01

SimuVerity: Benchmarking Agents for Engineering-Grade Simulink Model Generation

SimuVerity 用 101 个任务检验智能体生成的 Simulink 模型是否满足工程需求，而不只是能运行。

Xi'an Jiaotong University · Ruiqi Zhang, Jiahao Wang, Mingxuan Li +9

#250 ▲52 ★34 ❝0 2026-10-09

Work2Skill: Capturing Human GUI Experience for Reusable Agent Skill Induction

Work2Skill 记录人类在图形界面上的操作经验，归纳成可复用的电脑使用智能体技能。

Nex AGI · Yuqi Huang, Hui Li, Yifei Cao +9

AI for Science 智能体评测与数据 arXiv 代码 HF

#254 ▲53 ★4 ❝0 2026-10-15

From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research

PhysClosureBench 用 50 个专家验证的物理研究任务，评估 Agent 能否组织研究并得出有证据支撑的结论。

Shanghai AI Laboratory · Yijia Mao, Song Dai, Tao Chen +14

#263 ▲30 ★11 ❝1 2026-10-06

Stateless Language Agents: Scaling Long-Horizon Automated Research

斯坦福“无状态语言智能体”把研究状态放到外部，解决长程自动化科研中重复劳动和停滞的问题。

Stanford University · Qizheng Zhang, Changxiu Ji, Isaac Sun +15

#268 ▲73 ❝0 2026-09-21

VideoGen-Agent: Reinforcing Video Generation Agents

VideoGen-Agent 用多任务智能体强化学习训练视频生成智能体调用外部工具，满足需要专门知识的提示。

Princeton University · Binxu Li, Haoyi Duan, Yuhui Zhang +9

视觉生成智能体强化学习 arXiv HF

#271 ▲68 ★5 ❝0 2026-10-18

CoEvo-RSI: When Harnesses Evolve, Which Models Should Follow?

CoEvo-RSI 研究模型与执行框架（harness）共同进化时的“脑体不匹配”，由元智能体协调框架演化和模型选择。

机构待核实 · Jiaqi Su, Guibin Zhang, Jie-Jing Shao +5

智能体大语言模型 arXiv 代码 HF

#272 ▲38 ★10 ❝0 2026-10-01

Selection-Based Structured Reasoning: Toward Efficient Multimodal Search Agents

SSR 让小模型从预设推理候选中“选择”而不是自由生成，降低多模态搜索 Agent 的推理成本。

Carnegie Mellon University · Feiyu Gavin Zhu, Xiaoyu Zhu, Jiqi Yang +9

推理高效训练与推理智能体 arXiv 代码 HF

#277 ▲29 ★19 ❝0 2026-10-13

Open-o3-Video-v2: Seek, Ground, and Reason with Verifiable Spatio-Temporal Evidence

Open-o3-Video-v2 让模型在视频推理中主动补看画面，并把时间点和物体框写入推理过程作为可验证证据。

Peking University · Jiahao Meng, Zhongyuan Bao, Yue Tan +7

多模态推理智能体 arXiv 代码 HF

#281 ▲42 ★12 ❝0 2026-10-18

CoworkEnv: Synthesizing Training Environments for Long-Horizon Cowork Agents

CoworkEnv 自动合成可执行的“AI 同事”训练环境（任务、工具、评分），用于监督微调和强化学习小模型。

机构待核实 · Zhongwei Xie, Yiming Du, Jiaxin Bai +10

#282 ▲32 ★43 ❝0 2026-10-16

DLite: History-free Speculative Decoding for Agentic AI

DLite 是不保留历史上下文的推测解码：直接复用目标模型隐藏状态做局部草稿，适合上下文不断增长的智能体任务。

Shanghai Jiao Tong University · Jiaming Xu, Hanzhen Wang, Tianlang Zhao +7

高效训练与推理智能体 arXiv 代码 HF

#284 ▲52 ❝0 2026-10-16

Tree-Aware Posterior Distillation for Long-Horizon Agentic Reinforcement Learning

TreeOPSD 把多轮交互建成树，回传终局奖励得到每轮的隐式信用，再做无评论家的自蒸馏，用于长程智能体强化学习。

Tencent Hunyuan · Heming Zou, Qi Wang, Yixiu Mao +7

强化学习智能体 arXiv HF

#287 ▲26 ★47 ❝0 2026-10-19

Manga2Animate: An Agentic Framework for Faithful Manga Animation with Script and Storyboard Planning

Manga2Animate 用“创作+审核”配对的多智能体先写动画剧本和分镜，再生成忠于原作的漫画动画。

National Yang Ming Chiao Tung University · Sheng-Wei Zhang, Hsi-An Chen, Yan-Ting Liou +3

智能体视觉生成 arXiv 代码 HF

#290 ▲37 ★7 2026-10-19

AnyGoal: On World Model Generalization Beyond Expert Rollouts

AnyGoal 基准测试世界模型能否组合已见过的状态和动作因素，发现现有模型在这类重组上普遍失败。

galilai-group · Heejeong Nam, Divyat Mahajan, Quentin Le Lidec +2

#291 ▲24 ★11 ❝0 2026-10-20

MMEnterprise-Bench: Evaluating Enterprise Agents over Evolving Multimodal Records

MMEnterprise-Bench 含 1613 道题，基于不断修订的企业多模态记录，考察证据推理、冲突消解和拒答。

机构待核实 · Seohyun Lee, Jongha Kim, Dohwan Ko +4

#292 ▲47 ❝0 2026-10-02

Source Preference in the Wild: How LLM Agents Favor Items by Source, and How to Reduce It

发现 12 个 Agent 模型在购物、订酒店、引文献时都会偏好某些来源，并提出缓解方法。

Seoul National University · Jonghyun Song, Haewon Park, Jeonghoon Shim +2

对齐智能体 arXiv HF

#293 ▲28 ★6 ❝0 2026-10-05

MemPilot: Orchestrating On-Demand Multimodal Memory Curation for LLM Agents

MemPilot 用强化学习训练策略，按性能、成本和延迟偏好按需整理多模态记忆，决定检索还是交给不同模型处理。

Nanyang Technological University · Haozhen Zhang, Haodong Yue, Quanyu Long +6

#294 ▲27 ★4 ❝0 2026-10-19

HarnessPro: Recursive Harness Self-Improvement with Pareto Optimization for Performance-Cost Trade-offs

HarnessPro 在无标准答案的情况下迭代改进智能体执行框架，同时给出省钱、均衡、高性能三档方案。

机构待核实 · Zhuoshi Pan, ZhiYuan Feng, Yukuo Cen +6

#296 ▲28 ★3 ❝0 2026-10-19

AdaExploreBench: Benchmarking LLM Agents for Proactive Exploration and Test-time Adaptation in Evolving Environments

AdaExploreBench 用隐藏且会悄悄变化的规则，测试智能体能否主动探索并在测试时自我调整。

HKUST · Rui Wang, Zishen Lai, Jiayu Liu +15

安全与可解释智能体评测与数据 arXiv 代码 HF

#298 ▲26 ★4 ❝0 2026-10-09

APEX-Harm: Evaluating Agent Safety in Shared Professional Workspaces

APEX-Harm 在含上百个文件的共享工作区里，测试金融、咨询、法律 Agent 抵御提示和脚本注入的能力。

King Abdullah University of Science and Technology · Ziyi Yang, Adel Bibi, Guohao Li +2

#299 ▲24 ★4 ❝0 2026-10-05

Optimizing the Optimizer: Language Models Discover Faster Molecular Relaxation Algorithms

让语言模型 Agent 改写分子几何优化器，找到比现有最快开源方法更省力的算法。

机构待核实 · Artem Tsypin, Vladimir Deshchenya, Kuzma Khrabrov +4

AI for Science 智能体 arXiv 代码 HF

#301 ▲34 ❝0 2026-10-14

Interlock: From Local Correctness to Task Completion in Long-Horizon Agents

Interlock 把任务表示为“完成图”，合成能检查各环节是否真正闭环的长程智能体任务和评分规则。

LongCat · Linji Hao, Yanji He, Zihan Wang +6

智能体评测与数据 arXiv HF

更早（归档） 3

▲138 ❝2 2026-09-18

CodeMidas: Scaling Agentic Coding RL Environments from Code Itself

CodeMidas 只以源代码为输入，自动把开源代码库中的功能转成可执行的编程 RL 环境。

Xiaomi MiMo · Bowen Ye, Lei Li, Shicheng Li +16

代码与软件工程强化学习智能体 arXiv HF

▲81 ★108 ❝1 2026-09-18

RecreationWorld: Scalable and Verifiable Environments for Hybrid Computer-Use Agents

RecreationWorld 让电脑操作 Agent 观察一个运行中的软件并在五个平台上重新实现它，可复现可验证。

Qwen · Shuai Bai, Jiayong Deng, Sicheng Fan +30

智能体代码与软件工程评测与数据 arXiv 代码 HF

▲152 ★994 ❝3 2026-09-14

EvoOntology: A Self-Evolving Ontology Layer for Data Agents

EvoOntology 以 MCP 服务形式给数据 Agent 提供可自我演化的本体层，缩小 Agent 与异构数据的鸿沟。

RUC-DataLab · Meiduo Chong, Shaolei Zhang, Ju Fan +1