来源：arXiv cs.AI / cs.LG / cs.CL · 精选 5 篇（论文日期 2026-07-30，较执行日期延迟 2 天）
今日精选
1. MANTA：推理时自演化的多智能体通信拓扑框架
- 原标题: MANTA: Multi-Agent Network Topology Adaptation for Self-Evolving Multi-Agent Systems
- 作者/机构: MaoXun Huang, Jerry Wang, Yi-Cheng Lai, Zhenxing Zhang, Claire Cardie 等（康奈尔大学 / UIUC / 台湾中央研究院）| arXiv
- 核心贡献: ① 现有 LLM 多智能体系统将通信拓扑视为固定设计或离线优化目标，缺乏运行时自适应能力。MANTA 提出推理时自演化框架：执行前基于任务初始化拓扑结构，运行中监控协作轨迹并在组织不足时应用有界结构更新。② 更新操作覆盖智能体角色、通信链路、执行顺序、信息可见性和验证路径，同时保持任务接口和智能体预算不变。③ 在信息检索、工具使用、规划、工作流执行和数学推理 5 个基准上，MANTA 平均得分 74.0，比最强基线高 5.8 个百分点，在 PlanCraft 上排名第一。
- 工程关联: 直接适用于多智能体编排系统（如 AutoGen/CrewAI/Swarm），提供推理时拓扑自适应的可落地框架；对 Agent 系统的通信效率和任务成功率有直接优化价值。
- 价值点: 将多智能体系统的「通信架构设计」从离线调参问题转变为推理时自适应问题，为生产级多 Agent 编排提供了新的设计范式。
2. OSReward：跨平台 GUI Agent 奖励模型的标准化评测基准
- 原标题: OSReward: Instituting Standardized Evaluation for Cross-Platform Computer-Use Reward Models
- 作者/机构: Qiushi Sun, Kanzhi Cheng, Yian Wang 等（香港大学）| arXiv
- 核心贡献: ① 针对 GUI 操作 Agent (CUA) 轨迹验证这一核心难题，首次系统评估 VLM 裁判的可靠性——发现即使是 SOTA 模型也存在系统性宽容偏见（将失败标记为成功）。② 构建 OSReward 基准（含 OSReward-Hard 挑战集和 OSReward-Multi 细粒度评分），经多阶段人工标注生成真实标签。③ 开源 OS-Shepherd-100K 推理标注语料库，训练 OS-Shepherd（9B/35B）开源奖励模型，以商业裁判 30-60% 的成本实现匹敌性能。
- 工程关联: 直接服务于 GUI Agent（Computer Use）的自动化评估、数据筛选和强化学习训练；OS-Shepherd 可作为开源替代方案降低 CUA 开发的评估成本。
- 价值点: 揭示了当前 VLM-as-Judge 在 Agent 评估中的系统性缺陷（宽容偏见），并提供了可落地的开源解决方案，对 Agent 评测管线建设有直接参考意义。
3. Frontis-MA1：面向递归自我改进的 AI4AI 模型训练
- 原标题: Frontis-MA1: Training an AI4AI Model towards Recursive Self-Improvement in Machine Learning Engineering
- 作者/机构: Junlin Yang, Che Jiang, Yu Fu 等（Frontis.AI / 前沿人工智能）| arXiv
- 核心贡献: ① 提出 OpenMLE 全栈系统用于研究 ML 工程中的递归自我改进（RSI），包含可验证任务环境（OpenMLE-Gym）、算子学习（OpenMLE-RL）和长程搜索（OpenMLE-Evo）。② 后训练 Frontis-MA1（35B）作为 ML 工程的元进化 Agent，围绕四个原子程序进化算子（Draft/Improve/Debug/Crossover）进行 SFT+RL 训练，并与长程进化搜索耦合。③ 在 MLE-Bench Lite 上（单 RTX 4090，12GB VRAM，12h 预算），Medal Average 从 39.39% 提升至 71.21%，超越 GPT-5.5+Codex，逼近 GPT-5.6 Sol 和 Kimi K3（2.8T）；在 NatureBench Lite 上实现跨组件迁移。
- 工程关联: AI 自动改进 AI 系统的落地实践——对 ML 工作流自动化、代码 Agent 自我优化、自动化 ML 实验等方向有直接参考价值；OpenMLE 栈可复用于自研 AI4AI 场景。
- 价值点: 提供了「AI 自我改进」从概念到可执行系统的完整路径，开源模型权重和全栈代码，是可复现 AI4AI 研究的重要基础设施。
4. SaliTrap：揭示 LLM 常识推理中的「显著性偏见」——知识被抑制而非缺失
- 原标题: Would You Walk to the Car Wash? Revealing the Salience Bias of Large Language Models in Commonsense Reasoning
- 作者/机构: Zheng Wu, Chenhao Xue, Shijie Zheng 等（上海交通大学 / 字节跳动）| arXiv
- 核心贡献: ① 发现并命名「显著性偏见」（Salience Bias）：LLM 在常识推理中被显式干扰项（如无关数值）劫持，忽略隐式的物理/常识前提。② 构建 SaliTrap 基准（覆盖四种陷阱维度），评估 12 个 SOTA 模型，发现所有主流模型均严重受此影响。③ 关键诊断：通过剥离任务框架重新引出模型，发现超过 90% 的失败是知识抑制而非知识缺失——模型内在具备常识知识，但被显著性干扰项挤出。轻量级推理时提示即可大幅缩小差距，无需重新训练。
- 工程关联: 对 LLM 推理质量有直接诊断价值——表明许多推理失败可通过更好的 prompt 设计而非模型升级解决；SaliTrap 可作为推理鲁棒性测试集嵌入评估流程。
- 价值点: 将 LLM 推理失败的瓶颈从「模型能力」重新定位到「知识激发」，为 Prompt Engineering 和推理优化提供了新的理论依据和实用方向。
5. Lightning OPD 2.0：消除跨教师在线策略蒸馏中的风格偏见
- 原标题: Lightning OPD 2.0: Mitigating Style Bias in Cross-Teacher On-Policy Distillation for Large Reasoning Models
- 作者/机构: Yecheng Wu, Song Han, Han Cai（NVIDIA）| arXiv
- 核心贡献: ① 发现在线策略蒸馏（OPD）在跨教师场景中存在严重失效——当 SFT 数据生成者与蒸馏教师不一致时，即使更强的 OPD 教师也难以提升性能。② 提出交叉拟合风格残差化方法：用 rollout 级交叉拟合估计风格 token 偏见的操作代理，在构建 token 级 OPD 更新前减去该分量。③ 从 Klear-Reasoner-8B-SFT 出发，Lightning OPD 2.0 在 AIME 2024 达 82.4%、LiveCodeBench v5 达 63.0%，在跨教师设定下持续优于原版 Lightning OPD。
- 工程关联: 直接用于推理模型的蒸馏训练流程——解耦了 SFT 数据来源与蒸馏教师的选择，使训练管线设计更灵活；方法可迁移至其他需要 teacher-student 知识迁移的场景。
- 价值点: 解决了 LLM 蒸馏中的「教师一致性」瓶颈，使得可以独立选择最优数据源和最优蒸馏教师，对推理模型生产流程有实际降本增效意义。
今日关键词
多智能体通信拓扑 · Multi-Agent Topology · GUI Agent 奖励模型 · CUA Reward Model · 递归自我改进 · Recursive Self-Improvement · 显著性偏见 · Salience Bias · 在线策略蒸馏 · On-Policy Distillation · 推理时自适应 · Inference-Time Adaptation · AI4AI · 计算机使用 Agent