● ICML 2026 | AI Scientist 真会科学发现吗？30 个前沿模型无一过线

📌 一句话摘要 ICML 2026 Oral 论文 CausalGame 揭示，30 款前沿 LLM Agent 在因果推理上普遍失效，凸显 AI Scientist 仍缺乏真正科学发现能力。 📝 详细摘要 文章介绍了由 MBZUAI、卡内基梅隆大学等机构提出的 CausalGame 基准，该基

● ACL 2026 Main | 不只是调用地图 API，Spatial-Agent 让大模型生成可执行地理分析工作流

📌 一句话摘要 Spatial-Agent 提出了一种将 GIScience 核心概念与 LLM Agent 结合的方法，通过构建可执行的 GeoFlow Graph 来提升复杂地理空间分析任务的准确性和可靠性。 📝 详细摘要 本文介绍了由 Emory University、Rutgers Un

● PyTorch KernelAgent 源码解读 ---（2）--- 总体流程

📌 一句话摘要 本文深入解读了 PyTorch KernelFalcon 系统的源码架构，详细分析了其通过多阶段 Agent 流水线（Fuser、Extractor、KernelAgent、Composer）自动将 PyTorch 模型转化为经过验证的 Triton GPU 内核的完整流程。 📝

● 阿里 SkillClaw：让 Agent 技能在真实使用中集体进化

📌 一句话摘要 本文介绍了阿里提出的 SkillClaw 框架，其核心是通过 Agentic Evolver 分析多用户交互数据，实现 Agent 技能的集体进化与共享，并在 WildClawBench 基准上验证了其持续提升任务性能的有效性。 📝 详细摘要 文章详细解读了阿里巴巴研究团队提出的

● 分享 2 篇最新 Harness 论文，一篇谷歌，一篇微软

📌 一句话摘要 本文介绍了微软 M⋆ 和谷歌 AutoHarness 两篇关于自动化设计 LLM Agent 约束框架（Harness）的最新论文，分别从记忆系统优化和动作合法性验证两个维度，探讨了让 Agent 框架自进化以适应特定任务的新范式。 📝 详细摘要 文章聚焦于 LLM Agent

● Agents 统一综述：Harness、记忆、Skills 和协议

📌 一句话摘要 本文基于一篇学术综述，系统阐述了 LLM Agent 能力从模型权重（Weights）到上下文（Context）再到 Harness 工程的三次迁移，并围绕记忆、技能、协议三个外部化维度及其统一框架 Harness 进行了深度分析。 📝 详细摘要 文章解读了上海交大、CMU 等机

● Andrej Karpathy 分享个人知识库构建理念

📌 一句话摘要 Andrej Karpathy 提出在 LLM Agent 时代，分享「创意文件」比分享具体代码更重要，并提供了构建个人 AI 知识库的思路。 📝 详细摘要 该推文引用了 Andrej Karpathy 的观点。Karpathy 指出，随着 LLM Agent 的普及，开发者无需

● Andrej Karpathy 谈论从应用到 LLM Agent “想法文件”的范式转变

📌 一句话摘要 Andrej Karpathy 提出了“想法文件”（idea files）的概念——即分享抽象蓝图供 LLM Agent 构建和定制，而非分发静态代码或应用程序。 📝 详细摘要 继关于 LLM 驱动的个人知识库的爆火推文后，Andrej Karpathy 提出了一个新的范式：“想

● 大模型 Agent 工作流优化最新综述：从静态模板到动态运行时适应

📌 一句话摘要 本文综述了 RPI 与 IBM Research 关于 LLM Agent 工作流优化的最新研究，系统梳理了从静态模板搜索到动态运行时适应的优化谱系，并提供了实用的设计决策框架。 📝 详细摘要 本文深入解读了 RPI 与 IBM Research 联合发布的关于 LLM Agen

● AutoHarness: Improving LLM Agents via Automated Code Harness Synthesis

📌 一句话摘要 A research paper introducing AutoHarness， a method to improve LLM agents by automatically synthesizing code harnesses. 📝 详细摘要 This tweet pro

● OpenClaw-RL：让 LLM Agent 在对话中进化的在线强化学习框架

📌 一句话摘要 OpenClaw-RL 是一个开源的在线强化学习框架，通过将用户自然反馈转化为训练信号，实现 LLM Agent 的持续后台优化。 📝 详细摘要 该推文介绍了一个名为 OpenClaw-RL 的创新框架，旨在解决 LLM Agent 训练脱离实际使用场景的问题。其核心亮点在于完全

● Agentic Memory vs. Context Compression in LLM Applications

📌 一句话摘要 The author argues that agentic memory (RAG + search tools) is superior to context compression for handling limited context windows in AI agen

● Claude 之外的智能体技能是什么？

📌 一句话摘要 本文将“智能体技能”定义为一种用于在自定义 AI 系统中编排工具的模块化设计模式，并将其与基础工具和面向用户的特性区分开来。 📝 详细摘要 本文探讨了“智能体技能”如何从 Anthropic 特有的功能演变为 AI 智能体更广泛的架构模式。它建立了一个清晰的层级结构：工具是基础动