4 篇精讀
序列建模基礎
從經典 encoder–decoder 與 self-attention 架構出發，建立判讀序列轉換論文的底座。
讀者問題：一個序列模型的控制點改在哪裡，哪些證據仍值得帶進今天的系統？
查看這個主題PAPERS / REPRODUCTION / ENGINEERING NOTES
為工程實作而讀的論文
不只摘要論文，而是整理架構決策、可複現方法、評測限制，以及研究進入真實系統後會發生什麼。
- 篇精讀筆記
- 80
- 個研究議題
- 7
- 條學習路徑
- 3
READING LIBRARY
依工程問題尋找論文
可依研究領域、閱讀難度或論文發表年份篩選。
-
Raven 精讀：Harness of Harnesses 如何規劃多 Agent 協作
進階Raven 把可執行的模型與 harness 配成專才，再由 Host Agent 規劃合作 DAG。本文拆解 harness composition、MAOB 評測與 +10.4／+10.5 個百分點的真正分母：它衡量規劃圖匹配，不是 worker 執行成功率。
90 秒掌握這篇論文
-
EfficientAgent 精讀：並行 Agent 的 KV Cache Offloading
進階EfficientAgent 說明 KV cache 從 GPU 搬到 host memory 何時真的划算：關鍵不是單次請求，而是其他並行 Agent 在兩次重用之間形成的 reuse working set。本文拆解容量估算、寫入 admission、SWE-bench replay 結果與硬體邊界。
90 秒掌握這篇論文
-
Stale-Document Poisoning 精讀：RAG 如何辨識已失效的證據
進階真實、曾經正確的文件也可能讓 RAG 把模型原本答對的答案改錯。本文拆解 317 個跨領域知識反轉、日期與有效期間的差異、因果介入，以及依賴可信 metadata 的 reranker。
90 秒掌握這篇論文
-
Completed Pairs Hide Capped Failures 精讀：配對評估的停止規則與未知結果
進階ReVerPi 的單次 source-reading campaign 揭示：第一個配對分支碰到 request cap 時，runner 會抑制 companion，讓 completed-pair summary 遺漏已知失敗與未知結果；有限 frame bounds 與分層成本分析說明結論能走多遠。
90 秒掌握這篇論文
-
SpecHarness 論文精讀：以規格與證據判定 Agent 任務完成
中階精讀 SpecHarness 如何把 agent 可見的指示編成來源可追溯的義務，並以合格證據提交狀態；同時檢視 SkillsBench 與 GuideBench 結果、執行成本與完整 runtime 歸因限制。
90 秒掌握這篇論文
-
LLM Agent 執行軌跡竄改論文精讀：紀錄完整性與可信觀測
中階精讀 arXiv v1 如何在十組本機 coding-agent harness、受控容器與四種攻擊路徑中測試 trace tampering，並拆解 native trace、外部檔案 observer 與工具效果證據的差異。
90 秒掌握這篇論文
-
Agent Skills 論文精讀：版本限定外掛遷移的回溯評估
中階 Agent Runtime、安全與評測深讀 arXiv v1 如何比較 dsh 外掛遷移 skill 的靜態診斷分數，並以契約反例、任務集中度、LLM 評審敏感度與 artifact 範圍限制解讀其證據。
90 秒掌握這篇論文
-
RAG 文件切塊論文精讀：複雜 Chunking 方法何時值得使用？
中階 理解檢索、記憶與 Production RAG精讀 arXiv 2608.16586 v1：八種切塊策略如何影響檢索品質、索引吞吐、查詢速度與記憶體，以及這組基準能支持到哪裡。
90 秒掌握這篇論文
-
Agent 記憶過期論文精讀：有限驗證預算下的約束檢查失敗
進階 Agent Runtime、安全與評測當 Agent 只驗證部分限制時，過期但彼此一致的規則為何仍會被接受；本文拆解不可變來源、追加式取代、有限驗證預算與合成實驗適用範圍。
90 秒掌握這篇論文
-
APort Vault 論文精讀：AI Agent 付款授權評測
進階 Agent Runtime、安全與評測深讀 APort Vault：把付款請求、付款成功、政策判斷、收款人白名單與未授權轉帳拆開，檢視模型外的 pre-action authorization 在限定 replay 中做到了什麼，以及哪些工程與證據邊界仍在。
90 秒掌握這篇論文
-
Agent 回歸測試論文精讀：依執行軌跡挑選評測子集
進階 Agent Runtime、安全與評測深讀 Trajectory-Aware Benchmark Subset Selection：解析歷史 outcome 分層、軌跡去洩漏與幾何選樣，檢視 76 種配置、時間交叉驗證、成本與跨任務邊界。
90 秒掌握這篇論文
-
MobileCybench 論文精讀：用可執行探針評測漏洞發現能力
進階 Agent Runtime、安全與評測深讀 MobileCybench：以 13 款 Android app、495 個安全性 probes 評估五種 coding agents，拆清 probe 觸發、漏洞歸因、維護者確認與外推邊界。
90 秒掌握這篇論文
-
XYEval: Agents say yes to bad advice 精讀：Agent 為何接受錯誤建議
進階 Agent Runtime、安全與評測精讀 Wu 等人的 XYEval（arXiv 2609.23939 v1）：以受控 XY mutation 比較五個模型在六類任務的表現，追蹤誤導建議如何影響任務完成、對話表達與工具軌跡，並檢視基準和生成器的邊界。
90 秒掌握這篇論文
-
The RAT 論文精讀：用貝氏模型拆解 RAG 評估
進階 理解檢索、記憶與 Production RAG深讀 The RAT：以聯合 Bayesian 模型拆分 retrieval、abstention 與 answer correctness，並檢視標註預算、LLM judge 校準、partial retrieval 與其受控 Wikipedia 評估邊界。
90 秒掌握這篇論文
-
Prime Agent: A Self-Improving RLM Harness 精讀：長期任務與外部狀態管理
進階 Agent Runtime、安全與評測精讀 Prime Agent（arXiv 2608.23552 v1）：拆解 L0–L3 狀態層級、持續 REPL、遞迴 subagents 與 Continual Harness，並檢視作者自報評測、持續性帶來的規格鑽漏洞風險，以及未沙箱化執行的部署邊界。
90 秒掌握這篇論文
-
Self Improvement via Fast Tree-search 精讀：SIFT Agent 自我改進
進階 Agent Runtime、安全與評測Self Improvement via Fast Tree-search 如何用成對 judge、Bradley–Terry 排名與非同步搜尋篩選 Agent patch，再把昂貴評測留給較有希望的候選。
90 秒掌握這篇論文
-
BioPhys-Bridge 論文精讀：結合物理與生物機制的科學推理評測
進階 理解檢索、記憶與 Production RAG深讀 BioPhys-Bridge（arXiv:2609.19180 v1）：把 evidence ID、數值與單位、物理方程、假設、生物機制與下一步實驗放進同一個 benchmark case，並拆開 attribution 分數與真正的 scientific correctness。
90 秒掌握這篇論文
-
RAFT 論文精讀：故障排除 Agent 的狀態式檢索增強框架
進階 理解檢索、記憶與 Production RAG深讀 RAFT：A Stateful Retrieval-Augmented Framework for Troubleshooting Agents（arXiv:2609.20754）：把封閉支援案例整理成狀態轉移軌跡，在 entry level 檢索中間狀態，再回傳完整 parent case。
90 秒掌握這篇論文
-
Learning When to Trust 論文精讀：LLM 如何選擇性信任上下文
進階 理解檢索、記憶與 Production RAGSCOPE 如何用配對情境與偏好訓練，降低模型被誤導 context 翻轉正確答案的機率；並保留純文字測試、資料污染與實際發生率的限制。
90 秒掌握這篇論文
-
Bounded Agents 論文精讀：多 Agent 系統的委派與授權安全
進階 Agent Runtime、安全與評測Bounded Agents 如何用 principal chain、合取式授權條件與 composition closure，限制多 Agent 委派及跨步驟副作用；並檢查模型外強制與效用成本。
90 秒掌握這篇論文
-
HyPE 論文精讀：用假設性提示嵌入改善 RAG 檢索
中階 理解檢索、記憶與 Production RAGHypothetical Prompt Embeddings 如何替每個 chunk 生成假設問題，把文件檢索改成問題對問題比對；並評估索引成本、切塊與不同資料集的收益差異。
90 秒掌握這篇論文
-
After the Party 論文精讀：Agent Skill 生態的治理與安全掃描
進階 Agent Runtime、安全與評測深讀 After the Party 的 OpenClaw／ClawHub 生態研究：從 91 天的爆發式成長、下載集中與 reviewability gap，到 privilege evidence、掃描器分歧與可轉移的治理方法。
90 秒掌握這篇論文
-
Agentic RAG 論文精讀：預測部分答案品質與繼續檢索的效益
進階 理解檢索、記憶與 Production RAG如何從 Agentic RAG 的中間答案與軌跡訊號預測品質和效用，提早停止檢索迭代；並檢查節省成本的證據及跨設定轉移限制。
90 秒掌握這篇論文
-
SilentProbe 論文精讀：Agent 工具 API 的靜默失敗偵測
進階 Agent Runtime、安全與評測SilentProbe 如何從 OpenAPI 規格缺口與 live differential probe 找出沉默 API 失敗，並解釋限制揭露與機器可讀性如何影響 Agent 判斷。
90 秒掌握這篇論文
已顯示 24 / 80 篇精讀
依研究議題探索
依研究議題探索論文庫
每日新文章仍在下方；這些主題入口會收錄所有相關精讀，一篇論文也可以同時回答多個工程問題。
4 篇精讀
電腦視覺基礎
從經典視覺模型的架構、訓練與評測證據，建立判讀方法論文的底座。
讀者問題：一個經典模型的結果，哪些設計與證據仍值得帶進今天的系統？
查看這個主題 28 篇精讀
檢索、RAG 與證據基礎
探索多模態檢索、GraphRAG、重排、證據發現與可追溯回答的工程取捨。
讀者問題：如何讓系統在更大的資料與更多工具下，仍找得到可驗證的證據？
查看這個主題 56 篇精讀
Agent 評測與可觀測性
從任務結果、軌跡、runtime 訊號到 benchmark，拆解 Agent 是否真的可靠。
讀者問題：除了最後答案，我們還要觀察與驗證哪些訊號，才能相信 Agent 完成了工作？
查看這個主題 15 篇精讀
Agent 記憶與適應
理解長期任務中的記憶層次、索引更新、持久狀態與安全的系統適應。
讀者問題：系統要記住、更新或遺忘什麼，才能隨時間變好而不累積錯誤？
查看這個主題 23 篇精讀
Agent 安全與治理
從風險注入、稽核、權限與 rollback，檢視 Agent 在真實執行環境的控制邊界。
讀者問題：任務完成之外，如何證明 Agent 的過程、記憶與副作用仍在可控範圍？
查看這個主題 33 篇精讀
工具使用與 Coding Agents
研究工具發現、schema context、程式任務與可驗證執行如何共同影響 Agent 表現。
讀者問題：當 Agent 要選工具、改程式並執行時，如何降低 context 與操作錯誤？
- EfficientAgent 精讀：並行 Agent 的 KV Cache Offloading
- Completed Pairs Hide Capped Failures 精讀：配對評估的停止規則與未知結果
START WITH A PATH
先選問題，再選論文
三條有限路徑把文章庫變成有順序的學習旅程；從適合的難度開始，讀到取得需要的工程答案即可。
若你剛讀完 ReAct 到 Reflexion，需要一張脊椎圖說明這些經典怎麼接到站上後續精讀，請先看 AI Agent 論文怎麼讀：從 CoT、WebGPT 到 ReAct，不必從路徑三的 OSReward 清單開始。若你剛讀完 DPR 與 Lewis RAG，需要檢索脊椎接到站上已有葉子，請用 RAG 論文怎麼讀：從向量檢索 DPR 到 Lewis RAG，不要把路徑二當成那張家族圖。
入門 → 中階 7 篇
先建立方法閱讀底座
從 AlexNet 的架構與訓練證據出發，接著讀 ResNet 如何用殘差捷徑讓更深網路可訓、YOLO 如何把物件偵測改成整圖一次迴歸，再到 Transformer 如何用 self-attention 做序列轉換、InstructGPT 如何用 SFT／reward model／PPO 對齊指令，最後讀 Speculative Decoding 如何用小模型打草稿、大模型平行驗證做無損推論加速，並練習把方法、實驗與年代限制分開。
- AlexNet 論文精讀（上）：卷積神經網路與 ImageNet 分類
- AlexNet 論文精讀（下）：網路架構與訓練方法
- Deep Residual Learning for Image Recognition 精讀：ResNet 殘差連接
+ 4 個後續步驟
從這裡開始 中階 → 進階 27 篇
理解檢索、記憶與 Production RAG
從 2020 昂貴的檢索增強預訓練（REALM）到較便宜的 dense retriever（DPR）、RAG 祖先與 Self-RAG 的何時檢索，然後讀多模態解析、工具檢索、持續記憶、GraphRAG、規模化與 runtime control。
- REALM 論文精讀：檢索增強語言模型的預訓練方法
- DPR 論文精讀：雙編碼器與開放域問答的稠密檢索
- RAG 論文精讀：檢索增強生成的架構與運作原理
+ 24 個後續步驟
從這裡開始 進階 40 篇
Agent Runtime、安全與評測
先讀 2017–2023 Agent 方法祖先（CoT → WebGPT → ReAct → Toolformer → Gorilla → IPI → SWE-bench → Reflexion → MemGPT → Generative Agents），再讀後來的 tool/eval、runtime、安全與平台葉子。
- 思維鏈（Chain-of-Thought）論文精讀：提示如何引導多步推理
- WebGPT 論文精讀：結合瀏覽器檢索與人類回饋的問答模型
- ReAct 論文精讀：結合推理與行動的語言模型提示方法
+ 37 個後續步驟
從這裡開始 入門：先懂問題與直覺 中階：跟著方法與實驗 進階：判讀證據邊界與採用條件
RESEARCH EXCHANGE