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
- 106
- 個研究議題
- 8
- 條學習路徑
- 4
READING LIBRARY
論文精讀封存|第 2 頁
顯示第 25–48 篇,共 106 篇。
-
Agents Are Systems, Not Models 精讀:Agent 評測不能只看模型分數
進階 Agent Runtime、安全與評測這篇 AI4Science 研究拆解任務資訊、推理、驗證、時間預算與 backbone 如何共同影響 Agent。主實驗中,同一設定重跑噪音約占有效嘗試分數變異的 54%;但結論只來自四個科學任務,不能直接外推成所有 Agent 的定律。
90 秒掌握這篇論文
-
When Upstream Messages Override Correct Answers:上游錯誤如何改寫下游判斷
中階 Agent Runtime、安全與評測以五個 benchmark、五種接收模型的受控訊息交接實驗,理解錯誤上游答案如何讓原本能答對的下游模型改採同一個錯誤,以及這項發現尚未證明什麼。
90 秒掌握這篇論文
-
Raven 精讀:Harness of Harnesses 如何規劃多 Agent 協作
進階 Agent Runtime、安全與評測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 Agent Runtime、安全與評測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 理解檢索、記憶與 Production RAG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 Agent Runtime、安全與評測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 Agent Runtime、安全與評測精讀 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 Agent Runtime、安全與評測精讀 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
RESEARCH EXCHANGE