论文精读

KAIST提出Super Library Agent：Agent在依次生成多个应用时同步维护跨应用共享库，用自然语言摘要索引发现可复用组件、用调用图上下文保证迁移安全，冗余度降38%、补丁体积降73%。

防御栈本质是集成学习：15对防御的失效相关性全部为正（φ 0.30–0.75），乘法组合是永远达不到的下界；七层栈拒绝81%良性请求却与最强单层无统计差异——深度买了拒绝，没买安全。

Behavior2Trip提出从用户历史行为轨迹隐式推断偏好的旅行规划新任务，RL训练的Qwen3-8B在个性化约束上大幅反超GPT-4.1

蚂蚁集团开源Agent安全护栏框架：NSFA风险分类法+双模式推理，0.8B小模型即可实时拦截Agent运行威胁，F1超Llama Guard 3达30个点。

用胁迫性、紧迫性语言给LLM下指令会显著降低代码正确性和安全性——18万次生成的大规模实证研究证明，对AI’施压’适得其反，而模型选择远比prompt措辞重要。

EMNLP 2026研究发现：嵌入式激活转向在SFT/RLHF微调后权重编辑几乎不被逆转（ρ=0.004），但行为可能通过替代通路回归，安全相关的拒绝抑制在SFT下平均损失64%效果。

用凸组合结构化数据预测器让流轨迹可证明地落在合法token嵌入上，甩掉CE解码器后Gen. PPL反而从60降到33。

Prime Intellect开源Prime Agent：不训练模型、不写死工作流，只用持久REPL+递归子代理+可精炼记忆三层状态架构，让同一个模型的长程任务得分翻三倍——harness即能力。

港科大/牛津等提出 DPQ：量化会悄悄改变模型的置信度与弃答行为，校准数据应按部署目标定向选择——边界保持用高怀疑混合（r75），宽分布保持用温和配方。

Adobe/Vanderbilt 等机构提出 Personalized Auto-Research：把研究者画像作为上下文贯穿检索、假设、实验、写作、评审全流程，解决 AI co-scientist 千人一面的问题。

蚂蚁安全实验室提出NSFA风险分类法（185类风险变体，对齐3份OWASP指南）+双模Guardrail：生成式推理做可解释离线审计，冻结骨干上的轻量分类头做到50ms实时检测，0.8B-9B全尺寸模型F1超最强竞品6-12个点。

中科院团队提出SWE-Touch基准：在Agent修Bug过程中注入与任务冲突的用户代码编辑，9个主流模型平均解决率暴跌7.7个百分点，排名大幅洗牌——自主能力强的模型不等于能应对共享工作区的变化。

系统对比8个开源SLM在急诊三大决策任务上的微调策略：LoRA微调的Mistral-7B分诊准确率反超Claude Sonnet 4.5，转诊推荐全面领先，仅诊断预测仍有差距——隐私合规驱动的本地化医疗AI正走向实用。

七个通用工具的图推理智能体 GRA，在工业混合知识图谱上以不到三分之一的输入 token 胜过全量上下文基线 5.1 个百分点——赢在’选择性访问’而非图拓扑本身。

Benjamin Belay 提出计算溯源（Computational Provenance）概念：经过验证的模型内部因果状态，可以决定生成文本中的统计信号，即使最终答案完全相同，检测器也能从文本措辞中恢复出模型实际走了哪条内部计算路径。