从「会对话的大模型」到「能自主完成复杂任务的智能体AI Agent」人工智能研究正在进入一个以规划、执行与协同为核心的新阶段。随着大语言模型逐步具备工具调用、长期记忆与环境交互能力研究焦点不再局限于单一模型的性能提升而是转向如何通过多智能体架构与任务级分工让 AI 在真实世界中持续产生可验证、可复用的成果。在这一背景下Agent 技术正快速渗透至科研生产、软件开发、数据分析与虚拟环境交互等多个方向从自动生成高质量学术插图、在无显式奖励下完成强化学习优化到在三维开放世界中执行长时任务乃至将模糊研究想法系统化为完整科学叙事。学术界与工业界围绕「如何让模型真正成为执行者而非仅是生成器」展开密集探索。本周我们为大家推荐的 5 篇 Agent 的热门 AI 论文涵盖北京大学、谷歌云 AI 研究院、AgentAlpha、亚马逊等团队。集中展示了当前 Agent 研究在框架设计、跨模态协同、自我反馈学习以及端到端任务闭环方面的代表性进展为理解下一代通用智能体的演进路径提供了清晰切面。一起来学习吧 ⬇️此外为了让更多用户了解学术界在人工智能领域的最新动态HyperAI 超神经官网hyper.ai现已上线「最新论文」板块每天都会更新 AI 前沿研究论文。最新 AI 论文go.hyper.ai/hzChC本周论文推荐1. PaperBanana: Automating Academic Illustration for AI Scientists北京大学与谷歌云 AI 研究院的研究人员提出了PaperBanana这是一种代理式框架通过协调专门的视觉语言模型VLM驱动代理自动完成出版级学术插图的检索、规划、风格化与迭代优化在方法图和统计图的保真度、简洁性、可读性和美观性方面显著优于基线方法。论文及详细解读go.hyper.ai/skQUQ效果展示作者使用 PaperBanana基于 NeurIPS 2025 方法图构建的基准评估自动化图表生成。该基准涵盖现代 AI 论文中多样且美学复杂的图表。数据集2. Reinforcement Learning via Self-Distillation本文提出自蒸馏策略优化Self-Distillation Policy Optimization, SDPO。SDPO 无需外部教师模型或显式的奖励模型即可将分词后的反馈转化为密集的学习信号。SDPO 将当前模型在给定反馈条件下的输出视为自教师将其基于反馈生成的下一词预测结果回传并蒸馏到策略中。通过这种方式SDPO 充分利用了模型在上下文中回溯识别自身错误的能力。在 LiveCodeBench v6 上的科学推理、工具使用和竞赛编程任务中SDPO 在样本效率和最终准确率方面均显著优于现有的强基准 RLVR 方法。论文及详细解读go.hyper.ai/oBMuMRLVR and RLRF 实验对比示例3. Lumine: An Open Recipe for Building Generalist Agents in 3D Open Worlds本文提出 Lumine这是首个开源的通用智能体开发方案能够实现在复杂三维开放世界环境中实时执行长达数小时的复杂任务。Lumine 采用类人类交互范式通过视觉-语言模型以端到端的方式统一感知、推理与行动。它以每秒 5 帧的频率处理原始像素输入生成每秒 30 帧的精确键盘鼠标操作并仅在必要时动态调用推理模块。论文及详细解读go.hyper.ai/aUakj效果展示实验结果表明Lumine 在不同世界设定与交互机制下均具备高效适应能力标志着迈向开放环境中通用智能体的重要一步。Lumine 性能对比实验结果示例4. Idea2Story: An Automated Pipeline for Transforming Research Concepts into Complete Scientific NarrativesAgentAlpha 团队提出了 Idea2Story这是一种预计算框架通过从同行评审论文中构建方法论知识图谱将模糊的研究想法转化为结构化、可复用的模式从而减少大语言模型的上下文限制与幻觉同时在无需运行时重新处理文献的前提下实现高效、新颖的科学发现。论文及详细解读go.hyper.ai/KyWe0Idea2Story 框架示例该数据集用于训练 Idea2Story系统利用论文-评审对学习研究贡献的表述与评估方式支持可复用方法论模式的检索与组合而非领域特定内容。数据集5. Insight Agents: An LLM-Based Multi-Agent System for Data Insights亚马逊研究人员提出了 Insight AgentsIA这是一种基于大语言模型的多智能体系统采用「规划-执行」架构配备分层智能体与 OOD 感知路由机制使美国亚马逊卖家能够在 15 秒内获得准确的业务洞察人工评估准确率达 90%。论文及详细解读go.hyper.ai/LbaHDInsight AgentsIA架构示例作者使用一个精选数据集用于训练和评估 OOD 检测与智能体路由模型该数据集总计 301 个问题178 个域内问题123 个域外问题另设包含 100 个热门问题的基准测试集附带真实答案用于端到端评估。数据集以上就是本周论文推荐的全部内容更多 AI 前沿研究论文详见 hyper.ai 官网「最新论文」板块。同时也欢迎研究团队向我们投稿高质量成果及论文有意向者可添加神经星星微信微信号Hyperai01。下周再见