本期概览

此前多数工作直接把 Judge 输出当奖励信号用于策略训练，较少关注判断本身的质量，也基本把 Judge 限定在训练阶段。该研究把 Judge 的生成方式与使用方式一起纳入实验变量，并延伸到测试时推理，提示单纯用判断准确率衡量 Judge 可能不足。

此前孟加拉语评测多集中在语言理解与通用推理，缺少带显式时间、成本、容量和顺序约束的规划与决策基准。该基准把可行解构造与不可行判定分开报告，并加入语体与混合语言变量，使得模型在低资源语言上的真实规划短板可被量化，而非被总体分数掩盖。

此前普遍认为黑盒模型的隐藏CoT无法直接获取，EchoCoT证明了通过API交互即可提取，颠覆了对模型资产安全性的假设，使得前沿模型的推理过程面临泄露风险，对AI安全与知识产权保护提出了新挑战。

此项研究首次展示科学 LLM 智能体能够通过代码修改和昂贵验证自主改进大型紧密耦合的科学机器学习系统，而非仅停留在文献推理或实验规划层面。在蛋白质折叠领域，AgentFold 实现了超越独立大模型提案的性能提升，证明了自主迭代搜索的有效性，为科学发现自动化开辟了新的可能性。

此前，Europe PMC等资源仅支持关键词和复杂语法，返回整篇论文，AI代理需自行学习语法、多次搜索并阅读全文。EMBL AI Librarian让代理用自然语言提问即可获得证据，显著降低使用门槛，提升检索效率和准确性，在多个基准上表现优于强基线。

此前的安全保持微调多以平均安全损失或加权惩罚为核心，容易掩盖低频但严重的失效案例。该工作把安全保持重新定义为可靠性约束优化，显式限制超过退化阈值的样本比例，关注点从平均风险转向尾部风险。

此前基于 LLM 的回归研究多集中于单值预测，多输出文本回归较少被探索。该工作把参数高效微调思路扩展到同时预测多个相关维度，并报告在参数大幅减少的情况下仍超过监督基线，为多维度评分类任务提供了新的对照方案。

此前产线控制多依赖静态程序，换型或定制需要频繁重新编程，且难以应对运行时突发故障。该工作把 LLM agent、MCP 工具化和 MQTT 协调直接接入工厂状态，并用对照实验比较三种架构，给出了可复现的验证基线，而非停留在概念演示。

此前多环境 agent 训练多以环境为单位分配数据，或只看局部标量奖励，难以刻画跨环境 rollout 之间的关系；当同组 rollout 全成功或全失败时，组相对奖励信号消失。RISED 把文本 rubric 从奖励扩展为数据选择与监督信号，尝试补上这两类信息缺口。

此前持久记忆多被当作检索增强的收益项，副作用如谄媚与跨域泄漏较少被单独治理。该工作把记忆问题拆成准入与呈现两个可控决策点，并在多骨干、外部基准与多重比较校正下报告显著降幅，说明推理时策略即可改变失败结构，而无需重训练模型。

此前缓解组内奖励差异不足的手段主要是调高采样温度、熵奖励、非对称裁剪或扩大采样预算，均未改变回滚的条件输入。EDEN 直接在采样源头引入受控扰动，在不增加采样预算、不改变模型架构和解码方式的前提下，为组相对优势提供更多非零学习信号，属于探索机制层面的变化。

此前 agent 的推进多依赖模型本身在单步内隐式决定下一步，长程任务容易出现重复劳动与预算失控。该工作把“如何控制执行”从隐式行为变为可比较的显式推理层，并在长程程序重建任务上给出与生产级 coding agent 的对照数据，说明控制层设计本身可能成为独立的能力增量来源。