搜索论文

传统智能体依赖静态预训练权重，难以应对部署后的环境漂移与长程任务。本文以运行外壳（harness）为核心，系统梳理经验向技能、记忆、环境、参数与元层五个可更新部分转化的机制，并提出 SIP-Bench 纵向评测协议与双层安全框架。外部路径如技能注入在 SkillsBench 上平均增益 +16.2 个百分点，但 16/84 任务出现负迁移，全局安全边界仍是开放问题。

大语言模型虽支持超长上下文，却常忽略输入中已有的关键证据。ReContext 利用模型内部注意力信号，在多轮推理中递归筛选并回放相关证据片段，同时保留完整原文。在 8 个 128K 数据集和 Qwen3、Llama3 等模型上，该方法平均排名最优，准确率相对提升约 24.6%，且无需训练或修改模型参数。

现有 LLM 评判器将评分压成离散整数，导致复杂方案频繁打平、难以区分。本文提出 LLM-as-a-Verifier，通过计算评分 token 的 logit 期望获得连续分数，并在粒度、重复评估和标准分解三个维度扩展验证能力。该方法无需额外训练，在 Terminal-Bench V2、SWE-Bench Verified 等四个基准上均达到当前最优。 把“验证”做成可扩展轴：用 logit 期望替代离散评分，并用三轴扩展和低成本排序算法同时提升区分度与实用性。 提出 LLM-as-a-Verifier：通过提取评分 token 的 logit 分布并计算期望，得到连续奖励，而不是离散分数。框架沿三个维度扩展验证：评分粒度、重复评估和标准分解。为在有限预算下从多个候选中选出最优轨迹，提出 Probabilistic Pivot Tournament，通过环状初筛选择 pivot，将比较集中在头部不确定候选上，把比较成本从 O(N²) 降到 O(Nk)。

线性注意力以固定循环状态实现 O(1) 内存，却因多键值竞争覆盖早期事实而丢失精确召回。HOLA 在 delta-rule 状态外引入有界精确 KV 缓存，以写幅值作为驱逐分数保留 top-w token，并用解耦 RMSNorm-γ 恢复尖锐检索。340M 模型在 Wikitext 困惑度从 27.32 降至 22.92，优于全注意力 Transformer++，并在 32k RULER 大海捞针任务中保持 0.58 召回率。 利用 delta-rule 内在的写幅值信号作为无参数驱逐策略，使线性注意力模型在保持 O(1) 状态的同时恢复精确召回能力 HOLA（Hippocampal Linear Attention）将记忆读取形式化为半参数化测试时回归：循环状态作为参数化估计器处理线性可压缩结构，有界精确 KV 缓存作为非参数修正存储不应被状态吸收的键值对。缓存写入无需额外学习模块，直接利用 delta-rule 已计算的写幅值 β·∥e∥（写强度与残差范数的乘积）作为驱逐分数，保留对状态改变最大的 top-w 个 token；读取路径采用解耦的 RMSNorm-γ 归一化，将缓存 logit 从接近均匀分布恢复为尖锐的近似 argmax 检索，同时保持状态更新路径的单位范数稳定性。该方法在 Gated DeltaNet（GDN）骨干上实例化，每层仅增加约 12,480 个可学习标量（不足模型参数的 0.004%）。