2026-10-26·周一
-
UserArena 构建了长程购物智能体的真实交互式基准，并提出 On-Policy Trajectory Distillation 来提升用户模拟器的保真度。
UserArena: Benchmarking Interactive User Simulation for Long-Horizon Shopping Agents
做电商/推荐类 agent 的团队可以直接用它评估长程交互能力，并借鉴其用户模拟器蒸馏方法来降低真实用户测试成本。
-
HiSTEVE 用分层 VLA 架构把长程规划与原生键鼠控制结合，在 Minecraft 中完成开放式复杂任务。
HiSTEVE 1.0: Harnessing Human-Interface VLA Agents for Open-World Games
展示了 VLA 直接驱动键鼠操作开放世界软件的可行路径，对做 GUI/游戏自动化 agent 的工程落地有直接参考价值。
-
RSIHub 把 agent 自我进化方法拆成可复用组件，提供统一基础设施来构建、对比和扩展各类进化方法。
RSIHub: A Composable Framework for Agent-Evolution Methods
想尝试 agent 自进化但苦于各家实现不可比的团队，可以用它做标准化实验，显著降低复现和横向对比成本。
-
Omni-Woodpecker 用免训练框架识别跨模态冲突并重平衡隐层表示，抑制全模态 LLM 的误导性先验以减少幻觉。
Omni-Woodpecker: Hallucination Correction via Evidence-Prior Rebalancing for Omni LLMs
免训练即可接入现有全模态模型，对需要低成本降低多模态幻觉的产品团队是可立即试用的工程手段。
-
该方法让基础模型仅凭高层主题自生成合成问题与推理轨迹，实现无外部数据的 on-policy 自我提升，覆盖文本与视觉任务。
On-Policy Self-Training: Data-Free Self-Improvement in Large Language Models
无需标注数据即可自我改进，对数据获取成本高或隐私受限场景的模型迭代有直接的成本与能力边界参考。