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：https://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：https://go.hyper.ai/skQUQ

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。

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：https://go.hyper.ai/oBMuM

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：https://go.hyper.ai/aUakj

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。

4. Idea2Story: An Automated Pipeline for Transforming Research Concepts into Complete Scientific Narratives

AgentAlpha 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：https://go.hyper.ai/KyWe0

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。

5. Insight Agents: An LLM-Based Multi-Agent System for Data Insights

亚马逊研究人员提出了 Insight Agents（IA），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：https://go.hyper.ai/LbaHD

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。

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！