AI Papers, May 26

今天筛选后没有刻意凑数；最值得 Fred 花时间看的，是把 agent skill 当作可优化外部状态来训练的 SkillOpt，以及面向自动科研的超大规模知识图谱 SciAtlas。另有几篇关于 skill 生命周期、缩放定律、轨迹规划和 RL 优化信号的工作，和长期关注的 agent 可靠性、知识结构、概率/因果轨迹建模较相关。

必读

SkillOpt: Executive Strategy for Self-Evolving Agent Skills

工作简介： 这篇论文把 agent skill 视为冻结 agent 的“外部状态”，用一个独立 optimizer model 根据带分数的 rollout 对单个 skill 文档做受限的增删改，并且只有在 held-out validation 上严格变好时才接受编辑。作者在 6 个 benchmark、7 个目标模型和 direct chat / Codex / Claude Code 三种执行 harness 上比较人工 skill、one-shot LLM、Trace2Skill、TextGrad、GEPA、EvoSkill 等方法，报告在 52 个组合上均达到最好或并列最好。

简评： 重要点不只是“skill 会自我进化”，而是把文本 skill 优化做成了接近深度学习 optimizer 的可控流程：学习率预算、拒绝编辑缓存、慢速 meta update、验证集接受准则，都直接指向 Fred 关心的 trajectory-level 改进与可靠停止条件。需要注意的是，摘要中的增益非常强，后续值得检查 benchmark 是否足够异质、validation 是否会诱导过拟合，以及 skill artifact 跨 harness 迁移的真实边界。

SciAtlas: A Large-Scale Knowledge Graph for Automated Scientific Research

工作简介： SciAtlas 构建了一个覆盖 26 个学科、4300 万论文、1.57 亿实体和 30 亿三元组的异构科研知识图谱，并提出 tri-path collaborative recall 与 graph reranking 的 neuro-symbolic 检索流程。论文把它定位为自动科研 agent 的“认知地图”，用于文献综述、研究趋势综合、idea positioning 和学术轨迹探索等任务。

简评： 这类工作和 Fred 对 knowledge graph + agentic research 的兴趣高度重合：如果实体/关系质量可靠，图结构能为 deep research agent 提供比纯向量检索更可审计的路径和拓扑约束。不过摘要偏系统报告，关键问题在于抽取噪声、跨学科 schema 对齐、接口开放程度，以及所谓“降低推理成本”的评测是否可复现。

值得关注

From Raw Experience to Skill Consumption: A Systematic Study of Model-Generated Agent Skills

工作简介： 这篇系统研究把 model-generated agent skill 的生命周期拆成 experience generation、skill extraction 和 skill consumption 三段，在 5 类 agentic task domain 上评估不同 extractor 和 target agent 的真实效用。作者发现生成 skill 平均有益但存在明显 negative transfer，且“会提取 skill 的模型”和“会消费 skill 的模型”并不总是同一个；最后还总结出一个指导抽取的 meta-skill。

简评： 它和 SkillOpt 形成互补：SkillOpt 给出优化算法，这篇则问 skill 到底什么时候有用、为什么有用、如何失败。对 Fred 来说，最有价值的是其 utility-grounded 视角——不要只看 skill 文本是否漂亮，而要看跨消费者、跨经验组成的实际收益和负迁移。

LLMs as Noisy Channels: A Shannon Perspective on Model Capacity and Scaling Laws

工作简介： 论文从 Shannon-Hartley 定理出发，把 LLM 训练建模为带噪声信道中的信息传输：参数对应带宽，训练 token 对应信号功率，从而解释过训练、量化退化等非单调 scaling 现象。作者在 Pythia 和 OLMo2 上用噪声、量化、数学/问答/代码 SFT 扰动验证该 Shannon Scaling Law，并报告其比传统单调 power law 和扰动感知 scaling law 更能拟合 U-shaped loss basin。

简评： 这篇适合 Fred 的“数学化 AI”口味，因为它试图把 scaling law 从经验幂律推进到含 SNR 与容量上限的理论叙事。谨慎点是：信道类比是否只是可拟合的重新参数化，还是能产生新的可证预测和训练设计规则，需要看正文中的推导假设与外推实验强度。

ChainFlow-VLA: Causal Flow Planning with Vision-Language Models

工作简介： ChainFlow-VLA 面向自动驾驶轨迹规划，试图统一 autoregressive 生成的时间因果性和 diffusion 全局优化的轨迹一致性。方法先由 Chain 生成一组离散 causal trajectory modes，再由 Flow 在 VLM hidden state 语义先验条件下对 residual distribution 做 mode-conditioned refinement，并在 NAVSIM v1 上报告 94.85 的 SOTA 分数。

简评： 这篇的抽象问题很有意思：如何在一个统一概率框架里同时保留因果生成约束和全局轨迹修正，而不是把 AR 与 diffusion 当成互斥范式。虽然应用是自动驾驶，但对 trajectory-level probabilistic reasoning、长尾场景下的安全规划都有启发；风险是 leaderboard 分数未必等价于真实交互可靠性。

LambdaPO: A Lambda Style Policy Optimization for Reasoning Language Models

工作简介： LambdaPO 针对 GRPO 的 group mean baseline 过于粗糙的问题，把 advantage 从单一标量改写为 cohort 内轨迹之间的成对偏好差分，并用策略自身对偏好的概率置信度调节每个 pairwise comparison。为缓解二元结果奖励稀疏，还加入了基于生成 reasoning trace 与标准答案 precision-recall 对齐的 semantic density reward。

简评： 这属于“从一组 rollout 中榨出更细信用分配信号”的方向，和 Fred 关注的轨迹级分析、RLVR、推理模型训练稳定性相关。新意在于把排序学习式的 Lambda 思路搬到 reasoning policy optimization；但摘要没有给出足够多 benchmark 细节，实际价值取决于它相对 GRPO/PRM/过程奖励的稳定增益是否显著。

MAS-Orchestra: Understanding and Improving Multi-Agent Reasoning Through Holistic Orchestration and Controlled Benchmarks

工作简介： MAS-Orchestra 把多 agent 系统编排建模为训练时的 function-calling RL：复杂 subagent 被抽象成 callable functions，orchestrator 一次性生成整体 MAS 结构，而不是逐步写代码式编排。配套的 MASBENCH 用 Depth、Horizon、Breadth、Parallel、Robustness 五个轴控制任务结构，用来研究多 agent 何时真的优于单 agent。

简评： 这篇不是全新首发版本，但“多 agent 是否真的有益”这个问题很关键，尤其是它强调收益依赖任务结构、验证协议和 orchestrator/subagent 能力，而不是 MAS 天然优越。对 Fred 来说，MASBENCH 的可控分解可能比框架本身更值得看，可作为评估 agent orchestration 的实验设计参考。

开源发布

今天没有单独值得列为“开源发布”的大模型或框架发布。若只看论文附带资源，SkillOpt、SciAtlas 和 ChainFlow-VLA 都声称有代码、接口或将开源；但目前最值得优先阅读的仍是方法与实验设定，而不是把它们当成熟工具直接采用。