让 Agent 更可靠地调用工具和复用技能、增强多模态模型理解图表和文档的能力、评测视频生成的时间一致性和运动真实感
今天主要跟进：让 Agent 更可靠地调用工具和复用技能、增强多模态模型理解图表和文档的能力、评测视频生成的时间一致性和运动真实感。
本期从 2026-06-08 论文源抓取并去重 571 篇候选论文，筛选 6 篇重点论文与 20 篇补充关注。
本期重点
- 1$τ$-Rec：A Verifiable 基准 面向 Agentic Recommender Systems🔗
- 2DB-3DME：来自 Dataset to 基准 面向 Human-aligned Automatic 3D Mesh 评测🔗
- 3Pareto-Guided Teacher Alignment 面向 Fair Personalized Text Generation🔗
- 4MetaPlate：Counterfactual-Guided RAG-LLM Tool 面向 Personalized Food Recommendation 与 Hyperglycemia Prevention🔗
- 5What makes a harness a harness：necessary 与 sufficient conditions 面向 an Agent harness🔗
- 6Mult-DPO：Multinomial Direct Preference Optimization 面向 Recommender Systems🔗
今天最值得跟进的方向
今天的高分论文主要指向：让 Agent 更可靠地调用工具和复用技能、增强多模态模型理解图表和文档的能力、评测视频生成的时间一致性和运动真实感。下面按核心问题、方法线索、主要论点和关键词整理，便于快速判断后续跟进价值。
重点论文：核心问题、方法线索与关键词
让 Agent 更可靠地调用工具和复用技能
核心：这篇论文主要解决让 Agent 更可靠地调用工具和复用技能这一方向中的具体研究问题；方法上通过题名、摘要和公开信号中的 agent、deployment、evaluation、benchmark 等线索来组织基准与评测任务、数据或评测流程实现让 Agent 更可靠地调用工具和复用技能；主要论点是标题、摘要和公开信号显示：As recommender systems transition toward agentic, multi-turn conversational interfaces, evaluation paradigms have struggled to keep pace。关键词：agent、deployment、evaluation、benchmark。代码/数据可用性需查看原文确认。
增强多模态模型理解图表和文档的能力
核心：这篇论文主要解决增强多模态模型理解图表和文档的能力这一方向中的具体研究问题；方法上通过题名、摘要和公开信号中的 alignment、evaluation、benchmark、code 等线索来组织基准与评测任务、数据或评测流程实现增强多模态模型理解图表和文档的能力；主要论点是标题、摘要和公开信号显示：Recent advances in 3D generation have led to substantial improvements in realism, controllability, and efficiency, yet the evaluation of 3D assets remains underexplored。关键词：alignment、evaluation、benchmark、code。代码/数据可用性需查看原文确认。
评测视频生成的时间一致性和运动真实感
核心：这篇论文主要解决评测视频生成的时间一致性和运动真实感这一方向中的具体研究问题；方法上通过题名、摘要和公开信号中的 serving、alignment、evaluation、fine-tuning 等线索来组织基准与评测任务、数据或评测流程实现评测视频生成的时间一致性和运动真实感；主要论点是标题、摘要和公开信号显示：Personalized persuasive text generation can improve relevance and engagement, but demographic conditioning may also introduce unequal framing across groups。关键词：serving、alignment、evaluation、fine-tuning。代码/数据可用性需查看原文确认。
让 Agent 更可靠地调用工具和复用技能
核心：这篇论文主要解决让 Agent 更可靠地调用工具和复用技能这一方向中的具体研究问题；方法上通过题名、摘要和公开信号中的 rag、retrieval、multimodal、database 等线索来组织检索与 RAG任务、数据或评测流程实现让 Agent 更可靠地调用工具和复用技能；主要论点是标题、摘要和公开信号显示：Postprandial hyperglycemia is a key risk factor for metabolic disorders; however, existing dietary guidance is often static, impractical, and insufficiently personalized, providing recommendations that are difficult to follow or not impactful。关键词：rag、retrieval、multimodal、database。代码/数据可用性需查看原文确认。
让 Agent 更可靠地调用工具和复用技能
核心：这篇论文主要解决让 Agent 更可靠地调用工具和复用技能这一方向中的具体研究问题；方法上通过题名、摘要和公开信号中的 agent、evaluation、code、coding 等线索来组织代码智能任务、数据或评测流程实现让 Agent 更可靠地调用工具和复用技能；主要论点是标题、摘要和公开信号显示：The term agent harness now circulates widely in software engineering with generative artificial intelligence。关键词：agent、evaluation、code、coding。代码/数据可用性需查看原文确认。
提升代码生成、执行反馈和自动修复能力
核心：这篇论文主要解决提升代码生成、执行反馈和自动修复能力这一方向中的具体研究问题；方法上通过题名、摘要和公开信号中的 alignment、code、rl、preference 等线索来组织训练与后训练任务、数据或评测流程实现提升代码生成、执行反馈和自动修复能力；主要论点是标题、摘要和公开信号显示：Direct preference optimization (DPO) is a simple and effective alignment strategy for large language models (LLMs) based on pairwise preferences。关键词：alignment、code、rl、preference。代码/数据可用性需查看原文确认。
其他值得关注
Deployment-Time Memorization in Foundation-Model Agents：涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。
Generalized-CVO: Fast and Correspondence-Free Local Point Cloud Registration with Second Order Riemannian Optimization：涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
MemoryVLA++: Temporal Modeling via Memory and Imagination in Vision-Language-Action Models：涉及多模态模型中的新任务、数据或系统线索，可作为后续跟进清单的一部分。
Collaborative Human-Agent Protocol (CHAP)：涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。
Multi-Turn Evaluation of Deep Research Agents Under Process-Level Feedback：涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。
HDSL: A Hierarchical Domain-Specific Language for Structured 3D Indoor Scene Generation and Localized Editing with LLM Agents：涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。
IS-CoT: Breaking the Long-form Generation Collapse via Interleaved Structural Thinking：涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。
An 84-Format Numeric Catalog with Bit-Exact Conformance Vectors: A Vendor-Neutral Reference for FP8, BF16, MXFP4, and Microscaling Formats：涉及推理与规划中的新任务、数据或系统线索，可作为后续跟进清单的一部分。
Where Does the Answer Come From? Benchmarking View-Level Visual Evidence Identification in Multi-View MLLMs for Autonomous Driving：涉及任务设置、指标和失效案例，可补充模型评测与回归测试。
CineDance: Towards Next-Generation Multi-Shot Long-Form Cinematic Audio-Video Generation：涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
Civil Court Simulation with Large Language Models：涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
DexPIE: Stable Dexterous Policy Improvement from Real-World Experience：涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
Shape Formation for the Cooperative Transportation of Arbitrary Objects Using Multi-Agent Reinforcement Learning：涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。
Automated IEP Generation from Traditional Chinese Parent-Teacher Interviews via Corpus-Grounded Feature Diffusion：涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
Assessing Sample Quality in Conditional Generation under Compositional Shift：涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。
Popcorn: A Configurable Benchmark for Visual Evidence in Multimodal Movie Recommendation：涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
Safe-RULE: Safe Reinforcement UnLEarning：涉及任务设置、指标和失效案例，可补充模型评测与回归测试。
OpenBibleTTS: Large-Scale Speech Resources and TTS Models for Low-Resource Languages：涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
From Rigid to Dynamic: Entropy-Guided Adaptive Inference for Long-Context LLMs：涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
Emergent alignment and the projectability of ethical personas：涉及模型安全、护栏路由、风险分类或治理评测，可作为安全评测与治理工具链的补充线索。
阅读边界
- 自动排序会偏向有社区信号、代码信号和工程关键词的论文。
- 简报默认基于标题、摘要和公开元数据，不替代全文精读。
- 外部 API 限流或不可用时，相关信号会降级为空并在内部记录中保留说明。