提升代码生成、执行反馈和自动修复能力、让 Agent 更可靠地调用工具和复用技能
今天主要跟进：提升代码生成、执行反馈和自动修复能力、让 Agent 更可靠地调用工具和复用技能、让 Agent 更可靠地调用工具和复用技能。
本期从 2026-06-12 论文源抓取并去重 302 篇候选论文，筛选 6 篇重点论文与 20 篇补充关注。
本期重点
- 1Rethinking One-Step Image Editing through ChordEdit：Reproduction，Simplification，与 New Insights🔗
- 2Regulating the Machine Contributor：Governance 与 Policy Alignment in Open Source🔗
- 3When Errors Become Narratives：A Longitudinal Taxonomy of Silent Failures in a Production LLM Agent Runtime🔗
- 4tap：A File-Based Protocol 面向 Heterogeneous LLM Agent Collaboration🔗
- 5Perceived Fragility of Explanations in Audio Models：Manipulation of Attribution with Unchanged Predictions🔗
- 6一种New Multi-Domain 基准 面向 Micro-Action Recognition 与 Detection🔗
今天最值得跟进的方向
今天的高分论文主要指向：提升代码生成、执行反馈和自动修复能力、让 Agent 更可靠地调用工具和复用技能、让 Agent 更可靠地调用工具和复用技能。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
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、robotics、robot 等线索来组织机器人与具身智能任务、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：One-step image editing is important for making text-guided editing fast, practical, and easy to deploy, but its underlying mechanism is still not fully understood。关键词：alignment、code、robotics、robot。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、rag、alignment、evaluation 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：AI-assisted software development has moved from line-level autocomplete to agents that can plan changes, edit files, and submit pull requests with limited human supervision。关键词：agent、rag、alignment、evaluation。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、latency、code、memory 等线索来组织Agent 与工具调用任务、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：LLM agent systems increasingly run as long-lived autonomous runtimes: scheduling jobs, calling tools, maintaining memory, and pushing results to humans。关键词：agent、latency、code、memory。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、code、open-source、memory 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：Existing multi-agent software development systems have proposed many forms of agent collaboration, including role-based collaboration and automated code review。关键词：agent、code、open-source、memory。代码/数据可用性需查看原文确认。
提升 RAG 检索和知识库问答可靠性
核心：这篇论文主要解决提升 RAG 检索和知识库问答可靠性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、serving、alignment、code 等线索来组织基准与评测任务、数据或评测流程实现提升 RAG 检索和知识库问答可靠性；主要论点是标题、摘要和公开信号显示：This paper investigates the fragility of post-hoc explanation methods in audio deepfake detection。关键词：rag、serving、alignment、code。代码/数据可用性需查看原文确认。
提升 RAG 检索和知识库问答可靠性
核心：这篇论文主要解决提升 RAG 检索和知识库问答可靠性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、evaluation、benchmark、video 等线索来组织视频生成任务、数据或评测流程实现提升 RAG 检索和知识库问答可靠性；主要论点是标题、摘要和公开信号显示：Micro-actions are short-duration, low-amplitude subtle body movements at the whole-body level that can reveal latent intentions, involuntary reactions, and fine-grained affective changes。关键词：rag、evaluation、benchmark、video。代码/数据可用性需查看原文确认。
其他值得关注
Abstracting Cross-Domain Action Sequences into Interpretable Workflows：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。
No Accidental Software Agent First Canonical Code for Human Code Entropy Reduction and 30 to 500 times Lower Frontier Model Requirements：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。
I'm Sorry Driver, I'm Afraid I Can't Do That: Appraising the Safety of LLMs within Automotive Contexts：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。
Does the Judge Prefer English? Evaluating Language-Switching Invariance in LLM-as-a-Judge：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。
From Prompts to Responses: Dual-Sided Data Leakage and Defense in Split Large Language Models：涉及代码智能中的新任务、数据或系统线索，可作为后续跟进清单的一部分。
Same-Origin Policy for Agentic Browsers：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。
VISTA: View-Consistent Self-Verified Training for GUI Grounding：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。
From Shield to Target: Denial-of-Service Attacks on LLM-Based Agent Guardrails：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。
Investigating Metamorphic Fuzz Oracle Enhancement via 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。
Implicit Reasoning for Large Language Model-based Generative Recommendation：涉及训练与后训练中的新任务、数据或系统线索，可作为后续跟进清单的一部分。
Conditioning Matters: Stabilizing Inversion and Attention in Diffusion Image Editing：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。
FactoryLLM: A Safe and Open-Source AI Playground for Evaluating LLMs in Smart Factories：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。
ClinHallu: A Benchmark for Diagnosing Stage-Wise Hallucinations in Medical MLLM Reasoning：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。
AdaSR: Adaptive Streaming Reasoning with Hierarchical Relative Policy Optimization：涉及训练与后训练中的新任务、数据或系统线索，可作为后续跟进清单的一部分。
CORA: Analyzing and bridging thinking-answer gap in Multimodal RLVR via Consistency-Oriented Reasoning Alignment：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。
HumP-KD: A Hybrid Uncertainty-Aware Multi-Stage Progressive Knowledge Distillation Framework for Efficient Fire Classification：涉及训练与后训练中的新任务、数据或系统线索，可作为后续跟进清单的一部分。
StreamMemBench: Streaming Evaluation of Agent Memory for Future-Oriented Assistance：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。
Behavioral Audit of Machine Unlearning Has a Privacy Cost：涉及数据工程中的新任务、数据或系统线索，可作为后续跟进清单的一部分。
From Chatbot to Digital Colleague: The Paradigm Shift Toward Persistent Autonomous AI：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。
Value-order Decomposition for Generalist Anomaly Detection：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。
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。