如何打破传统方法中只优化模型或只优化外部环境的局限，让AI编程代理能像人类一样通过“反思失败”和“调整工具”实现能力的螺旋式上升？论文提出了Self-HPO框架，让AI代理交替优化自身的决策策略和交互环境（Harness），利用当前策略分析失败案例来改进环境，再在新环境中强化学习，实现了无需外部监督的递归自我提升。

如何让终端智能体（Terminal Agents）将验证器的结果转化为有效的策略更新，并将部分任务进展转化为完整的任务解决能力，从而克服长程任务中的信用分配难题和价值漂移？论文提出了Terminal-RSI框架，通过交替进行递归自我重写（RSR）和继承评论家的递归策略精炼（RPR），结合新型奖励机制和信用分配方法，显著提升了智能体在复杂终端任务上的成功率。

前沿AI智能体能否在没有人类干预和教师模型指导的情况下，自主完成对基础模型的后期训练，并使其性能达到甚至超越官方发布的指令微调版本？论文开发了Athanor系统，证明由四个Claude Opus 5.5智能体组成的团队在104小时内，仅使用公共数据，将Qwen3-4B-Base模型训练至与官方Qwen3-4B-Instruct相当的水平。

通用编程AI智能体能否在没有人类预设攻略或特定游戏工具的情况下，通过团队协作自主完成像“击败末影龙”这样需要长期规划、复杂步骤和容错能力的开放世界任务？论文首次实现了由四个通用代码智能体组成的团队，仅凭基础库和聊天协作，在27小时内从零开始自主编写近3000个程序并成功通关Minecraft。

长任务智能体在上下文压缩后，为何会频繁重复执行已做过的无效操作（即陷入“循环”），以及如何无需人工标注就能解决这一问题？论文提出DeLoop方法，利用智能体自身运行中产生的“循环动作”作为负样本，“打破循环的动作”作为正样本，通过自监督偏好优化训练，显著减少重复行为并提升效率。

现有的视觉-语言-动作（VLA）模型在采取行动前需要生成推理文本，这虽然提升了性能，但导致严重的延迟，因为动作必须等待文本生成完毕。我们能否在不牺牲性能的前提下，消除这种推理带来的延迟？论文提出了TacitVLA模型，通过屏蔽动作专家对当前推理文本的注意力，实现了与显式推理模型相当的成功率，同时拥有无推理模型的极低延迟，在多个基准测试中刷新了最佳成绩。

如何让大语言模型代理自动获取可迁移的领域专用技能，避免手动编写技能的扩展瓶颈和现有自动化方法产生的脆弱碎片化结果？论文提出Trace2Skill框架，通过并行分析多样执行轨迹并层次化整合经验教训，生成可跨模型规模和任务领域迁移的高质量声明式技能。

如何生成高质量的测试用例以提升竞争编程问题的数据集质量？论文提出了一种基于LLM的生成-验证（G-V）代理系统来构建和验证高质量的测试用例，以改进竞争编程数据集的有效性和可靠性。

当智能体遇到无法完成的任务（如缺少前提条件或需求冲突）时，如何确保它不仅能识别出困难，还能真正停止执行而不是硬着头皮瞎编，并且在被质疑时能坚持正确判断？论文提出了“自我意识”评估框架，构建了包含可行与不可行任务的配对基准测试，并通过优化智能体的控制流程（Harness）而非模型权重，显著提升了智能体在遇到阻碍时的正确放弃能力。

当大模型在某个知识点上表现不佳时，仅定位弱点是否足以决定如何修复？如果同样的错误背后隐藏着不同的知识掌握状态（如完全不知道、记得但调取难、能调取但不会用），单一的修复策略是否依然有效？论文提出了递归知识改进框架RKI，通过评估模型的“操作知识状态”来动态选择针对性的干预措施，并在每次更新后重新评估状态，显著提升了知识注入效果。