一分钟读论文：《归一化计算下单Agent为何优于多Agent》

Apr 18, 2026 · 1 min read

斯坦福大学的论文《Single-Agent LLMs Outperform Multi-Agent Systems on Multi-Hop Reasoning Tasks》对当前火热的多Agent系统提出了一个尖锐挑战：当计算量归一化后，单Agent系统（SAS）的表现可以匹敌甚至超越多Agent系统（MAS）。论文作者Hoang Tran和Douwe Kiela用信息论的严格论证揭示了多Agent范式的理论局限。这一发现对多Agent范式构成了基础性的质疑。

一分钟读论文：《大模型时代的奖励黑客与缓解策略》

In AI, Security, 1 min read

一分钟读论文：《诊断LLM裁判的可靠性：共形预测集与传递性违规》

In AI, MachineLearning, 1 min read

一分钟读论文：《轨迹级奖励建模基准：Agent 对齐新挑战》

In AI, MachineLearning, 1 min read

一分钟读论文：《被掏空的一天：软件工程师的日常》

作为团队的 Leader，如何通过改进流程和⼯具，并最终提⾼团队⽣产⼒呢？可以参考微软研究院和英国伦敦大学、瑞士苏黎世大学信息学系合著的论文《Today was a Good Day: The Daily Life of Software Developers》。该论文分析了微软工程师的5,971份问卷结果，发现工程师「良好」和「典型」的工作日是怎么样，并总结了使良好的工作日成为典型的建议：

一分钟读论文：《归一化计算下单Agent为何优于多Agent》

In AI, Agents, 1 min read

一分钟读论文：《大模型时代的奖励黑客与缓解策略》

来自多机构研究团队的一篇论文《Reward Hacking in the Era of Large Models: Mechanisms, Emergence, and Mitigation》，首次将大模型时代的奖励黑客行为形式化为高度表达能力策略在压缩奖励表示上优化时的涌现结果，揭示了目标压缩、优化放大和评估器-策略协同适应三要素的交互作用如何导致系统性安全失效。

In AI, Security, 1 min read

一分钟读论文：《诊断LLM裁判的可靠性：共形预测集与传递性违规》

普林斯顿大学的论文《Diagnosing LLM Judge Reliability: Conformal Prediction Sets and Transitivity Violations》对”用LLM评估LLM”这一主流范式的逐实例可靠性进行了首次系统性诊断。论文在SummEval数据集（1,918份文档）上应用共形预测集与传递性分析，发现即使整体传递性违规率仅0.8-4.1%，仍有33-67%的文档存在至少一次有向三元环违规，揭示了LLM-as-judge框架中隐藏的严重不一致性问题：

In AI, MachineLearning, 1 min read

一分钟读论文：《轨迹级奖励建模基准：Agent 对齐新挑战》

日本东京大学和美国麻省理工学院的论文《Aligning Agents via Planning: A Benchmark for Trajectory-Level Reward Modeling》提出了首个 trajectory-level 的 Agent 对齐偏好基准 Plan-RewardBench，系统性地揭示了当前奖励模型在评估多步行为序列时的能力缺口，为 Agent 对齐技术提供了全新的评估维度。

In AI, MachineLearning, 1 min read