Daily AI Papers - 2026年02月27日#

1. GUI-Libra: Training Native GUI Agents to Reason and Act with Action-aware Supervision and Partially Verifiable RL#

作者: Rui Yang, Qianhui Wu, Zhaoyang Wang, Hanyang Chen, Ke Yang, Hao Cheng, Huaxiu Yao, Baoling Peng, Huan Zhang, Jianfeng Gao, Tong Zhang
机构: UIUC, Microsoft Research, UNC-Chapel Hill
链接: arXiv:2602.22190 | PDF | 项目主页 | HF Papers
方向: Agentic RL / GUI Agent 评级: ⭐⭐⭐ 必读

核心创新:

开源原生GUI Agent在长程导航任务上显著落后于闭源系统。GUI-Libra针对两大瓶颈提出解决方案：

1. Action-aware SFT: 发现标准CoT推理会损害grounding能力，提出混合推理-动作数据和直接动作数据，并通过token重加权强调动作和grounding
2. Partially Verifiable RL: 识别出GUI Agent中多个动作可能都正确但只有演示动作用于验证的问题，提出KL trust region是关键——稳定的KL正则化能显著提升离线到在线的可预测性

实验结果:

在AndroidWorld和OSWorld基准上，GUI-Libra显著缩小了开源与闭源系统的差距。特别地，通过81K筛选的GUI推理数据集和针对性的训练配方，实现了动作对齐的推理能力。

关键洞察:

“离线step-wise指标是在线任务成功的弱预测器” —— 这一发现对Agentic RL的评估范式有重要启示

2. ARLArena: A Unified Framework for Stable Agentic Reinforcement Learning#

机构: UCLA (University of California, Los Angeles)
链接: arXiv:2602.21534 | HF Papers
方向: Agentic RL / RL Framework 评级: ⭐⭐⭐ 必读

核心创新:

ARLArena 是一个统一的稳定 Agentic RL 训练框架，针对当前 Agentic RL 训练中的不稳定性问题（如策略崩溃、探索失效、奖励稀疏等）提供系统性解决方案。

关键特性:

• 统一的训练框架支持多种 Agentic RL 算法
• 针对长程任务稳定性优化
• 提供可复现的 benchmark 和评估协议

意义:

为 Agentic RL 研究提供了稳定的基础设施，有助于降低该领域的入门门槛并提升实验可复现性。

3. DualPath: Breaking the Storage Bandwidth Bottleneck in Agentic LLM Inference#

机构: DeepSeek
链接: arXiv:2602.21548 | HF Papers
方向: Agentic LLM / Inference Optimization 评级: ⭐⭐⭐ 必读

核心创新:

针对 Agentic LLM 推理中的存储带宽瓶颈问题，DualPath 提出双路径架构：

• 问题诊断: Agentic 场景下频繁的 KV Cache 读写成为性能瓶颈
• DualPath 方案: 通过双路径并行策略，同时优化计算密集型和内存密集型操作
• 硬件协同设计: 与存储层次结构协同优化，减少数据传输开销

技术亮点:

DeepSeek 在推理优化领域的又一重要工作，针对 Agentic 场景的特殊挑战（长上下文、多轮交互）进行专项优化。

4. Solaris: Building a Multiplayer Video World Model in Minecraft#

链接: arXiv:2602.22208 | HF Papers
方向: World Models / Multi-Agent / Video Generation 评级: ⭐⭐⭐ 必读

核心创新:

Solaris 是首个支持多玩家的 Minecraft 视频世界模型：

• 多玩家建模: 同时预测多个玩家的视角和行为
• 视频世界模型: 生成高质量、一致性的游戏视频序列
• Minecraft 环境: 在复杂的开放世界环境中验证

技术特点:

• 支持多视角一致性
• 长程视频序列生成
• 与游戏机制对齐

意义:

多玩家世界模型是通往通用多智能体系统的重要一步，Solaris 为该方向提供了有价值的探索。

5. Excitation: Momentum For Experts#

作者: Sagi Shaier 等
链接: arXiv:2602.21798 | PDF
方向: Efficient LLM / MoE Optimization 评级: ⭐⭐ 可选

核心创新:

针对Mixture-of-Experts (MoE)架构的训练优化问题，提出Excitation框架：

• 动态更新调制: 基于batch-level专家利用率动态调整参数更新幅度
• 竞争更新机制: 放过高利用率专家的更新，选择性抑制低利用率专家，强化路由专业化
• 解决”结构混淆”: 发现深度MoE中标准优化器无法建立功能信号路径的问题，Excitation作为”专业化催化剂”实现稳定训练

技术特点:

• 优化器无关、领域无关、模型无关
• 无需额外per-parameter优化器状态或可学习参数
• 适用于内存受限场景

实验结果:

在语言和视觉任务上，Excitation持续提升MoE模型的收敛速度和最终性能，验证了”主动更新调制”是条件计算有效性的关键机制。

6. SigmaQuant: Hardware-Aware Heterogeneous Quantization Method for Edge DNN Inference#

作者: Qunyou Liu 等
链接: arXiv:2602.22136 | PDF
方向: Efficient LLM / Edge Inference 评级: ⭐⭐ 可选

核心创新:

针对边缘设备DNN部署的资源约束（内存、能耗、计算），提出自适应层wise异构量化框架：

• 问题诊断: 统一量化无法利用各层不同的鲁棒性，低比特下导致精度损失或资源利用次优
• 现有方法局限: 异构量化方法要么需要暴力搜索设计空间，要么缺乏对不同硬件条件（内存、能耗预算、延迟要求）的适应性
• SigmaQuant方案: 基于权重标准差和KL散差分配层wise比特宽度，无需穷举搜索即可在多样化边缘环境中高效平衡精度和资源使用

实验结果:

在CIFAR-100和ImageNet上，SigmaQuant相比均匀量化和SOTA异构量化方法，同等模型大小下精度提升最高2.0%，同等精度下内存减少最高40.0%。硬件评估显示相比INT8实现，面积节省22.3%，能耗降低20.6%。

7. Prompt Architecture Determines Reasoning Quality: A Variable Isolation Study on the Car Wash Problem#

作者: Heejin Jo 等
链接: arXiv:2602.21814 | PDF | Benchmark
方向: Reasoning / Prompt Engineering 评级: ⭐⭐ 可选

核心创新:

针对”car wash problem”（洗车问题）这一需要隐式物理约束推理的 viral benchmark，开展变量隔离研究：

关键发现:

核心结论:

结构化推理脚手架（特别是强制目标明确化）比上下文注入对隐式约束推理任务的影响更大。STAR (Situation-Task-Action-Result) 框架单独就能将准确率从0%提升到85%（p=0.001，Fisher精确检验）。

启示:

对于复杂推理任务，prompt的结构设计比简单的上下文增强更为关键。

8. NGDB-Zoo: Towards Efficient and Scalable Neural Graph Databases Training#

作者: Jiaxin Bai, Shujie Liu, Haoyu Huang, Yufei Li, Yisen Gao, Hong Ting Tsang, Yangqiu Song
机构: 香港科技大学 (HKUST) 等
链接: arXiv:2602.21597 | PDF
方向: AI Infra / Training Efficiency 评级: ⭐⭐ 可选

核心创新:

神经图数据库(NGDB)支持对不完整知识结构进行复杂逻辑推理，但训练效率和表达能力受限于：

1. 刚性query-level batching
2. 结构排他性embedding

NGDB-Zoo通过以下方式解决：

• 算子级训练: 将逻辑算子与query拓扑解耦，将训练循环转化为动态调度的数据流执行，实现多流并行
• 语义增强: 形式化解耦架构，整合预训练文本编码器的高维语义先验，避免I/O阻塞或内存溢出

性能提升:

相比基线实现 1.8× - 6.8× 吞吐量提升，在ogbl-wikikg2和ATLAS-Wiki等大规模图上保持高GPU利用率。

9. Power and Limitations of Aggregation in Compound AI Systems#

作者: Nivasini Ananthakrishnan 等
链接: arXiv:2602.21556 | PDF
方向: Compound AI Systems / Multi-Agent 评级: ⭐⭐ 可选

核心创新:

在Compound AI Systems设计中，常见方法是查询同一模型的多个副本并聚合响应。本研究提出委托-代理框架分析聚合的作用：

三种扩展机制:

1. 可行性扩展 (Feasibility expansion): 聚合使更多输出变得可行
2. 支持扩展 (Support expansion): 扩大可获取输出的支持集
3. 绑定集收缩 (Binding set contraction): 减少约束绑定情况

理论贡献:

• 证明任何聚合操作必须实现上述机制之一才能扩展可诱导性
• 强化版本提供刻画可诱导性扩展的充要条件
• 在LLM参考生成任务上进行实证验证

意义:

为理解多模型系统何时能克服模型能力和prompt工程限制提供了理论框架。