2026-04-23 论文速递
对 agent / LLM / AI 基础设施方向共 10 篇 arXiv 论文的自动摘要，由 Claude Code 生成分析。
1. Nemobot Games: Crafting Strategic AI Gaming Agents for Interactive Learning with Large Language Models
arXiv: 2604.21896 · cs.AI · 相关度分数 23
论文提出 Nemobot，一个基于 LLM 的交互式 agentic 游戏编程环境，按 Shannon 博弈机分类法在四类游戏中构建可自我精炼的策略 agent。
2. Tool Attention Is All You Need: Dynamic Tool Gating and Lazy Schema Loading for Eliminating the MCP/Tools Tax in Scalable Agentic Workflows
arXiv: 2604.21816 · cs.AI · 相关度分数 23
提出 Tool Attention 中间件：用意图-schema 嵌入相似度 + 状态门控 + 两阶段懒加载，将 MCP 每轮工具 token 开销削减 95%，缓解"MCP Tax"。
3. Memanto: Typed Semantic Memory with Information-Theoretic Retrieval for Long-Horizon Agents
arXiv: 2604.22085 · cs.AI · 相关度分数 20
Memanto 用类型化语义 memory schema + 信息论检索引擎，摒弃知识图谱，在 LongMemEval/LoCoMo 上达到 SOTA，单次检索、零 ingestion 延迟。
4. Pre-trained LLMs Meet Sequential Recommenders: Efficient User-Centric Knowledge Distillation
arXiv: 2604.21536 · cs.IR · 相关度分数 20
提出一种用预训练 LLM 生成的文本用户画像向序列推荐器做知识蒸馏的方法，推理时无需 LLM，兼顾语义理解与效率。
5. MambaCSP: Hybrid-Attention State Space Models for Hardware-Efficient Channel State Prediction
arXiv: 2604.21957 · cs.IT · 相关度分数 20
MambaCSP 用混合注意力的 selective SSM 替代 LLM 做信道状态预测，精度提升 9-12% 的同时吞吐快 3 倍、显存降 2.6 倍。
6. Trust but Verify: Introducing DAVinCI – A Framework for Dual Attribution and Verification in Claim Inference for Language Models
arXiv: 2604.21193 · cs.AI · 相关度分数 20
DAVinCI 是一个双阶段框架，把 LLM 生成的声明同时做"归因"和"验证"，以提升事实可靠性与可审计性，在 FEVER 等数据集上各项指标提升 5–20%。
7. Emergent Strategic Reasoning Risks in AI: A Taxonomy-Driven Evaluation Framework
arXiv: 2604.22119 · cs.AI · 相关度分数 19
提出 ESRRSim：一个分类法驱动的 agentic 评测框架，用于自动化检测 LLM 的"涌现策略推理风险"（欺骗、评测博弈、奖励黑客等）。
8. Lightweight Retrieval-Augmented Generation and Large Language Model-Based Modeling for Scalable Patient-Trial Matching
arXiv: 2604.22061 · cs.CL · 相关度分数 19
提出轻量化 RAG + LLM 框架用于患者-临床试验匹配：先用检索筛选 EHR 关键片段，再用 LLM 编码并接轻量分类器，以远低于端到端 LLM 的算力达到同等效果。
9. LayerBoost: Layer-Aware Attention Reduction for Efficient LLMs
arXiv: 2604.22050 · cs.LG · 相关度分数 19
LayerBoost 基于各层敏感度对 transformer attention 做差异化替换（softmax/线性滑窗/删除），配合轻量蒸馏 healing，在高并发下吞吐提升最多 68%。
10. Enhancing Online Recruitment with Category-Aware MoE and LLM-based Data Augmentation
arXiv: 2604.21264 · cs.AI · 相关度分数 19
针对在线招聘中 Person-Job Fit 任务，论文用 LLM 做数据增强润色低质量 JD，并引入 category-aware MoE 区分相似候选-岗位对，离线与线上均显著提升。
- 四月 27, 2026 Enhancing Online Recruitment with Category-Aware MoE and LLM-based Data Augmentation
- 四月 27, 2026 LayerBoost: Layer-Aware Attention Reduction for Efficient LLMs
- 四月 27, 2026 Lightweight Retrieval-Augmented Generation and Large Language Model-Based Modeling for Scalable Patient-Trial Matching
- 四月 27, 2026 Emergent Strategic Reasoning Risks in AI: A Taxonomy-Driven Evaluation Framework
- 四月 27, 2026 Trust but Verify: Introducing DAVinCI -- A Framework for Dual Attribution and Verification in Claim Inference for Language Models
- 四月 27, 2026 MambaCSP: Hybrid-Attention State Space Models for Hardware-Efficient Channel State Prediction
- 四月 27, 2026 Pre-trained LLMs Meet Sequential Recommenders: Efficient User-Centric Knowledge Distillation
- 四月 27, 2026 Memanto: Typed Semantic Memory with Information-Theoretic Retrieval for Long-Horizon Agents
- 四月 27, 2026 Tool Attention Is All You Need: Dynamic Tool Gating and Lazy Schema Loading for Eliminating the MCP/Tools Tax in Scalable Agentic Workflows
- 四月 27, 2026 Nemobot Games: Crafting Strategic AI Gaming Agents for Interactive Learning with Large Language Models