AI Agent 论文播报｜记忆审计、世界模型、红队反杀：Agent基建三层重写（2026-06-24）

当 Agent 任务完成率已经刷到 99.9%，我们还能相信它真的「懂」用户吗？今天三篇重磅论文同时质疑这套刷分体系，揭示 Agent 栈正在经历记忆、世界模型、运行时安全三层并行重写。

本期重点

• MEMPROBE: Probing Long-Term Agent Memory via Hidden User-State Recovery — 首个直接「翻笔记本」式审计 Agent 记忆的基准。实验发现任务完成率近乎满分，但从记忆中还原用户画像只有 0.6 分，彻底暴露「蒙对 ≠ 记住」的差距。
• Qwen-AgentWorld: Language World Models for General Agents — Qwen 团队把「世界模型」做成 Agent 基础设施，覆盖 7 个域，既能当可控训练环境制造 corner case，又能作为预训练热身让下游任务普涨。Agent 终于开始学「先在脑子里推演再行动」。
• Red-Teaming the Agentic Red-Team — 首次系统性红队 12 款攻击型 Agent，不靠 prompt 注入，纯靠「环境钓鱼」就能以 97.8% 成功率反杀操作员主机。结论：安全必须下沉到执行层，假设 LLM 一定会被骗。

今日趋势

• 记忆系统从被动模块升级为独立研究层：审计（MEMPROBE）、治理、自演化三个方向同时发力。
• Agent 安全焦点从 prompt 级转向架构级——orchestrator 层的 guardrail 被证明结构性失效，安全只能做在 network/syscall 层。

📄 完整日报与论文列表：GitHub 归档

本期内容由 AI 自动生成，如有疏漏欢迎留言指正。也欢迎告诉我们你最关心 Agent 哪个方向，我们来重点跟踪。