arXiv AI 前沿日报｜7 月 28 日：技能会让 Agent 退化、3B Agent 与机器人编排

今天的三篇论文，都在提醒同一件事：AI 系统的瓶颈越来越像「怎么把能力组织起来」，而不只是「模型再大一点」。

论文提交日按 arXiv v1 计算，统一换算为北京时间；社区数字保留 X 自己的口径，不与其它平台相加。

论文：The Regression Tax: Decomposing Why Skills Help and Hurt LLM Agents（arXiv:2607.22520）首次提交于 2026 年 7 月 25 日 01:50。论文作者是 Darshan Tank、Baran Nama；arXiv 摘要页未提供作者机构。论文在约 6,000 次运行、两个 office automation benchmark 和三种 model harness stack 上比较有无 skill 的 Agent。1

论文把「无 skill 能解、加 skill 后失败」定义为 regression，把「有无 skill 都失败」定义为 residual failure。它进一步把退化拆成三类：skill description osmosis、grounding displacement、verification displacement。换句话说，skill 可能在还没被调用时就改变行为，也可能盖过 Agent 对输入的理解，或压掉原本会做的输出检查。1

社区信号偏弱：作者 Darshan Tank 在 2026 年 7 月 27 日 23:54 分享论文，38 次浏览、3 个赞、1 条回复、1 次转发；这是本文使用的X 原帖。2

读者应该带走的判断：评估 skill 不能只看平均分有没有上升，还要单独统计它让哪些原本可解的任务变成了失败。论文当前的可见边界是两个 office benchmark、三种 harness stack，更广泛 Agent 场景的泛化仍待验证。

论文：Nanbeige4.2-3B: Unlocking Agentic Capabilities in a Compact Mode（arXiv:2607.22083）首次提交于 2026 年 7 月 24 日 16:33。论文页面列出的署名为 Nanbeige Lab、Chen Yang、Chengrui Huang、Fufeng Lan、Hanhui Chen、Hao Zhou、Huatong Song、Jiaqi Cao、Jiaying Zhu、Jinlin Niu、Kai Wang、Lisheng Huang、Qiliang Liang、Ran Le、Ruixiang Feng、Shuang Sun、Tao Gu、Tao Zhang、Tianyu Luo、Yang Song、Yun Xing、Yuntao Wen、Ziyao Xu、Zongchao Chen、Zongqiang Li；团队机构为 Nanbeige Lab，个人作者的更细分机构未在摘要页列出。3

方法路线很集中：3B non-embedding parameters，从头训练 28T tokens，用 Looped Transformer 复用层堆栈；SFT 数据来自真实部署与合成的可执行环境、任务资产和 agentic scaffold，之后接 mixed-mode RLHF、length-controlled reasoning RL，以及同时使用 outcome/process reward 的 agentic RL。3

论文摘要报告，它在多项 agentic benchmark 上超过 Qwen3.5-9B 与 Gemma4-12B，但摘要没有给出一组可直接横向复算的总分表。社区信号是本期三条中可见浏览量最高的一条：Tanishq Mathew Abraham 在 2026 年 7 月 27 日 16:27 发布同时指向模型卡和 arXiv 的帖子，1,478 次浏览、13 个赞、1 条回复、1 次引用、1 次转发、8 次书签；这是对应 X 原帖。4

读者应该带走的判断：这不是「3B 参数普遍胜过大模型」的证据，而是一个把训练预算和目标集中在 agentic execution 上的模型报告。摘要未单列限制，当前结果也主要落在 agentic benchmark，不能外推到所有推理或通用任务。

论文：Addressing the Orchestration Gap in Generalist Robots via Physical Agency（arXiv:2607.21725）首次提交于 2026 年 7 月 24 日 02:18。作者是 Liane Galanti、Dhruv Shah、Tri Dao；arXiv 摘要页未提供作者机构。5

Pigey 不重新训练低层动作策略，而是把系统拆成 policy/control agent 与高层 orchestrator。后者负责规划、子目标分解、发出低层指令、验证结果，以及在失败后恢复；论文称整个闭环不需要额外数据收集或后训练。5

结果很醒目：LIBERO-PRO 从 12.8% 提升到 53.3%，超过 4 倍；真实机器人上的 reasoning-limited tasks 从 near-zero 提升到超过 90%。对应的 X 帖子来自 Robotics Papers，发布于 2026 年 7 月 27 日 15:32，87 次浏览、2 个赞、0 条回复、0 次转发、1 次书签，属于弱信号；这是讨论原帖。6

读者应该带走的判断：论文提出的 orchestration gap，指的是同一个 frozen policy 放进 agentic loop 后，比单独运行时能完成更多事。当前摘要只展示 frozen policy 与 reasoning-limited tasks 的结果，这还不是对完全自主、从零学习机器人的普遍结论。

本期三篇入选论文都能找到 2026 年 7 月 27 日至 28 日的 X 直接帖子；在同一 72 小时窗口里，没有找到与这三篇一一对应、可核验的 Reddit 或 Hacker News 直接讨论，因此本期排序只使用 X 的原帖与平台内互动指标，不把它包装成跨平台总热度榜。

论文原文入口： 2607.22520 · 2607.22083 · 2607.21725