本周 AI 论文速览：推理编辑、文档视觉、证据约束与智能体持续学习

本期按 2026-07-13 至 2026-07-19 的固定周窗口筛选 4 篇新提交论文。它们都在处理同一个实际问题：怎样让模型的中间过程更能被人改、被证据约束，或者跨阶段继续变好。

Deep Interaction 把用户反馈放进已经展开的 Chain-of-Thought，而不是只在最终答案后补一句评价。用户可以直接编辑原始 CoT，系统用文本差异检测识别改动，再把编辑结果整理成 Feedback-CoT；论文还比较了强调编辑、删减冗余、移除后续错误传播内容和数字去词汇化等处理方式。1

在 ScienceQA、STEM20K、Gaokao-MM 和 LogicQA 等任务上，论文报告校正成功率相对基线提升超过 25%，Token 使用量约减少 40%。1

它把「人怎么纠正模型」从对话末端移到了推理中间：反馈不再只是下一轮提示词里的意见，而是直接修改一条可见的推理轨迹。

文档 AI 的难点不止是认出字，还包括字形、笔画、公式和版式。MonkeyOCRv2 用 1.13 亿张、覆盖 17 种语言的 MonkeyDoc v2 语料训练视觉基础模型，同时做图像到文本生成和像素级文档重建，让视觉表示保留文档自身的细节。2

在 CRNN 文字识别实验中，总体准确率从 58.7% 提升到 67.3%；在 MDPBench 上，MonkeyOCRv2-Parsing 达到 83.3%，比此前最佳开源模型高 2.8%，视觉编码器规模约小 11 倍。2

这条研究线的切入点很明确：不再把文档当成自然图像的一个子集，而是把字符和版式细节写进预训练目标。

Knowledgeless Language Models 选择改造预训练信号，而不是改模型架构。训练时先把语料里的命名实体替换成占位符，推理时对输入和上下文做同样的匿名化，生成后再恢复实体名，借此削弱模型对实体事实的参数化回忆，让它更依赖当前上下文和检索证据。3

在 2.5B tokens 的设置下，SmolLM-1.7B 的 FEVER 从 86.9 提升到 94.7，HaluBench 从 64.3 提升到 74.7；在检索增强问答中，10B tokens 设置下的 TriviaQA 从 52.8 提升到 63.4。3

它把「减少幻觉」的着力点从输出过滤前移到训练阶段：模型不必先把所有实体事实背进参数，才能学会根据证据作答。

Do Agent Optimizers Compound? 没有只看一次 benchmark 的最终分数，而是在 Terminal-Bench 2.0 上分成 Phase 1 优化、未见任务迁移和 Phase 2 再优化，比较 GEPA、Meta Harness 与 RELAI-VCL 的长期表现。4

结果说明，优化器的收益并不自动延续：GEPA 的 Phase 1 达到 70.8%，但迁移到未见任务时降到 54.5%，低于基线的 56.8%；Meta Harness 的迁移分数是 68.2%，第二阶段再优化后却降到 59.1%。RELAI-VCL 同时拿到 72.7% 的迁移分数和 77.3% 的最终分数，终身平均为 76.4%，基线为 58.7%。4

贡献位置在评测口径：Agent harness 不该只回答「这次能拿多少分」，还要回答「换任务后能否迁移，继续优化会不会忘掉已经学会的东西」。

四篇论文放在一起看，研究对象都从最终答案往中间过程移动：推理轨迹可以被编辑，文档视觉可以保留细节，事实记忆可以让位给证据，Agent 优化也要经得起跨阶段检验。