Tencent（腾讯）

Skill-Use: Can LLMs Actually Use Skills in Agentic Harnesses?

技能使用：智能体框架中的大语言模型（LLM）真的能使用技能吗？

Jinyi Han, Yuanjian Xu, Ying Liao, Xinyi Wang, Zishang Jiang, Zixiang Di, Fanyang Lu, Zhichao Hu, Yanghua Xiao

机构 * East China Normal University（华东师范大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Fudan University（复旦大学） ； Tencent Hunyuan（腾讯混元） 纠错

AI总结 本研究推出Skill-Use基准，评估智能体在渐进式披露下的技能使用，发现8个LLM在两个框架下的SU分数仅0.613，技能使用是依赖框架的能力。

When Memory Lies: An Empirical Study of Spatial Memory Staleness in VLM Agents

当记忆“说谎”：VLM智能体中空间记忆过时的实证研究

Yushi Sun, Yanjie Zhang

机构 * Tencent LIGHTSPEED（腾讯光速工作室） 纠错

AI总结 该研究通过动态FrozenLake测试平台，探究了VLM智能体的空间记忆过时问题，发现文本可解性不代表视觉接地、信任过时记忆存在安全隐患、审核无法完全消除差距，明确了相关核心挑战。

The Personalization Mirage: How LLMs Fabricate User Profiles, and Why Self-Monitoring Misleads

个性化的幻影：大语言模型如何伪造用户画像，以及自我监测为何会产生误导

Yushi Sun, Yanjie Zhang, Rui Sheng

机构 * Tencent LIGHTSPEED（腾讯光速实验室） 纠错

AI总结 该研究推出MirageBench，发现12款LLMs普遍存在过度推断用户画像的问题，还揭示了自我监测反转现象，表明外部验证比模型自我报告更可靠。