CiteVQA：面向可信文档智能的证据归因基准

ThoughtTrace是首个大规模数据集，记录了用户与AI对话中的自述想法（发送提示的原因及对回复的反应），包含1,058名用户、2,155次对话及10,174条想法标注。分析表明，想法与消息语义不同，大模型难以从上下文推断，并能提升用户行为预测和个性化助手训练质量。该数据集为理解人机交互中的认知动态提供了新模态。

本文提出HASP框架，将智能体技能升级为可执行程序函数，在推理时或训练后主动干预智能体循环。在网页搜索、数学推理和编程任务上，HASP相比现有方法提升25%-30%性能，揭示了技能内化与稳定演化的机制。