论文页面 - 智能体工件创建：系统、评估、原则与机遇

来源：https://huggingface.co/papers/2608.28122 发布于 8月28日

#3 当日第三篇论文 (https://huggingface.co/papers/date/2026-08-31) 作者：

,

,

,

,

,

,

,

,

,

,

摘要

本综述将智能体工件创建定义为AI系统进行的、有状态的、反馈驱动的交付物构建过程，并分析了259篇涵盖不同工件类别、应用场景和评估实践的研究成果，提出了实现可问责控制的原则。

生成模型 (https://huggingface.co/papers?q=Generative%20models)可以将自然语言提示转化为图像、文本、代码及其他内容，降低了起草和制作组件的成本。其实际影响越来越取决于这些内容能否转化为完整、可靠的交付物。本综述考察了智能体工件创建，我们将其定义为一种有状态的构建过程，其中AI系统实质性地构建或修改交付物，并通过中间观察结果来调整后续工作。从功能上看，该过程将工件的运行时表示、构建策略以及运行时验证联系起来，验证反馈可以引导后续操作。我们梳理了截至2026年8月20日可获取的259篇文献：其中230个系统符合此定义，另有29个基准测试针对智能体工件构建。我们比较了六种工件类别，并分别分析了应用场景和评估实践。跨类别来看，构建挑战不仅反映在模态差异上，也体现在决策耦合程度以及故障是否在可修复阶段显现。分解能降低局部复杂度，但会增加协调与重组成本。当学习型评判器与生成器共享偏好或盲区时，它们可能难以提供独立的评估依据。我们提出了若干原则：保持承诺与责任的明确性，将反馈转化为针对性的修复，并在变更后重新验证受影响的状态。此外，我们还探讨了随着工件、创建者意图和构建系统的演进，如何维持连贯、可问责的控制。相关论文精选列表可在 https://github.com/GeminiLight/awesome-agentic-artifact-creation 获取。

查看 arXiv 页面 (https://arxiv.org/abs/2608.28122)查看 PDF (https://arxiv.org/pdf/2608.28122)项目页面 (https://agentic-creation.github.io/)GitHub14 (https://github.com/GeminiLight/awesome-agentic-artifact-creation)添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2608.28122)

在你的智能体中获取此论文：

hf papers read 2608\.28122

没有最新的 CLI？运行 curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

暂无模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2608.28122 即可从此页面链接至该模型。

引用此论文的数据集0

暂无数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2608.28122 即可从此页面链接至该数据集。

引用此论文的 Spaces0

暂无 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2608.28122 即可从此页面链接至该 Space。

包含此论文的合集3