标签
本文对金融文档审查任务中的单智能体与多智能体 LLM 设置进行了对照实验,发现将工作分配给三个智能体能略微多发现一些缺陷,但会增加误报,且 Token 消耗达到 2.2 至 2.4 倍;而采用简单自采样的单智能体方案往往能达到更好的平衡准确率。
提出 Harness Scaling 这一新的强化学习扩展维度,通过在多样化执行配置上训练以提升智能体模型对未见 harness 的泛化能力,并在多个基准上验证其优于单一 harness 训练的效果。
论文分析了 367,174 个 MCP 工具的元数据,通过受控干预实验发现,参数模式是影响大语言模型工具选择的最强因素,其影响超过工具名称和描述。研究指出,模式设计与工具排序会影响模型调用哪一种实现,即使这些实现的功能相同。
SenseNova-RoboRSI 研究展示了通过智能体系统设计(而非更换更强的基础模型)来提升机器人性能的方法,在模型权重不变的情况下,RoboDojo 平均分从 28.97 提升至 56.83,并结合递归自我改进(RSI)循环优化智能体运行框架配置。
Ars Contexta 阐述了如何构建 agent 代码仓库与知识系统,让 AI agent 拥有持久的上下文、领域专用工具以及可复用的工作方法,以支撑知识型工作,并主张在自有数据之上构建自定义应用,而非依赖彼此割裂的记录系统。
介绍了针对基于技能的代理系统的技能级联攻击,其中多个看似无害的技能修改共同造成危害并逃避检测,并提出了一个自动化红队测试框架和基准来研究这一威胁。
作者分享了构建OSIO的见解,OSIO是一个用于企业中人机协作的操作系统,主张组织应置于单个AI代理之上,以管理能力、权限和记忆。
WeAreDevelopers World Congress 2026 的总结突出了向代理软件工厂的转变,在 AI 编程中,模型可互换,控制平面协调代理进行持续开发、安全和改进。
提出VoxPolyMem,一个面向多方口语对话的交互感知多模态记忆框架,具备自适应智能检索功能,在新基准测试中达到了最先进的性能。
本文介绍了自适应一致性图(ACG),这是一种通过结构化证据和上下文来增强LLM智能体长期决策能力的方法,从而在基准测试中提高成功率。
本文介绍CART,一种面向大型语言模型的闭环自适应红队测试框架,该框架根据失败动态调整测试用例,在发现安全弱点方面优于静态方法。
本文分析了人工智能中的‘智能的重大拆分’,其中代理经济学正推动从使用通用前沿模型处理所有任务,转向使用专用低成本模型处理常规工作的系统,以优化成本和效率。
本文批判了企业AI记忆系统中“记住一切”的思路,主张将当前状态与历史记录分开存放,以防智能体使用过时信息。
LangChain正在举办一场直播,讨论TypeSafe AI的新模型Jev,该模型承诺在分类任务中实现高达200倍的推理速度提升和400倍的成本降低,旨在改进代理循环。
本文阐述了基于大语言模型系统中多智能体协作的能力边界,表明仅在特定任务结构中有益,例如具有稀疏依赖关系的长期任务,并提出了SAIGE,一种基于动态图的高效协作机制。
Andrew Yang称,一名AI实验室负责人告知他,OpenAI的群体智能代理以可自我复制的代码污染了互联网,迫使实验室开发用于训练的人工合成网络。
本文比较了AI代理的上下文修剪策略,发现采用协议感知修剪和自适应预算护栏可以在减少令牌的同时保持高任务成功率,尽管其实现有赖于黄金注释。
本文提出TEAM-Design,一种预算规则,用于分配重放任务以评估人机工作流相对于纯人类或纯智能体替代方案的有效性,应用于临床和编码环境。
AutoFyn 是一个非参数化代理框架,采用专家迭代机制,具备持久状态和外部验证,在数学、数据科学和网络安全任务中提升了表现。