标签
ASIRF是一个智能体框架，它在推理时检索特定领域的敏感信息脱敏定义，与训练好的分类器相比，在多个领域以极少的专家输入达到更高的召回率。
SpecOpt 引入了一种分子设计任务，通过利用具有残基感知接触的代理框架对现有化合物进行靶向修饰来提高药物结合特异性，在基准测试中显示 84.8% 的化合物有所改进。
本文提出了FairCompressAgent，一个智能体框架，它使用语言模型规划器来优化用于FPGA部署的公平感知模型压缩，平衡准确性、公平性和效率。
本文提出CLEAR，一种用于跨源证据裁决的代理框架，旨在通过处理来自多个知识源的冲突来提升医学领域大语言模型的性能。该框架在多个基准测试中表现出竞争力，在直接推理或检索能力较弱的场景中取得了显著提升。
本文介绍了REALM，一个用于LLM代理长期记忆的框架，它利用检索驱动的再巩固来自主地将记忆组织成认知图，从而在长期记忆基准测试中取得更好的性能。
CUDA-Harness是一个利用智能体技术从自然语言描述生成和优化CUDA内核的框架，通过连接高级语义与低级实现和验证来解决Text2CUDA中的挑战。
FoldingAgent是一个智能框架，它使用视觉语言模型和专用工具，通过顺序推理和物理验证，从演示视频中推断参数化折纸折叠程序。
本文介绍了图像包组合（IBC），将图像检索从原子级匹配转向连贯图像包的动态组合，以解决传统方法的局限性。它提出了基准数据集 IBCBench 和智能体框架 BundleWeaver，该框架利用大型语言模型（LLMs）和视觉语言模型（VLMs）进行关系组合。
MCite-RL 是一种引用增强的智能体强化学习框架，专为可靠的多模态RAG设计，引入了用于视觉引用的迭代检索和推理，以及一种奖励机制来联合优化答案准确性和来源可追溯性。
本文将工具介导的恢复识别为LLM遗忘中的一种失败模式，并提出Agentic Tool Unlearning（ATU）以同时减少参数回忆和基于工具的恢复，同时保持正常工具使用。
本文介绍了一个知识引导的代理框架，该框架识别健康查询中缺失的患者上下文，并提出针对性的后续问题，以提高下游语言模型响应的准确性和一致性。
本文提出一种结合规则与LLMs的代理框架，用于植物科学中文档布局的嵌入和注释，实现了可扩展的性状提取并提升了注释覆盖度。
本文介绍了SABLE，一个开源的智能体框架，利用自然语言编排与大语言模型（LLM）来引导药物发现中受合成约束的多目标先导化合物优化，整合了反应模板化类似物枚举、性质预测和贝叶斯优化。
SCOUT 提出了一种恢复感知的智能体框架，采用自适应探索-利用策略，用于超长自我中心视频推理。该框架通过 UPS-GRPO 训练，这是一种不确定性优先的强化学习方法，具备回合级优势分解。它在超长自我中心基准上取得了最先进的结果，并在较短的长时间视频场景中保持竞争力。
CASCADE是一个智能体框架，利用调控网络预测基因扰动的下游转录效应，并在TCGA癌症类型中进行患者数据验证。该论文展示了MYC及其他调控因子的方向一致性，尽管其并未超越现有的精选知识。
VideoAgent 是一个一体化的开源框架，用于全面视频智能，通过统一的智能体工作流结合理解、编辑和创意生成。
EvoPINN 是一个智能体式框架，将 PINN 开发重新表述为基于执行验证的算法发现问题，利用 LLM 智能体提出程序化修改。它能够自主发现针对 PDE 特化的学习算法，包括一种名为 SLRC-PINN 的新型架构，该架构在多种 PDE 场景中均优于基线方法。
GoGoTB 是一个用于端到端 RTL 验证的智能体框架，实现了基于规范的覆盖率收敛，在无需人工干预的情况下在 8 个设计上达到高覆盖率。
ProcAgent 是一个完全在设备端运行的、基于视觉的智能体程序助手，采用提出-验证架构，在 NVIDIA Jetson AGX Orin 上实现实时自适应指导。它支持反应式和主动式两种模式，并支持人在回路中的确认，实现响应式交互，并在用户研究中获得积极评价。