标签
这篇 135 页的调研论文将大型语言模型的智能体推理划分为三个层次——基础推理、自我进化推理和集体多智能体推理——涵盖上下文内与训练后优化,并讨论了实际应用与开放挑战。
DocSkill提出一种带技能编排策略的智能体框架,用于多语言多跳文档问答,通过MCTS离线探索轨迹并结合SFT/DPO训练策略,同时发布包含60K QA对、覆盖10种语言的MMHop-DocBench数据集。
该论文介绍了 MedCaseAgent,这是一种智能体框架,通过将分层患者数据挖掘与迭代式工具集成推理相结合,将非结构化临床笔记转化为达到发表标准的罕见病病例报告。论文还发布了 MedCase-150K 语料库、MedCase-Bench 评估套件,以及一个基于 Qwen3.5-9B 进行后训练的开源模型,其表现优于现有的医学大语言模型和智能体。
LongHarness 是一个模型无关的智能体框架,通过「证据-结论协同演化」和「证据生命周期管理」机制,在超过 1 亿 token 的文档语料上进行有状态的证据管理,显著提升了长上下文推理任务的准确率(如 OfficeQA Pro V1 上从 15.8% 提升至 60.2%),并超越了 Claude Code 和 Codex 等现有智能体框架。
Meta Superintelligence Labs 的研究者提出 GitSwarm,一个通过共享 Git 仓库实现结构化持久记忆的异步多智能体系统,实现"复合推理",使中间成果能被后续计算继承、扩展与组合;在 IMOProofBench-Advanced 上一次运行即解出全部 30 题,在 ProgramBench 上取得 79.4% 的成绩。
Nous Research 发布了名为 MISSINGNO. 的编码与智能体推理模型,主打高 token 效率,并在 Nous Portal 上限时免费提供,可直接在 Hermes Agent 中使用。
Meta Superintelligence Labs 提出 agentic meta-reasoning(智能体元推理),这是一种推理时的调度框架,由控制器决定长时智能体运行中下一步该执行什么任务。在相同的 worker 和预算下,配合 GPT-5.5,ProgramBench 成绩从 63.7% 提升至 71.5%。在 ProofBench、ARC-AGI-2 和 LongCoT-mini 上,对前沿模型取平均后,增益稳定在 3.6 至 4.2 个百分点。
该论文提出了Wiki Foundation Model (WFM),一个新颖的基础模型,用于可扩展的、代理原生的表示和检索,使用LLM Wiki,将密集文本与链接结构相结合,在基准测试中表现出色,并实现10.5倍的训练加速。
本文提出了WFM,一种用于可扩展、原生智能体知识表示和检索的维基基础模型,展示了在复杂智能体推理任务中性能的提升,并实现了10.5倍的训练加速。
ARCHE是一个自主代理系统,集成了推理和计算模型,以自动化发现和验证化学反应机理,并通过多种化学场景进行了验证。
本文介绍了一种结合LLMs和VLMs的智能框架,用于跨多个镜头的一致性多指令视频编辑,并提出了MMLVE任务和基准来评估性能。
DeAR是一个分散式代理推理框架,通过能力锚定与协作思维导航,在知识密集型推理任务中提升准确性,在多模态基准测试上优于集中式方法。
This paper presents a unified global-to-local paradigm for video anomaly detection, introducing a training-free framework (GtS) and a tool-augmented agentic reasoning method with reinforcement learning, along with a new benchmark VAGU-T and metric JeAUG.
QuantumMind 提出了一种可审计的智能体工作流,通过类型化角色专用操作和确定性验证器,自动生成并筛选量子加速假设。
Maxime Labonne 强调了 LFM2.5-2.6B 的早期微调成果,同时 Bad Theory Labs 发布了两个开放权重模型:BTL-4 35B(前沿智能体推理模型)和 Macaw 2.7B(设备端 Mac 智能体),在 BFCL v4 上表现突出。
CastFSR 是一种快-慢-反思智能体推理框架,利用大语言模型进行上下文感知时间序列预测,结合快速的轻量级预测器、缓慢的深思熟虑推理以及反思性评估,以提高预测的准确性和一致性。
提出了一种智能体图令牌推理方法,将图令牌化重新构建为LLM逐步推理过程的一部分,使模型能够在推理过程中动态选择图视图和粒度。该方法在七个图领域上优于基线,并能零样本迁移到未见领域。
本文介绍了LedgerMind,一种来源约束的多模态智能体推理框架,它使用结构化证据账本确保视觉问答中推理的立足性和忠实性,解决幻觉和过度推理等失败模式。
SCAIR引入了一种无需训练的框架,用于企业知识图谱的推理。该框架通过注入基于模式的结构先验,并在多跳推理过程中强制进行模式感知的遍历,在真实的CMDB基准测试上展现了性能提升。
Legora 推出了 Legora BAR 基准,用于评估法律工作流中 AI 的 agentic reasoning,利用真实案例和 Legora harness 来衡量系统级性能。