标签
本文提出了一种结构化弃权模式，用于人工智能系统，以防止文本到SQL应用中的幻觉。通过将一个用于确定性执行的信任内核与一个用于解释的生成外壳分离，提高企业部署的可靠性。
本文介绍了InflationAgent，这是一个为代理型LLM设计的路由系统，它能测量Token通胀，使用思维链分支熵（CoT Branching Entropy）预测任务难度，并优化模型选择以最大化成本精度比，在如GSM8K等基准测试中，以更少的Token实现更高的准确率。
Looped语言模型通过利用循环计算来增强组合工具调用，在多步任务中提高准确性，同时自适应推理优化了性能和计算成本之间的平衡。研究表明，这些模型对于可靠的智能体系统很有前景。
作者发起了一个开源仓库和领域指南，用于自主系统和智能体系统中的受治理记忆，涵盖哪些内容会成为记忆、不确定性、对行为的影响，以及纠正/遗忘。欢迎贡献和讨论。
This paper identifies common failure modes in tree-search-based autoresearch agents applied to tabular datasets, such as repeated bug resolution, poor hyperparameter tuning, and ineffective exploration, and proposes targeted interventions like a global debug consultant and refined tree-search algorithms to recover wasted compute and improve performance without changing the underlying language model.
LinkedIn presents a self-evolving agentic customer support system that integrates RAG with evolutionary auto-prompting and modular evaluation, achieving significant gains in production A/B tests including a 9.0-point increase in QA self-serve and 30.6-point improvement in routing accuracy.
ADIAS 是一个用于智能体系统自动化设计的框架，采用以问题为中心的优化方式，在修复轮次之间维护持久的问题状态。在五个交互式基准测试中，其平均性能比最强基线高出 25.2%，并在四种骨干模型上表现出持续提升。
一篇综述论文，提出了智能体系统中协同进化的三阶段分类法，涵盖智能体-智能体、智能体-环境以及元协同进化，以实现超越固定人工设计路径的开放式改进。
HarnessOpt-Bench是一个基准测试，用于评估LLM在固定评估预算下优化目标智能体周围harness（提示、工具、控制流、记忆和编排代码）的能力。对五个前沿LLM的实验表明，优化器模型之间的差异大于它们所借助的编码harness之间的差异，且仍有很大的改进空间。
本文提出了智能体操作系统（AOS），这是一个面向分布式智能体系统的厂商中立的参考操作架构，涵盖治理、运行时协调和可靠性。其目标是提供一个稳定的框架，将异构组件组合成可治理、可观测的智能体系统。
NeurIPS 2026 关于负责任使用 Meta-Agents 的研讨会发布征稿启事，活动将于12月11/12日在悉尼举行，涵盖自动化智能体 Harness 设计、智能体优化与安全等主题，并有全明星演讲者阵容。
一条推文声称，两位Anthropic资深人士开发的“Graph Engineering”通过将智能体接入图中，使Karpathy的循环提升了1000倍，从而显著改善了Claude的响应。推文还指出Andrej Karpathy五周前加入了Anthropic。
本文介绍了SkillSmith，这是一种增强型LLM，能够对前缀权重和文本知识进行推理，从而实现指令引导的新参数化技能合成，其性能优于仅文本和仅权重的基线方法。
Voice Memory提出了一种仅推理的方案，用于代理式语音识别：一个冻结的纠正器读取每个领域的记忆文件，为每个话语决定是采取行动还是放弃，从而在不更新权重的情况下降低多个领域的词错误率。
Kernel Forge是一个开源智能体框架，利用大语言模型和蒙特卡洛树搜索，为任何未经修改的PyTorch模型自动生成并优化CUDA内核，在Gemma 4 E2B的softmax上实现了高达2.83倍的加速。
Ethan Mollick更新的关于现在应该使用哪个AI的指南，强调代理系统而非简单聊天，比较了ChatGPT Work、Cowork、Codex和Code模式，同时指出Gemini不在列表中。
一位实践者详细阐述了自主AI代理在审计、合规和治理方面面临的实际挑战，包括身份识别、审批、日志记录和问责机制，并向社区寻求解决方案。
Cursor的研究表明，多模型智能体系统使用前沿模型作为规划者，用更便宜的模型作为执行者，可以将Token成本降低15倍，从而实现更高效的复杂智能体。
一项涵盖239篇论文的调研，分析AI智能体如何通过更新模型本身或框架（提示、记忆、工具）来自我提升。
HealthClaw 是一个开源的代理架构，用于纵向个人健康管理，它使用自进化记忆来改进对重复交互的支持，在生物医学任务中实现了比基线更高的准确性和隐私性。