agentic

本文提出 VLD-RAG，一种用于在长篇幅、视觉丰富文档上进行问答的智能多模态检索增强生成框架。它使用保留页面的索引和验证器引导的智能体工作流，改进跨页证据检索和推理，在 LongDocURL 和 MMLongBench-Doc 等基准测试上优于以往的基于视觉的基线方法。

MoonshotAI发布了Kimi-K3，一个拥有2.8万亿参数的开源权重多模态智能体模型，具备100万token的上下文窗口，基于全新的Kimi Delta Attention和Attention Residuals架构，实现了显著的扩展性改进。

Kimi K3 是一个开放权重的 2.8T 参数原生多模态代理模型，具有新颖的架构（KDA、AttnRes），1M 词元上下文，以及开源的 MoE 框架。

本文引入了一个受控的多轮环境，以系统研究基础模型智能体在预训练、后训练（通过GRPO与在线策略蒸馏）以及集成（通过多教师在线策略蒸馏）阶段的长程规划能力。

llama.cpp现已全面支持适用于所有协议的模型上下文协议（MCP），可在其WebUI中直接实现智能对话和工具集成，无需外部依赖。

AutoDev Studio是一个开源的、与模型无关的多智能体SDLC框架，它编排一系列智能体来自动化软件开发全生命周期，相比Claude Code同类任务可降低7–75%的成本。

ADE 是一个免费的、同步的开发环境，用于编码代理。

Upstage 发布了 Solar Open2 250B，这是一个 2500 亿参数的混合专家模型，仅需 150 亿活跃参数，采用混合注意力机制，支持高效长上下文推理，最高可达 100 万 token，专为代理型用例（如工具调用和多步推理）设计。

Upstage发布了Solar Open 2，这是一个拥有2500亿参数、采用混合注意力机制的开放权重MoE模型，性能与DeepSeek V4 Flash相当，同时在智能体工作流中表现出高效性。

伊隆·马斯克宣布推出Grok Build，这是一项新功能，允许用户像跟人说话一样通过语音转文字与Grok对话来完成各种任务，包括编码任务。

Poolside发布Laguna S 2.1，一个总参数量118B的混合专家（MoE）模型，每个token激活8B参数，支持长达100万token的上下文，在长周期编程基准测试中取得了有竞争力的成绩，并被誉为同重量级中最具能力的自主编程模型。

Cura 1T 是一款专注于医疗领域的LLM，通过人工门控的自我进化循环进行训练，该循环在患者咨询、临床推理和智能体医疗任务上不断改进，在医学基准测试中取得了顶尖性能，同时保持了通用推理能力。

Kilo Code for JetBrains 是一款原生开源的编程代理，可与 JetBrains IDE 集成，支持本地和远程开发，并具有并行代理、GitHub PRs 以及访问超过500种模型的功能。

Thinking Machines 发布 Inkling，一种 MoE 模型，总参数975B/活跃41B，支持原生文本、图像和音频推理，上下文窗口达100万 token，完整权重可用。

作者分享了在工作中构建代理系统的经验教训，描述了使用巨型提示、过多工具和动态子代理的失败，最终通过固定编排器和针对每个领域的专业子代理取得成功。

本文介绍了TRACE（Typed Reasoning And Commitment Evidence，类型化推理与承诺证据），这是一种带类型和版本号的模式，用于记录代理系统中的推理轨迹，以实现可审计性并提升推理质量。文中定义了参考写入器、测量机制和消费者契约，并通过两个实例说明了该方法。

本文诊断并提出SoftClamp校准方法，可减少智能语言模型在多教师策略蒸馏中的工具调用边界漂移，在保持准确率的同时降低过度调用。

Ternary Bonsai 27B，一个大型语言模型，被演示在NVIDIA RTX 5090 GPU上本地运行，内存需求低于6GB，使消费级硬件上实现端到端的智能代理工作流成为可能。

Kimi K3 是 Moonshot 最新的开放权重模型，发布时具备新架构、智能体集群能力，并专注于长期智能体工作流，使其成为其他顶级模型的主要竞争者。

本文指出，LLM中的上下文学习不仅需要内容获取，还需要规范获取，并提出了PSCI（私有规范-契约归纳）方法，该方法提取局部规范并通过对抗性检查强制执行，在CL-Bench基准上取得了最先进的结果。