标签
在Black Hat USA 2025上，Zenity Labs展示了企业AI代理如何通过被污染的文档被操纵以窃取数据，影响了ChatGPT和Copilot Studio等系统。
本文介绍了环境探测式策展，以提升企业代理的持久记忆，在CLBench和APEX等基准测试中显示出任务性能和成本降低的显著收益。
DI-Bench 是一个管道，用于系统化生成企业数据智能任务的基准，结合知识检索和分析计算。它评估模型，并发现在业务规则修改计算的任务中，模型仅能达到32%的准确率。
WorkSurface-Bench 通过 1,151 个任务，并分别评估路由分数和答案分数，来衡量企业智能体为给定查询选择正确知识表面（文档、表格或图表）的能力。实验表明，即使在工具受限的情况下，智能体在答案准确性方面仍存在困难，而表面提示能提升性能。
一篇论文提出了一种机制，通过安全地将混乱的日常工作转化为学习数据来改进企业智能体，采用数据代理和控制层，AREAL2.0 展示了从真实交互轨迹进行在线强化学习。
本文介绍了一个自动化管道，用于优化企业AI代理中的自然语言技能描述以解决技能冲突，其性能与手动调优相当，速度提升32倍。消融实验表明，使用错误案例的单次LLM重写即可捕获大部分改进，而其他设计选择影响甚微。
一则推特帖子总结了 Latent.Space 播客一期节目（与 Databricks 联合创始人）的要点，涵盖 Databricks 为何击败 Snowflake、元工具链的兴起、Neon 的成功、通过 LTAP 实现 HTAP、MosaicML 的命运，以及在大公司中保持初创文化。
EnterpriseClawBench 提出了一个基于真实工作场景的企业智能体基准，包含 852 个可复现任务以及超越单一性能分数的综合评估指标。
本文介绍了 Queen-Bee，一种用于企业 MCP 编排的受管控多智能体架构，该架构通过 BeeSpec 中间表示分离了规划与执行，在原型评估中实现了高任务成功率且零治理失败。
Tavily、Gradium、Nebius 和 Cursor 将于 5 月 29 日在柏林举办一场全天黑客马拉松，专注于构建能够交易和执行的自主 AI 智能体。活动内容包括技术讲座、开发实战和奖品。
LangChain 在 Interrupt 2026 上发布了 SmithDB（一款专为智能体可观测性设计的分布式数据库）、Context Hub（用于管理智能体上下文的中心化系统，附带开放记忆标准）以及 Deep Agents v0.6。同时还有来自企业案例研究和 Andrew Ng 与 Harrison Chase 的主题演讲。
一位企业代理开发者讨论了使用像Ling 1T 2.6这样的开源模型的权衡，强调了相比于专有API，优化和基准测试的高昂开销。