标签
谷歌发布了ADK 2.0，一个开源的、代码优先的Python框架，用于构建AI智能体，具备基于图的编排和智能体间委派功能，旨在取代昂贵的企业智能体框架。
本文提出了一种结合弱监督与传播图分析的图基框架，用于检测和分析Telegram生态系统中的虚假信息叙事，重点关注俄罗斯和乌克兰的频道。
介绍TSRouter，一种基于图的动态路由框架，能够为时间序列推理任务选择最佳模态（LLM或VLM）和模型，相较于基线实现了16%到46%的相对改进，并展示了零样本泛化能力。
本文提出了一种无需训练的基于图的框架，用于复杂文档布局中的阅读顺序推断，利用语言模型信号和最大遗憾推断规则。该方法在历史手稿和多列基准测试上显著优于现有基线，在环绕式Glossa布局上达到了95%的边准确率。
Google 宣布推出 Go 2.0 的代理开发套件（ADK），引入了基于图的工作流引擎、人在回路（human-in-the-loop）原语以及动态编排，用于构建生产级的多代理应用程序。
本文介绍了MMG-Pop，一个用于多模态图社交媒体流行度预测的统一基准，并提出了MMG-PopNet，该模型联合建模多模态内容和时间社交互动。在Bluesky和Reddit数据集上的实验展示了优越的性能，并提供了跨平台泛化和多任务预测的见解。
ScholarSum是一个层次化反思图框架，用于科学文献的抽象摘要生成，模拟了师生写作过程。它利用层次化知识图谱捕获全局结构，生成初稿，并通过证据检索和类似教师的审阅迭代地优化摘要，以提高流畅性和事实忠实性。
本文提出了GTBP，一种用于多LLM智能体系统中上下文自适应的基于图的反向传播框架，它通过理论收敛保证改进了提示优化，并在基准测试中优于现有方法。
TIGER是一个推理时框架，通过提取观察图和声明图并分配风险评分来修复不支持的事实，从而减轻多模态生成中的幻觉。它在图像到文本、图像+文本到文本、音频到文本和视频到文本任务中减少了不支持的内容。
PropGuard是一种传播感知框架，用于保护基于LLM的多智能体系统（LLM-MAS）免受跨智能体和轮次传播的恶意指令的影响。它构建了一个双视角时空图，并使用经过GE-GRPO训练的检查器来检测和修复可疑的传播子图。
GraphBit是一种基于图的代理框架，采用Rust引擎实现确定性DAG编排，消除了幻觉和无限循环。在GAIA基准测试中，它达到了67.6%的准确率，且零框架诱导错误、低延迟。
# 基于社区的立场分布与论点组织方法 来源：[https://arxiv.org/html/2604.16852](https://arxiv.org/html/2604.16852) \\jvol vv\\jnumnn\\jyear2025\\dochead\\pageonefooter行动编辑：\{action editor name\}。收稿日期：DD Month YYYY；修改稿日期：DD Month YYYY；录用日期：DD Month YYYY。\\affilblock Laks V. S. Lakshmanan2 Raymond T. Ng3 University of British Columbia University of British Columbia University of Bri