标签
本文介绍了AISE-Bench，一个包含1,133个问答对的精选基准，用于评估LLM智能体在学术知识图谱上的多步API规划和基于源的可信摘要。该基准显示，即使是最强的模型也仅达到中等性能，凸显了步骤正确性和可追踪推理方面的挑战。
介绍SearchOS，一个用于稳健开放域信息检索的多智能体框架，通过新颖的面向搜索的上下文管理（SOCM）系统将搜索进度外化为显式状态，在WideSearch和GISA基准上取得了最先进的结果。
本文为血液肿瘤学中的临床推理开发了一个代理式评估框架，发现大语言模型的主要失败原因在于系统性的信息寻求缺陷，而非知识不足，其错误模式类似于新手临床医生的认知偏差。
本文介绍了一个玩具框架，将好奇心建模为单智能体和多智能体设置下的生态系统，探讨智能体如何权衡即时不确定性减少、成本、延迟回报以及保持问题开放的价值。其目标是为未来的多智能体人工智能发现系统提供参考。
本文提出ActionRating，一种将澄清置于代理的动作空间内，与导航共享一个顺序标尺的公式，实现了两种信息寻求模式（强制性和机会性）。在分层分类法基准测试中，使用9个LLM的实验表明，机会性澄清提高了准确性和信息寻求效率。
Struct-Searcher 引入了一种基于信念修正理论的结构化主体工作流，用于多模态深度信息获取，相较于现有的视觉语言模型和深度研究智能体，实现了显著的准确率提升。
WebShaper 是一个形式化驱动的框架，利用集合论和知识投影（Knowledge Projections）合成信息搜寻数据集，在 GAIA 和 WebWalkerQA 基准测试中，其开源代理达到了最先进的性能。