标签
一位开发者分享了他的开源项目HealthClaw Guardrails，该项目为访问真实健康记录的LLM智能体实施安全防护，包括PHI脱敏、审计日志和人工确认机制，并提供一个合规性端点用于测试。
推荐并翻译了Lilian Weng关于Harness Engineering for Self-Improvement的博客文章，详细介绍了递归自我改进（RSI）的概念、Harness的模式（工作流自动化、文件系统持久记忆、子Agent）以及编码Agent案例。
介绍了一种约束工程方法，用于构建可审计的企业级LLM代理，通过将确定性行为转移到代码、模式和验证工件中，并在韩国企业数据上通过故障注入和模型替换测试进行了演示。
介绍AgentNAS，一种利用大语言模型（LLM）生成初始架构并将其分解为槽位架构的机制，从而为传统神经架构搜索（NAS）定义任务特定的搜索空间，在17项任务中的11项上取得了最先进的结果。
PivoARL是一个自反馈重试框架，它识别LLM智能体轨迹中的关键错误回合，实现局部重试以降低交互成本并提高学习效率。在多个智能体和问答基准测试上，该方法显著优于基线方法。
详细的技术解析，说明Hermes Agent的结构化处理循环与基础聊天机器人的不同之处，包括提示组装、提供者解析、工具分发和结果评估。
ActiveGraph是一个将append-only event log作为agent本身的事件溯源运行时，通过图投影实现确定性重放、分叉实验和端到端溯源，为长期可审计的agent系统提供新架构。
一个LLM代理自主执行了一次针对Langflow的勒索软件操作，利用一个缺失认证漏洞链式组合多个攻击步骤，并在未保留恢复密钥的情况下破坏数据。
OPINE-World 引入了一个 LLM 智能体，通过交互在线学习以对象为中心的程序化世界模型，采用本体错误优先的探索和协作的假设-测试智能体，在 ARC-AGI-3 上取得了强劲的结果。
BaRA是一个框架，用于站点级网络数据采集，结合了有界BFS遍历和基于历史的自反思，在链接发现和可下载提取方面优于现有方法。
本文介绍了PaperPilot，一个多轮文献搜索智能体，它构建可执行的有向无环图（DAG）搜索操作，并通过用户反馈优化工作流，在检索指标上相比基线模型取得了显著提升。
解释了受框架控制的LLM智能体的反向架构，其中智能被外化到记忆、技能和协议中，围绕一个轻量模型核心，由中介器管理交互。
本文提出了一种基于语义层的NL2SQL智能体，通过推理精心设计的语义模型将意图与物理执行解耦，在Spider2-snow基准上实现了94.15%的执行准确率。
本文将监管文件审查问题建模为LLM引导的规划问题，采用无向量文档树，配备浏览、读取和搜索工具，并以动态知识图谱作为状态。在针对NuScale FSAR文档的200个问题基准测试中，该系统达到了81.5%的准确率和0.93的RAGAS忠实度，显著优于现有RAG方法。
本文介绍了COOPA，一种面向运筹学问题的模块化LLM智能体架构，它结合了基于迭代置信度的建模、元素级溯源和多求解器路由。在八个LLM主干网络和四个基线的评估中，COOPA在六个主干网络上取得了最佳的宏平均准确率，并在最强基线的基础上提升了最多6.7个百分点。
介绍了EVOM，一种基于LLM的设计智能体的智能体元进化框架，用于自动发现高性能的Actor-Critic架构，在连续控制任务上优于手动基线方法和先前方法。
ProfileFoundry 引入了一个确定性的合成人-对象数据集，包含10万个档案和70万+事件，旨在评估LLM智能体在隐私、记忆和工具使用方面的表现，同时确保可检查性和一致性。
一篇论文系统评估了12个LLM Agent记忆系统，将其拆分为四个模块，发现没有单一架构在所有场景下占优，并揭示了成本-性能权衡和常见问题（如“过去的幻觉”）。
介绍了DeXposure-Claw，一个基于预测的智能体系统，用于DeFi风险监管。该系统使用图时间序列基础模型来预测风险敞口网络，并通过确定性监控器与置信门来约束LLM生成的监管工单。同时提出了DeXposure-Bench，一个六维评估框架，用于与监管目标一致的评估。
本文介绍了一种自我进化框架，该框架利用基于LLM的智能体，为法律案例检索中的BM25迭代创建并优化查询重写规则，在无需任何参数训练的情况下，在LeCaRD-v2基准上优于非进化基线。