标签
MemScope 是一个由中国科学院提出的框架，通过工具使用的 Patch Agent 检查原始执行轨迹、运行时内存状态和现有架构代码，实现对智能体记忆架构的证据驱动、局部化原位进化，在 GAIA、xBench 和 ALFWorld 上均取得显著提升。
Arize Phoenix 宣布更新，包括使用自然语言过滤器的更快追踪分析，以及用于管理保留分配和模型提供商的扩展 REST API。
Phoenix 内置了 Pixie 智能助手，能帮助用户快速筛选出智能体 span 出错但模型回复正常的静默失败 trace，大幅提升 trace 阅读效率。
HALO是一款开源桌面应用，它利用基于模型的强化学习（RLM）技术来本地调试和优化AI代理追踪，并提供分析和可行建议。
Braintrust的Topics功能利用LLM摘要，使得生产环境中的代理追踪在大规模聚类和分类中变得可控，该方法受Anthropic的Clio方法启发。
本文研究了LLM中基于推理轨迹的知识蒸馏中的关键不匹配问题，揭示了语义正确的思维链推理轨迹与最终答案正确性没有可靠相关性，以及为优化模型性能而优化的推理轨迹往往对终端用户的可解释性最差。