跳到正文
11月13日周五
  1. AWS Machine Learning Blog54

    AWS 上如何用 A2A 构建可组合的多智能体系统

    AWS 官方团队发布了一个参考架构,展示如何通过 A2A 协议让不同组织、不同框架(LangChain 和 Strands)的智能体互操作并共享任务。该方案部署在 AWS 上,涉及 Amazon Bedrock AgentCore 和 Cognito,无需共享密钥,支持跨组织信任边界。系统使用三个 Jupyter Notebook 进行部署,并包含端到端测试以验证双向调用和鉴权机制。

11月12日周四
  1. AWS Machine Learning Blog76

    AWS 发布 Amazon Bedrock 和 AgentCore 多项更新

    AWS 发布 Amazon Bedrock 和 AgentCore 多项更新,包括 Claude Haiku 5.5 在 Amazon Bedrock 支持 subagent 场景,OpenAI GPT-6.1 Terra 在 Amazon Bedrock 上 GA,并带来 100 万输入 token 和更低价格。

    推荐理由:原文汇总了模型可用性变化与 AgentCore 新增能力,读者可以据此判断现有 AI 工作流需要调整哪些部分。

  2. AWS Machine Learning Blog42

    AWS Quick 推出 AI-PDLC 框架,六智能体加速产品开发

    AWS Quick 利用六个专用 AI 智能体构建 AI-PDLC 框架,协助团队加速产品开发。该框架整合企业数据,从客户信号生成经过验证的原型规范。 每个阶段都保留人工审批,Orchestrator 负责调度专项智能体。产出 prototype_spec.md 供 Kiro 或 Claude Code 等编码智能体执行开发。

11月11日周三
  1. arXiv · NLP24

    基于 OASIS 框架的 LLM Agent 评估社交媒体亲社会干预研究

    研究基于 OASIS 框架构建了 13,835 个具有独特配置的 LLM Agent,模拟 20 个时间步骤内的社交媒体互动。 通过评估增加已验证新闻曝光的三种干预措施,发现将新闻上移至显著位置产生最大效应,且在性别、年龄和教育程度维度上表现稳定。 结果与人类受试研究强对齐,表明 LLM Agent 模拟可支持部署前早期评估,上移策略比增加新闻量更有效。

  2. arXiv · NLP45

    ARE-bench:在真实研究会话与工作区中评测 Agent 研究能力

    ARE-bench 发布 75 个基于真实研究者项目的任务,涵盖 7 个研究阶段、33 项需求及 1173 个二元检查项。 在七个前沿模型中,最强模型仅通过 66.2% 的任务所有检查项;一旦加入历史与工作区上下文约束,通过率骤降至 28.4% 至 40.0%。 这表明忽略上下文要求的评测会高估研究 Agent 的真实交付能力。

  3. arXiv · AI35

    KAIROS:面向智能体推理的状态感知、上下文感知低功耗服务系统

    KAIROS 是一种面向智能体 AI 服务的上下文感知功耗优化系统。它将智能体上下文作为首要控制信号,联合管理 GPU 频率、单实例并发及多实例请求分配,在降低功耗的同时避免内存抖动并维持性能目标。在软件和数据分析智能体任务评测中,KAIROS 平均实现 27% 的功耗降低(最高达 39.8%),且满足既定性能指标。

  4. arXiv · AI39

    LLM 智能体实现可解释的迭代数据可视化优化

    基于大语言模型(LLM)的智能体管线将可视化评估与超参数优化视为语义任务,通过迭代循环自动产出高质量可视化图。 该系统结合定量评估与 LLM 模拟的人类定性判断,生成包含描述性总结和可操作配置建议的多维度报告,以解决高维数据降维中人工调参的高强度负担。

  5. arXiv · AI28

    多智能体协同重命名重构框架

    该论文提出首个自动化协同重命名的多智能体框架,通过Scope Inference、Planned Execution和Replication Agent协同工作,减少开发人员手动传播重命名变更的负担。 框架基于IDE受信重构API执行变更,前期研究分析了100个开源项目中609K次提交的实践,并调查了205名开发人员的需求。

  6. arXiv · AI25

    利用大语言模型在 One Health 语境下进行风险协商与共识构建

    研究提出将 LLM 智能体整合进人类监督的风险协商流水线,通过检索增强生成处理多利益相关方冲突。 采用 Nash 议价解与 Pareto 最优性指标评估候选方案,并在 Campylobacter 食品安全及橡 processionary 蛾管理两个实际场景中完成可行性验证。 框架为 AI 辅助风险协商提供了蓝图,但 LLM 在效率与决策质量上的具体增益需进一步比较评估。

  7. arXiv · AI25

    Forethought:基于神经符号基元编程的可验证推理系统

    Forethought 提出一种神经符号推理系统,通过将符号与神经基元组合成类型化领域特定语言来构建可验证的推理程序,在四个标准工具调用基准测试中,端到端准确率中位数相比直接提示提升 32%。 该系统在设计与执行时检查输出契约,明确划分保证与测量边界;配合小型开放模型可匹配前沿模型性能,且移除契约与控制层会抹去大部分收益。 结果表明丰富的符号编排器有助于构建更准确、可靠且可审计的语言模型智能体。

  8. arXiv · AI47

    SciConBench 揭示健康领域 AI 智能体科学结论综合能力不足

    针对健康领域 AI 智能体结论综合能力的未知,研究提出 9.21K 问题的 SciConBench 基准,并配套 SciConHarness 隔离环境以防止数据泄露。 在清洗后的评估中,前沿模型表现不佳,最佳智能体事实 F1 仅 0.337,远低于无约束环境下的估计。 研究还发现 Google AI Overview 等消费级产品常生成不完整甚至矛盾的结论,表明可靠科学综合仍面临重大挑战。

  9. arXiv · AI28

    LASER:基于预期的视频物体状态读取智能体

    该研究提出LASER智能体,利用预期引导机制解决视频中物体状态读取问题。模型将预期变化转化为视觉问题,检视当前帧确定属性值,并校验状态记录。模型参数全程冻结,通过修订文本观察技能提升表现。 在OSCaR和PLM RCap数据集上,LASER相比基线实现一致性能提升。

  10. arXiv · AI28

    PASE 框架:结合可执行程序实现 LLM Agent 技能进化

    PASE 框架通过将可复用过程逻辑分离为可编辑程序,迭代进化 LLM Agent 技能。该框架在多个模型与基准上优于所有基线方法,实现超 2.8% 的提升。 分析表明,PASE 展现出更强的进化稳定性与泛化能力,凸显程序化知识在技能进化中的关键作用。数据与代码将通过 GitHub 开源发布。

  11. arXiv · AI23

    ActiveSecHarness:智能编码环境的组合式安全架构

    研究者提出神经符号参考监视架构 ActiveSecHarness,旨在解决 AI 编码智能体中 LLM 护栏延迟高与误报率高的问题。 该架构结合能力令牌与二维污点格,在 252 个测试用例中,其 Ring 0 守卫实现 100% 攻击阻断率与 0 误报率,耗时仅 12.7 微秒。 这比 qwen3:4b 判断器快 11200 倍,有效避免了常规正则黑名单对结构化逃逸的盲区。