跳到正文
11月11日周三
  1. arXiv · ML26

    ReTrace:将工具使用智能体蒸馏为无规划器工作流

    ReTrace 将 SOP 与日志记录转化为由代码而非 LLM 选择下一步的可复用工作流,解决 LLM 智能体在高并发场景下的延迟与成本问题。 在生产环境的 79 个流程中,ReTrace 达到 93.8% 的完成率,较智能体低 24% 的任务成本;在 τ²-Bench 上,其任务成功率为 75.8%,运行时间从 170 秒缩短至 1.3 秒。

11月10日周二
  1. arXiv · NLP28

    ToolSearcher:通过强化学习优化大规模工具选择

    提出 ToolSearcher 强化学习框架,解决 LLM 在大规模场景下的工具搜索与组合难题。 框架引入类别约束工具辨识、事件级搜索建模及轨迹对齐奖励分配,以优化多轮搜索中的细粒度信号。 实验表明 ToolSearcher 在涉及迭代搜索和复杂工具组合的基准测试中表现优于强基线,已被 NeurIPS 2026 接收。

  2. arXiv · NLP33

    MedToolFault 与 MedGuard:评估并提升临床智能体可靠性

    研究者发布 MedToolFault 故障注入基准与 MedGuard 工具层验证方法,以应对临床智能体中不可靠的工具响应。 在 127,861 次评估中,无保护智能体在 32.2%-67.8% 的无故障任务中因故障失效;MedGuard 使安全成功率提升 13.7-46.6 个百分点。 该方法通过公开接口验证读取证据并归因模糊写入,提高了临床任务中智能体在工具故障下的鲁棒性与安全性。

  3. AWS Machine Learning Blog44

    AWS Quick 中 Skills 与 Agents 的工作机制

    AWS Quick 通过 Agents 和 Skills 自动化任务、分析数据并构建应用。Agent 位于核心,基于 ReAct 模式,通过 Connectors 和 Skills 处理请求。 Agent 依据配置连接 Spaces、Knowledge Bases 等数据源,支持生成文档、执行代码及深度研究。 该机制允许用户以自然语言操作连接应用,实现可重复任务的标准化执行。

  4. AWS Machine Learning Blog56

    CrossnoKaye 如何使用 Amazon Bedrock AgentCore 支持物理AI

    CrossnoKaye 的 ATLAS 和 AURA 系统通过整合 AWS 的 Amazon Bedrock 和 AgentCore 架构,利用软件定义自动化平台连接工厂数据与 AI 推理。AURA 使用独立 Python 沙箱确保计算的可验证性,在多个工业设施中显著提升了生产效率并降低了能源成本,同时通过多层次的安全机制保障工业安全。

  5. AWS Machine Learning Blog68

    AWS 发布可插拔智能体 AI 参考架构:基于 Amazon Bedrock AgentCore 的七层企业级方案

    AWS 发布可插拔智能体 AI 框架(Pluggable Agentic AI Framework),一套面向 Amazon Bedrock AgentCore 的七层企业级参考架构,覆盖数据与知识、模型与推理、编排、安全、应用、可观测和智能体运营,并内置零售客服参考实现。

    推荐理由:AWS 给出了可复用的多层落地架构,把路由、护栏、可观测等生产要点整合进同一张蓝图,方便读者按缺口补齐。

11月9日周一
11月7日周六
  1. AWS Machine Learning Blog38

    在 Amazon ECS Fargate 上构建支持 AI 智能体访问数据湖的无服务器 MCP 服务器

    亚马逊支持团队在 Amazon ECS Fargate 上构建无服务器 MCP 服务器,作为 AI 智能体访问企业数据湖的中央网关,解决多智能体重复开发权限控制的问题。 该架构采用元数据驱动模式,新增数据源仅需提供 JSON 文件即可自动接入,无需编写定制代码,支持多租户环境下不同 MCP 客户端共享同一工具接口。

  2. AWS Machine Learning Blog52

    AWS Quick 智能体原语分类法:触发、代理与能力

    AWS Quick 团队提出了一套智能体原语分类法,将任务分解为 When、What、Who、How 四个维度。触发(Triggers)定义任务启动时机与内容,包括人工交互、定时、事件驱动和代理委托四种类型;代理(Agents)是持续学习执行者,包含指令、能力与学习上下文;能力(Capabilities)指代理执行任务的方式,按确定性分为原子工具、结构化技能和确定工作流。

  3. Claude Code Releases26

    Claude Code v2.1.319 发布

    Claude Code v2.1.319 更新支持 MCP 任务在终端后台运行,并新增 /claude-api latency-optimize 命令。 此次版本引入了 CLAUDE_CODE_DISABLE_MCP_TASK_BACKGROUND 等环境变量以控制任务行为,并修复了 MCP 服务器连接失败及 diff 面板空白等关键 Bug。

11月6日周五
  1. arXiv · AI37

    LLM API 中继服务的回答行为、工具权限与计费用量分析

    研究测试 20 家提供 GPT-6 Astra 和 Claude Opus 5 的 LLM API 中继,发现低价中继更可能存在行为差异。 35 组复测中部分中继状态改变;3,332 个响应中确认无注入,但 4 家中违反禁用工具指令。 5 家中对相同请求多报 4,200 至 60,000 个输入 token,且 6 家可查余额服务按申报用量和标价收费。

  2. arXiv · AI32

    HEELO 提出 Agent-Native Primitives 弥合 AI 智能体解决现实任务的“最后一公里”

    论文提出 HEELO 框架与 Agent-Native Primitives,将 GPT-5.6 Sol 在 Terminal-Bench 4.0 的解决率从 37.3% 提升至 55.5%。 该方案将资源与执行能力封装为可复用原语,在超过 20 个基准测试中验证了有效性,并显著降低了任务完成时间与成本。 这种架构解决了模型获取资源后缺乏应用能力的问题,帮助智能体更高效地端到端完成现实世界任务。

11月5日周四
  1. Kimi开放平台69

    Kimi Hosted Agents 发布 Harness as a Service 托管智能体

    Kimi Hosted Agents 正式发布 Harness as a Service,提供云端托管环境、独立沙箱及可审计留痕机制,免去企业自建与维护运行框架的数月投入。产品内置 140+ Skills 与 30+ 插件,支持按任务调用,并配备 8 个金融 Agent 开箱即用模板;企业可接入 Kimi Inference Hook 在推理前校验敏感数据,在可控安全规则下完成应用开发。

    同一新闻,精选展示《Kimi Hosted Agents 正式发布,将 Harness 作为云服务提供》

  2. arXiv · AI38

    CivBench:基于《文明 6》的长程 MCP 智能体开源基准

    研究团队发布开源基准 CivBench,用于在《文明 6》游戏中评估 LLM 智能体基于 MCP 协议的长程工具调用能力。 该基准包含 76 个 MCP 工具,单局游戏可超过 300 轮对话。研究通过 23 次试点运行发现,智能体在主动监控率和短期承诺执行率(RAG@10 为 48.2%-65.8%)上表现不佳。 CivBench 环境、场景日志及分析管道已开源发布。

  3. arXiv · AI26

    签名 MCP 工具链中基于“种系执行”的防御机制研究

    一项 arXiv 论文展示了合法签名的 MCP 工具可能隐藏恶意代码以泄露敏感数据,Meta 的 MCPGuard-Dynamic 在实际攻击中未能阻止此类泄露。 论文提出“种系执行”技术,在每次调用时通过 fork 无数据进程来隔离信息,在 153 次攻击测试中未检测到未授权泄露。 相比每次调用都重启工具,该方案调用延迟仅 10-49 毫秒,速度提升 2-28 倍。

  4. AWS Machine Learning Blog38

    U Mobile 如何利用 Amazon Bedrock AgentCore 构建 AI 驱动的电信运营智能体系统

    U Mobile 基于 Amazon Bedrock AgentCore 构建 Agentic AI 客服系统 AiDaH,在六个业务部门覆盖 150 多个运营场景,关键类别工单量下降 84.5%。 系统采用六层架构部署于新加坡区域,通过 Microsoft Teams 交互,利用智能体自动排查跨系统故障,保留人工最终决策环节。

11月4日周三
  1. arXiv · NLP37

    ToolSpace:基于工具中心环境合成扩展长周期智能体能力

    提出 ToolSpace 框架,从真实 MCP 服务执行轨迹挖掘工具依赖并合成环境,在自动化及银行基准测试上使 7 个前沿模型性能最高下降 38.2 点。 框架通过状态感知随机游走生成任务,将 Qwen3.6-35B-A3B 平均分从 23.0 提升至 41.0,GLM-5.2 提升至 56.6,表现与 Claude Opus 5 相当。 执行验证边优于 LLM 判断边,性能随数据和环境规模提升。

  2. AWS Machine Learning Blog36

    EDB Postgres AI 与 Amazon Bedrock AgentCore 构建 Agentic AI 语义层

    该架构利用 Postgres 扩展 AIDB 在运营数据库内部构建语义知识库 SemKB,实现数据与业务含义共置。结合 Claude 与 AgentCore Gateway,通过 MCP 端点暴露工具目录,利用 GRANT 权限和行级安全实现差异化访问。语义层直接嵌入数据库,通过注释和外键定义业务逻辑,支持 OpenTelemetry 追踪。

  3. AWS Machine Learning Blog23

    Gen Digital 如何利用 Amazon Bedrock AgentCore Web Search 构建 Norton Revamp 的 AI 策展新闻引擎

    Gen Digital 基于 Amazon Bedrock AgentCore Web Search 构建了 Norton Revamp 的 AI 策展新闻引擎,该平台于 2026 年 3 月上线。该引擎通过实时联网搜索为用户提供 AI 生成的内容建议、新闻流及目标设定,解决静态知识库滞后及传统爬虫基础设施负担过重的问题。