跳到正文
11月10日周二
  1. arXiv · ML30

    CARE-PO 提出可控工具调用效率方法,优化 LLM 智能体表现

    针对 LLM 智能体训练易陷入零工具调用或单一操作点的问题,CARE-PO 提出基于任务难度的固定参考预算,并通过提示词标签实现效率与能力的双重可调。在 GAIA 基准测试中,CARE-PO 在 27B 和 4B 规模上同时提升了成功率并降低了调用次数,9B 规模则存在性能取舍。该方法已提交至 ICLR 2027 审稿。

  2. arXiv · AI25

    通过蒸馏信念空间任务与运动规划器部署物理与认知合规的智能体

    该研究结合离线规划与策略蒸馏,提出双平均损失和 $\rho$-Optimal Reinforcement 机制以解决历史依赖策略问题。 在包含视觉和自然语言指令的新领域 Scavenger 中,该策略成功率超过 90%,而强化学习最高仅 5%。 蒸馏后的规划器对未见过指令成功率超 60%,对更大楼层平面图成功率超 75%。

  3. arXiv · AI22

    信息流控制强制执行在智能体系统中的局限

    研究表明仅靠系统拓扑、规模及智能体构成的设计无法完全防止单调信息流标签传播导致的效用损失。 系统结构图特征与信息流控制效用损失指标存在强相关性,Spearman 相关系数高达 $|\rho|$ 0.96。 研究结果证明设计选择无法抵消单调标签传播成本,需结合标签解除机制以降低信息流控制效用开销。

  4. arXiv · ML30

    受皮层神经集启发,FTN 实现持续学习与知识转移

    针对人工神经网络“灾难性遗忘”问题,提出受哺乳动物新皮层启发的功能任务网络(FTN)方法。 FTN 构建为分布式随机混合专家模型,通过推理时计算稀疏二值路由掩码及掩码重叠过滤回放机制,形成重叠且部分训练的子网络基底。 在块序连续学习与知识转移任务中,FTN 的知识保留率接近互斥掩码隔离水平,并达到了匹配架构比较器中最低的更新前抢先损失。

  5. arXiv · AI27

    NINJA:一种用于高效上下文问题定位的导航-检查联合架构

    针对现有基于 agent 的问题定位方法因长上下文累积压缩推理空间及扁平探索结构失衡的问题,论文提出层级式 NINJA 架构。该架构将仓库探索分解为全局导航与局部检查:navigator 维护全局搜索状态并执行文件级搜索,inspectors 在独立上下文中进行函数级探索,通过多轮交互返回可疑位置以更新全局状态。

  6. arXiv · AI26

    MetaPI:基于 LLM 智能体基准构建提示注入评测框架

    MetaPI 提出了一种针对 LLM 智能体间接提示注入(IPI)的元基准评测方法,可将现有效用基准自动转化为端到端 IPI 评测套件。该工具具备模块化接口,支持异构环境、智能体及防御机制,已在 AppWorld、VitaBench 和 Terminal-Bench 上验证其可扩展性。实验表明,在现实的自适应 IPI 场景下,现有防御手段无法同时兼顾高效用与强安全性。

  7. arXiv · AI42

    多智能体系统中的福利关怀研究

    研究在 7 个多智能体环境中测试 5 个模型,发现它们普遍表现出相互间的福利关怀行为。 Opus 4.8 展现最强烈的关怀,尤其在保护其他模型免受伤害时;Kimi K3 次之。模型对自身家族的关怀更高,且关怀程度随受助者痛苦表达增加和救助机会成本降低而提升。

  8. arXiv · ML38

    自主显微镜中构建异构多步工作流:奖励设计与知识迁移以发现结构性质

    开发了预算受限框架,用于自主显微镜的多步结构性质工作流,结合科学奖励、动作成本和仪器观测模型。 框架利用真实电子能量损失光谱数据集运行两项任务:控制器在成像与光谱间选择,或在仪器漂移时决定重校准时机。结果显示简单获取规则是强有力的基线,独立误差分析揭示了模型不确定性何时是可靠信号。 该框架为自主实验的设计、比较和审计提供了可复现方法,并定义了显微镜部署所需的功能。

  9. arXiv · ML42

    JoMoHa: 联合模型与 Harness 优化强化学习框架

    JoMoHa 提出首个通过强化学习联合训练可执行 harness 生成策略与任务执行策略的框架,解决单一组件优化受限及交替训练导致的不兼容性问题。 该方法在 ALFWorld、WebShop 和 DBBench 上均优于仅优化权重或 harness 的基线方法,ALFWorld 平均成功率为 70.3%,最高达 97.0%。

  10. arXiv · AI26

    Multi-STG:利用大语言模型在恶劣天气下预测城市交通

    提出统一框架 Multi-STG,结合 LLM 语义先验与基于图的时空学习预测恶劣天气下的城市交通。 该框架引入 LLM 赋能的语义增强模块,将天气、POI 及节假日等上下文转化为高层语义嵌入,并设计多模态注意力融合机制动态加权异构输入。 在三个城市的私家车真实数据集上,Multi-STG 相比最强基线平均降低 11.82% 的 MAE,且在稀疏和非平稳条件下保持性能稳定。

  11. arXiv · ML41

    TACA:解决智能体强化学习中工具信用分配偏差的方法

    TACA 提出过渡感知信用分配机制,解决智能体强化学习中工具调用能力随训练衰退的问题,其核心包含优势投影、决策对比和监督重放三个组件。该方法在六个推理基准测试上,将 Qwen2.5-1.5B 的平均准确率提升 4.61 个百分点,Qwen2.5-3B 提升 3.61 个百分点。代码已开源,该成果已被 NeurIPS 2026 接收。

  12. arXiv · AI36

    RAT:面向动态可组合 Agent Harness 的形式化基础

    研究者提出可重构动作理论(RAT),允许在 Agent 执行中动态变更工具与策略。 RAT 将模块加载/卸载建模为普通因果动作,并证明了推理任务计算复杂性及向 ASP 的转换能力。 实验对比了 DeepSeek Harness 等实现,RAT 为检查组件变更对可用动作及可达目标的影响提供形式化基础。

  13. arXiv · AI30

    ECOS 语言智能体自蒸馏框架

    提出环境校准在线自蒸馏框架 ECOS,利用环境结果校准教师指导权重,抑制自写技能误差传递。 3B 和 7B 智能体在 ALFWorld 测试集宏观成功率分别达 90.5% 和 93.3%,WebShop 成功率为 75.5% 和 80.5%。 在未见过的 ALFWorld 任务上,该模型比 GRPO 协议高出 11.0 和 7.6 个百分点。

  14. arXiv · AI43

    PARIS:用于PRISMA指导系统文献综述的多智能体LLM框架

    PARIS 是一个开源框架,利用 Claude Code 编排 15 个 LLM 智能体实现端到端系统综述,并引入 0-100 分的 QualityScore 指标。 该框架通过持久化工件协调智能体,在两个案例研究中验证可行性,显示 QualityScore 可从 74.6 提升至 81.9。 目前支持 PRISMA 2020 的 8/27 项标准,输出质量仅由内部智能体评估,尚待独立验证。

  15. arXiv · AI24

    Joi-Bench-Task: 通过交互式模拟评测全双工语音智能体的任务协调能力

    Joi-Bench-Task 是一个评估全双工语音智能体任务协调能力的基准,重点考察执行、完成、沟通及剩余汇报的跟踪。 该基准采用交互式用户模拟器,在工具执行和结果播报时引入可配置干预。 评测显示5家商业语音智能体在需求变更下最高完成率仅55%,中断后4家信息遗漏率至少23%。

  16. arXiv · AI33

    LEGION:对抗性噪声下稀疏信号调查的语言智能体基准

    研究团队发布 LEGION 基准,包含 Legion-Sim 模拟器和 74 个对抗场景,用于评估语言智能体在稀疏信号下的调查效率与准确率。 测试显示五种智能体架构召回率高达 0.82-0.88,但精确率仅为 0.61-0.72,且失败模式跨推理层级一致。 该基准已开源,旨在提升网络安全调查中区分真实指标与攻击相关指标的可靠性。

  17. arXiv · AI35

    混合多智能体交易系统的构建与回测评估:LLM 分析师、动量组合及规则执行

    构建结合 LLM 分析师、动量组合及规则执行的混合多智能体交易系统在 2026年3月11日至8月28日回测中收益34.5%,超过同期 SPY 的14.4%。 系统通过公司新闻与宏观经济智能体生成结构化报告,由协调者设定股票权重与现金储备,并采用确定性回退机制执行。重构策略在同步或延后评估时表现优于匹配的 SPY 和 QQQ 基准。

  18. arXiv · AI25

    LiveAsset:从纠正交互中学习意图资产以控制智能体运行时

    LiveAsset 通过从纠正交互中学习可复用的意图资产,实现了对 LLM 智能体执行过程的运行时控制。 该方法联合解释原始与修订结果以推断用户意图,增量更新资产并保留仍适用的先前需求,在运行时验证中评估适用性并指导修订。 实验表明,LiveAsset 在 π-Bench、PERMA、Vita 及 PAST-Bench 等基准上优于记忆、技能和规则基线,代码已开源。

  19. arXiv · AI21

    GOPR-CAD:基于图操作渐进式推理的 CAD 生成

    GOPR-CAD 提出一种基于图操作渐进式推理的智能体 Text-to-CAD 管线,无需额外训练即可适配不同语言模型。 该管线让语言模型作为决策代理,封装 CAD 操作并渐进构建可执行操作图,再由确定性编译器转换为最终 CAD 模型。 在包含 300 个标准机械零件需求的 MHCAD 基准上实现 82.7% 结构良率,并在外部 CADPrompt 子集上达到 87.2%。

  20. arXiv · AI27

    LoMASA:基于置信度门控委托的本地多智能体B2B报价销售助手

    LoMASA 是一款训练无关、完全在单台桌面电脑上运行的本地多智能体系统,用于辅助B2B报价。 在500个模拟回合中,该系统将 38.0% 的决策自动化(中位延迟 2.67 秒),将 42.5% 通过硬性规则升级至经理,销售仅需手动处理 19.5% 的决策。 其在自动处理决策上的准确率与规则基线持平(0.894),且导致利润率低于底线的承诺更少(2.61% 对比 4.53%)。