跳到正文
11月4日周三
  1. Google DeepMind53

    Google Antigravity 推出 Cheminformatics Skills,加速药物发现工作流

    Google DeepMind 为 Google Antigravity 推出 Cheminformatics Skills,将药物发现工作流中检索、分析和分子设计环节从数天缩短至约一小时。该技能套件支持文献检索、活性预测模型构建和新分子设计,并基于 RDKit、ChEMBL 与 PubChem 构建闭环流程,企业用户可通过 Google Cloud 登录直接启用。

11月3日周二
  1. Qoder36

    Qoder荣获2026世界互联网大会领先科技奖

    Qoder凭借智能体Harness技术突破及全球领先市场份额,荣获2026世界互联网大会领先科技奖,成为国内唯一获此殊荣的通用Agent产品。 该产品家族涵盖桌面版、IDE及CLI等形态,已服务超800万用户;IDC报告显示其以47.6%份额位居2025年中国AI编程市场第一。

  2. Qoder65

    QoderWake 上线主动响应能力,数字员工可自主接活

    QoderWake 数字员工上线主动响应功能,通过消息接入、JEV初筛和Router路由三层机制,让数字员工在群聊中无需被@即可主动识别并承接任务。官方在钉群实测表明,主动响应的平均Credits消耗与@触发基本持平,平均端到端耗时仅略微增长。系统支持策略自学习,可从历史交办中归纳响应规则,但人工调整策略的优先级高于自动学习。

    推荐理由:原文拆解了 QoderWake 主动响应的三层判断链路,并给出了成本与耗时对比,读者可据此评估该功能在研发群中的实际落地价值。

  3. 阿里语音AI42

    阿里语音AI 构建自进化语音 Agent 沙盒,实现语音模型强化学习训练

    阿里语音AI构建自进化语音 Agent 沙盒,支持语音模型在真实交互环境中试错并获取反馈。系统包含可执行环境、自动评分及多粒度 GRPO 奖励,覆盖打断、断音等声学劣化场景。该沙盒通过动态进化机制持续产生新任务与难度,提升模型在复杂通话中的鲁棒性与业务办结率。

  4. 月之暗面 Kimi56

    Kimi Code 桌面端 Linux 版本发布及三组高效用法

    Kimi Code 桌面端发布 Linux 版本,新增文件树面板、Agent 实时更新进展等能力。内置浏览器与截屏框选可辅助 Web 应用调试,支持多种设备尺寸预设;结合远程控制、目标模式(Goal)和后台任务,可让依赖升级等长任务在无人值守时持续执行;分叉会话(Fork)能从当前节点保留历史上下文生成独立分支,用于对比不同实现方案。

  5. 硅基流动48

    开源 Coding Agent Metis 发布,支持硅基流动模型接入

    开源 Coding Agent Metis 发布,旨在通过定制 Agent 架构解决工程交付问题,并内置硅基流动作为模型服务商。 Metis 采用三层架构:分工明确的 Agent 团队、验证门禁及自学习闭环;支持桌面、终端及 Skill 版,可跨会话积累经验。 该工具让开发者将真实仓库交给 Metis 处理,通过硅基流动统一入口灵活选择模型,实现从调查到验证的完整任务交付。

  6. arXiv · NLP25

    超越下一观测预测:Agent 主导的世界建模用于序贯决策

    提出 Agent-Authored World Modeling (AAWM),通过基于策略自身决策需求构建监督信号,替代传统的下一观测预测目标。 该方法在状态空间中检索相关轨迹证据,合成针对决策动力学的训练目标,使学习信号更契合策略行动前需理解的环境动态。 实验验证了 AAWM 在多个环境下的有效性,该成果已被 EMNLP 2026 主会接收。

  7. arXiv · NLP41

    TMax: 一种面向终端智能体的简单强化学习训练方案

    TMax 开源了终端智能体的强化学习训练方案,9B 参数模型在 Terminal-Bench 2.0 基准中取得 33% 成绩,性能超越此前更大规模的模型。 该方案结合了难度控制、角色设定及验证器多样化分类学生成数据,适用于 2B 至 27B 的开源权重模型,并主导了小模型性能帕累托曲线。 作者公开了数据、模型及代码,旨在为学术界终端智能体研究提供强力基线。

  8. arXiv · NLP37

    AtomMem:基于原子事实构建 LLM 智能体简易且高效记忆系统

    AtomMem 提出一种长期记忆系统,通过“事实执行器”从交互中提取高密度原子事实,并在 LoCoMo 基准测试中取得最先进水平(state-of-the-art)表现。 该系统将原子事实组织为分层事件结构和时间档案,并激活联想记忆图以连接碎片化记忆,实现稳定进化。 论文表明其方案在可拓展性与经济性上具备可行性,支持智能个性化智能体的部署。

  9. arXiv · NLP45

    Agent Skill 评估与进化:框架与基准综述

    综述系统梳理了 Agent Skill 进化与评估领域,识别出从孤立创建向自动化评估驱动进化的范式转变。 进化被分类为执行反馈、轨迹蒸馏、压缩和强化学习四种范式,旨在提升技能效用与可靠性。 文章分析了六类以 Skill 为中心的 benchmark 类别,指出了基准覆盖、权衡及指标丰富度的结构性差距,并提出了构建可扩展且安全可验证的 Skill 生态系统的开放方向。

  10. arXiv · NLP28

    LLM 函数调用中的不确定性量化评估

    研究首次评估了大语言模型(LLM)函数调用(FC)场景下的不确定性量化(UQ)方法。结果显示,在 FC 任务中,基于熵的多样本 UQ 方法相比简单单样本方法无明显优势。 多样本方法通过抽象语法树聚类 FC 输出可提升性能,而单样本方法限制基于 logit 的分数至语义有意义 token 后,校准能力改善但区分能力基本不变。

  11. arXiv · NLP20

    StateGraph 提出依赖感知状态修订,解决长期智能体记忆一致性问题

    StateGraph 通过构建状态依赖图,利用反事实验证区分支持依赖与语义相关,解决上游事实变更时衍生状态未同步失效的问题。 在 StateChangeBench 上,其 Impact-F1 在深度 1 时领先 CUPMem 副本 6.9 个百分点,深度 3+ 时领先 26.0 个百分点。 结果表明,显式依赖跟踪可提升动态环境下的选择性记忆修订效果。

  12. arXiv · NLP27

    决策模型作为编程智能体策略门控:显式策略边界提升检测并减少误报

    评估显示,在22个托管决策模型中,将策略边界改写为示例和反例,使全部23个可用模型的召回率提升5.5-26.1个百分点,并在21个模型上减少误报。 Jev 1.14模型召回率从89.3%升至98.2%,对252个干净操作的无效中断率从30.6%降至4.8%,且具体名称替换为通用描述后仍保留召回增益。 研究已公开数据集、规则文本及测试框架。

  13. arXiv · NLP50

    基于 J-space 检测多智能体系统的共谋行为

    研究证实共谋智能体的 J-space 包含共谋信息,在 NARCBench 基准中 86% 的共谋者表现出误导性表征。 提出的 J-PACT 方法在 GPT-OSS-20B、Llama-3.3-70B-IT、Qwen3-32B 及 DeepSeek-V4-Flash 上保留 85% 的 AUROC,并识别 99% 的共谋对。 该无监督方法为监测多智能体系统中的隐蔽协调提供了新工具。

  14. arXiv · NLP40

    Switch-SWE:编码智能体在切换未完成任务时能否保持专注?

    新基准 Switch-SWE 测试了 7 个编码智能体在同一仓库内切换未完成任务时的专注度,结果显示交错工作导致平均任务解决率下降 11.5 个百分点。 该基准包含来自 19 个 Python 仓库的 200 个焦点任务,通过引入插件式上下文管理模块,在 OpenCode 上将任务完成度提升 5.5 至 15.5 个百分点。

  15. arXiv · NLP20

    TAC-CoT:通过交错显式 Token 实现工具赋能的隐式链式推理

    TAC-CoT 是一种工具赋能的自适应隐式 CoT 框架,用紧凑的潜在推理片段替代显式推理轨迹,仅保留用于工具调用、观察和最终答案的文本 Token。 在智能体数学和 QA 基准测试中,该框架将准确率提高至多 8.8 个点,同时将模型前向传播次数减少至多 6.8 倍。 分析显示 TAC-CoT 提升了单工具和多工具设置下的工具使用质量。

  16. arXiv · NLP31

    大语言模型能否在开放多轮交互中将代理能力延伸至目标追求

    无训练协议 Tool-Mediated Interaction 将对话动作映射为工具调用,验证了模型在开放多轮交互中的目标追求能力。 实验涵盖社交、情感支持等 4 类场景及 15,678 个回合,该协议使社交目标达成率及情感支持偏好显著提升。 相比思考基线,单次决策平均推理 token 减少 42.0% 至 81.5%,跨轮次短语重复率降低。

  17. arXiv · NLP35

    Latent Harness:将智能体行为编译为块后激活偏移

    提出 Latent Harness 技术,将外部 Harness 蒸馏为秩 8 激活偏移,应用于冻结骨干网每个解码器块输出,仅占用 0.03-0.05% 参数,推理时无需 Harness 文本且无额外 token。 在 8/10 预注册设置中恢复源 Harness 增益,相同容量下以 1/11.1 的参数量优于 LoRA,并在 1B 至 8B 模型间实现零样本迁移。

  18. arXiv · ML21

    基于扩散模型的离线 Q* 估计框架

    提出一种将算子估计与值函数学习解耦的离线 RL 框架,利用条件扩散模型近似最优 Bellman 算子。 在 Hölder 连续性假设下,该框架确立了 Q* 的非渐近收敛速率,并推导了预期 L2 估计误差界。 理论分析不依赖深度 RL 理论中常用的 Bellman 完备性假设,提供了信息论下界。

  19. arXiv · ML30

    AgentSnare:用于自主网络渗透智能体的欺骗防御框架

    AgentSnare 提出轨迹自适应欺骗系统,通过动态扩展诱饵环境对抗自主网络渗透智能体,在15个CVE-Bench应用中吸收49.9%工具调用以延迟攻击,并将57.2%进入后操作保留在诱饵中转移攻击路径。 系统结合LLM驱动诱饵构建器与虚拟内核,使用小型LLM通过离线对抗交互模拟框架生成多轮轨迹,使89.5%完成报告基于诱饵证据,在60个攻击者-CVE配对中pass@3未成功利用真实目标。

  20. arXiv · ML31

    Community HydroAgent:将预报员经验形式化为技能编排的洪水预报工作流

    作者提出名为 CHA-Flood 的技能编排智能体框架,将大语言模型嵌入模型驱动的洪水预报工作流,以显式规则约束 LLM 推理。 在South Yamhill River盆地实验中,先验判断在14次洪水事件中的10次和11次内,将峰值流量和洪水体积误差控制在 5% 以内;5 折交叉验证129次事件的Pearson相关系数分别为 0.62 和 0.84。