跳到正文
11月2日周一
  1. 腾讯混元88

    腾讯混元发布 Hyra 2.0:面向科研工具研发的自动化智能体框架

    腾讯混元发布 Hyra 2.0,将通用 agent 应用于科学工具、模型与工作流的研发和升级,实现从解题到造工具的范式转变。系统已产出多项工具:蛋白质逆折叠模型 HyInv 速度较 ProteinMPNN 提升 57 倍,蛋白质语言模型 HyPLM-Flash 推理速度居 12 个对比模型之首,分子模拟模型 HyFF 在精度-速度帕累托前沿全面领先。

    推荐理由:展示了由agent主导的跨领域工具研发全流程,包含蛋白质模型、量子码验证、机器人设计及芯片优化的具体产出与复用机制。

  2. ZCode56

    ZCode 更新 3.17.1 版本,支持操控电脑与浏览器

    ZCode 更新至 3.17.1 版本,正式上线 Computer Use、Browser Use 与 ZCode Sites 官方插件。用户可通过插件操控本地桌面软件、浏览器执行图文调研与 OA 填单等日常任务;在编程场景中,ZCode 支持拉起浏览器实测交互、修复 Bug,并通过 ZCode Sites 将网页项目(如 3D 射击游戏)一键部署上线为在线链接。

  3. 月之暗面 Kimi49

    Kimi 发布游戏开发与创意工作解决方案

    Kimi 发布游戏开发与创意工作解决方案,基于 Kimi K3.1 Pro 模型及 Kimi Code 等 Agent 产品。 支持连接 Unity、Unreal Engine 等工具,协助团队在 1-2 天内制作可试玩原型,实现从立项到运营的全流程支持。 显著降低创意验证成本,帮助游戏团队更高效地推进工程与美术制作。

  4. 阿里云43

    阿里云 Memory 服务升级增强 Personal Agent 长期记忆与个性化能力

    阿里云 Memory 服务升级,面向 Personal Agent 场景增强长期记忆与个性化能力,提供 MCP、CLI 等接入方式。 在 HaluMem-medium 评测中四项指标均获最高分;在 PersonaMem-v2 评测中以 56.82 总分位列所列 8 个系统第一。 该服务支持开发者自定义记忆规则,并可接入 Codex、Claude Code 等工具,让 Agent 持续理解用户。

  5. 阿里云38

    阿里云发布面向专业机构投资者的 AI 投研工作台 Qovest。用户一句话提出研究需求,Qovest 自动完成查数据、分析、生成报告,并持续跟踪研究对象。

    Qovest 采购权威金融数据库部署于阿里云,自研 Harness 框架打通全流程,在开源金融评测集 FinFirst 与 IRAB 内部横向评测中回答质量、响应速度、成本领先。 近期将推出企业版,服务金融机构及企业投研团队;官网已对个人用户开放邀测,新用户注册可免费试用,后续订阅套餐为每月 99 元或 199 元。

  6. 阿里云38

    阿里 Qoder 获世界互联网大会领先科技奖,已服务超 800 万用户、10 万家企业

    阿里智能体平台 Qoder 获 2026 世界互联网大会领先科技奖,成为国内唯一获奖的通用 Agent 产品。 Qoder 实现模型、Agent 运行框架与产品的联合设计,覆盖桌面版、AI 原生 IDE、CLI 及云端 Cloud Agents 等场景。 Qoder 已服务超 800 万用户、10 万家企业,中国 AI 编程市场份额达 47.6% 位居第一。

  7. 蚂蚁开源63

    ZwZ2:基于单图证据连接训练的多模态推理框架

    上海交通大学等团队提出 EvidenceConnect 框架,通过 20.4K 条单图合成数据训练 ZwZ2-4B、9B 和 27B 模型,使其在 25 个基准上平均准确率分别达 54.79%、56.59% 和 60.51%,均超各自基座模型。

    推荐理由:团队用 20.4K 条单图合成数据训练 ZwZ2 系列模型,在 25 个基准上全面超过基座,并展示了向多图与 Agent 任务迁移的能力。

  8. arXiv · NLP29

    MCP 工具调用痕迹会泄露多少隐私?基于 26.25% 攻击成功率的侧信道分析

    研究揭示 MCP 工具调用轨迹可被用作用户画像推断的侧信道。基准测试显示,攻击者利用工具调用痕迹实现 26.25% 的画像推断成功率,显著高于 17.97% 的基线猜测率。 PrivacyTrace 基准包含 1,000 个合成用户档案及来自 25 个服务器的 4,000 条代理轨迹。分析表明工具参数和返回结果是主要证据,跨会话关联进一步放大风险。

  9. arXiv · NLP38

    Hybrid Computer Use:通用智能体统一程序化、语义与视觉接口的研究

    研究者提出 Hybrid Computer Use (HCU) 接口,融合程序化、语义及视觉三种交互通道,支持通用智能体灵活选择与组合操作方式。 HCU 工具通过批量执行动作并返回 AX 差异来减少模型轮次,同时提供技能指南辅助智能体协调各通道使用策略。 在 OSWorld 2.0 基准测试中,HCU 相比基线系统在任务成功率与效率上均表现更优,部分模型得分达到最高水平。

  10. arXiv · NLP23

    Flide:基于精确状态分叉的决策推理加速引擎

    Flide 引擎通过解耦逻辑树结构与物理执行流,在 GPU 驻留索引上实现精确算术推理,查询速度较 vLLM 和 SGLang 快 9.5 倍。 该引擎利用 ForkAttention 机制处理标准注意力及 Gated DeltaNet 递归层,支持从检查点恢复扩展的智能体历史。 Flide 为可扩展且低延迟的代理系统决策智能奠定了基础。

  11. arXiv · NLP38

    PersonaChatBench:基于多样化模拟用户评估聊天助手

    summary_zh: 研究团队推出 PersonaChatBench 框架,通过固定任务搭配不同“私人物设卡”模拟用户,以评估聊天助手对多样化需求的响应。 该框架在六个领域测试了 20 个语言模型,结果显示模型任务表现各异,且强任务性能未必能良好满足个体特定需求。

  12. arXiv · ML32

    事件触发多智能体强化学习行为多样性框架

    研究者提出解耦智能体身份与行为的MARL框架,引入事件作为行为转换触发器。 该框架包含NMD度量、基于事件的超网络生成LoRA模块,在基准测试中优于基线并支持零样本泛化。 这是唯一能解决需顺序行为重分配任务的方法,证明了多样性不干扰奖励最大化。

  13. arXiv · ML45

    语言模型中的意外上下文泄露

    研究发现,AI 智能体上下文窗口中敏感数据会在模型良性输出中产生隐藏相关性,即使模型拒绝直接提取也可被重建。 实验基于8个专有模型,2位数字机密重构准确率近乎100%,4位数字准确率为82%,且能力越强模型泄露越多。 该泄露支持语义谓词推断和完整社会保障号提取等攻击,已发表于NeurIPS 2026。

  14. arXiv · ML35

    自然语言演员-评论家(NLAC):语言空间中的可扩展离策略学习

    研究提出自然语言演员-评论家(NLAC)算法,利用生成式 LLM 作为评论家输出自然语言反馈,而非标量值。 该算法支持离策略训练,无需策略梯度,相比现有方法在推理、网页浏览和工具使用任务中表现更优且更稳定。 NLAC 被证明是一种更可扩展、稳定的 LLM 智能体训练范式。

  15. arXiv · ML35

    基于大型语言模型的多智能体社交策略学习

    研究指出标准强化学习在多智能体社交困境中易导致 LLM 形成机会主义策略。 团队将 Advantage Alignment 适配用于微调 LLM,并引入群相对基线简化优势计算,确保策略不可被贪婪智能体利用。 研究发布了 Trust-and-Split 社交困境环境及代码,旨在支持 LLM 多智能体合作训练。

  16. arXiv · ML25

    博弈论与强化学习中游戏即马尔可夫决策过程的对应关系定理

    该专著通过定理证明博弈论与强化学习描述同一对象,将游戏在三种意义下定义为马尔可夫决策过程。 涵盖从正常型到演化博弈的标准类别,建立纳什均衡与Bellman算子不动点、Shapley值与信用分配等对应关系。 明确列出独立学习者失效等非对应情形,区分定义恒等、精确还原与结构类比的适用条件。

  17. arXiv · ML25

    标准评测如何掩盖 LLM 智能体劫持检测器的局限性:稀有攻击、未知工具与基准迁移

    审计显示,现有 LLM 智能体劫持检测器在 2% 攻击率下精度仅 0.076,且跨基准迁移性能接近随机水平。 未见过的新工具会导致检测排名在 50% 覆盖率下逆转,且 AgentDrift 到 AgentDojo 的跨基准 AUROC 仅 0.47 至 0.52。 研究团队基于这些发现制定了评估痕迹检测器的新检查清单。

  18. arXiv · ML26

    Li$^2$SAO:通过组相对 Actor-Critic 自举提升轻量单轨迹异步强化学习优化

    针对 SAO 依赖闭源价值模型的问题,论文提出 Li$^2$SAO,利用组相对优势训练 Actor、组中心回报训练 Critic 进行冷启动引导,随后切换至单轨迹 GAE。 实验显示,该策略使 Li$^2$SAO 在早期训练阶段赶上或超越 GRPO,并提升了后期性能上限,相比仅无价值模型复现的 LiSAO,在智能体任务上表现更优,代码已开源。

  19. arXiv · ML24

    **title_zh**: CHDT 生成器:基于干预条件的反事实人类数字孪生

    **summary_zh**: 现有模型常忽略不规则就诊间隔及中介变量间依赖,CHDT 针对此缺口在标准可识别假设下实现了多模态长程患者轨迹估计。 在 ADNI 与 ALPACA 队列上,CHDT 相较基线显著提升了患者状态保真度,消融实验证实不规则时间条件是核心增益来源。 该研究为虚拟临床试验设计提供了更具可靠性的长期纵向预测工具。

  20. arXiv · AI40

    EvoMemBench 从自演化视角基准化 Agent 记忆

    EvoMemBench 是一个从自演化视角评估 LLM Agent 记忆的基准,对比了 15 种记忆方法与长上下文基线。基准沿记忆范围和内容两个维度组织,发现现有记忆系统尚无通用解,检索法在知识密集场景强,程序化记忆在任务匹配时更有效。 该工作已被 NeurIPS 2026 接收。

  21. arXiv · AI50

    SBL 自构建实验室:从科学目标自动设计并运行实验室

    研究人员提出自构建实验室(SBL)系统,它能根据高层科学目标自动设计、配置并运行实验室设备,解决传统自驱动实验室灵活性不足的问题。 SBL 从现有环境(如空房间或已有 SDL)出发,自动生成实验室布局、数字孪生、机器人技能及实验工作流,并在单工作站到多机器人协作场景中完成验证,例如用于量子点合成实验。 该框架将科研人员从手动编程自动化转向仅指定科学目标,使科学自动化更灵活、可扩展。

  22. arXiv · AI26

    LazyAgent 实现代理程序的按需物化与物理优化

    LazyAgent 提出首个代理运行时按需执行完整方案,通过仅在请求需要时运行步骤避免冗余计算。 在 303 个请求的生产工作流中,该方案节省 62.2% CPU 及 51.7% 容器时间,且在 DataSciBench 上减少 12.8% Token 消耗。 研究指出公开基准无法体现此效率差异,呼吁行业构建衡量代理工作流执行效率的新标准。

  23. arXiv · AI35

    PA-SciML 框架:结合大语言模型代理与物理审计的科学机器学习

    PA-SciML 框架通过在大语言模型代理中引入物理契约(如叠加、边界条件),在候选搜索前固定要求并进行对抗性测试,以解决机械替代模型违反物理规律的问题。 在四个固体力学问题中,仅依赖误差选择的模型被证实存在因果性或零输入违规,而启用审计的模型在保持或超越精度的同时通过了所有必需检查。 该框架通过解耦审计结果与验证误差,确保了科学机器学习代理发现过程中的物理一致性。

  24. arXiv · AI28

    可控制用户模拟

    论文将可控制用户模拟形式化为因果推断问题,指出基于事后轨迹标签的监督微调会引入结构性偏差和前瞻性偏差。 理论证明策略偏移会导致评估指标方差几何级数爆炸(“可控性崩溃”)。提出先验控制等缓解方案,实证显示因果驱动模拟器消除偏差并保持零样本泛化能力。

  25. arXiv · AI42

    AutoAnalysis:一项自动化、自我更新的人-AI 协作元分析

    AutoAnalysis 是一项自动化且自我更新的人-AI 协作元分析,最新运行综合了来自 420 篇论文的 1,955 个效应量。 结果显示,人机组合平均表现显著优于人类单独工作,但显著差于人类或 AI 中表现更优的一方。 AutoAnalysis 将随新研究不断整合,提供关于何时人机协作更优的累积证据。

  26. arXiv · AI21

    ORION:面向基于RL的多域6G切片放置的结果驱动型LLM顾问

    针对多域6G网络切片在线放置中无固定策略占优且可行方案常被遗漏的问题,ORION提出一种层次化架构,利用两个LLM智能体生成结构化请求和抽象放置计划。 系统通过协同多智能体RL协调器选择跨域分区,并引入结果驱动的情节记忆记录网络条件、计划及可行性结果。在保持下游机制固定的情况下,该记忆机制使切片准入率比无记忆的同款规划器提升4.6至11.5个百分点。

  27. arXiv · AI36

    KEEPER:为长时程 LLM 智能体学习控制充分的文本记忆

    KEEPER 提出自洽性偏差概念,旨在识别递归文本记忆中已有错误声称的持续存在。该框架在共享递归接口下对比分析了四个辅助目标,其中奖励相关预测在离线强化学习前后均取得最高任务性能。 KEEPER 指出仅靠任务表现无法确立记忆可靠性,建议将错误持续性与有效信息保留纳入评估体系。