跳到正文
10月30日周五
  1. arXiv · AI37

    规模条件下评估 Agent 记忆:当存储证据停止可用

    研究提出规模条件评估协议,检验无关会话累积下 Agent 记忆证据的可用性。 在 LongMemEval 上,HippoRAG 维持双调用预算但可靠性损失 16-20 个百分点;LiCoMemory 表现因 Qwen3 模型版本而异。 该研究被 NeurIPS 2026 接收,支持构建依赖智能体、界面和规模的记忆声明框架。

  2. arXiv · AI28

    Agentic AI 在预测市场聚类与关系发现中的应用

    研究提出层级智能体归约(HAR)管道,结合 LLM 推理构建可检查的跨事件关系图,并评估其与市场价格的对齐程度。 基于 8 个月 Kalshi 目录及 30.3 million 笔交易数据,HAR 管道在完全样本及留一法下,其识别出的关系显示比匹配对照具有更高的显著 Pearson 价格变化相关性,且中等或高强度关系表现更佳。

  3. arXiv · AI34

    WxCrop:首个结合天气与农业信息预测作物损失的智能体

    WxCrop 是首个通过因果分析结合天气与农业信息可靠预测作物损失的智能体,在佛罗里达州针对飓风、冻害和干热进行了验证。 该模型利用保险记录校准损失模型,飓风指数检测 AUC 达 0.98,历史损失复现误差在 2% 以内,县级排名相关系数为 0.63。 智能体可向政府、农户和科学家提供每个作物组损失占预期季节价值比例的溯源数据,以快速应对农业灾害。

  4. arXiv · AI50

    Gym-Anything for Robotics:用代码智能体扩展物理模拟

    Gym-Anything for Robotics 框架引入代码智能体自动构建机器人模拟环境,并发布了包含 25 个测试和 175 个训练环境的 RoboWorld。 即使最强前沿模型在所有 RoboWorld 测试任务中的平均奖励仅为 0.06,但通过引入在上下文学习和特权教师等方法,模型性能得到显著提升。 作者已开源该管道、RL 环境和基准测试以促进后续研究。

  5. arXiv · AI30

    TaskFrame:连接任务级规划与帧级控制的游戏智能体框架

    TaskFrame 提出分层规划-控制框架,通过 GRPO 优化任务规划器并连接帧级键鼠控制。 规划器将目标分解为原子指令,其隐藏状态作为目标嵌入复用;因果 Transformer 控制器结合观测预测离散动作与连续相机运动。 实验显示,TaskFrame 在 Minecraft 闭环评估中的战斗成功率优于基线。

  6. arXiv · AI31

    MASCAL 如何通过校准置信度提升多智能体协作

    MASCAL 提出让多智能体系统中的代理通过学习输出答案正确性概率,将该校准概率在任务交接中传递给下游代理,为其决策提供量化依据。 该方法结合任务性能与置信度校准进行强化学习优化,并引入置信度感知加权机制,在三个跨 Web 检索与推理的协作架构中验证了其在任务准确性与校准质量上的提升。 最终输出的校准概率支持选择性作答与针对性复核,实验证实其能泛化至更深的协作链及不同模型规模。

  7. arXiv · AI30

    声学领域 Agentic Systems 实用评估

    研究评估了 Agentic Systems 在车辆异响检测与超材料设计两项声学应用中的表现。 弱模型的性能瓶颈无法通过 harness 设计克服,只有模型能力达标时设计选择才生效;Agent 在指定频率范围内可靠找到满足插入损耗的超材料设计。 结果阐明了 Agent 各组件的贡献机制,指导声学任务的 Agent 设计。

  8. arXiv · AI35

    ZEST-Search:无标签且工具高效的搜索智能体异构共进化学习框架

    ZEST-Search提出一种无标签、工具高效的搜索智能体训练框架,通过异构共进化实现性能提升。 该框架使用非标签参考问题在线构建验证任务,并采用中间难度奖励与工具感知奖励优化任务难度与搜索效率。 实验表明,在七个通用及多跳问答基准上,ZEST-Search在无需专家轨迹的情况下显著提高了搜索效率。

  9. arXiv · AI24

    EpidemIA:AI多智能体系统如何帮助临床医生访问复杂模型

    研究人员开发了基于本地开源权重LLM的无训练多智能体系统EpidemIA,允许用户通过自然语言对话调用专家编写的流行病学模型进行预测和统计分析。该系统运行于单GPU工作站,在博洛尼亚IRCCS Sant'Orsola急诊科数据集上验证了可行性,证明了LLM技术能帮助克服复杂动态模型学习曲线陡峭的障碍。

  10. arXiv · AI30

    CGSE 如何在隐式世界模型中生成 Critic 引导的离线合成经验

    该研究提出 Critic-Guided Synthetic Experience (CGSE) 方法,利用 Critic 指导在隐式世界模型中生成离线合成经验以增强现有数据集。 方法通过采样候选动作并在信任域内最大化 Q 函数一阶近似进行精细化,无需额外真实环境交互或测试时规划器。 在三项 OGBench 操作任务中,该方法使离线策略平均成功率相对提升 7.1%。

  11. arXiv · AI38

    HERA:评估量子器件测量的自主智能体

    自主智能体 HERA 在盲测中得出的结论与专家密封结论一致。HERA 针对量子器件低温输运测量设计,依托实验室成员整理的知识库。消融和重放研究显示,所有模型在知识库支持下设计的测量更好、推理更合理。HERA 还需几小时专家时间开发新协议后,即可自主寻找和表征新超导体。

  12. arXiv · AI21

    量子材料自主表征框架 QUANTA 引入 Agentic AI

    研究团队推出量子材料自主表征框架 QUANTA,利用 Agentic AI 实现闭环实验。 该框架集成物理属性测量系统 PPMS,结合检索增强生成与专用智能体,由确定性控制层校验仪器操作。 已在 TaP 输运测量及 Co2MnGa 非线性响应研究中验证,确立其为通用表征工具。

  13. arXiv · AI21

    生成式 AI 与认知资本:个体与组织的综合评述

    本文提出“认知资本”概念,分析生成式 AI 如何影响个人与组织保留的知识、技能与判断力。 研究识别出实践替代、脚手架反馈、元认知校准及组织聚合四种作用机制,并总结出 7 项证据原则。 该框架旨在为管理 AI 采用提供多层面依据,并呼吁开展纵向测量研究。

  14. arXiv · AI35

    人工智能人格模型在对话智能体中的实证研究

    该研究通过三项实验(N=395)实证评估了融合人类与机器维度的人工智能人格模型(APM),并开发了专门的人格问卷(APQ)。 研究发现宜人性等人类维度可部分迁移,且特定机器维度影响了用户满意度与社会临场感,而BFI-2量表在该场景下可靠性不足。 该成果为对话智能体的设计提供了经过实证检验的理论框架与测量工具。

  15. arXiv · AI43

    Tracekit Box: 在微VM中运行AI智能体,所有出口均由签名器裁定

    Tracekit Box 是一款开源(MIT 协议,v0)系统,让 AI 智能体在 Firecracker 微VM中运行,无网卡,出口由宿主机签名器裁定。 每个任务使用 vsock 通道,密钥与元数据地址被拒,变更以补丁形式返回。13 项端到端检查通过,15 个模糊测试发现 9 个问题均已修复。 结果打包为 .tkb 文件,支持离线验证。

  16. arXiv · AI21

    研究揭示 Coding Agents 在代码演化中更倾向于遵循先例而非指令

    研究通过 5,625 次试验发现,Coding Agents 在默认偏好冲突时压倒性地遵循仓库先例(359/360 次试验)。 本地支持文件使先例采纳率达 96%,而同级资源文件仅为 4%;显式书面优先级规则在开源仓库中可将联合成功率从 0/120 提升至 117/120。 这些发现强调了在设计决策可追溯性中保存实现逻辑及优先级的必要性。

  17. arXiv · AI48

    Skeleton Coding:程序结构作为 AI 智能体的控制机制

    提出 Skeleton Coding 范式,要求开发者与行为规范共同指定程序结构,将 AI 辅助编码建模为控制问题。 理论证明该方法可将所需测试数量呈指数级减少;实证显示最佳骨架规范使平均测试错误降低 48.4%。 缩小小模型与大模型性能差距约 52.4%,同时将实现成本降低 15 至 26 倍,平均代码侵蚀率降低 24.7%。

  18. arXiv · AI38

    角色接地攻击:通过社交交互利用大模型Agent记忆中的角色归属漏洞

    研究人员首次提出角色接地攻击(RGA),利用嵌套对话结构导致Agent将攻击者偏好错误归属给受害者用户。 RGA通过工具选择操纵和隐私泄露两种方式实施,在5种主流记忆系统和6种语言模型中测试显示高攻击成功率。 该研究揭示了现有Agent记忆系统在角色到主体归属上的脆弱性,呼吁加强角色接地机制。