跳到正文
10月15日周四
  1. AWS Machine Learning Blog36

    Amazon Bedrock AgentCore 构建自我改进的文档处理系统

    利用 Amazon Bedrock AgentCore 构建多智能体智能文档处理系统,实现文档分类、提取与验证的自我改进。 系统由 8 个智能体组成,基于 Strands Agents 框架运行,处理时间常低于 20 分钟,无需手动配置模板。 该系统能自动学习新文档格式,显著降低因文档挑战导致的年均 19,732 美元成本及 21.3% 生产力损失。

10月14日周三
  1. Qoder69

    Qoder 集成千问AI耳夹式耳机,支持语音控制与 Computer Use

    Qoder 已集成到千问AI耳夹式耳机中。用户通过耳机唤醒 Qoder 后,可语音指令继续推进电脑上的未完成任务,或通过 Computer Use 功能让 Agent 像人一样操作屏幕、点击鼠标和敲键盘来完成具体事务。耳机支持全双工语音交互,允许用户在 Qoder 说话时随时插话修正指令。

    推荐理由:耳机与Agent结合,允许用户通过语音指令继续电脑上的任务,并直接操作电脑完成具体事务。

  2. arXiv · AI27

    跨进程插件智能体的四个充分条件与 Logos 架构

    论文证明插件智能体在满足四个跨进程分配条件下可保持可逆性保证,并构建基于 ROS 名称路由的 Logos 系统。 Logos 将插件作为独立进程,路由表可重建,恢复状态存于无主追加式日志中,摆脱单一进程限制。 在 200 个基准任务中,Logos 在单次故障下保持所有会话存活且零浪费调用,成功 120 个任务。

  3. arXiv · NLP30

    LLM 智能体解耦搜索与推理:一种厂商无关的 MCP 兼容搜索定位架构

    提出 Decoupled Search Grounding (DSG) 架构,通过 MCP 兼容网关将搜索与推理模型解耦,实现厂商无关的搜索定位。 在 SimpleQA 基准测试中,DSG 搜索成本降低 91%,延迟降低 68%;在电商工作负载中,搜索成本降低超 98% 且准确率匹敌原生搜索。 该架构消除了原生搜索导致的答案冗长问题,使实时搜索定位成为可优化的接口边界而非固定模型功能。

  4. arXiv · AI25

    LLM 辅助交通规划:基于可微用户均衡层的框架

    研究提出一种整合大语言模型、MCP 接口及 AequilibraE 引擎的框架,通过可微用户均衡层辅助非专家进行交通规划优化。 该框架直接对 Beckmann 问题的 KKT 条件进行微分,支持基于观察数据校准旅行时间函数及预算约束下的网络设计任务。 此举降低了专业门槛,使非专家决策者也能高效搜索和评估交通解决方案。

  5. arXiv · AI38

    MCPDisCo 实现基于 MCP 的代理强化学习与推理工具权衡优化

    提出 MCPDisCo 框架,用于训练 MCP 原生代理,在 70 个服务器和 527 个工具上进行真实长程交互强化学习。 该框架通过结合 token 掩码奖励归因与双向梯度手术,有效缓解了推理与工具使用之间的“跷跷板”效应。 在分布外 MCP-Atlas 和 GAIA 基准上保持单调增益,证明模型在训练分布外具有良好泛化能力。

  6. arXiv · NLP33

    Lumen-bench 揭示工具调用大模型跨语言安全差距与言行不一问题

    Lumen-bench 是覆盖 30 个模型、5 种语言和 19.44 万次试验的工具调用伦理行为基准。 研究通过 o4-mini 裁判发现,替换伦理系统提示词使违规率从 2.76% 升至 13.64%,且 8.57% 案例中存在拒绝伴随有害调用的言行差距。 结果表明高价模型违规率更低但并非绝对安全,多语言环境下模型行为一致性存在显著挑战。

  7. arXiv · AI43

    MCP系统中LLM工具选择的关键元数据:来自受控因子水平干预的证据

    对367,174个MCP工具的元数据分析显示,参数模式差异对大语言模型工具选择的影响最大且最一致,模型倾向选择独立顶层参数。 干预实验表明,解释参数的描述能提升选择率,名称影响较弱;仅一个模式满足明确请求时,所有模型均选择兼容工具。 研究指出,参数模式设计不仅影响工具调用方式,还决定工具是否被选中,即使功能不变,模式设计和工具排序也会影响最终调用的实现。

  8. arXiv · NLP31

    LLM 作为智能体工作流执行者的评估:现实客服技能基准测试

    这项研究构建了基于 MCP 模拟环境的客服工作流基准,对 17 个 1.7B 至 14B 参数的语言模型进行零样本评估。结果显示 GPT-5.4 领先优势显著,Qwen3.5-9B 为最强开源权重模型。 评估中 10 组 LLM 裁判的通过/失败判定 Kappa 系数平均仅为 0.524,表明裁判可靠性与模型能力同等重要。

  9. AWS Machine Learning Blog61

    AWS 发布 AgentCore 支付功能,支持 Anchor Browser 自动完成 x402 交易

    Amazon Bedrock AgentCore 推出支付功能,与 Anchor Browser 集成支持 x402 协议,让 AI 智能体自动处理按请求计费的网页和 API 访问,免去 402 支付响应的人工干预。

    推荐理由:AWS 官方详解了 AgentCore 支付方案如何支持 x402 协议,让智能体在保持安全边界的前提下,自动完成按请求计费的网页和 API 访问。

10月13日周二
  1. GitHub Blog · AI & ML42

    GitHub Copilot 初学者指南:如何向 Copilot 传授代码库知识

    通过定制指令、Agent 技能、自定义 Agent 和 MCP 服务器,可优化 Copilot 处理项目的能力。 其中定制指令位于 .github/copilot-instructions.md 文件,Agent 技能封装重复流程,MCP 服务器则连接外部工具如 Playwright。 社区资源 Awesome Copilot 提供现成的配置模板,帮助开发者快速适配现有工作流。

10月12日周一
  1. 豆包工作40

    智身科技部署豆包工作,实现机器狗自然语言巡检

    智身科技利用豆包工作搭建园区巡检方案,员工仅需下达“去办公室巡检一圈”指令,系统即可自动生成路线并下发任务。机器狗通过 MCP 接口执行巡检,豆包工作自动识别现场异常,生成含风险等级的记录写入飞书多维表格,并推送给负责人。系统还能自动汇总数据生成巡检周报,降低操作门槛。

  2. arXiv · AI25

    CASCADE:基于MCP代理框架的基因扰动下游转录效应预测

    CASCADE框架利用预计算ARACNe调控网络通过MCP接口预测基因扰动的下游转录效应。在MYC验证中,其敲低预测与TCGA肿瘤表达一致性达90.0%(BRCA)、72.0%(COAD)和85.7%(STAD)。 该框架在35项自然语言请求测试中,本地模型工具调用精确匹配率为71.4%,大模型为85.7%。验证显示其对增殖机制基因有效,但对谱系身份转录因子和CCND2失败。

  3. arXiv · AI40

    Web$hell:用于 Agentic Web 访问的统一接口

    Web$hell 提出了一种统一的 Web 访问接口,利用 WebCompiler 将实时网页编译为可寻址的信息和动作对象。 该方案通过 WebCache 维护对象,使用共享操作集实现一致、可操作且持久的访问,在基准测试中以较低成本达到强大性能。 研究强调了接口设计对有效 Web 访问的重要性,为更高效的大语言模型智能体开辟了新可能。

  4. arXiv · ML30

    PACT:面向多轮工具使用智能体的特权轨迹协同训练框架

    PACT 提出一种协同训练框架,通过特权轨迹信号优化多轮工具使用智能体,在 FTRL 等基准测试中表现优于基线。 该框架使用专家轨迹作为训练优化信号而非提示线索,结合轨迹条件强化学习与组件感知 SFT 损失,并通过纯提示锚定防止过拟合。 实验结果验证了两种训练目标及组件监督的有效性,提升了智能体在复杂交互中的适应性与性能。

10月11日周日
10月10日周六
10月9日周五
  1. arXiv · AI28

    ROCQ-MCP-EVOLVE:面向 Rocq 和 Lean 高效定理证明的演化式智能体接口设计

    研究团队提出演化式方法,通过前沿模型迭代优化功能,成功构建并发布了名为 ROCQ-MCP-EVOLVE 的专用智能体接口。 该接口在 miniF2F-Rocq 基准测试中,显著提升了跨四个模型的求解成功率,并有效降低了单次求解成本与耗时。 ROCQ-MCP-EVOLVE 及其移植到 Lean 的版本均已开源,为数学证明验证提供了更优的跨工具方案。

  2. arXiv · NLP63

    Salesforce 发布企业级智能体模型 Koa,基于 Nemotron 后训练提升工具调用成功率

    Salesforce 发布企业级语言模型 Koa,该模型基于开源权重 Nemotron-3-Super-120B 基础模型,使用 Group Relative Policy Optimization (GRPO) 强化学习后训练,并部署为 FP8 格式。

    推荐理由:论文展示了基于开源模型和纯公共/合成数据构建企业级工具调用智能体的路径,并在基准上超越了 GPT-4.1。

10月8日周四
  1. arXiv · AI51

    Agentic LLM 工具调用决策机制:被抑制塑造的 Tool-Call 向量

    arXiv 论文提出将复杂 Agentic Prompt 转化为仅由请求动词决定的最小对比对,以研究 LLM 工具调用机制。研究发现工具调用决策由因果向量 μ_Δ 介导,该向量被分析类动词抑制、由执行类动词保留。跨 Qwen、Mistral 和 Granite 家族七个模型的消融实验证实,脚手架建立工具调用先验,下游注意力头读取出该状态,代码已开源。

  2. arXiv · AI35

    GeoNatureAgent (GNA):工具型智能体在地学与环境任务上的预生产评估框架与基准

    GeoNatureAgent (GNA) 引入固定十六工具 MCP 接口与 103 任务基准,用于评估工具型 LLM 智能体。 Claude Sonnet 4 在 103 任务中取得最高能力得分 61.7%,DeepSeek V3.2 以 11.3 倍更低成本实现 93% 的能力,构成主要成本-准确率帕累托前沿。 MCP 服务器、评估框架与 API 已公开,可替换工具与任务集以适配任意地学领域。

  3. arXiv · AI28

    受治理工具使用智能体中的控制生成扰动与成本感知退避研究

    监督型治理者可能通过增加干预强度引发工具故障,导致智能体任务持续受阻;引入基于已知事件移动平均的成本感知退避规则可有效缓解该问题。 Gemini 2.5 Flash 在 576 个集次、6 个任务中的实验表明,中间强度的退避策略实现了最高的总体成功率并减少了阻塞现象。 研究揭示了干预成本与持续动作阻塞间的相互作用机制,但该方法在受控环境外的适用性仍属经验性问题。