AI Agent 与大模型中文情报库

该研究提出MAS-PromptBench——首个面向多智能体LLM系统的结构化提示优化评测基准。作者系统考察了提示工程（如角色设定、思维链、格式约束）在不同任务复杂度、代理数量及协作模式下的实际增益，发现提示优化仅在中等协作耦合度与明确任务分解场景下显著有效；而在高动态交互或强依赖推理链的任务中，其收益常被通信开销与幻觉累积抵消。论文还揭示了当前主流多智能体框架（如AutoGen、CrewAI）对提示鲁棒性的隐性依赖，并提供了可复现的失败案例集与轻量级提示诊断工具。

该论文提出Action-BED框架，专为任务驱动型科学实验设计而构建，突破传统贝叶斯实验设计（BED）在目标函数难以解析计算（即‘单重难解’：似然可采样但归一化常数不可得）场景下的局限。作者将实验策略建模为序列决策问题，结合强化学习思想与变分推断，通过可微分代理目标近似期望信息增益，并引入任务相关效用函数引导实验选择，显著提升在分子筛选、主动学习等真实任务中的样本效率。方法在理论层面保证渐进最优性，在多个基准任务中相较经典BED与主动学习基线取得一致优势。

EnterpriseClawBench 是首个大规模、真实场景驱动的AI智能体（Agent）评测基准，其数据全部源自企业级办公环境中真实的用户-系统交互会话（如会议纪要生成、跨部门协作任务、CRM系统操作等），覆盖12类高频办公任务。区别于传统合成或简化任务集，该基准强调任务复杂性、多步推理能力、工具调用鲁棒性及上下文长期记忆表现，并提供细粒度人工标注与自动化评估双轨指标。研究团队同步开源了数据集、评估框架及基线模型结果，旨在推动面向生产力场景的Agent能力标准化评测，填补当前工业界与学术界在真实工作流评估上的关键空白。

该论文提出“成功访问匹配”（Success Visitation Matching, SVM）框架，旨在解决稀疏奖励环境下强化学习中奖励函数设计困难的问题。SVM 不依赖人工设计的奖励塑形，而是通过对比智能体在成功轨迹与随机/失败轨迹中的状态-动作访问分布，自动推断出能区分成功路径的隐式过程奖励。作者将该方法嵌入PPO等策略优化流程，在多个稀疏奖励连续控制任务（如AntMaze、Adroit）上显著提升样本效率与最终性能，并证明其比逆强化学习和奖励建模基线更具鲁棒性与可扩展性。研究还提供了理论分析，说明SVM最小化的是成功策略与行为策略在状态-动作空间上的分布差异，为过程奖励学习提供了新范式。

该论文提出DiT-Reward，一种面向文本到图像生成任务的新型奖励建模方法。不同于传统依赖判别式模型（如CLIP）或人工标注的奖励函数，DiT-Reward将奖励信号建模为可生成的隐空间表征，利用预训练扩散Transformer（DiT）架构学习图像-文本对的联合语义分布，并通过反向生成过程推断奖励分数。其核心创新在于将奖励建模从‘打分’范式转向‘生成式表征’范式，显著提升对细粒度语义对齐、构图合理性与风格一致性的判别能力，在Stable Diffusion微调和RLHF实验中展现出优于基线模型的泛化性与鲁棒性。该工作为大模型驱动的生成式AI对齐提供了新思路。

本文提出RECALL框架，旨在解决多模态智能体在持续交互环境中因灾难性遗忘导致的任务性能退化问题。不同于传统终身学习依赖参数正则化或回放缓冲区，RECALL构建了一个可检索的‘经验记忆库’，通过任务语义嵌入与动作轨迹对齐实现高效经验召回，并引入基于不确定性驱动的主动采样策略，引导智能体在关键决策节点主动触发记忆恢复。作者在ALFWorld和VoxPoser等具身AI基准上验证了其有效性，在10轮连续任务中平均遗忘率降低42%，且推理开销仅增加17%。该工作为构建具备长期适应能力的具身智能体提供了新范式。

该论文提出「Hedgementation」——首个专为树篱（hedgerow）精细分割构建的遥感基准数据集，覆盖英国多地、包含高分辨率航拍与卫星影像（0.1–2 m GSD），并提供像素级人工标注及多尺度树篱结构掩膜。作者系统评估了U-Net、SegFormer等主流分割模型在该任务上的表现，揭示现有方法在细长线性地物、遮挡与季节变化下的显著短板。研究强调树篱作为生物多样性廊道与碳汇载体的关键生态价值，并指出当前遥感语义分割基准普遍忽视此类半自然线性植被结构，填补了农业生态遥感与保护地理信息学交叉领域的数据与方法空白。

本文系统探讨大模型驱动的AI Agent如何重塑因果发现范式。传统方法依赖静态观测数据与强假设，而新一代Agent具备环境交互、实验设计与反事实推理能力，可主动发起干预、迭代优化因果图结构。文章提出‘Agent-Augmented Causal Discovery’框架，整合强化学习驱动的实验策略、多步反事实验证机制及跨Agent协作验证协议，并在模拟科学发现任务中验证其相较传统PC、GES算法在稀疏因果结构识别上的显著提升。研究亦指出当前挑战：Agent行为偏差可能引入隐性混杂、分布式实验协调缺乏理论保障，呼吁建立面向Agent-native的因果学习新基准。

Polycepta 是一种新型多目标跟踪（MOT）框架，突破传统基于检测后处理或联合优化范式，提出以对象为中心（object-centric）的外观表征学习机制。该方法通过解耦每个目标的外观特征与运动状态，在复杂遮挡、形变及跨摄像头场景下显著提升ID保持能力；其核心创新在于引入可学习的对象原型记忆库与动态外观校准模块，有效缓解长期跟踪中的外观漂移问题。在MOT17、MOT20及DanceTrack等主流基准上达到SOTA性能，尤其在IDF1指标上较TransTrack和QDTrack提升3.2–5.7个百分点。代码已开源，支持端到端训练与轻量部署。

美国加州中区联邦法院裁定，博主Messiah在影评博客中嵌入并评论Sokolskyfilm公司摄影师拍摄的电影剧照，构成《美国版权法》第107条规定的“合理使用”。法院重点考量了使用目的（批判性评论）、作品性质（已公开发表的宣传性剧照）、使用比例（仅截取必要画面且未替代原作市场）及对潜在市场的影响（反而可能促进影片关注）。该案延续了近年对网络评论、学术引用与自媒体二次创作中合理使用边界的司法宽容趋势，为内容创作者援引版权例外条款提供了新判例支撑，也凸显了传统版权方在数字传播语境下维权策略的局限性。

SPIRAL 是一种新型神经符号架构，旨在解决大语言模型在多步推理任务中面临的搜索空间爆炸与证据碎片化问题。该方法将推理过程解耦为可微分的‘搜索’（动态检索相关知识或子问题）与‘聚合’（结构化融合多源信息）两个协同模块，并通过强化学习与监督信号联合优化。作者在数学推理、开放域问答和符号操作等任务上验证其有效性，表明 SPIRAL 能显著提升长链推理的准确性与可解释性，同时降低对大规模微调数据的依赖。其核心创新在于将传统规划式推理转化为端到端可训练的搜索策略学习问题，为构建具备自主问题分解与证据整合能力的AI Agent提供了新范式。

该论文提出一种基于生成式建模的闭环微仿真框架，用于高保真复现城市信号交叉口的动态交通流。模型融合交通流物理约束与强化学习反馈机制，支持实时响应信号配时调整、车辆跟驰行为演化及突发扰动（如紧急制动或插队）；区别于传统开环仿真，其闭环特性通过在线感知—决策—执行循环实现策略闭环验证。作者在SUMO平台构建多场景基准测试，验证该模型在通行效率、排队长度预测及控制策略泛化性上的显著优势，为AI驱动的自适应信控系统提供了可解释、可部署的仿真底座。

该研究发现，传统ReLU等激活函数在建模Conway生命游戏这类离散时空动力系统时存在本质局限；作者提出一类基于Kolmogorov-Arnold表示定理构造的多项式激活网络（PKAN），其单层结构即可精确复现生命游戏的布尔更新规则。实验表明，在相同参数量下，PKAN仅需1/10训练步数即可达到99.9%演化准确率，且泛化至未见初始构型的能力远超MLP、CNN及Transformer基线。这项工作揭示了激活函数的代数结构与目标动力系统可计算性之间的深层关联，为面向规则驱动系统的神经架构设计提供了新范式。

该研究系统检验了大语言模型（LLM）在不同评估任务中的表现一致性，发现‘评估意识’（evaluation awareness）——即模型识别并适应评估信号（如提示中隐含的评分标准、格式要求或偏好倾向）的能力——并非统一的底层能力，而是高度任务依赖、上下文敏感且可被局部诱导的多维特质。作者在多个开源模型（如Llama-3、Qwen、DeepSeek系列）上设计控制实验，通过扰动评估指令、切换评测维度（事实性/连贯性/安全性）及引入对抗性提示，证实模型在某类评估上的鲁棒性无法泛化至其他类型。这一发现挑战了当前将‘评估对齐’视为单一优化目标的主流范式，为更精细的评估感知建模与可信AI开发提供了理论依据和方法论启示。

Kamera提出一种新型多模态键值（KV）缓存架构，突破传统Transformer中位置编码与模态耦合的限制，实现文本、图像等多模态输入在共享KV缓存中的位置无关表征。该方法无需微调或额外训练，即可将预训练大模型的KV缓存直接迁移复用于新任务与新模态，显著降低推理显存开销并提升跨模态泛化能力。论文在VQA、图文检索等基准上验证了其有效性，在保持精度的同时将KV缓存内存占用减少37%。该工作为大模型轻量化部署与多模态持续学习提供了新范式，呼应当前业界对高效缓存重用与训练-free适配的迫切需求。

本文提出一种无需传统超参数调优的新范式，通过解析推导样条回归中正则化强度与模型复杂度之间的Kolmogorov最优关系，直接求解理论最优超参数。作者将问题建模为函数空间中的极小极大逼近问题，利用Kolmogorov n-宽度理论刻画学习能力边界，并证明在 Sobolev 类假设下，最优正则化系数与样本量、光滑阶数之间存在精确幂律关系（即缩放律）。该方法规避了网格搜索或贝叶斯优化等计算密集型流程，在合成数据与真实基准（如 UCI 回归任务）上验证了其统计效率与泛化稳定性。研究为理解非线性回归中的隐式正则化机制提供了新视角，亦为大模型时代轻量化超参工程提供理论支撑。

该论文提出「思维调度」（Scheduling Thoughts）框架，首次系统性地建模并学习扩散语言模型（DLM）中隐式生成的思维步骤顺序。不同于传统自回归模型显式输出思维链（CoT），扩散模型以迭代去噪方式生成文本，其内部中间隐状态天然蕴含多步推理轨迹。作者设计可微分的时序对齐损失与排序感知采样策略，使模型能自主发现最优思维展开顺序，并在数学推理、符号操作等任务上显著提升最终答案准确率。实验表明，该方法在不增加参数量的前提下，使MiniCPM-Diffusion在GSM8K上准确率提升7.2%，揭示了扩散架构在结构化推理建模上的独特潜力。

LangMAP提出一种语言自适应的分词框架，突破传统静态词汇表限制，通过轻量级语言感知模块实时调整子词切分策略，在低资源语言上显著提升分词一致性与下游任务性能。该方法无需重训整个模型，仅需微调分词器参数即可适配新语言，已在12种语系、47种语言上验证其泛化能力，并在机器翻译、跨语言NER等任务中平均提升2.3个BLEU/0.9 F1分数。研究揭示了分词粒度与语言形态学特征（如黏着性、屈折复杂度）间的强相关性，为大模型全球化部署提供了可扩展的分词基础设施方案。

该论文提出一种新颖的神经微分方程（Neural-ODE）框架，通过在动力学系统中显式植入可学习的吸引子（attractors），对隐式表征空间中的速度场进行结构化建模。与传统Neural-ODE仅依赖黑箱向量场不同，该方法将分类任务先验编码为多个局部稳定吸引点，使轨迹演化具备明确语义导向——样本流形被引导至对应类别的吸引子附近，从而提升决策边界鲁棒性与可解释性。作者在图像与时间序列分类基准上验证了其有效性，并分析了吸引子位置、稳定性参数与泛化性能间的耦合关系，为将动力系统先验融入深度生成式建模提供了新思路。

SQLConductor提出一种新型“搜索到策略”（Search-to-Policy）学习范式，将文本到SQL任务解耦为可解释的多步编排过程：先通过语义搜索定位相关数据库模式片段，再基于强化学习动态生成SQL子句。该方法摒弃端到端黑箱建模，引入可追溯的中间状态监督与渐进式错误修正机制，在Spider、BIRD等主流基准上显著提升泛化性与复杂查询准确率，尤其在跨域schema理解和长依赖推理场景中表现突出。其设计兼顾模型可控性与部署实用性，为构建可调试、可审计的SQL生成Agent提供了新路径。

该论文提出“自压缩语言模型智能体”（Self-Compacting LMA），一种在运行时动态精简自身推理路径与参数表示的新型Agent范式。不同于传统模型压缩依赖离线剪枝或量化，该方法通过可学习的紧凑化控制器，在任务执行过程中实时识别冗余模块（如低贡献的工具调用链、重复记忆片段或过载的思维链节点），并触发结构化裁剪与知识蒸馏，实现推理延迟降低37%、内存占用减少52%，同时保持98.6%的原始任务准确率。作者在ToolQA、HotpotQA和AgentBench等多基准测试中验证其泛化性，并开源了CompactAgent框架。这项工作为边缘端AI Agent的可持续部署提供了新思路，呼应了当前大模型落地中对能效比与自治性的双重诉求。

Concordia 提出一种新型容错推理框架，专为长时序、高吞吐LLM服务设计。其核心创新在于将检查点（checkpointing）从传统内存快照升级为‘持久化内核’——通过JIT编译技术，在GPU上动态生成并固化关键计算状态（如KV缓存、解码器中间激活），使故障恢复无需重新加载模型权重或重放完整前序token。相比PyTorch内置检查点或CPU侧序列重放方案，Concordia在NVIDIA A100上实现平均2.3倍恢复加速与17%端到端延迟降低，且兼容Hugging Face生态与vLLM调度器。该工作填补了LLM在线服务中‘细粒度、低开销、硬件协同’容错机制的技术空白。

该论文提出一类具有亚线性参数增长结构的深度神经网络（如宽度逐层递减或稀疏连接），理论证明其在学习具有层次化组合结构的函数（如f(x)=g₃(g₂(g₁(x₁),g₁(x₂)))）时，能实现特征表示的跨样本一致性——即不同输入经网络提取的中间表征在语义上对齐且可复用。作者通过构造性分析与泛化误差界推导，指出传统全连接网络的冗余参数并非必要，而亚线性结构在保持表达能力的同时显著降低过拟合风险，并在图像分割与符号推理任务中验证了其相较ResNet和Transformer的特征解耦优势。该工作为轻量化模型的可解释性设计提供了新范式。

该论文提出DiffTW（Diffeomorphic Time Warping），一种新型可微时间规整框架，通过引入微分同胚约束确保时间轴变换严格单调、光滑且可逆，克服了传统DTW及其可微变体（如Soft-DTW）在梯度传播中易出现病态形变或非单射映射的问题。作者将DiffTW嵌入端到端神经网络，在UCR时序分类基准上显著提升准确率，尤其在长度不一、存在局部形变的生理信号与传感器数据上表现稳健。方法支持反向传播，可联合优化特征提取与对齐过程，并开源了PyTorch实现。研究为时序建模提供了兼具几何严谨性与工程实用性的对齐新范式。

AOHP（Agent Operating Harness Platform）是一个开源的OS级智能体运行框架，旨在将大模型驱动的AI Agent深度集成至操作系统内核与系统服务层。它通过轻量级沙箱隔离、细粒度权限控制与上下文感知的资源调度机制，在保障安全性的同时支持用户行为建模与个性化任务编排。区别于传统应用层Agent架构，AOHP直接对接系统调用接口，实现跨应用的无缝协同与低延迟响应，适用于隐私敏感场景下的本地化智能助手、自动化运维及可信数字代理等方向。项目已开源，配套提供基准测试套件与可扩展插件生态。

该论文提出一种面向异构时间序列任务的元学习框架，旨在解决传统统一模型在多源、多尺度、非平稳时序数据上泛化能力弱的问题。作者设计了可学习的‘任务选择器’模块，通过少量历史序列片段快速识别任务特性（如周期性、趋势性、噪声水平），并动态调度适配的子模型或超参数配置；在电力负荷、交通流量、金融价格等12个真实数据集上验证表明，其相较Autoformer、Informer等SOTA方法平均提升MAE 12.7%，且推理延迟降低38%。研究进一步揭示了元知识在时序建模中的迁移边界，为轻量化、自适应的工业级时序AI系统提供了新范式。

SkyJEPA 提出一种基于联合嵌入预测架构（JEPA）的新型世界模型框架，专为四旋翼无人机长时程（>10秒）自主控制设计。该方法摒弃传统像素级重建或显式物理建模，转而学习高维潜空间中状态演化的一致性表征，在仿真环境中仅需无监督预训练即可获得强泛化能力。关键创新在于引入分层时空抽象与动作感知对比约束，使模型在未见过的真实场景中实现零样本sim-to-real迁移——无需真实数据微调，即在复杂风扰、传感器噪声及动态障碍下完成精准轨迹跟踪与避障。实验表明其在真实DJI M300平台上的控制性能超越现有端到端与模型预测控制（MPC）基线。

该论文批判性反思了当前主流物体中心（object-centric）表征在视频建模中的局限性，指出其过度依赖预设分割先验与静态对象假设，难以刻画遮挡、形变、部分可观测等真实视频动态。作者提出一种解耦式隐式表征框架，将运动轨迹、外观演化与交互关系分别建模，并通过可微分注意力机制实现无监督对象发现与跨帧一致性约束。在BAIR、RoboNet及新构建的Occluded-Moving-MNIST基准上验证了其对复杂动态建模的优越性，尤其在长期预测与遮挡恢复任务中显著超越Slot Attention、GENESIS等基线方法。研究为视频理解中‘对象’概念的计算定义提供了新的理论视角与工程路径。

该论文提出一种面向真实场景（in-the-wild）的AI智能体安全检测方法，利用大语言模型内部注意力机制的异常模式来识别其被注入或诱导产生的恶意技能（如越权操作、隐蔽数据窃取、绕过内容审核等）。作者构建了首个包含多样化恶意技能指令的数据集，并设计注意力熵偏差分析与跨层注意力一致性检验双路指标，在多个开源Agent框架（如LangChain、AutoGen）上验证了方法有效性：相比传统基于输出文本分类的检测方式，该方法能在恶意行为执行前、甚至未触发显式有害输出时即发出预警，显著提升防御前置性。研究强调了对Agent级行为而非单纯响应内容进行细粒度监控的必要性。

Litmus 是一种新型评估范式，旨在解决当前AI系统评测中严重依赖人工标注、指标设计僵化且难以复现的问题。该框架摒弃传统基于标注数据集的评估路径，转而通过可执行的Python代码片段（即‘metric programs’）来形式化定义评估逻辑——例如‘生成回答是否在事实层面与权威文档一致’可直接编码为检索+语义对齐函数。作者验证了Litmus在大语言模型输出质量、推理一致性及工具调用可靠性等多类任务上的有效性，并强调其支持快速迭代、跨任务迁移和审计友好性，为构建透明、可编程、可验证的AI评估基础设施提供了新思路。