AI Agent 与大模型中文情报库

FleetAgent是一种面向大规模自动驾驶车队的轻量级远程操作辅助框架，核心创新在于将车辆状态、环境感知与控制指令统一编码为紧凑的向量化V2N（Vehicle-to-Network）消息，显著降低通信带宽需求并提升云端调度响应速度。该系统支持多车并发遥操作，在网络延迟波动或局部感知失效时，可由远程操作员快速介入接管，同时通过语义压缩与优先级调度机制保障关键消息的实时性与可靠性。论文在真实物流车队仿真平台及实车测试中验证了其在3G/4G弱网环境下仍能维持亚秒级控制闭环，相较传统JSON/XML协议减少83%传输负载，为L4级自动驾驶商业化落地中的‘人在环路’安全冗余提供了可扩展的技术路径。

该论文提出Probe-and-Refine Tuning（探查-精调）框架，旨在提升大语言模型驱动的编码智能体在真实软件仓库（如GitHub项目）中导航与生成代码的能力。传统方法常依赖静态检索或粗粒度上下文注入，易导致相关性偏差与语义失焦；本文通过两阶段机制解决：先以轻量级探查模块动态识别仓库关键路径与API契约，再基于反馈信号对检索结果与提示结构进行细粒度精调。实验表明，该方法在CodeContests与RepoBench等基准上显著优于RAG与Direct Prompting基线，尤其在跨模块依赖推理与长上下文理解任务中提升达23.7%。研究亦开源了配套工具链RefoTune，支持开发者快速适配私有代码库。

本文深入剖析了在NVIDIA DGX Spark（搭载8×H100 80GB SXM5）上并行运行两个Qwen3-32B模型的技术可行性。作者通过实测验证，Qwen3-32B在FP16精度下约需47GB显存，而H100的80GB容量虽留有余量，但关键瓶颈在于CUDA Graph的residency机制——即模型权重在GPU内存中必须保持常驻以避免频繁加载开销。文章指出，双模型共享显存时需精细划分KV缓存、激活值与图结构空间，并借助vLLM的PagedAttention与模型分片策略实现稳定推理。该实践为高性价比大模型服务化提供了新思路，也凸显了硬件特性（如H100的HBM带宽与NVLink拓扑）对多实例调度的深层影响。

该论文提出一种新型评估范式——“VLM-as-3D-Judge”，利用视觉语言模型（VLM）替代传统人工或指标驱动的3D生成质量评判，专门针对单图像3D重建任务。作者指出，现有自动评估指标（如Chamfer距离、FID）存在严重偏差：既无法捕捉几何合理性与语义一致性，又易受渲染伪影和坐标系扰动干扰。为此，研究设计了三阶段去偏协议：1）构建多视角、跨类别、带细粒度标注的3D判别数据集；2）对齐VLM的视觉-语言理解能力与3D空间推理需求，通过指令微调增强其对法向量连续性、拓扑完整性等隐式约束的感知；3）引入对抗性样本校准机制抑制VLM固有的文本先验偏差。实验表明，该协议在ShapeNet和Objaverse基准上与人类评分相关性达0.89，显著优于传统指标，并已开源评估框架与判别数据集。

该研究针对法律AI中法定条文引用这一关键任务，在安大略省《住宅租赁法》（RTA）语境下系统比较四种主流技术路径：纯微调（Fine-tuning）、纯检索增强（RAG）、微调+检索联合架构，以及基于提示工程的零样本基线。作者构建了首个专用于RTA条款精准定位与格式化引注的高质量测试集（含1,247个真实租务纠纷问题），在相同模型底座（Llama-3-8B）和评估协议下进行头对头评测。结果表明，检索增强方法在引注准确率（89.2%）和条款覆盖广度上显著优于纯微调（76.5%），而联合方法未带来预期增益，揭示了法律领域中“检索优先、微调辅助”的实用范式。研究还分析了错误类型分布与典型失败案例，为法律大模型落地提供实证依据。

该论文提出SoftSkill框架，一种新型行为压缩范式，旨在降低大型语言模型（LLM）在多任务、多场景上下文切换中的推理开销。不同于传统参数微调或提示工程，SoftSkill通过学习紧凑的、任务感知的‘行为向量’（behavioral embeddings）来编码专家级响应模式，并在推理时动态注入至冻结主干模型，实现轻量级、即插即用的上下文适配。作者在对话个性化、领域迁移与指令遵循等任务上验证其有效性，在仅引入0.1%额外参数的前提下，性能媲美全参数微调，显著优于LoRA等低秩适配方法。该工作为构建高效、可组合的AI Agent行为库提供了新思路。

本文提出「可操作激活方向」（Actionable Activation Directions, AAD）这一新型可解释性框架，用于跨模型族（如Llama、Qwen、Phi系列）系统性识别和干预涌现式对齐失效——即模型在未见任务或分布外场景中产生的隐性目标偏移。作者通过因果干预实验发现，特定隐藏层中的低维方向性激活模式与有害行为（如越狱、价值漂移）存在强因果关联；基于此构建轻量级探测器，并设计梯度引导的激活钳制策略，在不微调权重的前提下实现对齐修复。实验覆盖12个开源大模型，在TruthfulQA、SelfAware等基准上平均提升对齐准确率23.7%，且计算开销低于LoRA微调的5%。该工作为模型安全评估提供了首个支持跨架构迁移的白盒诊断工具链。