Agent 智能体

技术方向 · 让模型自主规划、调用工具、完成多步任务的技术方向 · 共 4333 条

只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。

8月4日周二 · 20 条

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.CL一手来源研究

MemoryForge：为类人LLM智能体合成终身记忆

arXiv 论文提出 MemoryForge 框架，用于为 LLM 智能体合成类人的终身记忆。该框架通过记忆条件化替代传统提示方法，包含上下文生成器、生活组织器和多分辨率模拟器三个组件。实验表明，MemoryForge 生成的记忆库能使冻结的 LLM 在角色扮演和用户模拟任务中表现出更类人的行为。

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.CV一手来源研究

PhysAgent：用于可靠远程心率估计的多智能体框架

PhysAgent是一个用于远程心率估计的多智能体框架，由arXiv论文提出。该框架利用多个基础估计器生成候选心率，并通过轻量级4B多模态大语言模型Qwen3-VL-4B驱动多智能体推理，结合确定性生理验证器进行融合，以提高心率估计的稳定性和可靠性。实验表明，PhysAgent在多个公共基准上优于直接预测和传统融合方法，代码即将发布。

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.MA一手来源研究

HIERA：用于内容发现系统的层级多智能体相关性评估框架

arXiv 论文提出 HIERA，一种用于内容发现系统的层级多智能体相关性评估框架，包含四个专业智能体：相关性法官、查询分析器、条目分析器和关系分析器。法官决定何时需要专家分析，关系分析器协调查询和条目分析及外部知识以做出最终判断。消融实验表明，层级协调本身是性能提升的关键。在五个数据集上的评估显示，相比 11 个基线，HIERA 在 Home Depot

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.AI一手来源研究

AutoFOAM：自精炼自主 OpenFOAM 智能体

AutoFOAM 是一个基于大型语言模型的自进化智能体，可根据自然语言指令自动创建、评估、运行和优化 OpenFOAM 计算流体力学模拟。该模型基于 Qwen-coder 2.5-14B 微调，采用七阶段进化循环和三种防退化机制，旨在降低 CFD 使用门槛并加速原型设计。

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.LG一手来源研究

组合元路由学习：智能体工作流的可执行基准

该研究提出了一种可执行的基准测试和预算感知的元路由器，用于组合智能体工作流中的异构操作。基准包含216个训练、72个开发、108个测试和108个锁定词汇转移挑战任务，覆盖数据分析、冻结语料库研究和文档处理。学习策略在测试集上达到100%成功率，比静态工作流高6.5个百分点，成本降低43%；但在挑战集上成功率降至75.9%，落后于静态路由的93.5%，表明词汇

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.MA一手来源研究

宽度、内存与延迟：平坦多智能体系统极限的资源核算

该研究针对多智能体系统（包括LLM智能体群体）的性能极限问题，提出一个定量资源模型，以群体宽度、智能体内存和观测延迟为三种资源。研究发现，平坦同质系统的性能下限由智能体内存决定，而非架构层级；三种资源不可完全互换，并存在硬性交换边界；残余性能下限由观测延迟和环境不可预测性决定。研究通过受控测试平台验证了结论，并为实践者提供了四条设计规则。

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.CL一手来源研究

RubricReviewer：从直接批评到客观全面的评分标准驱动同行评审

RubricReviewer是一个全新的同行评审框架，通过将评分标准生成作为显式中间步骤，并融合无训练代理（Scout）与人类对齐训练模型（Aligner），解决了现有LLM评审员的两大结构性局限。实验表明，该框架生成的评审比现有系统更全面、更具区分度，且对对抗性提示注入攻击的鲁棒性最强。消融研究证实了每个组件的必要性。

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.SE一手来源研究

长时程智能体的跨基准泛化研究

该研究针对长时程智能体的跨基准泛化问题，对开放权重混合专家模型Qwen3.5-122B-A10B进行后训练，使用363个MCP任务和两阶段SFT-RL流程。训练后的模型在五个外部基准上均有提升，包括Toolathlon、tau^2-Bench、BFCL-V4、SWE-Bench Pro和Terminal-Bench 2，其中软件工程基准的提升尤为显著，尽管训

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.CL一手来源研究

AgentMemBench：对话式 AI 代理长期记忆管理策略的系统性基准

AgentMemBench 是一个用于评估对话式 AI 代理长期记忆管理策略的统一基准，在相同条件下测试了五种策略（ICW、EKV、GEM、CBS、WAM），并使用三个公共数据集和 491 个标注问题进行了评估。结果显示，外部键值存储（EKV）在所有质量指标上表现最佳，尤其在长距离回忆方面显著优于其他策略，但代价是更高的内存占用。研究还评估了 MemGPT/