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 2494 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6日周四 · 20 条

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

HELENA：基于互补拓扑联合的分层稀疏协调多智能体框架

arXiv 上发布了一篇关于多智能体系统的新论文，提出了 HELENA 框架。该框架通过蒙特卡洛树搜索和行列式点过程选择互补拓扑，构建联合图，并利用分层稀疏协调模块在每一步仅激活稀疏子图，以抑制冗余噪声传播。实验表明，HELENA 在八个基准测试上均达到最先进水平，平均提升 3.47%，在 MMLU-Pro 上提升高达 10.34%。

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

自验证智能体工具：分离长时程智能体中的承诺漂移与绑定漂移

该研究提出一种自验证的智能体工具，通过确定性执行器控制信念、语言模型仅提交类型化提案，并利用预注册预测与代码观测匹配来验证长时程智能体。实验表明，移除承诺机制会导致目标放弃率从0.00升至1.00，而绑定错误保持为0.00，验证了漂移分解的有效性。尽管任务效能为零（52次门控运行中无一次完成ARC-AGI-3），但该方法为智能体开发提供了结构性验证方法论。

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

MemArena：端侧个人记忆助手的自我中心基准测试

arXiv 发布了一项名为 MemArena 的基准测试，用于评估端侧个人记忆助手。该基准通过 MASim 模拟器生成了 50 个智能体在 15 天内的对话数据，并测试了多种记忆后端。结果显示，记忆后端的选择对内容准确性的影响大于模型规模，且权限感知访问在所有后端中均表现不佳。

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

LLM代理框架实现大型解空间的持续改进与并行自主探索

该研究提出一个框架，为LLM代理提供两种自主搜索大型解空间的机制：基于留出数据评分的排行榜作为奖励信号驱动单代理持续改进，以及多代理并行自主探索。在电商产品目录匹配任务上，单代理达到47.8-57.4%的合格覆盖率，五代理达到62.8-69.4%，优于33.3%的基线。该框架贡献在于持续改进奖励循环和全自主并行探索机制。

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

FinPerMA：面向LLM代理的个性化记忆基准测试

FinPerMA是一个针对LLM代理的个性化记忆基准测试，基于理论信息和事件驱动，用于评估代理在长期金融咨询场景中维护和更新用户模型的能力。该基准包含2994个问题，覆盖276个用户画像，测试结果显示前沿LLM和多种记忆配置均未达到饱和，最高准确率仅约0.47。分析表明，基于摘要的记忆方法在保留事实细节的同时丢失了偏好信号，简单检索方法在事件冲击后表现优于专

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

信息物理系统中LLM代理规划策略的战略评估

该研究提出了一种针对信息物理系统中LLM代理规划策略的受控物理基准测试方法，通过智能电网需求响应系统评估了预定义、顺序、层次和搜索四种执行架构。研究发现，强制搜索在所有基线种子中表现最优，而执行保真度需要超越模式一致性，客观替代虽保持一致性为1.0，但电压短缺增加了2.68倍。在144个场景、576个回合的测试中，应用截止日期可行性可将遗憾值从90.7降至2

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

FinProBench：基于专业交付物的角色接地评分标准评估金融 AI 智能体

arXiv 发布了一项名为 FinProBench 的金融 AI 智能体评估基准，并提出了角色接地评分标准构建（RGRC）流程，从专业人员的交付物中提取评分标准。实验表明，RGRC 在专业角色任务上显著优于仅用提示词的方法（99.1% vs 78.0%），而在常规角色上两者接近。该基准包含 1,723 个交付物，覆盖 57 个职业，初步评估集包含 20 个任

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.IR一手来源研究

技能检索新方法：Capability Pages 提升代理技能路由性能

arXiv 上发布了一篇关于技能检索的研究论文，提出了一种名为 Capability Pages 的集群对比技能表示方法，通过包含正触发器、负边界和判别性主体来提升大型语言模型代理的技能检索性能。在 SRA-Bench 基准测试中，该方法使五种检索器的 Recall@10 平均提升 2.94 点，端到端任务成功率平均提升 3.62 点，并在中文 SSL-Sk