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 4271 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。

9月2日周三 · 20 条

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

HyperWorld：超图结构状态序列化提升文本世界模型学习

HyperWorld 研究通过对比四种信息等价的文本状态序列化方式（原始观察、独立句子、成对三元组、超边单元），发现超边序列化能显著提升小语言模型（0.5B-1.5B）在文本世界中的效果预测和分布外鲁棒性，并在规划任务中取得最高成功率。该研究为学习符号世界模型提供了高阶结构作为廉价归纳偏置的证据。

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

Dreams：基于双节点蒙特卡洛树搜索的对话推荐系统上下文建模

arXiv 论文提出 Dreams，一种用于对话推荐系统（CRS）的双节点树结构上下文建模框架。Dreams 通过蒙特卡洛树搜索（MCTS）进行偏好 elicitation，并使用 LLM 将偏好状态转化为结构化检索查询以实现 exploitation。实验证明其在基准数据集上优于现有方法，代码已开源。

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

面向代理云工程的图与循环工程及零信任代理框架

arXiv 论文提出 Agentic Cloud Workflow Engineering 框架，将自然语言云工程任务转化为代码仓库和云部署，通过图工程、循环工程和零信任代理框架实现工作流推进、故障恢复与验证。框架在 Google Cloud 上验证，执行以可验证部署或可审计失败终止。该框架统一了 Agentic DevOps、CloudOps、SRE 等云

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

MCP客户端失败后能否自主决策？结果可操作性审计

该论文对MCP客户端在收到失败结果后能否自主决策进行了审计研究。作者提出一个六部分的可操作性分析框架，通过对21个真实失败案例的分析发现，类型化字段能暴露失败但很少提供具体原因、修复目标或重试策略，而文本描述包含更多信息但需要语义解释。论文还展示了一个故障关闭原型，表明需要额外的控制平面来支持确定性分支。研究结论是，MCP的完成结果通常使失败可观察，但很少使

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

轨迹裁判：仅看结果的 LLM 裁判在智能体轨迹上的盲区

本研究构建了一个确定性工具使用环境，通过脚本化 oracle 策略和故障注入器，对五种 LLM 裁判（包括仅看结果的裁判、步骤评分裁判等）在 400 条轨迹上的表现进行了评估。结果显示，仅看结果的裁判对静默故障的召回率仅为 45%，且会误报 33% 的正确轨迹；而步骤评分裁判在零误报的情况下达到了 77% 的静默召回率。研究还发现，自一致性集成成本增加三倍但

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

编码代理的harness工程：11个系统的源码解剖与演进

该论文对11个生产级编码代理的源码进行了系统解剖，定义了harness工程学科，并识别出7个子系统和29种设计模式。研究发现，所有系统均未使用通用代理框架或向量检索，而SKILL.md技能采用率超过MCP。论文指出，到2026年上半年，编码harness已从工具转变为平台，并提出了18条设计建议。

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

EULER：多智能体数学发现中的跨领域桥接与证据验证

EULER 是一个多智能体数学发现系统，以跨领域桥接为搜索单元，通过直接、相邻领域和远距离领域三条竞争路线探索猜想，并利用压力测试和证据返回检查来过滤无效桥接。在 120 个近期猜想上，EULER 产生了 10 个证明、3 个反例和 45 个部分结果，消融实验表明桥接特定压力测试和可执行操作增益是成功的关键。该系统展示了跨领域转移在数学发现中的价值，并强调了

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

RAPIDMap：基于多智能体的快速可解释灾害制图管道

RAPIDMap 是一个由 Texas A&M University 提出的多智能体管道，用于从卫星和街景图像中快速生成可解释的灾害地图。该系统通过四个智能体（DPA、IRA、DRA、DMA）实现零样本灾害识别、图像恢复、损伤识别和空间映射，无需人工标注或微调。研究在多种灾害场景中验证了其泛化能力，旨在提升灾害响应的速度和准确性。

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

LLM长时程状态跟踪：通过深度依赖工具调用执行MD5

该研究提出一种受控基准测试，让LLM通过逐步调用工具执行MD5哈希计算，以评估其长时程状态跟踪能力。实验表明，gpt-oss-120b模型在多数运行中能正确完成全部步骤，且当用另一个LLM替代所有原始工具时，驱动-工作模型对也能从零计算哈希。成功的关键在于将模型自身推理保留在上下文中，并对工作模型采用多数投票机制。