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 2397 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9日周三 · 20 条

17:43

正文结构化主题已通过公开置信门槛

Mastra Releases一手来源产品发布

Mastra 发布高级追踪查询、租户级删除及 Factory 看板更新

Mastra 发布 2026 年 9 月 9 日更新，核心亮点包括：新增高级追踪查询契约及 ClickHouse、DuckDB、Postgres 实现；支持租户级追踪删除与级联清理；为工作流控制流块添加元数据；Agent 频道新增 onAction 处理器；Factory 自定义看板成为一等公民。同时包含多项破坏性变更，涉及 @mastra/factory

13:04

正文结构化主题已通过公开置信门槛

Latent Space研究

OpenAI 称 AI 用 1 万智能体 88 小时解决纳维-斯托克斯难题

OpenAI 关联账号宣称，其 AI 系统在约 1 万个智能体协作下，于 88 小时内解决了纳维-斯托克斯千年难题中的有限时间奇点问题，耗资超 4000 万美元，涉及 1300 亿 token。该方法基于多智能体强化学习和并行测试时计算，但未提供定理陈述或证明细节，数学界尚未验证。该事件引发关于 AI 研究能力与计算规模的热议。

13:02

正文结构化主题已通过公开置信门槛

量子位模型发布

蚂蚁百灵发布金融增强模型Ling-3.0-flash-Fin，开源评测基准FinFIRST

蚂蚁集团百灵发布首个金融增强开放模型Ling-3.0-flash-Fin，该模型基于Ling-3.0-flash打造，具备124B总参数和256K长上下文，重点强化信息检索、研究推理、估值建模和研报撰写四项能力，旨在打通完整投研工作流。同时，蚂蚁百灵开源了金融搜索Agent评测基准FinFIRST，并开放模型权重和API体验。该模型在多个金融基准上表现优于部

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

Dart：基于DAG与区块链治理的可信LLM多智能体协作框架

Dart 提出了一种基于有向无环图（DAG）的声誉与激励机制框架，结合区块链治理，用于可信的 LLM 多智能体协作。该框架统一了 DAG 工作流编排、能力与声誉感知的任务分配、动态行为更新、多因素激励以及智能合约问责与 IPFS 存储。实验表明，Dart 在 GSM8K 上达到 93.6% 的 Pass@1，在 150 轮纵向试验中平均任务成功率为 93.3

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

MERIT：成本感知的长期记忆评估揭示工具型代理的记忆效用与风险

MERIT 基准测试评估了工具使用型 LLM 代理中长期记忆的边际效用，通过 23,440 个带成本核算的片段发现，记忆可将依赖任务的成功率从 0 提升至 0.55-1.00，但嵌入检索在更新事实时表现不稳定，而结构化事实存储和 LLM 摘要等更新时写入的记忆更稳健。研究还表明，记忆实现的选择可导致任务成功率相差 60 个百分点，且完整重放不经济。该基准、测

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

SimTIO：基于仿真的多智能体LLM框架用于组合式交通干预优化

SimTIO是一个基于仿真的多智能体大语言模型框架，用于组合式交通干预优化。该框架通过模拟未修改的SUMO场景生成瓶颈证据，由三个专家智能体基于仿真反馈选择参数细化方案，并在有限仿真预算内搜索兼容干预组合。在15个城市-种子案例中，SimTIO将Top-10瓶颈时间损失和网络范围延误降低了2.78%，在86.7%的案例中找到可行改进方案，优于基线方法。该框架

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

AutoFyn：面向长时程智能体的非参数专家迭代技术报告

AutoFyn 是一种受专家迭代算法启发的智能体框架，通过持久化状态而非模型权重来适应冻结模型，每轮从全新上下文开始，仅通过显式接口引入持久信息。在 2026 年国际数学奥林匹克六道新题上，AutoFyn 使所有可改进模型的得分均高于其提供商的编码智能体；在 Spider 2.0 dbt 基准上构建了排名第一的智能体，并在 Next.js、MetaMask

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

生成式AI对需求工程未来的影响

本文综述了生成式AI（GenAI）和大语言模型（LLM）对需求工程（RE）未来的影响。作者认为，随着通用软件工程智能体的普及，实现成本降低，工程重心将从编写代码转向需求表达、验证与评估。文章回顾了AI在RE中的历史、LLM的最新进展（如提示编程和通用SE智能体），并预测RE实践将转向操作化规范与智能体指令。该研究旨在帮助RE研究者调整未来研究重点。

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

AhaBench：评估智能体能否从先前经验中持续学习的新基准

AhaBench 是一个用于评估语言代理在长时间跨度内能否从先前经验中持续学习的新基准，包含 Aha-Puzzle、Aha-Euler 和 Aha-Vending 三个组件。该基准通过初始分数、经验后分数和学习提升三个指标来区分模型的初始能力、利用显式支持的能力以及持久改进的能力。在八模型评测中，Claude Opus 4.6 在经验后总分上领先（64.3）

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

遗憾主导意外：智能体AI安全的设计时需求工程

该研究提出一种基于目标导向需求工程（GORE）的MS-RGR机制，用于在智能体AI系统设计阶段建模和模拟安全自主性，通过结合认知遗憾和认知意外两种信号，解决安全自主性的三难问题（常规自主、反思推理或升级至人类）。在老年护理和自动驾驶两个工作流领域的随机模拟中，MS-RGR将静默失败率降至接近零，风险检测速度比传感器基线快约17.5倍，并通过LTL安全属性保持

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

capmas：多智能体系统中基于能力的权限委派架构

arXiv 论文提出 capmas 架构，用于多智能体系统中的安全权限委派。该架构结合基于对比学习的语义范围划分管道与 Macaroon 令牌，实现离线、防篡改的委派，并减少不必要的权限。相比 OAuth 2.0 Token Exchange，capmas 的委派操作快 30 倍，延迟降低 2 倍，带宽使用减少 3 倍，语义范围划分在 17 毫秒内实现超过

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

CaseWeaver：多智能体框架生成多模态虚拟临床病例

CaseWeaver是一个多智能体框架，用于生成多模态虚拟临床病例。它基于时间线锚定的潜在临床病例图（LCCG）组织患者背景、疾病轨迹和模态证据，通过模态智能体生成临床记录、实验室结果、生理信号和医学图像。评估显示，CaseWeaver在临床可推断性和病例多样性上优于通用模型和智能体工作流基线。

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

代理治理何时有效：GAMPO框架与能力门控证据

该研究提出了GAMPO框架，基于321篇文献综合，用于设计受治理的自生成目标AI代理组织。在CHI-Bench医疗基准上的实验表明，治理收益受模型剩余能力限制：弱模型上完整程序无效甚至有害，而一句“验证写入”提示使pass@1翻倍；前沿模型上，基于案例的答案盲完成定义比通用程序更有效，将预授权成功率从40%提升至68%（单次）或84%（五次自洽）。研究为探索

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

Code2Skill：从代码库规模化合成可验证的智能体技能

蚂蚁国际的研究团队提出Code2Skill，一种从大规模代码库自动合成智能体技能（skill）的流水线。该方法通过排序、抽象和基于LLM的重建验证，将可复用的代码实现转化为带证据的技能记录，以支持智能体在推理时检索和执行。该工作旨在为通用和专用智能体提供可扩展、可验证的技能知识来源，弥补基于轨迹和文档方法的不足。

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

谁在维护Agent技能？人类主导与AI辅助维护的纵向研究

本研究对五个公开AI技能仓库的873次提交、143个技能文件和254次实质性编辑进行了纵向分析，发现所有编辑均由具名人类账户完成，其中62%带有AI合著者标记，表明技能维护目前是“人类主导、AI辅助”的循环，而非自主流程。研究还发现多数编辑为内容增补和修正，但规则相似性编码因可靠性不足而失败。作者发布了语料库、编码手册和重放协议，以支持自动化技能维护系统的评