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10日周四 · 20 条

12:38

正文结构化主题已通过公开置信门槛

雷峰网 AI科技评论政策

两项智能体安全团体标准启动，共筑规模化应用安全基线

9月9日，在2026 Inclusion·外滩大会相关论坛上，中国网络空间安全协会提出、蚂蚁集团联合研究院所、运营商、互联网厂商等共同参与编制的《智能体身份鉴别与授权技术框架》《智能体运行时安全技术要求》两项团体标准正式启动。两项标准分别解决智能体身份权限管控与运行过程行为治理问题，共同形成“鉴身份、识意图、守运行”的安全基线，推动智能体安全从企业实践走向行

12:05

正文结构化主题已通过公开置信门槛

雷峰网 AI科技评论商业

阿里云首次进入 Gartner 战略云平台魔力象限领导者

Gartner 发布 2026 年度《战略云平台服务魔力象限》报告，阿里云首次进入“领导者”象限，成为该象限中唯一的中国及亚太厂商，与 AWS、微软、谷歌、Oracle 并列。报告指出 2025 年全球云基础设施与平台服务市场规模达 2970 亿美元，阿里云 CIPS 收入增长 33.9%，为有增速披露的六家厂商中最高。Gartner 评价阿里云正从传统 C

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

AgenticGen：奖励引导的智能体广告视频生成

字节跳动提出 AgenticGen，一个面向广告视频生成的奖励引导智能体框架，将生成过程拆解为策略选择与草稿生成两个可训练推理阶段。该方法从在线投放反馈中学习基于表现的奖励模型，并结合人工标注的评分标准奖励模型，先通过 DPO 对齐在线偏好，再用 GRPO 以过程与结果奖励进一步优化。在 TikTok 广告系统的在线 A/B 实验中，相比 SFT 基线，CT

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

基于可验证代码世界模型的世界时间计算

该论文提出「世界时间计算」（world-time compute）方法，通过让语言模型编写可验证的代码世界模型（Code World Models），为符号化领域自动生成大量带精确标签的训练轨迹，从而提升模型对未见世界的泛化能力。作者同时发布零依赖框架 OpenWorld，将经过验证的世界模型编写流程压缩到分钟级，使批量制造训练经验变得可行。该方法与依赖海量

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在IoT-边缘-云连续体资源管理中的自适应计算

该论文针对IoT-边缘-云连续体中的资源管理问题，指出现有深度强化学习（DRL）虽擅长快速自适应控制，但难以处理自然语言意图、合规规则等高层约束，而LLM可充当其上的可解释编排层。作者在Wang等人的DRL连续体编排分类法基础上新增两个维度：AI增强范式（LLM0-2，衡量LLM如何被使用）和反馈通道（F，衡量执行反馈是否及如何返回LLM以闭合MAPE控制环

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

仅凭分数不能证明发现：审计 AI 研究代理的发现认证协议

论文提出 Discovery Certification Protocol（DCP），用于审计 AI 研究代理的发现声明，将结果声明转化为可执行的恢复测试与反馈测试。DCP 包含 Gate 1 密封评估、Gate 2 匹配代理恢复测试和可选 Gate 3 反馈效应测量，核心要求零恢复见证和有限样本恢复概率上界。在 SQLite 优化和虚拟催化剂控制两个受控审

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

CompEvo：竞争诱导进化提升多智能体新闻驱动时序预测

研究者提出 CompEvo，一个面向新闻驱动时间序列预测（NTSF）的多智能体竞争诱导进化框架，旨在解决智能体思维同质化（DoT）和策略更新缺乏理论依据（ITG）两大问题。该方法将多智能体交互建模为不完全信息进化博弈，证明混合策略贝叶斯纳什均衡的存在性，并给出局部收敛、长期遗憾和适应度权重单调性的分析。框架整合策略执行、基于适应度的可微选择和竞争诱导策略进化

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

StochBench：面向 Lean 随机过程的领域专用基准

研究者发布 StochBench，一个基于 Lean 4 的随机过程领域基准，包含 450 道研究生水平的随机过程题目，每题配有自然语言原题。该基准覆盖马尔可夫链、鞅、布朗运动、随机微积分等 Mathlib 中覆盖不足的主题。基于 Opus 4.8 的智能体在每题 15 分钟限制下达到 34.9% 的证明率（157/450），表明该基准对先进证明器仍具挑战性

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

苹果推出 Glyph 多智能体系统，自动标注企业数据目录列描述与敏感度标签

苹果公司研究人员提出 Glyph，一个面向企业数据目录的生产级多智能体系统，用于自动生成列描述并标注敏感度本体标签。系统将列描述生成和列类型标注建模为协作的 LLM 智能体，通过有状态图编排：Descriptor 基于生产该列的管道源代码进行主动检索增强生成，Tagger 并行运行描述、业务线正则和元数据三种策略，并用 RRF 融合排序结果。研究还微调了一个

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

智能体基准测试的双重测量混淆：去脚手架、真值评分与超越均值的可靠性

该论文指出LLM智能体基准测试存在双重测量混淆：执行关键决策由固定脚手架而非模型完成，评分器又基于输出形状而非任务正确性打分，两者相互掩盖。作者提出测量理论框架与BenchAudit审计修复协议，将执行决策转移给模型并用种子化真值评分，同时报告最坏情况和尾部风险等可靠性指标。在ComtradeBench上的实验将原本几乎无区分度的排行榜转变为能区分平均性能与

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

评估企业分析智能体：端到端、轨迹支撑的方法论

该论文提出了一套面向企业分析智能体的端到端、基于运行轨迹的评估方法，从语义理解、执行质量和可靠性三个维度对智能体行为进行评分，而非仅看最终答案或SQL正确性。作者在一个大型在线市场内部署的受控分析智能体上进行了案例研究，使用50个问题、两种匿名模型配置和三次随机重复，共获得300条轨迹。结果显示，能力更强的配置将早期拒绝率从73%降至0%，真实数据回答率从2