返回主题地图

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 4261 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
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

IDC预测AI数据基础设施迈向万亿级市场，国产数据库迎新增长空间

IDC中国企业软件市场研究经理王楠在2026 Inclusion·外滩大会论坛上分享研究，预测中国AI数据基础设施市场2025年至2030年将以37.7%的复合增速增长，2030年规模达738亿美元，2035年有望达1548亿美元。报告将市场划分为AI数据平台、AI数据智能和AI数据服务三大领域，其中AI数据智能增速最快。文章指出AI瓶颈正从模型能力转向企业

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

成都武侯区与蚂蚁数科合作共建医疗健康智能应用产业基地

9月10日，成都市武侯区政府与蚂蚁集团在2026外滩大会现场就“AI+医疗健康”达成整体合作，武侯区发改局、悦湖科技中心与OceanBase、蚂蚁健康、蚂蚁数科签署框架协议。各方将围绕医疗健康数据基础设施、行业大模型、AI应用创新与算力运营展开合作，重点建设数据融合联创中心、AI专病辅助诊疗联合实验室和医疗健康智能应用产业基地（西部中心）三大平台。此举是20

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

支付宝设智能体涌现奖，每年1000万激励开发者

在2026 Inclusion外滩大会上，支付宝宣布设立“智能体涌现奖”，每年投入1000万元激励开发者，年度大奖奖金100万元，9月10日起可通过支付宝内对阿宝说关键词报名。开发者无需编写代码，用自然语言即可搭建智能体，成熟作品可接入阿宝服务10亿用户。同时，AI版支付宝“阿宝”完成升级，已适配万余项服务，并与手机、车企等终端实现跨端互联，从即时服务走向长

正文结构化主题已通过公开置信门槛
Meituan Technical Team一手来源教程

美团发布Agent评测白皮书系列01：评测全览

美团技术团队发布《Agent 评测白皮书》系列第一篇《Agent 评测全览》，指出过去三年基座模型能力提升与 Agent 框架功能丰富使搭建 Agent 门槛持续降低，但绝大多数 Agent 项目因缺少可靠判断机制而失败。文章提出完备评测体系可概括为四个模块、三种能力、两条 Loop、一套资产，并强调评测应从答案评测走向行为评测，同时需通过 Case 挖掘与

正文结构化主题已通过公开置信门槛
雷峰网 AI科技评论研究

OpenAI 用万个 Agent 攻克 Navier-Stokes 奇点构造？

OpenAI 公布针对 Navier-Stokes 千禧年问题的有限时间奇点构造：一个仍在训练的内部模型配合约 1 万个 Agent 搜索约 88 小时，随后用 Lean 完成形式化，声称在光滑外力和有限动能条件下可使三维流体演化到局部速度无界。文章指出人类数学家（如 Tristan Buckmaster）贡献了核心破局思路，AI 主要负责高维非凸约束的并行

正文结构化主题已通过公开置信门槛
雷峰网 AI科技评论研究

GPT-6 Astra 通关 48 关验证码，CAPTCHA 防线转向机器身份

OpenAI Labs 成员 Sharif Shameem 展示 GPT-6 Astra 连续完成《I'm Not a Robot》全部 48 关，从图片识别到拖拽、停车、节奏控制等动态任务，形成视觉理解、GUI grounding、状态保持与动作执行的闭环。Astra 在 ScreenSpot-Pro 达 92.7%、OSWorld 2.0 达 72.6%

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

腾讯WorkBuddy的AI办公生态合作，离双赢还有多远？

雷峰网报道腾讯WorkBuddy在9月生态发布会上展示的AI办公生态合作模式：软件侧与北森、帆软、云帐房等SaaS厂商通过Skill、专家、连接器打通能力，硬件侧与Plaud、科大讯飞、Rokid、华为手表等合作，将硬件作为信息输入端甚至Agent执行终端。文章指出双方在能力开放边界、数据安全（本地部署被蒸馏风险）上仍需磨合，且B2B收入分成机制尚未确定，目

正文结构化主题已通过公开置信门槛
雷峰网 AI科技评论产品发布

支付宝“阿宝”牵手飞猪，一句话订机票买门票

飞猪与AI版支付宝“阿宝”达成深度合作，用户通过一句话指令即可完成机票、景区门票预订以及酒店会员注册、权益查询等服务。“阿宝”通过MCP调用飞猪服务，返回推荐结果卡片并跳转至支付宝飞猪小程序下单。飞猪万豪旗舰店同步接入，后续双方还将推进账号互通并上线酒店预订能力。

正文结构化主题已通过公开置信门槛
Hugging Face New and Trending Models一手来源模型发布

Qwopus3.8-27B-Flash：高效多模态微调模型发布

Qwopus3.8-27B-Flash 是基于 Qwen3.8-27B 微调的多模态模型，旨在降低推理成本与响应时间，提升智能体任务的效率。模型通过两阶段训练（SFT 和 NeMo-RL+GSPO 强化学习）实现 12.8% 的加速解码和 80.7% 的 MTP 接受率，但 MMLU-Pro 分数略低于基础模型。该模型支持视觉、工具调用和代码生成，已知问题为

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

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

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

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

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

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

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

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

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

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

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