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 2396 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14日周一 · 12 条

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.IR一手来源观点

立场：推荐系统应从平台中心排序转向个人代理中介推荐

一篇 arXiv cs.IR 立场论文提出推荐系统应从平台中心排序转向个人代理中介推荐（PAMR），由面向用户的个人代理在分布式来源间发现、过滤、聚合和治理推荐证据。作者定义了 PAMR 的边界标准、核心中介决策和以中介为中心的评价框架，并在 Yelp 餐厅推荐任务上做了概念验证，显示来源选择与受控披露在效用、可追溯性、暴露和成本之间取得最佳平衡。

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.IR一手来源观点

Agentic Web 中推荐系统向谁推荐？

这篇 arXiv cs.IR 立场论文指出，随着 LLM 驱动的 AI 代理在 Agentic Web 中代替用户浏览、比较、谈判和交易，推荐系统的核心假设——推荐由人类直接消费——正在被打破。作者提出推荐范式正在分叉：在可委托场景（如常规购物、旅行）中，代理成为推荐的主要操作消费者，需要新的优化目标、交互协议和评估标准；在体验型场景（如娱乐、艺术）中，人类

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

古兰经背诵转录中的背诵事件标注：什么算错误？

该论文针对古兰经背诵场景，提出将ASR转录文本与参考文本的差异标注为类型化、定位化的事件，而非简单视为错误。作者完成了100个生产录音案例的人工标注，包含348个评分单元和162个定位事件，并定义了十种组合标签。实验显示，普通diff的标签感知F1为0.525，而编码智能体在初步试点中表现差异巨大（F1从0.143到0.892），主要剩余挑战在于标注约定而非

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

当 Agent 指标测量不同事物：Praxa AI 管线的证据审计

该论文对 Praxa AI 的 agent 评估管线进行回溯性测量审计，发现多项指标在数值正确的情况下测量了与标签不符的构念：139 例离线路由报告有 112 通过、27 失败，但门控失败为零，因为已知缺口被显式豁免；8,843 条工具尝试记录中 448 条时长缺失，且 121 条时长等于 32 位有符号整数最大值并带有被放弃客户端标签；单轨迹压缩试点报告的

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

Bash 就够了？企业数字员工代理工具接口实证研究

微软与卡内基梅隆大学的研究者对两种企业级工作流基准（TheAgentCompany 和 APEX-Agents）进行了受控工具接口消融实验，比较了五种接口：纯类型化工具、类型化工具加 bash、纯 bash、带持久化合成工具的 bash，以及程序化工具调用（PTC）。使用 Opus-4.8 和 GPT-5.5 测试发现，纯 bash 在两个基准上均优于纯类型

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

LLM 软件工程中的测试驱动方法：阶段、任务与智能体技能综述

一篇 arXiv 综述论文系统梳理了大语言模型驱动软件工程中的测试驱动方法，围绕「测试改变了什么决策」这一核心问题，整合了 87 条研究记录（其中 83 条做了方法或协议级提取）及 5 项实践资源。论文区分了 Red–Green–Refactor 循环与测试条件生成、执行引导精炼、测试中介分析和仅评估测试等不同机制，并跨代码生成、修复、翻译、重构、克隆检测、

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

Harness还是模型？在防污染私有套件中隔离智能体编码的Harness效应

该研究通过配对同模型对比，在256个私有防污染任务上测试了厂商原生harness与中立harness（deepagents）对智能体编码能力的影响。结果显示，Opus 4.8和GPT-5.5上两种harness的解决率差异均不显著（分别约1.25个百分点），但Opus在仓库任务上原生harness落后9.0个百分点、在竞赛任务上领先23.7个百分点，呈现任务

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

Orchestra：基于多源佐证的调控候选发现 MCP 智能体

该论文提出 Orchestra，将两个独立构建的生物信息学 MCP 服务器 RegNetAgents（推断调控网络拓扑）与 CASCADE（提供 LINCS 敲低、DepMap 必需性、超级增强子、DoRothEA 等独立实验证据）组合为基于 LangGraph 的多智能体工作流，并通过 MCP 协议暴露。核心主张是：要求网络拓扑证据与独立实验证据在候选调控

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 OpenFOAM CFD 编码代理的案例包操作模型

该论文提出一种面向 OpenFOAM CFD 的「案例包（case-bundle）」操作模型，包含 Build 与 Replay 两种模式：Build 由工程师审查、编码代理协助开发案例，Replay 将已审查案例复用于新变体。研究用 GPT-5.5 在 Codex 中构建了一个 interFoam 案例包，并在远程 HPC 上回放执行 140 个 STL