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 2394 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24日周四 · 20 条

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1

AI编码代理PR合并后修复研究：谁来完成收尾工作？

该论文研究AI编码代理提交的已合并PR后续被修复的情况。作者追踪了AIDev-pop数据集中五个AI编码代理（OpenAI Codex、GitHub Copilot、Devin、Cursor、Claude Code）的6,774个已合并代理PR，并与同一仓库同时期的5,044个人类PR进行对比。结果显示，代理合并PR被验证修复的几率是人类合并PR的1.62倍

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1

全失败任务真的难吗？区分真实难度与假难度

该论文基于冻结的 Terminal-Bench 3 / Frontier-Bench 0.1 生产记录（1,081 个 PR、639 个计分任务、28,801 次试验、约 10.6 万美元 agent 支出），研究全失败任务是否真正代表能力缺口。作者对 125 个无诚实通过的任务施加有序有效性筛查，仅 78 个被认证为「未解决候选」，其余包括 14 个 or

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1

SkillApt：基于反事实证据学习何时激活智能体技能

论文提出 SkillApt，一个检索后激活控制器，用于判断已检索到的 Skill 是否应在当前执行状态下真正加载。它通过匹配的 WITH/WITHOUT 执行构建每个 Skill 的反事实证据，并聚合相似历史状态的结果做出 LOAD/ABSTAIN 决策。在 SRA-Bench 上，SkillApt-E 保持与 BM25 Top-1 相同的准确率（0.838

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1

基于智能体建模的系统之系统通用形式化方法

该论文提出一种基于智能体建模（ABM）的通用形式化方法，用于对系统之系统（SoS）进行建模与仿真。方法结合 Agent-Group-Role（AGR）概念管理组织层面、功能规约处理全局目标、IRM4MLS 元模型处理多层级问题，并覆盖 SoS 的静态与动态方面及重组过程。作者以欧洲 InTrade 项目中的智能自动车辆（IAV）港口集装箱物流案例进行说明。

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1

KITE：用稀疏旗舰校准扩展 Jev 人群实验

研究者提出 KITE 架构，用类型化行为内核（TypeSafe 的 Jev，jev-1.13.0）对每个唯一状态查询一次，再以表格化执行任意规模人群实验，并用稀疏旗舰模型锚点估计干预效应。在 Epstein 的 9,070 名参与者实验中，覆盖 1.7% 状态的锚点使效应误差降低 41%；在 37 个 SocSci210 实验中，0.5–1.5% 锚点覆盖率

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1

Spec2COBOLRot：面向真实 COBOL 语料生成的智能体 AI 退化循环

该论文提出 Spec2COBOLRot，一个基于智能体 AI 的流水线，用于生成具有真实感的 COBOL 程序语料。方法结合规范驱动的生成与迭代退化，退化过程由从真实生产代码中提取的模式和复杂度目标引导，其中真实性被定义为结构上对生产代码的保真度。在三个不同业务领域的程序上评估显示，该流水线能可靠生成语法有效的程序并提升结构复杂度，但并非总能保持业务行为，且