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 4244 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。

10月7日周三 · 20 条

15:21

正文结构化主题已通过公开置信门槛

n8n Releases一手来源产品发布

n8n 发布 2.43.1：优化 agent builder 提示缓存与 AI 沙箱

n8n 发布 2.43.1 版本，主要包含编辑器 UI 细节修复，以及两项核心性能优化：将 agent builder 的系统提示词保持静态以支持 prompt caching，并在后台准备 Instance AI skill sandbox。这些改动旨在提升 n8n 中 AI 相关功能的运行效率与用户体验。

15:21

正文结构化主题已通过公开置信门槛

InfoQ AI ML and Data Engineering安全

Cloudflare 用 AI 测试框架探测并加固其 WAF

Cloudflare 将前沿 AI 模型置于受控测试框架中探测其 Web 应用防火墙（WAF），以已被拦截的攻击载荷为起点，让模型生成并迭代新的变体。在 45 个场景中系统共生成 1,107 次尝试，经人工分诊后留下 49 项发现，其中 48 项涉及命令注入或 SSRF。该工作最终促成 Cloudflare 托管规则集的三项变更：新增 SSRF - Obfu

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

SWORD：面向用户行为模拟的工作流与提示联合优化

研究者提出 SWORD 框架，用于用户行为模拟，可联合优化多智能体工作流拓扑与自然语言提示，仅依赖标量任务指标（MAE/RMSE）驱动，无需领域专家初始化或任务特定工程。实验显示其在受控同骨干对比下显著优于仅提示优化、仅工作流优化和分阶段优化基线，并在使用更小骨干模型、更少训练数据和每数据集 4-6 美元 API 成本的情况下，超过最强的已发表领域专用基线。

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

通过自动诊断与技能发现训练数值智能

该论文提出 ADSD（Auto-Diagnosis and Skill Discovery）框架，将数值求解器的改进从试错式编辑转变为「诊断—发现—实现」的结构化流程：先解释求解器表现不佳的原因，再据此发现合适的数值方法，并封装为可复用的求解器技能。作者在潮流方程、AC 最优潮流控制、刚性常微分方程和异质扩散偏微分方程四个数值领域，用 GPT-5.5、Cla

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

异构LLM模拟中基础模型比人设更影响互动

该研究构建了一个由多种基础模型驱动的异构多智能体社交网络模拟，发现智能体获得的互动量更多取决于其底层基础模型而非被分配的人设。在214次网络模拟中，gpt-oss-20b驱动的帖子持续获得高于平均的评论量，而Magistral-Small则获得偏低互动，且随着混合模型数量增加，基础模型对互动方差的解释力上升并超过人设。词法特征分析显示基础模型比人设更容易被识

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

多模态大模型在智能体工具调用场景下拒绝有害请求能力下降

该研究揭示了一个此前未被注意的安全盲点：具备工具调用能力的多模态大模型（agentic MLLMs）在调用缩放、OCR 等外部工具时，拒绝有害请求的能力显著下降。作者在 MM-SafetyBench、HoliSafe、VLSBench 三个安全基准上测试了多个开源与闭源模型，发现工具使用场景下的相对拒绝失败率最高上升 68.7%。基于超过 10 万条回答的分

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

智能体VLM流水线中的视觉编排税：审计与认证视觉证据复用

该论文提出「视觉编排税」概念，指出在智能体式 VLM 流水线中，同一静态图像证据会被多个专家智能体反复重建为图像条件请求，造成编排层冗余。作者开发了从测量到认证的框架：审计侧用指标统计视觉证据触碰次数与结构冗余，在 SeeingEye 和 MAMMQA 等任务上发现 66.8%–75.6% 的触碰冗余；认证侧提出 SharedVisCache，按图像内容、预

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

Proxy Confidence：用代理模型对数概率审计黑盒 LLM Agent

该论文提出一种名为 Proxy Confidence 的黑盒 LLM Agent 审计方法：由于前沿聊天 API 隐藏 token 概率且模型近乎确定性导致自一致性失效，作者用一个低成本开源权重代理模型并行读取相同上下文、schema 和候选动作，通过 teacher forcing、request-PMI、判别式判定和工具选择竞争等互补读出方式，从代理模型

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

Google 部署 AutoRepair：低延迟智能体自动修复测试失败

Google 在 arXiv 发布论文，介绍其部署于内部开发工具 Critique 和 Cider 的 AI 智能体 AutoRepair，用于在持续集成系统的 pre-submit 阶段自动修复测试失败。AutoRepair 采用 ReAct 风格的生成-验证循环，并加入执行前后弃权过滤器，以满足严格的低延迟要求。论文称这是首个面向 pre-submit

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

面向规格驱动开发的 EPIC 框架

该研究提出 EPIC 框架，用于指导面向编码智能体的规格驱动开发（SDD）。研究者依据 ISO/IEC/IEEE 29148 标准对 114 个开源 SDD 仓库的规格文档打分，并从高分样本中提炼出 40 项实践，归入 10 个质量维度与 4 个类别（Expressive、Precise、Interpretable、Compartmentalized）。研究

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

S1-MAS：System One 引导计算分工的高效多智能体协作

该论文提出 S1-MAS 框架，将多智能体系统中的协调决策与推理任务解耦：由轻量级 System One 控制器（Laya）负责任务选择、角色分配和终止判断，轻量级读取器（Qwen3-0.6B）检索证据，而强 LLM 仅负责开放式推理。在七个基准上对比 AgentVerse、DyLAN 和 SelfOrg，S1-MAS 将 GPT-4o token 消耗降低