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 4243 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9日周五 · 20 条

14:28

正文结构化主题已通过公开置信门槛

量子位研究

《柳叶刀》研究：Google诊断AI AMIE有望改善医患关系

Google与贝斯以色列女执事医疗中心（BIDMC）研究人员主导的一项研究发表于《柳叶刀》主刊，这是Google研究成果首次登上该刊。在BIDMC门诊初级保健诊所的真实临床研究中，98名患者在急诊就诊前使用了Google研究级诊断AI聊天机器人AMIE，医生实时监控全部交互且无需中断任何对话。临床医生反馈75%场景下AI摘要帮助提前准备接诊，超半数案例中AI

13:14

正文结构化主题已通过公开置信门槛

Hugging Face Daily Papers一手来源研究

从轨迹到智能体世界：面向交互环境模拟的智能体语言世界模型

该论文提出「智能体语言世界模型」范式，用世界模型智能体充当任务智能体的环境，实现有状态、长程的交互模拟，而无需重建原始可执行系统。作者实例化出免训练框架 Trace2Env，将历史交互轨迹重构为包含环境模式、证据与行为知识的 worldbook，运行时由世界模型智能体结合持久化情节状态推断观察与状态变化。在九个环境（终端、代码仓库、Android/Web 应

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

代码理解是编码智能体的瓶颈

微软研究院提出 Cabra，一个用于严格评估编码智能体的合成任务框架，通过有向无环调用图从零生成任务，并在函数遍历、搜索、运行时解析和指令遵循四个维度上控制任务规模。研究在 6,840 个任务上测试了 8 个 LLM 和 6 个编码智能体，发现 LLM 准确率随任务规模下降，但智能体通过调用 grep 等工具可保持接近满分；进一步分析 SWE-bench V

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

Agent4RE：面向端到端软件需求工程的自精炼多智能体框架与基准

研究团队提出 Agent4RE，一个用于端到端软件需求工程（RE）的自精炼多智能体框架，通过编排专门智能体并引入两个迭代改进循环，覆盖从需求获取到生成的全流程。为支持评估，团队构建了基于真实人工需求规格的 RE-E2E 端到端基准数据集。在 8 个 LLM 上的评测显示，三种 Agent4RE 变体在文本指标上平均超越领域上下文增强提示基线 8%，两个增强变

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.IR一手来源研究

基于语料反馈的多步查询重写用于对话搜索

该论文将对话式查询重写（CQR）重新定义为序列检索问题：智能体先重写当前轮次、检索，再根据返回段落条件化下一次重写。智能体在三种类型化重写操作（意图解析、词汇改写、合成伪文档）及停止动作间选择，仅用检索质量作为奖励，通过监督微调加强化学习训练，无需人工重写标注。在TopiOCQA和QReCC上优于多个检索对齐基线，跨检索后端有效，并零样本泛化到CAsT基准。

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

多智能体系统的心智模型框架

该论文提出「心智模型赋能智能体」框架，为智能体配备关于对手的潜在心智模型，使其能从观察历史中推断隐藏的信念、意图和可能反应，并据此指导行动选择。方法学习一种摊销递归的心智理论表示，包含一阶和二阶心理状态结构，并与信念条件奖励模型联合训练，最终在信念感知信号下学习策略。在纯语言和多模态基准上，显式心智状态建模均持续提升交互质量和心智理论表现，表明结构化伙伴建模

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

TestJack：通过评估器演化审计编码基准测试结果

哥伦比亚大学、UC Berkeley 和乔治梅森大学的研究者提出 TestJack，一个通过演化评估器来审计编码基准测试结果的自动化框架。它针对每个通过固定单元测试的试验，依据任务提示生成新测试，并用真实补丁验证测试有效性，从而发现被误判为正确的试验。在 6 个前沿模型后端和 5 个基准（如 DeepSWE、SWE Marathon）上，约 34.4% 被判

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

个性化很重要：在线购物中基于用户中心信息的长程对话智能体

该论文提出一个多智能体、多模态RAG框架，用于在线购物中的长程对话个性化，将对话状态跟踪、推荐检索、偏好推理和回复生成解耦，并融合商品元数据、评论、图像描述和用户历史评论。在Amazon Reviews 2023基准上，启用检索的变体在轨迹级自动指标上平均得分4.82，高于无RAG基线的3.74；小规模真实用户研究中完整变体平均总体评分4.60，基线为2.2

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

ConventionPlay：面向鲁棒临时协作的能力受限训练

论文提出 ConventionPlay，一种基于强化学习的训练方法，让智能体在与不同适应能力的伙伴协作时，主动探测伙伴能遵循的约定，并引导团队采用更优的联合策略。现有方法只训练出被动适应伙伴固定约定的跟随者，而 ConventionPlay 通过构建包含不同适应程度伙伴的训练种群，使智能体学会区分何时应顺从、何时应引导。实验表明，在多种复杂临时协作场景中，该