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 4239 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14日周三 · 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

SWEeper-Bench：智能体能否发现交互式软件中的 bug？

该论文提出 SWEeper-Bench 基准，包含 200 个来自真实开源 Web 应用 bug 修复的任务，要求编码智能体仅凭代码库和开放式请求自行发现并修复依赖多步交互才能触发的 bug。评估显示 15 个前沿智能体中最佳仅通过 59.0% 任务，主要瓶颈在于识别 buggy 行为而非修复本身；若给出详细 bug 描述，通过率升至约 96%。该基准将编码

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

LAWA：延迟感知的多智能体工作流优化框架

达特茅斯学院研究团队提出新问题「延迟感知工作流生成」，并发布 LAWA 框架，通过基于理论保证的图编辑操作优化多智能体工作流的关键路径瓶颈，在七个基准上显著降低执行时间（makespan）同时保持任务性能。该工作针对 AI 客服、云故障排查等重复查询场景，解决现有自动工作流生成方法只优化下游性能而忽略延迟的问题。代码已开源。

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

Jevolution：研究 AI 智能体通信与群体动态的框架

该论文提出 Jevolution，一个用于研究 AI 智能体通信与群体动态的空间捕食者-猎物框架。其参考实现将演化世界、异步请求调度、控制器适配器和实验记录分离，并通过 ODD 协议描述机制。作者用合成夹具验证软件行为，并完成一个通信案例研究，但结果未明确信号系统效应的方向。论文强调贡献是可检查的实验系统及其证据边界，而非新学习算法或涌现语言的证明。

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

EAIR：企业级 LLM 多智能体系统的交互风险框架

来自微软、慕尼黑大学等机构的研究者提出 EAIR 框架，用于分析企业级 LLM 多智能体系统中的交互风险。该框架将企业交互风险形式化为工作流必须保持的组织属性，并给出可测试的风险分类、失败标准与证据要求。团队构建了 EAIR-Worlds 可执行微世界，并开发诊断与修复流水线，通过执行轨迹定位导致约束违反的交互边界并指导修复。大规模实验显示，局部合理的智能体

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

CoRE：面向结构化知识检索的协同自适应规则路由与约束

该论文提出 CoRE 框架，用于结构化知识检索，无需预定义的查询-规则对监督。CoRE 通过强化学习训练路由智能体为每个查询分配推理规则，并通过对比学习训练规则约束检索器，二者交替优化、协同适应。在 STaRK-QA 数据集（科学发现、生物医学推理、电商企业知识管理）上验证了其优越性，消融实验表明路由与检索器协同适应有效，生成式路由具备跨数据集迁移能力。

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

PsyBer-Agent：心理学驱动的推荐系统用户模拟器

研究者提出 PsyBer-Agent，一个心理学驱动的用户模拟器，通过 Psy-Engine 建模认知、情感/社会满意度与自我一致性三个演化隐状态，用于推荐系统部署前评估。该方法利用非平衡 Gromov-Wasserstein 最优传输将离线日志轨迹对齐为轻量在线策略的监督信号，无需微调骨干 LLM。作者同时发布 WebSim 平台与 PsyBer Benc

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

OpenMobile-2：开放环境与工具打造通用移动智能体

研究团队发布 OpenMobile-2，一个开放训练环境与配方齐备的移动智能体。其构建了 MobileGym++ 模拟环境，包含 35 个高保真商业风格应用，并与 Android 模拟器应用合计覆盖超 110 个应用；同时开源近 1.2 万条交互轨迹和超 2000 个可验证强化学习任务。该智能体在 AndroidWorld 达 79.9、MobileWorl

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

Loose Lips：智能体对话中的隐私泄露研究

研究者将 CIMemories 扩展为 CIMemories Dialogue，一个包含 4,410 个双智能体对话实例、基于语境完整性理论的隐私泄露基准。他们系统评估了 Qwen3 和 Llama 3.1 系列的 7 个开源模型，在 1 轮和 6 轮对话及三种提示条件下测试。结果显示任务能力与隐私泄露根本耦合：能力越强的模型泄露越多，思考型模型比非思考型泄

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

Gungnir：用编码智能体演化 SQL 测试生成器

论文提出 Gungnir，一种利用编码智能体（coding agents）演化 DBMS 测试生成器的方法。其核心是「生成见证」（generation witness）机制：智能体在修改生成器时需提供见证，记录生成目标 SQL 语句所需的数据库设置与语义选择，验证器通过重放这些选择来确认修改后的生成器能复现目标语句，从而在存在幻觉风险下保证新增 SQL 特性

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

SEPM：基于任务图的自演化程序记忆用于多智能体协作

该论文提出 SEPM（自演化程序记忆）框架，以任务依赖图作为多智能体在线协调与程序记忆演化的统一表示。执行中通过共享黑板记录结构化证据与任务依赖，检测目标、计划与世界状态偏差并基于证据重对齐；执行后将验证过的动作与依赖蒸馏为可复用程序，失败则转为警告与约束，程序池经创建、精炼、特化、退役演化。在 ALFWorld、WebArena、OfficeBench 上