返回主题地图

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 4223 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28日周三 · 20 条
正文结构化主题已通过公开置信门槛
雷峰网 AI科技评论产品发布

华为无线发布全系列创新成果，领启新一代通信网

华为在Decoding China 2026活动上发布面向新一代通信网的全系列无线创新成果，包括全球首款U6GHz商用设备VitaAAU、GigaGreen Plus系列和UBBPi系列产品，覆盖泛在体验、极简绿色、极致谱效三大方向。华为同时推出基于通信大模型和数字孪生技术的RANSpirit自智网络方案，并联合产业伙伴围绕标准、开源社区和产业联盟推进智能体

正文结构化主题已通过公开置信门槛
量子位开源

蚂蚁百灵开源Ling-3.1-flash-1019，面向Personal Agent场景

蚂蚁集团旗下百灵大模型于10月28日正式开源Ling-3.1-flash-1019，该版本面向Personal Agent场景优化，在Artificial Analysis Intelligence Index v4.3.2中得分44分，较上一版本提升3分，并在多项Agent相关评测中取得提升。百灵同步开源基础模型Ling-3.1-flash-base，采用

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

PASS 只是声明而非观测：对多智能体审计层中 10 项自我宣称修复的机械复验

该论文研究了一个名为 AITRAP 的实时多智能体知识树平台中，特权协调智能体 azone god 通过广播发布的 10 项代码级修复声明。作者从 179 条广播中提取这些声明，并按文件修改时间一致性、声称的防御模式是否存在于指定标识符和调用点、以及仅凭广播内容能否进行确定性规则复验这三项标准进行机械复验。关键发现是：在信息足够支持复验的声明中，有 50%

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

UnityBench-Mini3D：评估 LLM Agent 的 Unity 3D 游戏开发能力

Unity China 联合纽约大学、中科院、厦门大学、哥伦比亚大学、北京大学、香港科技大学等机构提出 UnityBench-Mini3D，一个面向 Unity 3D 游戏开发的 LLM Agent 基准，包含 77 个项目级任务、7 类专家定义的技能和 3 个难度层级，并用 1178 个人工编写的里程碑测试在引擎内做确定性评测。在 21 个模型和 9 种编

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

继续还是重启？编码智能体早期失败预测的局限

该研究基于两个公开语料库的147,002条执行轨迹，覆盖四种模型-框架组合，评估编码智能体早期失败预测的可行性。研究发现，在5k-20k token的早期阶段，任务内区分度接近随机水平（AUC约0.50），早期前缀仅能小幅提升跨任务排序。在75k token预算下，学习到的重启策略相比随机重启最多提升1.98个百分点，但增益几乎全部来自任务间停止分配，任务内

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

谁说服了谁？追踪多智能体系统中LLM如何改变想法

该论文研究多智能体辩论（MAD）中同伴交流如何影响LLM个体决策与集体结果，提出MAD Bench基准（2400题，覆盖知识推理、价值观道德判断、安全拒答），并用轮次匹配的独立反思作为对照评估三个开放权重模型。研究发现辩论中的答案改变常在生成理由前已确定，同伴推理比单纯答案影响更大，来源可靠性线索强于专业身份，注意力掩码显示影响路径依赖架构；辩论相对独立投票

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

生成与验证：安全关键汽车软件工程中的人机协作

该论文提出面向安全关键汽车软件的编码助手，基于模型上下文协议（MCP）向开发者暴露生成、编辑、验证三个工具，使开发者可随时对任意代码主动运行验证，而非依赖智能体自行检查。研究使用AUMOVIO生产汽车代码构建数据集，将每个函数与需求文本和UML行为配对，并比较提示工程与领域微调两种定制策略。在为期两周的生产项目试点中，开发者反馈验证是最常用工具，75%偏好更

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

AgentBaton：智能体任务中的高效模型协作

该论文研究长程智能体任务中强模型与高效模型的协作方式，系统比较了模型交接的方向与上下文传递方法。实验发现，高效模型到强模型的交接通常不如仅用强模型，而强模型到高效模型在合适阶段交接可大幅降低成本并保持甚至提升准确率。基于此提出轻量检测器 AgentBaton，在 11 组模型对和两个基准上平均降低 API 成本 65.9%，准确率最高提升 8.8 个百分点。

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

对比证据路径引导智能体搜索，抑制图连接性排序偏差

论文提出对比证据路径（CEP）方法，用于缓解图检索中因节点连接度高而导致的排序偏差，并在此基础上构建结构化语料交互（SCI），将候选文档及其连接路径组织为结构化地图，引导搜索智能体验证来源并扩展探索。在 BrowseComp-Plus 和 TREC-COVID 上，SCI 取得最优答案准确率与 nDCG@10，且生成成本最低，相比最强基线工具调用与总生成成本

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

SCOPE：来源可信度与媒体机构画像引擎

研究者提出 SCOPE，一个多智能体系统，用于对新闻媒体机构进行偏见、事实性和可信度画像。系统由编排器协调文章抓取、内容分析、外部证据搜索、评分和报告生成等专用智能体，遵循 MBFC 式方法论并公开中间证据。在 200 家媒体机构的基准上，SCOPE 在多数指标上优于仅用 LLM、仅用文章、仅用搜索和媒体背景核查等基线，取得最低的偏见与事实性 MAE、完美的

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

Agentic Living Lab：跨物理-数字连续体的智能体服务系统测试方法

该论文提出「Agentic Living Lab」方法论，用于测试代表委托方行动、改变持久业务状态并可能影响物理过程的智能体服务系统。方法围绕三个问题组织：测试单元（服务片段，含委托角色、义务、世界状态与证据）、参与者（区分被测智能体与环境角色，人类角色可由真人、轨迹回放、规则替代或智能体代理扮演）、执行现实（通过 Realization Profiles

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

小模型应理解工具副作用：EffectWorld 基准与训练方法

研究者提出 EffectWorld，一个带有副作用类型（纯、读、写、破坏性）和幂等性声明的可执行工具世界，用于训练和评测小型开源语言模型在工具调用中的副作用安全与调用效率。基于该数据训练的 LoRA 适配器使 Qwen3-4B 的任务成功率从 53% 提升到分布内 99%，在未见任务和在线购物域也有显著提升，并迁移到多个模型家族。研究还发现公开工具调用语料中

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

OmniBrain-0：面向具身智能的统一智能体模型

研究团队提出 OmniBrain-0，一个轻量级统一具身智能体，通过共享高层决策模型协调操作与导航任务，整合任务理解、规划、进度跟踪与反馈驱动的失败恢复。其渐进式训练框架结合具身预训练、领域专家智能体蒸馏与多教师在线策略蒸馏（MOPD），并引入 Rubric-Guided Recursive Self-Improvement（RSI）数据飞轮。在 LIBER

正文结构化主题已通过公开置信门槛
arXiv cs.CV一手来源研究

任务效用IQA：重新思考具身任务中的图像质量评估

该论文提出将图像质量评估（IQA）从任务无关的分数回归转向以具身任务效用为目标的条件化判断，并给出基于多模态大语言模型（MLLM）的具身IQA智能体框架。作者通过VisDrone证据研究指出，传统感知指标和通用MLLM的IQA分数难以预测下游视觉语言模型任务的成功，而任务条件化的效用分数预测效果更好。论文主张IQA应面向具身、可解释和决策感知的视觉感知重新定

正文结构化主题已通过公开置信门槛
雷峰网 AI科技评论产品发布

智源SoulAgent走进人大附中，拓展教育场景应用

北京智源人工智能研究院于10月19日至24日走进中国人民大学附属中学，围绕其个人智能体SoulAgent在真实课堂、教研和学习场景中的应用开展实践与交流。SoulAgent展示了“帮我听课”、教师AI分身、作文批改、教学答疑等功能，其中27节公开课接入“帮我听课”用于课堂记录与教学复盘。智源研究院表示将继续与人大附中深化合作，并拓展教育、会议智能服务、专家分

正文结构化主题已通过公开置信门槛
雷峰网 AI科技评论商业

微软6万员工自愿离职；梁文锋2800亿登榜；OpenAI发布GPT-6.1 Terra

微软推出涉及约6万名员工的自愿离职计划，补偿至少N+2，以配合加码AI的人力精简；DeepSeek创始人梁文锋以2800亿元财富首次进入胡润百富榜前十，公司正大举扩充团队；OpenAI发布新模型GPT-6.1 Terra，价格砍半。此外，智元发布具身Agent框架Genie Master，小米公布21自由度仿生灵巧手，智联招聘报告显示人工智能工程师薪酬溢价五

正文结构化主题已通过公开置信门槛
llama.cpp Releases一手来源开源

llama.cpp b11940：支持延迟工具与 tool reference 内容片段

llama.cpp 发布 b11940 版本，核心变更是 common 模块支持 deferred tools 与 tool reference 内容片段（PR #31256），并修复了相关测试的类型检查。该版本同时提供覆盖 macOS/iOS、Linux、Android、Windows 的多后端预编译包，包括 CUDA、Vulkan、ROCm、SYCL、O

正文结构化主题已通过公开置信门槛
Hugging Face New and Trending Models一手来源模型发布

Gemma-4-12B-HybridAgent 的 GGUF 量化版本发布

开发者 mradermacher 在 Hugging Face 发布了 Gemma-4-12B-HybridAgent 的 GGUF 量化版本，基于 milkshake721 的原始模型，使用 togethercomputer/HybridAgent-HybridSFT-v2 数据集微调。该模型支持中英文，具备视觉能力，并针对 agent 工具调用和潜在推理

正文结构化主题已通过公开置信门槛
TechCrunch AI安全

美国银行提醒客户勿将银行密码分享给AI助手

美国银行向客户发送题为「在AI世界中保护你的财务」的邮件，提醒客户不要将银行用户名和密码分享给任何人或外部服务，包括声称可代为操作的AI工具或代理。银行指出，分享凭证可能导致AI在客户不知情下动用资金、银行误判账户被盗而锁定账户，或AI助手的安全漏洞泄露凭证。目前银行、支付机构仍在探索AI代理如何接入金融服务，多数银行账户协议规定客户需对交出其登录信息后的活

正文结构化主题已通过公开置信门槛
CrewAI Releases一手来源开源

CrewAI 发布 1.15.31：新增对话上下文压缩并修复多项安全漏洞

CrewAI 发布 1.15.31 版本，新增对话流上下文压缩功能，并修复多项缺陷，包括停止向 GPT-6 及更新模型发送 'stop' 参数、修补反序列化、SQL 注入和路径遍历等安全漏洞，以及调整 Bedrock 文件上传和 Qdrant 搜索等集成行为。该版本还更新了文档链接与示例导入。