让智能体记住失败:Self-Direction 将错误转化为可复用经验
研究团队提出 Self-Direction,让智能体在任务失败后提炼教训,并将其写入轻量级低秩适配器。实验显示,这些持久化经验能够减少重复错误,并迁移到相关任务。
阅读全文研究团队提出 Self-Direction,让智能体在任务失败后提炼教训,并将其写入轻量级低秩适配器。实验显示,这些持久化经验能够减少重复错误,并迁移到相关任务。
阅读全文IQuest-Q1 是一款总参数量 320B、激活参数量 15B 的稀疏混合专家模型,重点面向编码与 Agentic CLI 系统。其训练流程覆盖稳定预训练、中期训练和多支架后训练,并尝试通过模型合并整合不同阶段的能力。
阅读全文Heartbeat Thinking 提出一种面向实时语音智能体的推测式思考机制:用户持续说话时,系统不必反复打断正在执行的推理和工具调用,而是通过新的思考实例读取最新转写结果并接续工作。实验显示,该方法能够提高工具调用覆盖率,并缩短最终响应等待时间。
阅读全文GitLab 19.4 为 Duo CLI 引入公开测试中的目标驱动模式,并扩展 MCP 工具与开源权重模型支持。新版本同时强化模型选择、用量上限和 AI 成本归属,试图让智能体在企业控制体系内运行。
阅读全文MMedAgent-Plus通过视觉语言规划器统一调度18个医疗专科模型,覆盖12类任务与8种医学影像模态。研究重点不只是单项识别精度,而是智能体能否在复杂工作流中正确选择工具、串联分析并生成有依据的结论。
阅读全文微软研究院团队提出 WildAWM,通过开源模型合成同时支持 GUI、MCP 与命令行的电脑环境和长程任务。实验显示,仅在这些合成世界中训练,也能提升智能体在多类未见任务上的表现。
阅读全文Agent S4提出,电脑使用智能体的瓶颈不只在模型能力,也在于人类预先设计的操作接口。它通过任务轨迹和群体进化,自动构建并筛选更适合智能体的接口与使用知识。
阅读全文Épi 是一个面向自主研究的智能体系统,能够保存研究历史、跨会话运行实验,并通过分支探索与独立复核不断改进方法。论文报告称,它在数学数值界、构造问题和算法编程任务上取得了多项结果。
阅读全文面对截图、音频、视频、交互历史和设备状态等持续涌入的信息,GUI 智能体并非知道得越多越好。FocusGUI 通过轻量级适配器动态筛选当前决策最相关的证据,在不微调主干模型的情况下改善动作预测。
阅读全文CoPE 为语言智能体强化学习加入多步动作预测,让模型不只依赖轨迹末端的奖励,也能从成功轨迹中的中间动作获得训练信号。在五个智能体基准测试中,该方法展现出优于 GRPO 等基线的整体表现,并将样本效率最高提升至约 2 倍。
阅读全文长程智能体常能完成单个步骤,却因证据、决策与最终产物之间缺乏关联而交付不完整结果。Interlock 通过“任务完成图”统一任务生成、环境构建与结果评估,并用验证后的轨迹改进智能体训练。
阅读全文HERA提出让智能体框架与执行环境共同进化,通过自动构造可行与不可行任务,训练模型判断何时行动、何时拒答。实验显示,该方法在保持任务完成率的同时,显著提升了智能体的安全性与泛化能力。
阅读全文一项新研究通过 EC2-Bench 评估长流程 LLM 智能体中的边云协作,比较任务效果、资源成本与隐私暴露。结果显示,随着边缘模型增强,协作模式正从“云端执行”转向“边缘决策、云端建议”。
阅读全文ACT3D没有把多视角图像或完整三维表示直接塞给视觉语言模型,而是让模型通过一次查看一张图像、执行移动动作并获得新观察来完成空间推理。研究显示,基于最终答案正确性的强化学习,也能让模型逐渐学会“该看哪里”。
阅读全文OpenMobile-2 提供了覆盖 110 多款应用的开放移动智能体训练环境,并将 GUI 操作与应用原生工具调用结合起来。项目还开放了大规模交互数据、可验证强化学习任务和新的长程任务基准。
阅读全文OS-Helix 将 GUI 操作和代码执行纳入同一个智能体策略,试图解决桌面自动化中“该点击还是该写代码”的决策难题。在 OSWorld-Verified 上,强化学习版本达到 66.44% 的成功率。
阅读全文长程任务中的失败,往往不是最后一步造成的,而是数步之前的错误累积。BELIEFWEAVER通过持久化证据、关系型信念状态和隐式世界模型,帮助智能体判断该回滚、修复还是继续探索。
阅读全文一篇最新论文提出Structured Authority Injection(SAI),通过带类型的MCP调用和分级权威上下文,让人工修正能够跨多个规划周期持续生效。实验显示,该方法可减少指令歧义与权威衰减,但收益会因模型而异。
阅读全文一项名为 PRIME 的研究提出,用预先固定的证据路径和独立结果台账约束大语言模型智能体,避免其在检查失败后仍给出未经支持的结论。实验显示,该方法在 480 个公开记录任务中消除了不当结论,并提升了可证明结论的得分。
阅读全文OpenAI、Meta和Google都希望AI代理替用户浏览网页、购物和预订服务,但越来越多网站正在通过封禁、授权和反机器人系统限制这些代理。代理能否成为真正的网络助手,取决于平台是否愿意让它们进入。
阅读全文清华大学 THUNLP 实验室联合面壁智能、OpenBMB 等团队推出 PilotDeck 2.0,试图解决智能体长期记忆混乱、任务难以持续执行和模型调用成本过高等问题。其核心设计包括工作舱、可编辑记忆、后台执行和智能路由。
阅读全文