AI 智能体

Ai2 在 Hugging Face Blog 介绍了海事 AI Agent Shippy 的工程架构。它的核心启示是：真正可用的 Agent，关键不在“模型更聪明”，而在工具、权限、评测和边界设计是否可靠。

一篇新论文将 Agent 优化方法从“一次性提分”拉到持续学习场景中检验。结果显示，只有把回归控制纳入优化循环的方法，才更可能在新任务到来后继续累积收益。

一篇 arXiv 论文提出 DVM-HALL 模型与 NHAS 指标，试图描述人类、AI 代理与品牌之间正在形成的新型忠诚关系。其重点不再只是用户偏好，而是把信任、授权和可验证执行风险纳入同一框架。

一篇 arXiv 新论文提出 Experience Memory Graph，将 LLM 智能体的失败恢复建模为图匹配与图编辑路径检索。其目标是在测试时避免反复试错，用一次执行完成纠错引导。

SPyCE提出一种技能与策略共同进化的训练框架，把多步视觉推理轨迹提炼成可复用的层级技能库。它试图弥合强化学习只看标量奖励、记忆方法只做测试时检索之间的缺口。

一篇 arXiv 新论文系统回顾了 21 个 AI Agent 权限系统方案，并对 5 个商业 Agent 的权限处理方式进行对比。论文指出，真正面向用户差异化需求的权限机制，仍是 Agent 安全中的关键缺口。