AI 智能体

CacheBack 提出一种接收方条件化的潜在通信方法，根据接收智能体的信息需求筛选发送方的 KV Cache。在 FanOutQA 测试中，它在减少状态传输的同时提升了准确率与任务完成速度。

VeriHarness提出了一套无需参考答案或评分标准的智能体验证框架。它利用多次运行中的分歧与共识，结合工作区、证据工具和可复用技能，筛选并修订长期任务的最终结果。

WEFT提出将环境、任务、智能体运行框架和评估器作为一个整体扩展，以提升通用智能体的工具使用能力。其方法结合执行驱动的自我演化、前缀保留采样和原子轮次信用分配，针对长流程训练中的可靠性问题给出系统方案。

一项覆盖12个智能体模型、购物、酒店和学术检索三类场景的研究发现，LLM可能因为来源标签而偏爱某些选项，即使这些选项并不是最符合用户要求的选择。隐藏来源、补充缺失信息或在提示词中纠正预设，可以减弱这种偏好。

Inherit-MAS提出双层继承机制：在工作流层面保留有效结构，在执行层面复用完全匹配的历史结果。论文显示，这种设计既能提升多智能体系统在基准任务上的表现，也能减少重复调用带来的开销。

DeskForge 将真实应用、窗口布局、无障碍树与截图结合，构建了包含 120 万条桌面观测的数据集。论文显示，这类可控生成的监督不仅提升 GUI 目标定位，也能改善长程任务完成率。

长程工具调用的难点，不只是决定下一步做什么，还要判断这一步对最终任务是否有帮助。论文提出 CITA，通过比较候选工具调用的长期价值，改善智能体的决策与任务成功率。

一项新研究将“意图漂移”定义为可测量的多轮交互失败：用户已经撤回或修改的要求，仍会影响模型回答和工具操作。研究者提出 IntentFlux 基准与 StateForge 方法，显示显式维护当前状态能够改善表现，但无法完全弥合单轮任务与多轮对话之间的差距。

GraphForge提出了一套以真实文件和证据图谱为核心的任务合成框架，试图解决工作型智能体训练数据缺乏真实性与可验证性的问题。实验显示，该方法在多个工作场景基准上带来明显提升。

X-Tree 从智能体历史轨迹中自动挖掘反复出现、且与成功相关的动作片段，将它们组织成可复用的经验树，并用于离线强化学习、在线 RLVR 和自蒸馏训练。

OpenAI 的 Dots 代理平台试图把云端电脑、桌面应用和语音交互结合起来。实际体验显示，它在网站改版、视频处理等可控任务上更有价值，但面对验证码、账户登录和支付环节仍需大量人工介入。

PatchHolmes 将漏洞修复提交检索拆分为候选召回与智能体筛选两阶段，让模型同时比较候选，而不是逐个孤立打分。在 GitHubAD 上，它显著提升了 Recall@1，并减少了模型调用次数。

AREX-2 将“反思改进”和“长期执行”视为自我提升智能体的两项基础能力，并通过机器学习与算法编程任务合成长周期训练轨迹。实验显示，该方法不仅提升了相关任务表现，也能迁移到深度研究场景。

自演化搜索智能体可能在提议者与求解器之间形成错误共识，让内部奖励持续上升，却不代表真实准确率提高。新研究提出CrossFit，通过交叉来源训练切断这种反馈回路。

MILO 将 Agent Harness 的设计转化为一种可持续的多智能体进化过程，并同时优化“被搜索的 Harness”和“负责搜索的策略”。在三个长程任务基准上，该方法取得了优于既有 Harness 与搜索方法的结果。

一项研究发布Agent Error Dataset，汇集50,228组错误—诊断样本，尝试把智能体失败经历转化为可验证的修正信号。实验显示，基于具体错误提出的替代动作，能够显著提高任务通过率。

LEGO-Anything提出了一种“图像到代码”的3D重建路径：智能体通过编写和执行Blender代码，逐步搭建可检查、可修改、可查询的场景程序。配套的LEGO-Bench与LEGO-Plugin，则分别用于衡量重建质量和改善迭代过程。

Yandex Research提出开源框架AsyncLLM，让预训练大模型在推理过程中并发处理输入、记忆与行动。实验显示，Qwen 3.x模型无需额外任务训练，也能用于流式视频理解、电子游戏和监控等异步场景。

Omni-IO Skills提出一种不改动基础模型的代理扩展方案：通过分层技能、依赖感知执行图和资产注册表，将文本代理连接到图像、音频、视频、文档、3D与代码工作流。

Omni-Decision 将全模态智能体的对话历史改造成结构化“证据账本”，让系统持续追踪已知、缺失与冲突信息。论文认为，复杂多模态任务的关键瓶颈可能不在感知，而在规划。

蚂蚁集团团队提出 Marathoner，试图解决智能体在复杂任务中难以持续推进、容易在后期失效的问题。该方法通过任务合成、拒绝采样微调和强化学习，训练模型完成持续数小时、调用上千次工具的长程任务。