LLM智能体记忆硬过滤失灵:查询关键事实误删风险量化
这项研究审视LLM智能体记忆系统中的“过期事实硬删除”:当解析器误删当前查询所需的关键事实时,清理噪声反而会降低准确率。三模型敏感性与配对干预显示,误删的损害显著高于保留过期事实;…
智客 ZICQ 每日整理大模型、开源基础设施与开发者现场的 AI 新闻与深度文章。
投稿技术文章当前筛选: 分类: 智能体 清除筛选
这项研究审视LLM智能体记忆系统中的“过期事实硬删除”:当解析器误删当前查询所需的关键事实时,清理噪声反而会降低准确率。三模型敏感性与配对干预显示,误删的损害显著高于保留过期事实;…
智能体· 2026-11-15
AURA 2.0把流式视频理解从“用户提问后作答”改造成持续运行的交互智能体。模型通过模型主动对话(MIC)判断何时值得开口,以流感知工具调用(SATC)依据当前画面与对话上下文执…
智能体· 2026-11-14
论文追踪On-policy Distillation(OPD)如何重塑LLM智能体的ReAct轨迹。通用推理监督将数学工具尝试率从70.4%降至14.4%,准确率由16.7%升至3…
智能体· 2026-11-14
论文提出面向Craftax长程任务的“续接反馈”框架:编码智能体依据模拟器反馈合成可执行规则程序,并以单集回报、层级目标和信念更新构成级联评分,缓解仅按最终回报局部优化导致成功率退…
智能体· 2026-11-13
论文提出面向持续递归自我改进(CRSI)的自改进记忆(SIM):它把记忆挂在harness优化器一侧,而非任务求解策略内部,按重复问题归组编辑历史,并记录修改理由、预测结果、实际结…
智能体· 2026-11-13
OutfitterBench把LLM智能体置于持续200天、包含46种户外租赁设备和约1100个预约请求的经营环境,在固定资本上限下协调可复用库存、既有承诺与不确定的到店需求。七款…
智能体· 2026-11-13
Gamer将视觉感知、记忆与多步推理整合为视觉—语言—动作框架,以同一链路覆盖2D图形界面和3D仿真世界。模型利用数万小时设备级键鼠轨迹继续预训练,并通过稀疏思维指令调优降低冗余计…
智能体· 2026-11-13
WebArena-Pro 发布一套面向网页智能体的可复现、多模态基准:300 个任务覆盖 20 个自托管应用、6 个领域类别,并把音频与视频作为一等观察对象,支持专门的媒体信息提取…
智能体· 2026-11-13
G-CAST将电商智能体的生产轨迹转化为持续训练闭环:按奖励信号路由样本,以预测熵优先选择高不确定数据,并通过受治理的奖励演化吸收新需求。候选检查点须在累计评测中同时通过新能力门槛…
智能体· 2026-11-13
AWS发布了一套可复现的工程实践:利用AWS CDK将LiteLLM与NVIDIA NeMo Switchyard路由插件部署到Amazon ECS Fargate,并通过Amaz…
智能体· 2026-11-13
NVIDIA发布面向机器人抓取与放置任务的SimReady资产教程与示例资源,目标是让开发者更快搭建物理一致、可直接用于机器人学习的仿真环境。内容围绕场景构建、物体与机械臂配置、目…
智能体· 2026-11-13
OpenAI推出ChatGPT Wallet,允许AI智能体代表用户完成商品选购与结账,首阶段面向美国ChatGPT Pro订阅用户限量开放。其技术意义不只是新增支付入口,而是把智…