Causal-Discovery-Bench揭示智能体九成失误源于实验设计
研究团队推出可验证的因果发现评测沙箱 Causal-Discovery-Bench，通过可配置结构方程模型、资源约束和自动评分，检验大模型智能体能否自主设计实验、分配预算、分析连续…
智客 AI 新闻
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： 标签: #代码智能体 清除筛选
前沿论文· 2026-11-10
Mr.Xu0 次阅读0 条讨论与划词
MAGE以自适应多时间尺度建模提升EEG基础模型泛化
MAGE是一种面向脑电信号的多时间尺度EEG基础模型，针对现有模型依赖固定时间尺度、难以同时捕捉快慢神经动态的问题，引入多时间尺度注意力与可训练聚合模块。模型能够从不同时间尺度中提…
大模型· 2026-11-10
Mr.Xu0 次阅读0 条讨论与划词
BIBIMBAP评测大模型编辑IFC，最佳仅得50.2%
BIBIMBAP将自然语言编辑建筑信息模型转化为可自动验证的Text-to-BIM任务，包含100项CRUD操作，覆盖空间、几何、拓扑、数值与概念五类变更。每项任务配套IFC输入、…
前沿论文· 2026-11-10
Mr.Xu1 次阅读0 条讨论与划词
视觉语言模型为何偏爱文本？嵌入层信息密度揭示模态鸿沟
这项研究把视觉语言模型的“模态鸿沟”追踪到嵌入层：文本 Token 的初始语义密度显著低于视觉 Token，促使网络在早期层优先处理文本表示，之后才与视觉信息融合。研究通过机制分析…
大模型· 2026-11-10
Mr.Xu2 次阅读0 条讨论与划词
vLLM过载实验揭示：仅取消请求无法扭转重试风暴
论文在 vLLM 上复现大模型服务过载场景，发现客户端与代理层自动重试会持续制造额外执行；即使请求量已低于服务容量，单纯传播取消也未能在任何实验中恢复服务，过载后仅有12%至38%…
前沿论文· 2026-11-10
Mr.Xu0 次阅读0 条讨论与划词
最优传输重塑结构因果模型反事实回溯推断
论文从最优传输视角重新审视结构因果模型中的反事实回溯推断。由于事实观测通常只能确定外生变量的后验分布，反事实推断本质上是一个分布传输问题。作者提出两种互补框架：点式投影直接寻找满足…
大模型· 2026-11-10
Mr.Xu1 次阅读0 条讨论与划词
ChainFlow用一至两步流匹配改写大模型推测解码
ChainFlow 是一种以目标模型隐藏状态为条件的新型推测解码草稿器。它把草稿生成建模为潜空间中的短程流传输，仅需一至两步即可生成候选 Token；变分自编码器负责压缩目标隐藏状…
智能体· 2026-11-10
Mr.Xu3 次阅读0 条讨论与划词
Pass_X@k揭示：调试器未必优于双Bash采样
论文在保持智能体脚手架不变的前提下，将仅使用交互式调试器的编码智能体与仅使用Bash的智能体进行对照，覆盖SWE-bench Verified全部500个实例，并以GPT-OSS-…
智能体· 2026-11-10
Mr.Xu1 次阅读0 条讨论与划词
Forge Decision Context将跨会话纠错转化为智能体规则
Forge Decision Context（forge_dc）面向智能体无法跨会话继承行为规则的问题，从人工纠正和工具调用失败中提炼命令式 RULE 指令，并仅在相关决策点注入上…
大模型· 2026-11-10
Mr.Xu1 次阅读0 条讨论与划词
APT用分面两两投票优化大模型测试时选择
论文提出 Aspect-wise Pairwise Tournaments（APT），把最佳候选选择从逐答案绝对评分改造成单淘汰式两两比较：每场比赛由多个现成验证器分别依据正确性、…
智能体· 2026-11-10
Mr.Xu0 次阅读0 条讨论与划词
NormGym评测智能体社会学习：最佳联合成功率仅55.3%
NormGym提出面向智能体规范能力的多智能体交互基准，要求新成员在完成自身任务的同时，从他人的行为与制裁反馈中推断隐藏、任意的社会规范，并在新情境中遵守它。评测显示，最强受测大语…
智能体· 2026-11-10
Mr.Xu2 次阅读0 条讨论与划词
AWS Quick 拆解智能体、技能与数据协同架构
AWS Quick 将企业智能体划分为代理、技能、知识空间与连接器四层：代理负责规划和执行，技能封装可复用任务指令，知识空间提供文档与结构化数据，连接器则打通 Slack、Jira…