闭环智能体评测：分层测量、自校准与自动改进
论文提出面向已部署智能体的闭环评测方法，将评估视为带有评价者偏差与结果删失的性能估计问题。框架在跨度、轨迹、对话和互动四个层级测量执行质量、实质内容、行为路径与最终结果，并将行为规…
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: #长程智能体 清除筛选
大模型· 2026-11-06
Mr.Xu1 次阅读0 条讨论与划词
RAGCompass以证据重排实现跨检索器可泛化路由
论文提出 RAGCompass，通过直接比较不同检索器返回的证据集合，为每个查询选择更适合下游阅读器的证据集。其核心是对重排器进行基于最终答案质量的对比微调，并加入轻量比较头；两部…
大模型· 2026-11-06
Mr.Xu1 次阅读0 条讨论与划词
DS@GT ARC四阶段流水线生成事实核查文章
DS@GT ARC团队面向CLEF 2026 CheckThat! Lab Task 3提出事实核查文章生成系统，将声明、既有核查结论与抓取文档送入四阶段流水线：证据清洗、来源检索…
前沿论文· 2026-11-06
Mr.Xu1 次阅读0 条讨论与划词
AI自我进化理论框架：搜索越快，错误目标固化越快
论文建立了一套比较达尔文式、拉马克式与智能体主导式进化的理论框架，用于分析环境变化后AI智能体如何改进自身行为。随着学习效率提高和候选变体增多，自主搜索会加快适应；但若评价目标存在…
智能体· 2026-11-06
Mr.Xu0 次阅读0 条讨论与划词
TRAP按运行状态动态收放智能体权限，但渐变退化暴露盲区
研究提出信任响应式授权策略TRAP，将运行时信任、运行稳定性与上下文风险合成为授权准备度分数，并通过非对称规则动态调整智能体权限：风险骤降时立即收权，稳定连续达标后再恢复权限。在1…
前沿论文· 2026-11-06
Mr.Xu1 次阅读0 条讨论与划词
模拟协作揭示：AI证明智能体与人类偏好系统性偏移
研究提出“模拟协作”方法，在Lean历史仓库中重放人类证明轨迹并比较AI智能体与人类对下一步证明目标的偏好。基于9个大型协作项目、470万条定义和6000余次提交，研究发现：AI更…
智能体· 2026-11-06
Mr.Xu0 次阅读0 条讨论与划词
双账本模型将多智能体AI成本精确归因到业务交易
企业现有云账单通常按SKU和账期结算，无法回答某笔订单、理赔或案件究竟消耗了多少AI成本。论文提出“双账本模型”：保留符合FOCUS规范的结算账本，同时以OpenTelemetry…
算力架构· 2026-11-06
Mr.Xu0 次阅读0 条讨论与划词
FlexFloor弹性释放MoE训练Worker，RL响应吞吐提升52.74%
FlexFloor面向混合专家模型强化学习后训练中的响应生成阻塞，联合调整响应调度与活跃Worker集合，在保留长响应所需专家计算的同时，提前释放已完成本地生成的工作节点。系统依据…
大模型· 2026-11-06
Mr.Xu1 次阅读0 条讨论与划词
BlockLock固定批处理几何，实现请求级可复现LLM推理
BlockLock通过固定受保护请求在批处理中看到的数值路径，解决同一请求因同批次其他请求变化而产生不同输出的问题。框架包含BlockLock-Rows与BlockLock-Pac…
智能体· 2026-11-06
Mr.Xu1 次阅读0 条讨论与划词
KDASO动态优化技能库，让大模型应对持续变化的责任判定
KDASO提出面向责任判定任务的自动化技能优化框架，将专家知识、最近案件数据与模型执行轨迹结合起来，持续生成、修订并路由可解释技能。它以邻域条件化归纳应对场景演化，通过轨迹分析缩小…
大模型· 2026-11-06
Mr.Xu1 次阅读0 条讨论与划词
EditVeto用后置否决门控约束LLM改写OCR文本
面向历史文献 OCR 修复中“修错同时改对”的过度改写问题，研究提出 EditVeto：先让大语言模型基于完整上下文重写文本，再通过字符对齐定位差异块，由一个 0.6B 参数门控模…
大模型· 2026-11-06
Mr.Xu1 次阅读0 条讨论与划词
BACE让大模型学会何时追问：按信息增益决定澄清轮数
针对大模型在指代歧义任务中过早给出确定答案的倾向，研究团队构建了基于 SIMMC 2.1 的战略澄清测试环境，并为每个歧义指代记录最少所需澄清轮数。其提出的 BACE（Belief…