智客前沿 · 2026-11-06
SIRIS揭示LLM误判仿真误差:会挑方案不等于懂系统
SIRIS用于检验大模型能否区分“仿真器预测被扭曲但推荐仍成立”与“仿真误差会改变最优方案”两类情形。研究通过构造共享候选方案、建模局限和原始推荐的工作负载对,扰动仿真器后让预测结果同时变化,再由参考仿真器判断推荐是否仍然成立。对13个前沿…
智客专题 Agent 框架专题
AI Agent 框架横评:LangGraph、AutoGen、CrewAI、Letta 等的设计哲学、工具调用模型与生产适用性。
· 2026年8月15日 #Agent#智能体#LangGraph#LangChain#AutoGen#CrewAI#Letta · 30 / 4348 篇内容
智客前沿 · 2026-11-06
SIRIS用于检验大模型能否区分“仿真器预测被扭曲但推荐仍成立”与“仿真误差会改变最优方案”两类情形。研究通过构造共享候选方案、建模局限和原始推荐的工作负载对,扰动仿真器后让预测结果同时变化,再由参考仿真器判断推荐是否仍然成立。对13个前沿…
智客前沿 · 2026-11-06
研究团队提出智能体推理缓存(ARC),从大模型推理轨迹中编译出可在CPU上执行的任务解决方案,将“推理问题”与“执行方案”解耦。论文称,该方法在数学与科学难题上达到与前沿模型相当的性能,同时具备可解释、可持续训练和对输入扰动较稳健等特性,单…
智客前沿 · 2026-11-06
研究团队提出授权漂移基准ADB,将智能体在数据、工具、范围和时间维度上的越权行为形式化,并通过真实执行轨迹而非模型自评验证任务。基准覆盖7个领域、648个样本、13个模型和3种框架,共收集25,207条轨迹。实验显示,前沿模型的漂移率达到0…
智客信息 · 2026-11-06
中国电信人工智能科技有限公司旗下XingChen-AGI开源Xing4.0-29B-A4B模型:总参数29B、每Token激活4B,采用64个路由专家、4个激活专家及1个共享专家,原生支持256K上下文并可扩展至512K。模型以MLA、mH…
智客信息 · 2026-11-06
Zalando Incubator以MIT许可证开源Agentic Identity Broker(AIB),用于为AI智能体提供范围受限、可撤销的MCP服务访问权限。AIB由用户按智能体与服务粒度完成授权,加密保存第三方令牌,并在网关侧依…
智客前沿 · 2026-11-06
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,并将行为规范作为贯穿各层的约束;通过证据溯源、评审裁决、版本化规则及内…
智客前沿 · 2026-11-06
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;但若评价目标存在错配,更多搜索反而会更快收敛到错误行为,并可能在递归自我改进…
智客前沿 · 2026-11-06
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100组匹配的蒙特卡洛轨迹中,TRAP对突发退化的响应速度和权…
智客前沿 · 2026-11-06
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 GenAI遥测构建调用级归因账本,通过Trace Cont…
智客前沿 · 2026-11-06
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,通过轨迹分析缩小技能描述与实际执行之间的语义鸿沟,再用预算感知路由避免关键技…
智客前沿 · 2026-11-06
Octopus面向长上下文研究型多智能体系统,将并行分支从重复的上下文副本与文本摘要通信,改造成共享同一模型骨干、驻留GPU的有向无环KV状态图。其零拷贝Radix分叉以O(1)游标视图创建分支,Attention-Only KV Moun…
智客前沿 · 2026-11-05
研究团队推出 Interactive Visual Gym,通过联合模拟可执行任务环境与具备人格特征的用户,评测视觉语言模型在持续物理任务中的实时指导能力。框架覆盖烹饪、家务操作和移动界面,提供 315 个闭环场景、延迟约束、事实依据与可执…
智客前沿 · 2026-11-05
FINCOSMOS提出面向开放网络金融智能体的评测范式:系统不直接提供数据,而由智能体自行搜集数据、识别用户隐藏策略、构造时点一致的回测,并提交可复核结果。评分不依赖标准答案,而是程序化验证时间穿越、重新计算指标并核对策略规格,最终辅以用户…
智客前沿 · 2026-11-05
ReproBridge 提出一套面向机器学习实验复现的智能体工作流,将原始论文与代码加工为规范代码库、完整环境配置、实验启动器和复现指南,并通过独立审计器核验执行证据。基于36篇论文、387个实验构建的 ReproBridge-Bench …
智客前沿 · 2026-11-05
研究团队提出面向印刷电路板布线的多模态智能体PCBRouteAgent,将全局拓扑规划与局部几何执行拆开处理。全局规划器结合PCB图像、结构化电气信息和几何约束,生成连接拓扑、布线顺序、走线走廊及换层方案;执行器则调用KiCad原生路由器完…
智客前沿 · 2026-11-05
论文提出Agent-Native Primitives与HEELO框架:把工具、终端、开发、导航等资源封装为携带常驻LLM、可互相通信的执行单元,再按任务动态组合为执行图。系统依据环境证据验证结果,并仅在失败暴露缺陷后修订或新增原语。实验覆…
智客前沿 · 2026-11-05
研究系统评估了四种智能体框架演化方法在通用与代码任务中的递归自我改进效果。结果显示,16个演化智能体虽然都发现了此前未覆盖的任务,却同时丢失了部分原有能力;部分可靠性提升还伴随部署成本增加。文章据此提出保留既有能力、显式验证改进收益的评测框…
智客前沿 · 2026-11-05
LangChain 为 Managed Deep Agents 增加托管浏览器能力,允许智能体在受控环境中执行网页交互,并通过人工交接完成登录等敏感步骤。官方强调,浏览器工具针对上下文效率进行了优化,目标是减少截图与页面内容长期占用模型上下…
智客前沿 · 2026-11-05
Perplexity 发布工作型智能体产品 Teammates,允许用户在同一工作区配置多个长期在线的智能体角色,并并行承担持续性、大规模任务。它建立在可在设备端执行任务的 Perplexity Computer 之上,可复用现有项目、技能…
智客前沿 · 2026-11-05
AWS宣布Amazon Bedrock AgentCore的Web Answer正式可用。该托管连接器可接收自然语言问题,自主规划并并行执行搜索、读取关键页面核验事实,在证据不足时继续检索,最终通过一次MCP工具调用返回带来源链接的综合答案…
智客前沿 · 2026-11-05
LangChain 在 Deep Agents 中引入异步子智能体机制:主智能体可把长时间运行的任务交给后台工作线程,并通过编排器、通知和审批机制协调执行。核心价值不是让模型生成更快,而是把交互路径与计算路径解耦,避免研究、代码执行或外部工…
智客前沿 · 2026-11-05
Meta 开始向 Muse AI 智能体开放实时语音对话,并在 iOS 应用中以同步口播内容活动的头像呈现回答。用户可直接描述期望语气,也可从头像设置中选择预设音色;The Verge 的初步体验显示响应整体较快,但智能体检索信息时偶尔停顿…
智客前沿 · 2026-11-05
Anthropic 为 Claude 推出 Personal Finance 功能,通过 Plaid 连接用户的银行与信用卡账户。Claude 可按类别汇总支出,估算下次发薪日前待付账单,并辅助判断大额消费是否负担得起,以及每月可结余金额。…
智客前沿 · 2026-11-05
LangChain 宣布 LangSmith BYOC 已在 AWS 正式可用,并进入 Azure 与 Google Cloud 测试阶段。该方案由 LangChain 负责托管运维,但链路追踪、评估数据和智能体部署保留在客户云账户内,尝试…
智客信息 · 2026-11-05
Rivet 开源了一套面向长时程智能体工作负载的 Actor 编排器,以常驻轻量进程替代按会话启动的完整沙箱,并通过 SSD 缓存与 S3 对象存储组成分层持久化层。其 Actor 基线内存为 72 KB、p99 启动延迟为 4.9 ms,…
智客前沿 · 2026-11-05
微软研究院发布研究原型 PDD Kit,将证明驱动开发(Proof-Driven Development)引入智能体编程流程:开发者先审阅自然语言意图,系统再生成 Verus 规范、形式化证明和边界测试,由 Z3 确定性验证代码是否在所有输…
智客前沿 · 2026-11-05
NVIDIA 展示前沿 AI 模型与 Omnverse 库结合后的仿真开发流程:智能体可依据自然语言生成与修改 OpenUSD 场景、配置物理属性、连接渲染和传感器仿真,并通过人工审阅修正结果。案例覆盖机器人抓取、柔性线缆插接、工业数字孪生…
智客信息 · 2026-11-05
Idiap Research Institute与Logitech团队推出DialFork,用于衡量LLM智能体是否遗漏程序规定的话轮、步骤或执行顺序。其核心创新是把程序遵循能力从事实准确性和工具调用正确性中拆分出来,并通过对话分叉构造超过…
智客前沿 · 2026-11-05
SlackBench构建了一个面向真实协作项目的智能体评测环境,将Slack式多线程对话、GitHub代码变更与Google Docs决策记录关联起来,覆盖异构来源检索、不可回答问题拒答、目标摘要和长对话情境推断等140项任务。评测涵盖33…
智客前沿 · 2026-11-05
面向长期服务型智能体,论文提出 ReScopeBench,在18个交互环境中以连续任务流和静默环境变化,追踪经验从获取、复用、修订到失效的全过程。评测覆盖20个模型,并将环境结构经验与跨任务规则经验分开衡量。核心发现是:保留历史经验通常能提…