跳到正文
#Agent
10月12日周一
  2. arXiv cs.CL20

    大语言模型、机器辅助文化分析与智能体转向

    大语言模型让文化材料更易转化为可分析变量，LLM 驱动的智能体系统则将机器辅助延伸至研究流程的其他环节。作者认为，这些技术扩大了研究规模、方法范围与可委托范围，但测量支撑文化论断的基本逻辑大体未变。该章节并非操作指南或近期 LLM 用例综述，而是审视这一新范式的关键面向与整体图景。

  6. arXiv cs.CL31

    用潜在内在反馈训练用户模拟器

    研究者提出"带内在反馈的用户模拟器"，即为模型配备潜在评估状态——每轮对话中从第一人称用户视角生成内部想法、反应和标量评分。基于真实用户与助手的交互日志训练后，该模拟器在模拟真实性和批判行为上优于提示词基线，并提供现有微调模拟器缺失的轮级评估，其评估与人类判断的相关性也更高。

  8. arXiv cs.CL37

    T²Mem：面向 LLM 长交互历史的测试时记忆构建框架

    研究者提出 T²Mem，一个将记忆构建推迟到推理阶段的测试时记忆构建框架，在推理过程中逐步构建查询专属记忆。该方法离线仅提取轻量级 episode 级元数据作为检索线索，测试时由 LLM 自适应检索并组织元数据与原始交互。在 LoCoMo 和 LongMemEval 上，T²Mem 在不同骨干 LLM 上持续优于强基线，同时大幅降低记忆构建开销，代码已开源。

  9. arXiv cs.CL39

    TerminalHorizon：为长时程终端智能体扩展智能体数据

    研究团队推出 TerminalHorizon，一个面向长时程终端智能体的全自动数据合成引擎，通过独立执行识别构建过程中被省略的关键工作，并据此重建环境。基于该引擎构建了 1.5K 任务环境，对 Qwen3.5-27B 进行监督微调得到 TerminalHorizon-27B，在覆盖编码智能体、真实生产环境智能体任务和通用推理的 12 个基准上均取得显著提升。

  10. arXiv cs.CL31

    SOAR：面向搜索智能体的来源感知强化学习与精确信用分配

    针对搜索智能体绕过外部信息、编造错误答案的"证据捏造"问题，研究者提出 SOAR（来源感知强化学习），通过 Source-Aware Workflow 将外部信息与内部知识拆分为可观测的并行流，并用 Source-Consistent Reward 引导策略演化。在 3B 和 7B 骨干模型上，SOAR 分别比基线提升 7.3% 和 5.4%，同时将证据捏造减少 74.8%。

  12. arXiv cs.CL24

    SEEDS：面向搜索智能体的预览引导证据准入框架

    SEEDS 是一个预览引导的证据准入框架，让搜索智能体在每一步检索后先查看候选文档的轻量预览，再结合当前推理状态自行决定哪些、以及多少候选应被完整读取，而非按固定或排名前缀策略消费证据。在九个知识密集型 QA 基准上，覆盖本地语料与实时网页搜索，SEEDS 一致提升搜索效果并大幅减少完整证据消耗，且能直接接入现有推理智能体或通过学习进一步优化。

  13. arXiv cs.CL25

    T-Mem：面向长程多方对话记忆的时间证据森林框架

    针对 LLM 智能体长期多方交互中时间结构难以利用的问题，研究者提出 T-Mem 记忆框架，通过时间证据发现与时间记忆结构化两项机制恢复局部密集证据并重建事件演进，再经证据森林线性化生成答案。在两个长期多方记忆基准上，T-Mem 在不同 LLM、参数设置、领域和查询类型下均持续优于现有竞争性记忆框架。

  14. arXiv cs.CL37

    MisVisAgentBench：评估误导性图表如何影响 Web Agent 执行的配对基准

    研究者提出 MisVisAgentBench，首个评估误导性可视化如何影响 Web Agent 执行的配对可执行基准，包含 280 个仅在图表证据上有差异的干净—误导配对任务实例。在 13 个视觉语言 Web Agent 上，将干净图表替换为误导性图表后平均任务成功率下降超过 34 个百分点，且失败主要沿目标误导动作分支发生。该基准已被 EMNLP 2026 接收。

  15. arXiv cs.CL27

    MADS：面向鲁棒对话智能体的多智能体对话模拟

    研究团队提出 MADS（Multi-Agent Dialog Simulation）合成数据生成管线，可注入对抗性对话，生成结构化、多样化的对话轨迹，用于训练更鲁棒的对话智能体。基于该管线构建的 MADS-Bench 覆盖 6 个领域、55 种人物设定和 1095 段对话，其中约 66% 包含易失败场景。团队采用 SFT 与 RLVR 两阶段训练评估模型鲁棒性。

  17. arXiv cs.CL22

    反思式提示词优化如何提升深度研究智能体：主题不相交多随机种子协议测量可迁移增益与提示词级过拟合

    研究者将反思式提示词进化（GEPA）应用于多智能体深度研究智能体的两个系统提示词，在主题不相交划分下，留出引用奖励从 0.702 升至 0.781，提升 0.079，bootstrap 95% 置信区间为 [0.051, 0.107]，并在三个随机种子上复现（均值 0.107）。

  25. RadarAI22

    AI 泡沫论背后的认知断层：从大众聊天框到前沿 Agent 集群的阶梯漏斗

    AI 泡沫论争议源于极度分化的阶梯式认知漏斗：全球绝大多数人只接触过能力有限的聊天框，而极少数前沿专业人士与内测人员已见证成千上万 Agent 在代码与数学中展现的垂直指数级生产力爆发。这一认知鸿沟由问题复杂度尺度与强化学习验证环境带来的能力"锯齿状"特征共同造就，形成大众感知与前沿专家之间的代际认知裂痕。

  26. RadarAI32

    ESP32 作为 AI 物理世界交互载体的低门槛创客实践

    售价低廉、集成 Wi-Fi 与蓝牙的微控制器芯片 ESP32 可作为 AI Agent 连接物理世界的执行媒介，让 AI 直接控制传感器、电机和外设。作者认为，如果说 Claude Code、Codex 是 AI 在软件编程领域的执行手脚，ESP32 则充当 AI 在物理世界的触角，极低门槛适合创客、学生及技术爱好者动手实践。

  27. RadarAI58

    Coding Agent 规则文件 agent.md 的精要设计原则

    作者剖析 Codex、ZCode 等编程 Agent 工具中共享文件 agent.md 的核心作用，指出该文件会在每次对话中默认注入上下文，相当于 Agent 的「宪法」。若在其中堆砌过多规则，会导致模型上下文腐化与注意力分散，最佳实践是保持精简，仅收录项目概览与关键命令。

  29. Hacker News37

    评估 LLM 智能体：权重与 harness 两座山

    评估 LLM 智能体时，可改的只有两样东西：权重和 harness——即围绕模型组装提示词、暴露工具、管理上下文与记忆并决定何时调用工具、重试或停止的代码。权重一侧有梯度可循，harness 一侧没有梯度，每一步都是人做离散改动再由 eval 判断是否有用，因此 eval 必须承担梯度在权重侧的角色。

  31. GitHub62

    字节开源 FlowGram 工作流开发框架与工具包

    字节开源 FlowGram，一个可组合、可视化、易集成、可扩展的工作流开发框架与工具包，目标是帮助开发者更快更简单地构建 AI 工作流平台。它内置流程画布、节点配置表单、变量作用域链以及 LLM、Condition、Code Editor 等即用物料，并明确自身不是现成的工作流平台，而是用来搭建平台的框架。

  32. GitHub22

    Roost：为 Hermes 智能体打造的开源私有 PWA 界面

    Roost 是一个面向 Hermes 智能体的私有 Progressive Web App，为单一所有者提供对话与定时任务的专注界面，支持桌面和手机布局。它可连接现有 Hermes 智能体，凭据保存在服务端，提供 Messages 对话与 Jobs 定时任务管理，并支持 passkey 登录、主题与强调色设置。目前文本对话和 Jobs 已实现，语音与推送通知仍在计划中，采用 MIT 许可证。

  36. GitHub34

    session-hub：为 Claude Code 与 Cursor 提供 P2P 会话同步与 AI 互聊的开源工具

    session-hub 是一款开源 P2P 工具，让使用 Claude Code 或 Cursor 的团队成员实时查看彼此会话、互发消息，并支持 AI 助手之间自动对话。数据端到端加密、无需服务器或账号，每个会话持续备份到本地，并内置 MCP Server 与 VS Code/Cursor 扩展。目前提供 Windows 安装包（约 80 MB），也支持 macOS 与 Linux。

  38. RadarAI60

    开源多 Agent 系统 Octop 架构与组件化设计解析

    开源多 Agent 项目 Octop 支持自托管、多用户与多 Agent 协同，功能覆盖专家、插件、知识库与长期记忆。其核心设计是把底层能力拆成四个可独立替换的组件，包括负责运行调度的 Harness，以及基于 SQLite+FTS5 的组件，调度运行、长期记忆、浏览器操作与消息接入彼此解耦，便于开发者按需集成与替换。