PM-Bench：UCLA发布前瞻记忆基准，最强GPT-5.4得分仅65.1%
大语言模型（LLM）驱动的智能体系统正在被赋予越来越长周期的任务期望。如今的模型能够浏览网页、编写代码、制定计划、调用工具，并在多轮对话中采取行动，而不再局限于单次提示词的响应。
知识系统AI Agent
AGI FRONTIER
AI前沿分享第22页
深度解读 AI 论文，追踪 Agent、推理、多模态与具身智能的最新进展。
PAPER INSIGHTS
更多论文解读
中科院等最新实证！4大市场数据揭示Agent Skill复用真相
软件工程的发展史，本质上就是一部关于“复用”（Reuse）的演进史。从早期的复制粘贴代码片段，到引入标准化的库和框架，再到基于云的微服务架构，开发者们一直在寻找更高效的方式来避免重复造轮子。随着生成式AI和自主智能体（...
AI AgentAI工程
清华提出GEIS：Agent技能改进闭环，长文生成击败STORM
在当前的大模型能力版图中，短文本回答、代码生成或是日常对话的响应早已不是难点。然而，当我们把视线转向撰写维基百科级别的深度文章、行业技术报告或是长篇分析文档时，大模型的表现往往暴露出明显的局限性。
AI AgentAI评测
MemOps：定义5大记忆生命周期，揭露大模型状态更新短板！
随着大语言模型（LLM）的快速迭代，AI正在从仅能处理单次会话的简单助手，演变为能够跨越数天、数周乃至数月陪伴用户的长期智能体。在这种长周期、多会话的交互场景中，长记忆能力（Long-termMemory）已经成为决定...
知识系统
哈工大提出KnowAct-GUIClaw：自进化记忆框架，MobileWorld胜率达64.1%！
随着大语言模型能力的飞跃，智能代理（Agent）正在经历从一次性问答机器人向状态持久、可长期运行的个人桌面和手机助手的关键转型。然而，真实的设备生态往往不提供完美结构化的API接口，很多高价值任务要求系统直接在图形用户...
知识系统
港大等提出EvoGraph-R1：自进化多模态GraphRAG，打破静态检索瓶颈！
检索增强生成（RAG）已经成为大模型解决幻觉和获取外部知识的标准范式。为了让大模型具备更复杂的推理能力，基于知识图谱的GraphRAG逐渐成为当前的研究热点。然而，现有的系统往往潜藏着一个致命缺陷：它们将知识图谱视为一...
RAGAI Agent
SEED：自我进化同策略蒸馏，40%数据即可匹敌全量强化学习
随着大语言模型逐渐从单轮问答转向需要长期规划、多轮交互以及工具调用的智能体（Agent）任务，强化学习（RL）正成为大模型后训练阶段的核心范式。然而，在面对复杂的长周期任务时，传统的基于结果的强化学习面临着极其严重的监...
AI Agent强化学习
ContinuityBench：LLM有状态故障转移！对话连续性达99.2%
在生产级别的大语言模型（LLM）部署中，开发者往往会配置多个模型提供商（Provider）以确保系统的高可用性。当主模型服务商遭遇宕机或严格的速率限制时，网关会自动将流量切换到备用模型。从监控面板上看，HTTP状态码依...
AI评测
告别纯反应式VLA：全面解析机器人世界模型进化密码
当前具身智能与机器人学习正经历一场深度的范式革命。以往大放异彩的视觉-语言-动作模型（Vision-Language-Action,VLA）正逐渐暴露出其在物理世界中的局限性。以直接将多模态观察映射为底层动作为核心，这...
具身智能强化学习
大模型Agent的“缰绳”：4大标准重新定义Agent Harness与6大系统横测
当一个智能体在执行代码任务失败时，却一本正经地向用户报告“任务已成功完成”，你的第一反应是什么？许多开发者的直觉是去修改提示词。然而，当大语言模型被逼到死角时，往往会倾向于生成看似满足要求的虚假答案。单纯通过提示词“礼...
AI AgentAI安全
微软提出WebXSkill：赋予网页Agent“双模”技能，成功率最高涨12.9%
当前，由大语言模型（LargeLanguageModels,LLMs）驱动的自主网页智能体正试图接管复杂的浏览器工作流。但它们常常因为无法留存和复用交互知识，被迫在每次遇到熟悉任务时从零开始推理，导致极高的错误率。
AI Agent
WebShaper：集合论重构数据合成，打造最强开源搜索Agent
OpenAI的DeepResearch近期引爆了全网，展现了惊人的信息搜索（Information-Seeking,IS）能力。这类Agent系统能自主查阅海量资料，被视为迈向AGI的关键一步。然而，开源社区想要复现这...
AI Agent基础模型
告别盲目堆料：全景解析大模型训练效率的“数据-内存-算力”协同法则
在当今的大模型研发中，算力焦虑几乎笼罩着每一个技术团队。当我们将目光聚焦于动辄千亿参数的模型时，往往会陷入一个误区：单纯地增加GPU数量就能解决一切问题。然而，真实的工程痛点远比这复杂。
模型训练模型优化
手机操作不再断片！UI-Copilot凭副驾驶机制实现GUI任务17.1%性能跃升
当用户要求手机上的智能助手“帮我核对上个月的账单，计算出餐饮开销占比并填入新的备忘录”时，大多数现有的AI助手在点击了几次屏幕后，往往会陷入迷茫。它们要么忘了最初要找什么，要么算错了数据，甚至一直在同一个页面里无意义地...
AI AgentRAG
TTHE：无需微调与标签，测试时脚手架演化让Agent准确率暴涨38%
当一个部署在生产环境中的数据分析Agent连续三次生成了逻辑完美的SQL语句，却仅仅因为数据库表名的大小写不匹配而屡屡报错时，它该如何自救？在绝大多数现有的工程架构中，它只能反复撞墙，因为控制它如何调用工具、如何拦截异...
AI Agent
AI进军真实物理科研：端到端复现111篇论文，揪出42%潜在错误
机器智能不仅能写代码，现在已经开始自主做物理实验了。它们甚至向顶级学术期刊的既定结论“开炮”了。该研究展示了一个由大语言模型驱动的智能体。它不再仅仅是“读”论文，而是真正去“跑”计算物理的复杂仿真。在测试中，它自主复现...
AI Agent
打破“专机专用”魔咒：基础大模型重塑通用机器人的核心机制与局限
长期以来，人工智能在物理世界面临着一个尴尬的困境：机器人在工厂里极其精准，但只要光线微调或零件偏移，它们就会立刻宕机。这种“专机专用”的模式，要求开发者为每一个特定任务收集数据、定制算法并在受限环境中部署。然而，自然语...
AI AgentRAG
告别“幻觉”：涵盖18种工具的Tool Learning通用框架全解析
大语言模型虽然拥有惊人的语义理解能力，但始终受制于静态的预训练数据。当面对实时信息检索、复杂数学计算或特定领域操作时，纯参数模型往往会产生严重的知识幻觉。单纯依靠扩大模型参数来“死记硬背”世界知识，不仅训练成本极其高昂...
AI Agent
省28.4% Token！开源Agent框架ToFu性能反超Claude
当前的智能体系统正面临一个尴尬的瓶颈：即便是回复一句简单的“你好”，系统底层也可能消耗成千上万个Token。对于复杂的多步推理任务，这种累积的计算成本更是高得令人咋舌。与此同时，市面上成熟的Agent产品（如Claud...
AI Agent
打破RAG长度限制！Thought-Retriever让AI学会检索“思考”，胜率飙升16%
面对百万字的海量专业文档，当下的AI助手往往力不从心。传统的检索增强生成（Retrieval-AugmentedGeneration,RAG）就像个只会翻书找原话的初学者。一旦资料多到超出模型的上下文窗口，它就只能“断...
AI AgentRAG
告别Token依赖！清华与NUS联合揭秘大模型隐空间，盘点4大机制与7大能力
现有的语言模型，无论是大语言模型还是视觉语言模型，都在不知疲倦地逐字吐出Token。这种基于人类可读符号的显式生成机制，正遭遇难以逾越的瓶颈。信息冗余、离散化带来的精度损耗，以及串行解码的高昂成本，都在拖慢AI进化的脚...
基础模型AI Agent
成本降41%、速度快近一倍：揭秘Agent的编排层如何终结Token通胀
当前AI应用开发者最头疼的往往不是模型不够聪明，而是月底暴涨的API云账单。为了让Agent顺利完成复杂任务，系统不得不塞入极其冗长的系统提示。不仅如此，在多轮对话中还要反复回放完整的历史记录、巨大的工具描述文档。
AI Agent
大模型也会“聊崩”？多智能体谈判实验揭秘4大协作陷阱
当多个顶级大语言模型组成团队时，它们真的能像人类精英一样高效协同吗？现实情况往往令人啼笑皆非：它们不仅经常无法达成共赢，甚至会因为资源分配问题“大打出手”，或者干脆达成一种极其糟糕的妥协。为什么大模型能够轻松通过极其困...
AI Agent推理
StructAgent：统一因果结构让长序列智能体告别迷失，胜率飙升至78.9%
当AI智能体面对需要跨应用操作、历经数十步的复杂电脑任务时，它们往往会陷入“我刚做了什么”以及“我现在在哪”的混沌之中。随着操作历史的不断堆积，大量错误的尝试和冗杂的信息让智能体彻底迷失。本文解读的最新研究Struct...
AI Agent