ToolArtist：统一多模态模型自主搜图与绘制，拿下开放基准非商业第一
由香港科技大学、新加坡国立大学、中国人民大学及都柏林大学学院等机构组成的研究团队，提出了名为 ToolArtist 的全新框架。与以往“外挂式拼接”的生成智能体完全不同，ToolArtist 基于原生统一多模态模型（U...
AI Agent多模态&视觉
AGI FRONTIER
AI前沿分享第5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
不是 JSON 而是 Python：大模型工具调用范式转变，新模型最高提升10.6%
这项研究之所以冠以“苦涩的教训”（The Bitter Lesson），正是因为它指出了工具调用工程中的一个执念：业界花费了大量精力去设计专门的 Function Calling API、结构化约束解码和 JSON 解...
AI Agent
TARL：告别粗暴二元写入，面向长程Agent的可执行三账本记忆架构
来自厦门大学等机构的研究团队提出了 TARL（Transaction-Aware Reliable Ledgers） ，从状态机与数据库事务的视角重新审视智能体记忆管理。
知识系统AI Agent
PRECOG：端侧RAG延迟从27秒降至6毫秒，O(1)状态注入实现4500倍提速
这项来自神经形态硬件与边缘 AI 领域的研究，提出了名为 PRECOG （Pre-Computed Context Injection，预计算上下文注入）的检索机制，以及面向长期设备记忆的 SMC （Structure...
RAG知识系统
SkillSentry：把执行经验编入DSL，大模型Agent技能成功率提升24.1%
针对这一痛点，来自计算机科学与人工智能领域的研究团队提出了 SkillSentry ，一个面向 Agent 技能执行的运行时保障（Runtime Assurance）框架。该方案的核心转变在于： 它不再将技能执行寄托于...
AI Agent
VideoDB：视频检索不是给文件打分！分层索引与可播放证据打破端到端神话
针对这一本质矛盾，基础设施团队 VideoDB 提出了一个明确判断：在物理与数字构成的视觉世界中进行搜索，本质上是一个系统架构问题，而非单纯依靠更大参数量训练出的端到端视频检索模型。
知识系统推理
SIEVE：不再整页抓取！结构化布尔检索让深度研究Agent减少最高50% Token
为了打破这种粗暴的信息摄入模式，研究团队提出了名为 SIEVE 的全新交互范式。该框架放弃了传统的 Search–Visit 模式，转向“搜索-检视-获取”（Search–Inspect–Fetch）三段式架构，并深度...
RAGAI Agent
ParaRecover：大模型并发调工具越快，越容易在错题中“盲目乱窜”？
ParaRecover：为了对模型在执行过程中的表现进行多维切片，研究团队提出了 SDE 评估细则（SDE Rubric） ，将评测视角由单一维度的二元对错，拆解为三个互为补充的核心支柱： - 结构完整性（Struct...
AI AgentAI评测
VideoXAgent：告别离线预处理，纯在线长视频Agent将上下文降至15%
针对这一两难困境，百度团队在一项最新研究中提出了名为 VideoXAgent 的纯在线长视频智能体框架（Purely Online Video Agent Harness）。
AI Agent多模态&视觉
Mendel Gödel Machine：用比较进化自我重构，智能体准确率达93.3%
针对这一瓶颈，来自慕尼黑大学（LMU Munich）、慕尼黑机器学习中心（MCML）与电子科技大学的研究团队提出了 Mendel Gödel Machine（MGM） 。
AI Agent
微软与CMU企业级Agent实测：不是工具越细越好，一个纯Bash最高涨分24点还省72%Token
近年来不少智能体本文提出，让智能体像人类工程师一样具备“沉淀经验”的能力：将常见子任务写成工具脚本存进持久化目录，后续任务直接复用，从而形成技能库闭环。然而，严谨的双盲统计表明， 在 Bash 基础上增加持久化工具合成...
AI Agent
FACTOR：不是全轨迹广播，而是先定动作信用再分Token
近期来自清华、北大、复旦、浙大等机构的研究团队提出了一种解耦机制 FACTOR （Factorizing Action Credit and Token Responsibility），直击当前多轮 Agent 强化的...
AI Agent强化学习
港科大HSI：大模型自我进化脚手架，多任务进度最高提升39.3%
香港科技大学（HKUST）的研究团队在最新论文中打破了这种静态脚手架的思维定式，提出了名为 HSI （Hierarchical Self-Improvement，分层自进化）的全新框架。
AI Agent
HarnessCompass：5轮迭代升至66%，Agent外壳为何能真正泛化？
他们提出了 HarnessCompass 框架，通过引入全局泛化约束、Agent 第一人称主动反馈，以及分组件解耦优化三大机制，重新规范了脚手架演化流程。在 SWE-bench Verified 基准测试中，以 GPT...
AI Agent
EMAS：冻结模型权重自演化Agent，代码准确率达89%且Token降62%
近期，来自复旦大学、京东以及阿卜杜拉国王科技大学的研究团队提出了名为 EMAS（Evolving Multi-Agent System）的演化多智能体系统。该框架明确提出：不需要更新大模型的底层权重，而是把多智能体系统...
AI AgentAI工程
Earth-Agent-Pro：全链条遥感Agent，解耦规划与执行提升20.95分
为了打破这种“纸上谈兵”的困境，来自哈尔滨工业大学、上海人工智能实验室、上海交通大学、中山大学、天津大学与清华大学的研究团队联合推出了针对全链条对地观测的完整解决方案——不仅构建了首个覆盖全流程的评测基准 Earth-...
AI Agent推理
CyberForge：代码库级漏洞注入与差分PoV验证，开源Agent修复率提升14.7分
针对不同深度的代码区域，CyberForge 设计了两套互补的注入流水线。这一流水线专攻现有模糊测试 Harness 能够直接触达的代码区域。借助 Harness 现成的输入解析通道，系统可以显著降低 PoV 构建的试...
AI Agent模型训练
BCP：冻结VLA实现自适应重规划，真机操作成功率从44%提升至84%
针对这一根本性矛盾，来自微软亚洲研究院与北京大学的研究团队提出了一种名为 BCP（Bernoulli-Continuation Policy） 的轻量级即插即用框架。
强化学习推理
ACH：面包屑伪造互证链诱捕搜索Agent，攻击成功率达71.4%
研究提出的“权威链劫持”（Authority-Chain Hijack, ACH）策略，通过在智能体推进检索时动态投喂看似来自不同独立信源、实则彼此印证的协同证据，直接破解了智能体的多源交叉验证防线，在 SafeSea...
AI Agent推理
BlueLM-GUI：靠数百台真机跑出自我提升飞轮，超越最强闭源模型5.1分
BlueLM-GUI 提出了 MobileGUI-VBench 以及一套“配额驱动”（Quota-driven）的动态评测方法学。该方法彻底抛弃了“专家挑选一些主观难题组成固定测试集”的旧模式，将基准拆解为业务场景、任...
AI Agent
零阶优化破解智能体自进化瓶颈：困难样本成功率从22%跃升至54%
为了打破这一“能力天花板”，来自北京理工大学和深圳北理莫斯科大学的研究团队提出了一种全新的 零阶自进化框架 。该方法彻底跳出了“必须先采出正确轨迹才能训练”的传统思维，而是对大模型的 LoRA 参数施加微小扰动，仅依据...
AI Agent模型优化
SkillClone：不用提示词注入，普通对话就能逆向克隆大模型私有技能？
研究团队提出的黑盒攻击框架 SkillClone 证明：哪怕底层文件被严密保护、不发生任何文本泄露，仅凭普通的任务交互与闭环差分修复，攻击者依然能以极低的成本重构出可独立执行的等价程序克隆。
AI Agent
Argus：78%基准背后的长程Agent运行时与自演化机制
由微软、上海交通大学、清华大学、北京大学等机构联合提出的 Argus ，正是为了打破这一长期困境而设计的通用 Agent 运行时。Argus 的核心思想非常直接却极具颠覆性：长程推理的关键不在于更长地维持一个固定计划。
AI Agent推理
医疗多智能体被两个同伴带偏38%？独立裁判用私下质询破解从众陷阱
面对这种隐蔽而危险的群体性误导，传统的过滤门禁与只看讨论记录的法官模型几乎全线失效，而研究团队提出的“独立裁判（Referee）”机制，通过在会后向模型发起一次私下重质询（Private Re-query），以非介入式...
AI AgentAI评测