UrbanAgent:打破跨系统服务孤岛,让城市智能体任务成功率达到71%
近期由多位研究者提出的 UrbanAgent ,试图用统一的工具增强 Agent 框架攻克这一瓶颈。它不仅能够调度跨系统的异构城市服务,还引入了“行动前主动澄清、依赖驱动执行、多源证据对齐校验”的完整自适应闭环。
近期由多位研究者提出的 UrbanAgent ,试图用统一的工具增强 Agent 框架攻克这一瓶颈。它不仅能够调度跨系统的异构城市服务,还引入了“行动前主动澄清、依赖驱动执行、多源证据对齐校验”的完整自适应闭环。
为了打破这一僵局,研究者提出了 VeriTrace 框架,核心是赋予专职排错智能体(Inspector)完全自主的“时序探索能力”(Agentic Temporal Exploration)——它可以像资深验证工程师一样,自由指定观察哪些内部信号、随意向前或向后拉动时间窗口、自主迭代验证假设。
为此,研究团队提出了 SMRC-SD(State-Matched Routing and Contextualized Self-Distillation),通过显式检验执行状态的一致性,决定何时该蒸馏、如何组织上下文。
针对这一工程痛点,长鑫存储(CXMT)与中国科学技术大学的研究团队提出了 ZhuLong(烛龙)。该系统取名自中国神话中“开目为昼”的神兽,旨在照亮原本晦涩不透明的商业 EDA API 生态。
为此,研究团队提出了自适应工具文档优化框架 DocsChisel 。该框架通过分析智能体在实际任务中的失败执行轨迹,在字段级别自适应地对工具文档进行“增、删、改”,从而打破“静态文档通吃所有场景”的固有假设。
多伦多大学(University of Toronto)的研究团队针对上述痛点,提出了专为微服务根因定位与事件响应设计的图增强多智能体框架 GALA+ 。该框架的核心哲学十分务实: 用系统物理依赖图作为 Agent 推理的“拓扑紧箍咒”,将复杂的跨模态证据推理严格限制在故障传播的局部因果邻域内 。
针对这一结构性矛盾,来自 NVIDIA 的研究团队提出了全新理念:必须将“任务执行”与“注意力协调”彻底解耦。他们构想了一个类似《钢铁侠》中 Jarvis 的常驻注意力协调层(Always-on Attention-coordination Layer),作为用户与执行智能体之间的双向中介。
来自北京邮电大学、上海人工智能实验室、伊利诺伊大学厄巴纳-香槟分校(UIUC)、牛津大学以及中国科学技术大学的研究团队提出了全新视角: 矛盾处理不应该是一个下游的“答案聚合”问题,而必须是一个底层的“记忆写入”问题。基于这一判断,他们设计了名为 LatticeMind 的结构化记忆原语。
针对这一瓶颈,京东(JD.com)联合中国人民大学提出了名为 LOFA (Learning from Online user Feedback for shopping Agents)的自适应学习框架。
研究表明,大模型在判断“自己是否做错了”这件事上展现出了极高的敏锐度;但在进一步判断“该用哪种协作协议挽救错误才最划算”时,现有的所有路由策略几乎全线受挫。这一不对称现象,给盲目迷信多智能体架构的工业落地敲响了警钟。
针对真实复杂界面与超长交互轨迹的数据匮乏困境,哈工大(Harbin Institute of Technology)的研究团队提出了名为 SEE (Structure-aware Exploring & Exploiting)的双阶段数据合成框架。
针对这一困境,研究团队提出了 SkillZip 。该方法完全摒弃了对下游评测任务、环境轨迹和奖励反馈的依赖,将技能视作一种结构严密的“类型化操作契约”(Typed Contract)。
为了打破这种主观评测与单一场景的局限,卡耐基梅隆大学(CMU)的研究团队提出了一套完整的评估基准与无须微调的自优化框架: Social Gym 与 SPaRTan 。
SocialBuddy:针对真实社交网络极度私密、数据无法直接用于公开训练与评估的难题,研究团队首先构建了首个大规模社交搜索仿真环境 SocialEnv ,内含 20 万虚拟用户画像、1000 万条社交动态以及 5 万条高质量推理轨迹;随后,针对长程社交搜索中奖励极度稀疏、归因极其困难的痛点。
来自香港中文大学(CUHK)的研究团队在论文中提出了 SynAct ,一个专为芯片自适应逻辑综合调优设计的闭环推理-行动(Reasoning-Acting)大模型智能体。与以往割裂的方案不同,SynAct 将综合优化建模为带有状态反馈的动态交互过程。
在多智能体系统(Multi-Agent System)的设计中,串行流水线是当前工业界最普遍的落地方案。无论借助 LangGraph、AutoGen 还是 CrewAI,工程师们通常会搭建一条分工明确的流水线:先由研究员抽取数据,再由分析师计算指标,接着由写作者润色报告,最后交给审核员做质量把关。
针对这一痛点,一项名为 Tree-of-Experience(ToE)的新研究提出了全新的解题思路:它不再将经验平铺或聚类,而是直接将经验镜像构建为一棵与模型思考方式同构的“层次化分析视角树”。
来自华为、南洋理工大学和中山大学的研究团队提出了 UserToolBench 基准,首次将评估焦点转向 隐式画像下的个性化决策(Personalized Decision Making) 。
西北工业大学、深圳河套学院与香港大学的研究团队提出了 VALG。这是一个专门面向机器学习理论研究的自主智能体系统,其命名致敬了统计学习理论与计算学习领域的四位先驱:Leslie Valiant、Dana Angluin、Nick Littlestone 与 E. Mark Gold。
ReFind:在赋予大模型长期记忆能力的军备竞赛中,业界似乎达成了一种不成文的共识:要想让智能体(Agent)准确记住几百轮甚至数千轮之前的对话细节,就必须在问题提出之前,把原始对话提前加工成各种复杂的结构。
为了严谨量化一条消息到底对后续推理带来的是建设性推力还是破坏性干扰,他们提出了名为 DHD(Diverse Hypothesis Deliberation,多样假设审议)的控制测量协议。
APS-RAG:这项工作为高可靠工程环境下的 RAG 架构设计提供了非常现实的技术参照。大科学装置的运转知识形态与传统企业知识库存在本质差异。在 APS 的日常运行中,数据异构性极高。
NUS:评测不仅考察传统的 Recall@k 和 MRR(平均倒数排名),还提出了极具工程参考价值的 BCY@B(Budgeted Context Yield,固定 Token 预算下的上下文产出率) 。
为填补这一盲区,研究者提出了 Copyright-Bench ,这是业内首个专门用于量化评估大模型智能体在商业场景下版权法合规性的基准测试。测试结果展现出一个令人担忧的现实:在任务成功率普遍超过 98% 的背后,主流大模型智能体存在严重的“能力与合规脱节”。