AI Agent 第2页

VeriTrace:时序自主探索,Verilog基准首破100%

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。

GALA+:以服务拓扑约束智能体推理,微服务根因定位AC@1提升超25个百分点

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 。

NVIDIA发布JarvisBench:解耦执行与协调,多Agent任务最高提升28.2分

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。

LatticeMind:把冲突消解写入记忆,多智能体决策准确率达到0.97

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。

能预判做错却选不对协作:4181道竞赛题揭示多智能体路由困境

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。

SocialBuddy:腾讯等提出社交搜索智能体,35B模型精准检索突破多维约束

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。

SynAct:闭环大模型 Agent 调优芯片逻辑综合,平均 WNS 降至 27%

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。

VALG:以自适应图证明挑战COLT 2026,AI推进9个前沿理论难题

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。