MoRSE：耶鲁破解多Agent同质化，以双层混合专家实现参数特化
针对这一瓶颈，耶鲁大学的研究团队提出了名为 MoRSE （Task-Oriented Multi-Agent System with Mixture of Role-Subtask Experts）的新型多智能体框架。
AI工程
RealisticTritonBench：真实算子生成大模型最高成功率仅25.81%
RealisticTritonBench：实验结果给大模型在底层系统优化上的应用浇了一盆冷水：即使是当前最顶尖的推理与代码模型，在真实系统环境下的综合任务成功率最高也仅有 25.81%，全模型平均成功率低至 18.71%。
PowerSlider：微软与康奈尔提出 PTA 解耦，30% 电网限电下推理吞吐提升 1.64 倍
基于此，研究团队提出了 PowerSlider 运行时系统，通过将流水线解耦为 Prefill-Think-Answer 三阶段、引入带容忍裕度的 Flex SLO 契约，并借助极速 KKT 在线求解器在毫秒级内完成功率重分配，彻底打破了电网限电与服务质量不可兼得的死结。
AskChem：以断言替代论文检索，240万化学实验证据实现100%可溯源
近期开源的学术检索基础设施 AskChem 提出了一个根本性的转变方案：彻底打破以整篇论文为基本检索单元的传统做法，转而将承载可溯源信息的“原子化科学断言”（Provenance-carrying Claim）作为核心对象。
InferScale：跳过文本预填充，首字延迟降低79%的个性化大模型推理
针对这一系统瓶颈，东北大学（Northeastern University）的研究团队提出了 InferScale 。InferScale 抛弃了在文本层（Token Layer）机械拼接记忆的做法，改为直接在注意力层（Attention Layer）进行原生 KV 注入（KV Injecti...
用廉价模型做搜索，部署效果反超同层？IBM揭秘Prompt进化优化的逆向迁移
来自 IBM Research 的研究者在论文《Optimize Cheap, Deploy Strong: Cost-Aware Cross-Tier Transfer for Evolutionary Optimization》中提出了一个反直觉的疑问： 我们真的必须在目标模型上运行整个搜...
Kalypso：打破算子物化壁垒，关系型LLM推理实现4.57倍提速
来自马萨诸塞大学阿默斯特分校（UMass Amherst）的研究团队在论文《Kalypso: Relational LLM Serving》中提出了破局方案。该研究定义了“关系型 LLM 推理”（Relational LLM Serving）这一全新抽象层，并构建了名为 Kalypso 的执行系统。
大模型写的GPU算子真跑对了吗？2638个已过审Kernel实测近四成藏硬伤
为了穿透这种“正确性的幻觉”，两位研究者提出了一套契约级验证器（Contract-Grade Verifier），并设定了 12 道对抗性的测试门禁。当这套工具对准知名开源体系 Dr. Kernel / KernelGYM 中已被官方测试判定为完全正确的 2,638 个 Triton 算子时。
GUI Agent最新综述！南大等剖析336篇文献：从单步模型到闭环软件工程
这篇综述对当前 GUI Agent 的评测生态提出了极其犀利的批评：当前的论文看起来指标飞涨，但测试结论往往无法转化为真实可用性。最核心的问题在于 评测指标过度聚焦于单一的“任务成功率”（Task Success Rate） 。
SysEvolve：首个AI原生攻防共进化闭环，揭秘大模型实战三大能力盲区
为了打破这一困局，研究团队提出了首个 AI 原生、安全且自主的攻防共进化系统 SysEvolve 。该系统通过协同设计的靶场平台 SysField 、自主攻击系统 SysSpear 和实时防御系统 SysArmor ，让红蓝双方 AI Agent 在受控的高仿真多主机环境中展开博弈，实现双向自...
Realtime-Venus：边聊边调工具的双循环架构，97%防误打断超越GPT-4o
为了攻克这道工程与算法的双重难关，蚂蚁集团（Ant Group）联合清华大学提出了名为 Realtime-Venus 的前沿全双工交互系统。该系统基于 9B 参数规模。
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的拓扑图和提示词本身作为可学习、可演化的程序状态，通过从线上运行轨迹中提炼可...
AgentAntibody：不是一刀切拦截，而是赋予智能体自适应免疫力
为了打破单次判决的局限，来自南京大学、南洋理工大学与新加坡管理大学的研究团队提出了 AgentAntibody 。该工作借鉴生物学中的自适应免疫系统（Adaptive Immune System），首次为大模型智能体建立了一套不依赖模型微调、跨任务持续演进的运行时免疫记忆。
RecEvolve：Google让Agent接管模型迭代，NDCG提升20%还学会了刷分
与以往只在玩具数据集或单机沙盒中跑代码的 Agent 不同，RecEvolve 直接接入了分布式仓储计算集群与生产级版本控制系统，端到端接管了“提出假设、编写代码、拉起分布式训练、指标评估到沉淀经验”的完整研发闭环。
ABot-World-0：单张5090跑通720P实时世界模型，帧率达16 FPS
为彻底解决这一问题，ABot-World-0 提出了核心训练创新—— LongForcing 。LongForcing 的本质是在更长的时序跨度上，对 Student 自身的长程自推演轨迹（Self-rollouts）施加分布级监督。
代码Agent最新综述！六层依赖链+206项工程可靠性规范
该研究整合了 164 篇学术成果、100 份工业界实践记录、29 个主流基准及 17 个真实运行系统案例，提出了一个串联评测与运行的“可靠性依赖链”（Reliability Dependency Chain）架构，并提炼出由 193 项硬性工程实践与 13 个前沿课题构成的 206 项系统可靠...
不写一行代码，SWE-Bench Pro提升5.8分：用办公任务解锁Agent通用执行力
- 状态构建（State Construction） ：在复杂环境中自主搜集、过滤、理解并保留关键信息，构建出足以支撑后续决策的高质量“工作记忆”，避免对上下文信息的遗忘或曲解。
READY：自主准确率仅差0.3%，为何落地所需人工审核却相差近10%？
由 Scale AI、加州大学圣克鲁兹分校（UC Santa Cruz）与范德堡大学医学中心（Vanderbilt University Medical Center）联合提出的 READY （Reliable Enterprise Agent Deployment）框架，正是为了破解这个断层。
AOSpec：动作与观察协同推测，大模型Agent长尾延迟降低42.8%
随着大语言模型（LLM）推理架构的迅猛迭代，解码速度正在被各大服务框架推向极限。无论是专用硬件加速还是投机采样（SpeculativeDecoding），模型输出Token的时间开销已被大幅压缩。然而，在以自主代码编写、系统运维和自动化交互为代表的Agent任务中，用户的真实体感并没有成比例变快。
KV-Skill：将提示词编译为外挂算子，LiveMath准确率升至77.2%
在大模型落地实际任务的过程中，如何赋予模型稳定的“专业技能”，始终面临着一个两难困境。最符合人类直觉的方式是将操作流程写成提示词（TextSkill），这种做法灵活、易读且即插即用，但模型在实际推理时往往难以稳定遵循复杂的文字指令；另一种极端则是通过全量微调或LoRA将技能固化到模型权重中，这...
SeekBrain：用经验配方库驱动多智能体，神经科学基准超 Claude Code 11.7%
现代神经科学正在被海量、异构且跨尺度的实验数据所重塑。研究人员不仅能记录自由活动动物的精细动作姿态，还能同步追踪全脑数十万神经元的动态钙信号、解析突触级连接组，甚至测定单细胞空间转录组。然而，数据爆炸并没有等比例带来科学发现的爆发。
SpecBox：推测式沙箱调度消除冷启动，P99延迟降低2.9倍
在以大语言模型为核心的智能体（LLMAgent）体系中，模型正迅速从纯粹的文本生成器演进为能够自主推理、规划并反复调用外部环境工具的计算中枢。为了保障执行安全与环境隔离，以Anthropic提出的ModelContextProtocol（MCP）为代表的标准化协议，将文件操作、代码执行、网络抓...
NVIDIA与CMU提出CAKE：Agent与编译器协同设计，前沿Kernel提速2.05倍！
在过去几年中，利用大型语言模型（Agent）来编写和优化底层GPU代码（Kernel）成为了提升AI计算效率的热门路径。然而，当前的大部分尝试都面临着一个难以逾越的瓶颈：Agent通常将编译器视为一个僵化的黑盒。它们提交代码、等待编译、运行测试，最后只能获得一个冰冷的报错信息或一个总体的执行延...
微软Specula：告别人工！自进化AI检出249个系统Bug
形式化方法一直被视为软件工程领域对抗复杂系统缺陷的终极武器。对于分布式架构和高并发系统而言，多线程交织调度和网络消息传递的非确定性，使得系统状态空间呈现指数级爆炸。