研究团队让四个Gemini 4 Argon智能体在沙盒版《我的世界》生存模式中自主协作，仅用开源Mineflayer库，无人类预设角色或游戏逻辑，27小时14分钟内编写2783个程序并击败末影龙，死亡605次。这是首个端到端AI智能体自主通关案例，展示了长时程规划与多智能体协作能力，对企业级软件工程任务有参考价值。

#agent #multi-agent

已过时译★ 2

AgentHugging Face Papers4 天前

去中心化智能体集群的自编排学习

论文提出基于市场的后训练框架MPT，让去中心化智能体集群通过竞价机制联合学习动作策略与自编排，无需中央协调者。在具身制作、机器人导航和深度研究任务上优于单体后训练，且支持复用、扩展与抗掉线鲁棒性。

#agent #multi-agent

已过时译★ 7

AgentHugging Face Papers4 天前

3DCodeVerse 让编码智能体生成可验证3D代码

3DCodeVerse 是一个面向编码智能体的3D内容生成生态，包含200万条可执行3D代码数据集、多智能体DAG生成与验证框架，以及3D编码实践指南。它通过执行检查、空间测量和视觉反馈自动评估修正程序，微调后开源模型3D编码能力显著提升，其框架在人类评测中对Claude Design取得90%胜率。

#agent #3d

已过时译★ 96

AgentHugging Face Papers4 天前

MLExpert：面向自主机器学习工程的通用智能体模型

论文提出面向长周期机器学习工程优化的后训练方法，训练出35B MoE智能体模型MLExpert，通过分层智能体SFT与窗口交互强化学习，在MLE-Bench Lite上将奖牌率从37.9%提升至72.7%，接近更大前沿模型水平。

#agent #llm

已过时译★ 23

AgentHugging Face Papers4 天前

FDE-Gym：AI交付最后一公里基准

FDE-Gym是一个包含95个端到端交付任务的基准，覆盖20个客户场景和18个行业，模拟真实客户环境评估AI代理。最佳模型仅得0.56分，95个任务中只解决14个，揭示从解决明确任务到实际交付AI系统之间存在巨大差距。

#agent #benchmark

已过时译★ 190

AgentOpenAI News4 天前

The EU’s next chapter in AI is agentic

欧盟企业及中小企业正加速采用代理式AI，新分析揭示其增长趋势及深化应用可释放的潜在价值。

#agent #enterprise

已过时

AgentarXiv cs.CL4 天前

ToolBottleneckBench: Measuring Tool-Agent Performance under Controlled Pressures and Fixed Harness Budgets

ToolBottleneckBench 是一个评测工具型 Agent 的基准，在固定 harness 预算下分别施加工具目录、可见菜单、认证流程、返回编码四类压力，并精确记录首个未满足义务与触发限制。发现可见菜单是唯一对模型造成大惩罚的压力，且与完成上限截断相关；多数失败源于 harness 限制。值得关注的是它揭示 Agent 表现受运行框架预算影响，需一并报告。

#agent #tool-use

已过时译

AgentarXiv cs.CL4 天前

ReviewPilot: A Multi-Agent System for Screening and Data Extraction in Systematic Reviews

ReviewPilot 是一个面向系统综述 PRISMA 流程的多智能体系统，通过对话定制筛选标准与抽取模式，并保留项目记忆，实现论文筛选与证据抽取的自动化。每条筛选决策附理由、每个抽取值附来源，在流行病学专家评审中优于单提示 LLM 与 AgentSLR，筛选宏 F1 达 0.776、抽取 F1 达 0.788，值得关注其可追溯性与跨领域迁移潜力。

#multi-agent #llm

已过时译

AgentarXiv cs.CL4 天前

Same Context, Different Agents: A Behavioral Study of Semantic Layers, Orchestration and Compaction in Data Agents

该研究系统评估语义层、编排与压缩三种上下文工程技术在数据智能体中的效果，覆盖7个LLM、5个基准的1514个长周期任务。发现无CET的智能体分为调查者、过早作答者和早停者三类，CET仅对匹配的行为类型提升准确率，对调查者反而有害，为按行为选择CET提供指导。

#llm #agent

已过时译

AgentarXiv cs.CL4 天前

Prune the Summary, Not the History: Source-Judged Compaction for Long-Horizon Agents

论文指出长程LLM智能体的上下文压缩摘要会混入压缩器自身的推理，智能体无法区分事实与臆测，83%失败源于执行了无环境依据的摘要条目。作者提出免训练的Source-Judged Compaction（SJC），用非生成式判定模型Jev为每条摘要打分并剔除无来源条目，在AppWorld和OfficeBench上提升2.1%-8.9%可靠性且不增加token消耗。

#agent #context-compaction

已过时译

AgentarXiv cs.CL4 天前

PRISM: PRIvileged Sibling-guided Multi-Agent Topology Design

PRISM 提出一种面向 LLM 多智能体系统的拓扑生成后训练方法：利用同一查询下另一个已验证可行图作为"特权兄弟"信息，通过零初始化低秩分支让教师模型提供逐决策监督，使学生模型学到查询级偏好，避免 SFT 偏向语料高频拓扑。在六个基准上优于现有拓扑设计基线。

#multi-agent #llm

已过时译

AgentarXiv cs.CL4 天前

DeepUnfolding_Agent: A Classical_Quantum Adaptive Control API

该论文提出 DeepUnfolding Agent，一个基于 FastAPI 的 schema 驱动平台，将深度展开自适应控制从训练脚本中解耦为外部服务。执行器注册策略 schema、提交诊断变量并获取受约束的控制动作，支持经典、量子感知、混合及 IBM Quantum 执行路径，提升复用性、可复现性与安全性。

#agent #quantum

已过时译

AgentarXiv cs.AI4 天前

Learning When to Withdraw: Curriculum Coverage and Rule-Specific Failures in Fine-Tuned Language Agents

论文研究工具型语言智能体的"选择性撤回"能力：在证据变化或授权撤销时暂停受影响动作、保留有效工作。用 Qwen2.5-3B 的四个 LoRA 检查点在合成环境 NAQD-Env 上做监督微调对比，发现微调后决策一致性与撤回召回率显著优于基线，但存在规则级失败（如错误撤回、禁止组合收窄不足）。贡献在于提出检测聚合指标掩盖的规则级退化的方法。

#agent #llm

已过时译

AgentarXiv cs.AI4 天前

StepSafe: Learning Timely Intervention with Context-Aware Safety Reasoning

StepSafe 提出 ASPO 训练框架，将智能体安全护栏从轨迹级事后评估转为步级实时干预，通过前缀阶段对齐与自适应反馈自蒸馏，让模型判断风险何时累积到足以介入。在五个智能体安全基准上，4B 模型取得开源护栏最优的 Youden's J 53.0，兼顾安全与效用。

#agent #safety

已过时译

AgentarXiv cs.AI4 天前

MAI-Gym: An Open All-in-One Platform for GUI Agent Evaluation and RL Training across Mobile and Computer Environments

MAI-Gym 是面向 GUI 智能体的开源一体化平台，统一移动端、桌面与网页环境的评测、数据采集和在线 RL 训练，支持万级并行环境与自动合成可验证任务。其训练的 9B 模型在 MobileWorld 与 OSWorld 上达开源同规模最优，且模拟应用训练可迁移到真机，显著降低 GUI 智能体训练成本。

#gui-agent #reinforcement-learning

已过时译

AgentarXiv cs.AI4 天前

RAC: A Relational Agent Contract for Constraint-Governed Engineering Tasks

RAC 提出一种与框架无关的工程智能体契约，将语义决策与机械推导分离：智能体只决定工件应满足的关系，具体几何/时序后果由专用工具推导并独立验证。在 PCB 布局布线、作业车间调度和嵌入式代码任务上，干净通过率显著优于基线，为约束驱动的工程智能体提供更可靠的行动与反馈层设计。

#agent #engineering

已过时译

AgentarXiv cs.AI4 天前

SkillNEO: Non-Elitist Evolutionary Optimization of Agent Skills

SkillNEO 提出非精英式进化优化方法，用于 LLM 智能体的技能迭代：允许低分版本继续被编辑，通过对比相关版本在同一任务上的表现，识别需保留的有效步骤与待修复的失败点，并可回溯修订旧版本。在 86 个 SkillsBench 任务上，将 GPT-5.4 Mini 平均奖励从 49.1% 提升至 66.4%，且生成的技能可迁移提升更强模型。

#agent #llm

已过时译

1 2