先用站内已采集内容作答；站内不足时联网检索，每条结论都给出来源链接
10 条 · 点击可看原文全文与中文译文
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。
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。
两名工程师用 Codex 数周内构建面向智能体的 Stack Overflow，其 ChatGPT 插件推动智能体创建量最高增长 10 倍、注册量增至三倍，展示了插件分发对开发者工具冷启动的杠杆作用。
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。
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。
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。
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。
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。
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。
提出基于记忆的主动机器人框架，用程序化辅助记忆（PAM）以有限状态机记录活动阶段与辅助规则，VLM 任务预测器结合当前观察决定何时辅助及执行何种任务，VLA 执行器完成任务，反思 VLM 每日更新记忆无需重训。5 天桌面辅助实验中精度、召回与 F1 持续提升，首次触发延迟从 5 秒降至 1 秒。
结论：在现有资料中，只有 [2] 直接讨论了工具型 Agent 评测中的压力类型，并指出「可见菜单」是四类受控压力中唯一对模型造成大惩罚、且与完成上限截断相关的一类；但资料并未解释其背后的机制，也未给出针对性的缓解方案。1. 可见菜单压力为何突出（资料能确认的部分）
2. 关于「为什么影响最大」
3. 如何缓解
- 评测应同时报告 harness 预算，因为多数失败源于 harness 限制而非模型本身2；这意味着在解读「可见菜单惩罚」时，需要把预算约束与模型能力分开归因。 - 上下文工程手段（语义层、编排、压缩）会影响数据 Agent 的行为、准确率与成本4，但该研究面向数据 Agent 的上下文塑造，并非工具菜单压力场景，不能直接外推。 4. 使用建议