异构语言模型之间的双缓存潜在空间通信
该论文提出面向多智能体大语言模型系统的“双缓存潜在空间通信”方法。其关注的问题是：不同模型分工协作时，接收方模型往往需要访问存储在另一智能体上下文中的知识。论文旨在探索不依赖纯文本交换的跨模型信息传递机制，以提升异构模型之间的协作效率。原文提供的信息仅包含论文标题、arXiv 编号及摘要开头，未包含方法细节、实验数据或具体结论。
独立 AI 资讯库
AI 前沿动态、原文归档与媒体镜像
从自动抓取数据库实时读取，适合快速浏览、检索和后续扩展成完整资讯站。
12161资讯
12029正文归档
76562媒体
评估技能，而不只是 Agent：技能的 Agentic 持续评估
论文《Evaluating Skills, Not Just Agents: Agentic Continuous Evaluation of Skills》提出，应将企业 Agent 项目的评估重点从单个 Agent 扩展至可复用的技能、工具和工作流包。随着企业 Agent 从原型走向生产环境，这些组件需要基于证据进行审核，而不应仅依赖文字说明。论文指出，现有审核机制通常侧重于结构、风格与安全扫描，暗示开发者和企业需要建立更持续、面向实际能力的评估体系。
面向生成式推荐的难度感知语义 ID 优化
该论文提出一种面向生成式推荐的难度感知语义 ID 优化方法。研究将检索与排序建模为对层级化商品标识符进行自回归生成的任务。论文指出，常见的“监督微调（SFT）后接 GRPO”训练流程与树结构语义 ID 任务并不完全匹配，因而需要更具针对性的优化策略。原文提供的内容不包含完整摘要、方法细节、实验数据或结论。
FlavourBench：利用可执行烹饪事实依据评估前沿语言模型
FlavourBench 是一项自动化语言模型基准测试，旨在通过具备版本管理能力的烹饪系统提供密集、可执行的事实依据。该基准试图减少开放式语言模型评测对人工偏好评审、其他模型裁判或脆弱精确匹配答案的依赖。其意义在于为前沿语言模型提供一种可复现、可验证的开放式任务评估方式，并可能帮助开发者更可靠地比较模型能力。论文编号为 arXiv:2608.20574v1，当前为新发布版本。
Consilience：面向隐藏信息分布式多智能体推理的保形校准通信控制
论文提出 Consilience，关注隐藏信息分布（hidden-profile）场景下多智能体 LLM 的通信协调问题。在这类任务中，每个 Agent 仅掌握完成正确推理所需证据的一部分，因此系统效果取决于能否有效汇集和传递分散信息。原文摘要指出，多智能体系统可通过整合多样化视角提升推理能力，但所提供内容未包含该方法的具体机制、实验数据或完整结论。
多模态大语言模型时代的体积放射学 AI
多模态大语言模型（MLLM）的进展，正推动放射学人工智能从面向特定任务的图像分析，迈向多模态理解与推理。原文指出，体积放射学面临一项根本性挑战，但所提供的摘要内容在该处截断，未给出具体挑战、方法或实验结论。该研究主题对医疗 AI 开发者具有意义，表明三维/体积医学影像与语言及其他临床信息的联合建模将成为重要方向。
FL-MAESTRO：面向资源受限联邦学习的多 Agent LLM 编排
该论文提出 FL-MAESTRO，一种面向资源受限联邦学习（FL）的多 Agent 大语言模型编排方法。论文指出，联邦学习中的通信拓扑并非固定设计：训练过程中，连接和边缘设备会动态加入或退出。服务器需要在每一轮训练中协同作出多项相互耦合的决策，以适应动态资源与通信条件。
终端 Agent：命令行环境中 AI Agent 的综述
该论文系统综述了在命令行环境中运行和执行任务的终端 Agent。作者指出，尽管大语言模型 Agent 日益通过终端开展行动，相关研究目前分散在软件工程、工具使用和计算机使用等不同领域。论文将“终端 Agent”界定为以终端交互作为主要任务推进方式的系统，为相关研究建立更集中的讨论框架。该综述有助于开发者和研究者理解终端 Agent 的能力边界、研究脉络及后续发展方向。
Who Delegates to AI? Evidence from 53,000 Agent Configurations
arXiv:2608.20425v1 Announce Type: new Abstract: A growing literature measures how far occupations are exposed to AI, but these measures capture where AI could perform tasks, not whether workers have adopted it. We propose a new layer of exposure, delegated exposure, which records whether a worker h
StateSight: Benchmarking Latent Spatial-State Reconstruction in Vision-Language Models
arXiv:2608.20414v1 Announce Type: new Abstract: Vision-language models are increasingly used for multimodal question answering, yet their ability to reconstruct latent spatial structure from a single image remains difficult to isolate. Broad benchmarks often combine perception, optical character re
World models of environment, agent and joint agent-environment systems
arXiv:2608.20401v1 Announce Type: new Abstract: World models are a central component of model-based reinforcement learning. They are usually discussed in terms of what variables they predict, such as observations, rewards, states, latent or information states. We argue that there is a prior distinc
When Retrieval Fails Before It Begins: Structurally Indirect Prerequisite Eviction as a Retention Failure in Agentic Memory
arXiv:2608.20400v1 Announce Type: new Abstract: Agentic memory under a fixed budget involves two stages: retention and retrieval. Existing retrieval-centered paradigms implicitly assume necessary evidence survives eviction, but we challenge this by isolating a pre-retrieval failure mode: structural
Nexus: Depth-Adaptive KV-Cache Splicing and Retrieval-Decoupled Tool Routing for Agentic LLMs on Unified Memory
arXiv:2608.20397v1 Announce Type: new Abstract: Agentic large language models (LLMs) on the Model Context Protocol (MCP) re-encode verbose tool schemas every turn, so prefill - quadratic in sequence length - dominates time-to-first-token (TTFT) as the tool registry grows. Nexus's primary lever is t
Representation Affects Retrieval: A Case Study of Skill Discovery and Routing in a Multimodal Agent Harness
arXiv:2608.20389v1 Announce Type: new Abstract: A production agent harness must discover and rank, from a growing library of skills, the one most appropriate for a user's task. At small scale this selection happens in context: the LLM planner chooses among skill representations exposed in its syste
Interpretable Multimodal Classification with Linear Discriminant Tree Ensembles
arXiv:2608.20384v1 Announce Type: new Abstract: Multimodal affect and behaviour classifiers that fuse heterogeneous text, audio, and visual streams must simultaneously achieve competitive accuracy and produce human-understandable explanations of the cues driving their decisions -- a dual objective
A Survey on Foundations and Frontiers of Multimodal Agentic Frameworks: Techniques and Applications
arXiv:2608.20379v1 Announce Type: new Abstract: Advances in large language models (LLMs) have fueled a wave of research into agency: the ability to reason, plan, and act. This effort has produced agentic frameworks that orchestrate perception, memory, and decision-making around powerful LLM backbon
PrimeAgentOrchestrator: Memory-Primed Agent Spawning for Personal AI Infrastructure
arXiv:2608.20342v1 Announce Type: new Abstract: Large language model (LLM) coding agents start each session with an empty context window, discarding accumulated knowledge from prior work. We present PrimeAgentOrchestrator (PAO), a system that spawns new instances of Claude Code -- Anthropic's termi
SDAD: Spec-Driven Agentic Development for the AI-Native SDLC
arXiv:2608.20341v1 Announce Type: new Abstract: Frontier coding agents backed by large language models with context windows from hundreds of thousands to millions of tokens are restructuring the Software Development Life Cycle (SDLC). Rich context handling and multi-step reasoning now allow substan
SIRA：通过查询锚定对齐实现推理感知的手术器械分割
该论文以 SIRA 为题，聚焦手术器械分割（SIS）任务中的推理感知方法。摘要指出，SIS 对机器人辅助手术和手术流程分析至关重要。论文认为，现有 SIS 方法大多将分割建模为由类别驱动的定位问题，这限制了其能力；但所提供的原文摘要在此处截断，未包含具体方法、实验数据与完整结论。该论文以 arXiv:2609.21402v1 的新稿形式发布。
AgentVidBench：用于评估 MLLM Agent 的多跳视频问答基准
论文提出 AgentVidBench，这是一项面向多模态大语言模型（MLLM）Agent 的多跳视频问答基准。该基准旨在评估 Agent 对视频内容进行跨片段、多步骤信息推理与问答的能力。研究聚焦于全面视频理解这一能力，其目标是推动人工智能更好地理解物理世界中复杂、动态的场景。该论文以 arXiv:2609.21386v1 的新论文形式发布。
JEPA 引导扩散：用于生成式交通预测的预测性视觉—语言条件控制
该研究提出一种解耦式交通预测框架，将未来场景表征学习与视频生成分离。方法先使用冻结的 V-JEPA 编码器从已观测交通视频中提取预测性潜在表征，再通过轻量级潜在对齐模块将其映射至冻结的 Cosmos 扩散模块条件空间，以生成未来视频。该方案无需重新训练大型生成模型，仅训练对齐模块，从而降低优化复杂度；在 AI City Challenge 2026 Track 5 基准上获得 75.1297 分，并在竞赛中排名第三。研究表明，V-JEPA 学到的预测性世界表征能够有效引导下游视频生成，为端到端扩散式预测提供了更实用、高效的替代路径。
RobotEQ-Video：面向社会主动智能的以视频为中心基准与世界状态分类体系
RobotEQ-Video 提出一个以视频为中心的基准，用于评估具身系统在社会主动智能（SPI）方面的能力。SPI 不仅关注任务是否完成，还强调在多样化具身场景中采取行动是否符合社会情境与礼仪。论文指出，既有 SPI 研究存在两项关键局限，其中已提供的摘要片段提及，现有工作主要关注静态场景。该基准及其世界状态分类体系有望为开发者评测 Agent 或机器人在动态社会环境中的主动辅助能力提供更系统的参考。
隐匿于显眼之处：基于扩散模型缓解视觉语言模型地理定位隐私泄露
该论文关注视觉语言模型（VLM）及多模态大推理模型（MLRM）带来的地理定位隐私风险。研究指出，攻击者可能利用模型强大的视觉理解能力，从用户图像中精确推断其地理位置。论文提出了一种基于扩散模型的缓解方法，旨在降低图像中的地理定位线索泄露，同时尽可能保留视觉内容的可用性。该方向对构建更具隐私保护能力的多模态 AI 产品、图像分享服务和 Agent 应用具有参考意义。
VeriFuse：用于协同 3D 感知的有界视觉语言仲裁与推理引导优化
论文提出 VeriFuse，面向协同 3D 感知中的视觉语言模型（VLM）应用。原文指出，VLM 已在多类任务中展现出较强的场景理解与语义判断能力，但其在协同感知中的合适角色仍不明确。摘要还指出，直接要求 VLM 回归 3D 检测结果并不可靠，因而需要更受约束的仲裁与优化机制。原始内容仅提供了摘要片段及 BibTeX 引用栏目标题，未包含方法细节、实验数据或完整引用信息。
MAGIC：基于最优传输的边缘引导压缩，用于高效视觉文档检索
论文提出 MAGIC，一种面向高效视觉文档检索（VDR）的压缩方法。现有系统如 ColPali 使用多向量页面嵌入，补丁级向量能够实现细粒度证据匹配，但会带来较高的索引存储成本和 MaxSim 评分开销。MAGIC 利用边缘引导与最优传输进行压缩，旨在在保留检索相关信息的同时提升视觉文档检索效率。该方法对需要大规模部署多向量文档检索的开发者和行业应用具有降低存储与计算负担的潜在意义。
MemeTAG：通过标签嵌入重建实现关键词驱动的表情包分类
论文提出 MemeTAG 方法，用于开展关键词驱动的互联网表情包分类。研究指出，有害表情包的扩散带来显著社会风险，但由于其内容具有细微且多模态的特征，自动分类仍是困难的算法挑战。该工作试图通过标签嵌入重建来应对这一问题，为开发者构建和改进有害内容识别、模因审核及多模态分类系统提供了新的思路。
MIRCID：推断的枢纽 miRNA 推动药物机制建模的跨任务改进
该论文提出 MIRCID，一种面向药物作用机制（MoA）建模的方法。药物 MoA 建模通常依赖扰动转录组数据，但与之匹配的 microRNA（miRNA）测量数据往往缺失。MIRCID 通过推断调控特征，使现有数据能够以可扩展的方式被复用，并利用推断出的枢纽 miRNA 促进跨任务建模改进。该工作对缺少配对 miRNA 测量的药物机制研究和相关模型开发具有潜在价值。
以可靠性为中心：结合保形区间校准与 Gompertz 启发式正则化的稀疏纵向 CT 病灶尺寸预测评估
该研究基于 DeepLesion 和 Deep Lesion Tracker（DLT）构建了一个包含 129 名患者、205 条同一病灶五次随访轨迹的基准数据集，用于评估稀疏纵向 CT 病灶尺寸预测。实验显示，在控制预测时间跨度后，增加更早期的历史观测并未稳定提升预测精度：使用 2 次历史观测时的平均留出集 RMSE 最低，为 0.4305。不同方法的点预测准确性部分接近，但不确定性表现存在明显差异；患者级保形校准通常可获得接近标称值或更保守的覆盖率，但代价是更宽的预测区间。研究还发现，Gompertz 启发式正则项的交叉验证最优权重为 0，且不同解剖学亚组的预测难度不同，提示开发者应联合评估准确性、不确定性可靠性和轨迹一致性。
SWE-Proof：语言模型能否借助机器检查证明解决真实世界问题？
SWE-Proof 探讨语言模型是否能够通过机器检查的证明来解决真实世界的软件问题。原文指出，确保 LLM 生成代码的正确性是现代软件工程的核心挑战之一。现有智能体代码生成基准通常依赖留出的测试套件验证正确性，但这类测试天然不完整，并面临日益突出的可靠性局限。该研究方向对开发者和行业的意义在于，推动从“测试通过”转向可被形式化验证的代码正确性保障。
M2G-LLM：通过多模态图推理与 LLM 上下文注入提升临床预测
该论文提出 M2G-LLM，旨在通过多模态图推理和 LLM 上下文注入提升临床预测能力。研究聚焦整合临床笔记、实验室检查结果和医学影像等异构医疗数据，以支持更先进的临床决策。该工作以 arXiv:2609.21164v1 的新论文形式发布，对开发医疗 AI 系统的研究者而言，提供了融合结构化与非结构化临床信息的思路。