面向逼真啮齿动物运动的隐空间控制模型
构建动物行为具身模型是神经人工智能（Neuro-AI）领域的核心目标之一，有助于推动生物体与人工智能体（Agent）之间的深度对照与机制理解。本研究提出了一种用于模拟高保真啮齿动物运动的隐空间控制模型（Latent Control Model），重点解决运动模拟中的拟真度与动作平滑性难题。该成果为神经科学机理建模提供了更精确的生物运动仿真基座，同时也为仿生机器人及具身控制算法的开发提供了全新思路。
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。
11947资讯
11815正文归档
75522媒体
TxnQA：针对交易事件序列分析推理与证据定位的基准测试
分析商户交易历史通常需要对不规则事件流进行动态时序过滤、实体解析以及复杂聚合计算，现有的静态表格或时间序列预测基准难以评测此类能力。为此，研究团队推出了 TxnQA 基准测试，专门用于评估大语言模型与智能体系统在交易事件序列上的分析推理和证据定位能力。该基准填补了金融与商业智能场景下复杂流式交易数据问答评估的空白，为构建更可靠的金融风控、财务分析与自动化交易 Agent 提供了关键参考。
EGI-BENCH：企业级通用智能基准评测套件
本文介绍了面向大语言模型企业级智能体（Agent）工作流的基准评测套件 EGI-BENCH。大模型在企业落地受制于多维度的综合能力考核，涵盖 CRM 操作、异构文档检索、个人数据理解、多轮规划、工具使用、函数调用（Function Calling）及长程推理等核心环节。该基准旨在为开发者和企业提供系统化评估标准，加速 Agent 在复杂企业业务环境中的可靠验证与部署。
Magnolia：面向计算化学的持久记忆 Agent 框架
研究人员提出了 Magnolia，一个面向计算化学领域的持久记忆 AI Agent 框架，旨在将分子对接、分子动力学及量子化学计算协议与大语言模型（LLM）及实验记录深度整合。该框架采用了由会话级、项目级到跨项目规则组成的三层持久记忆架构，能够自动捕获运行经验并在人工验证后沉淀为跨任务指导规则。在涵盖 317 次运行的四项案例研究中，具备记忆的 Agent 显著降低了错误率，例如在对接配置检查中取得了 10/10 的满分通过率（无记忆对照组仅为 1~4/10）。该成果通过自动化、可复现性与人机协同的结合，为高通量计算（生物）化学的研发工作流提供了可落地的范式。
面向大语言模型推理的稀疏强化学习松弛方法
近期学术界积极探索在思维链（Chain-of-Thought, CoT）推理中利用连续表征替代离散 token，这一范式常被称为“软思维链”（soft CoT）。其核心设想在于，通过 token 嵌入的混合来表示多条推理路径或语义的叠加态，从而突破传统离散自回归采样的局限。本研究针对 LLM 推理提出稀疏强化学习松弛（Sparse RL Relaxation）机制，以解决连续动作空间下的探索效率与稳定性难题。该技术为开发具备高效探索能力和超越离散文本生成限制的新一代大模型推理架构提供了重要参考。
EDMA：基于熵驱动的多模态问答
本研究提出了名为 EDMA（Entropy-Driven Multimodal Answering）的熵驱动多模态问答方法。多模态问答（MMQA）的核心挑战在于整合异构数据源，精准选择性利用相关模态并有效滤除干扰信息。现有基于多模态大语言模型（MLLM）的方案持续在此方向探索性能优化路径。该研究为多模态智能体与复杂数据检索场景下的模态协同及信息选择提供了新的理论与技术参考。
PORA：学习何时增加推理开销能让 LLM Agent 获得最大收益
本文针对 LLM Agent 在多步复杂任务中的算力分配问题，探讨了动态推理预算机制 PORA。在执行任务时，Agent 的总体推理预算有限且必须预留给后续步骤，因此在采取每项动作前，必须在低开销的短推理与高开销的长推理之间做出权衡。PORA 旨在训练智能体自主学习在何时进行深度推理才能真正带来性能收益，避免算力浪费。该研究对降低 Agent 运行成本、优化测试时计算（Test-Time Compute）分配具有重要参考价值。
PROVISO：面向安全 LLM Agent 的数据来源感知动作选择机制
LLM Agent 通过工具与第三方技能直接作用于外部现实世界，单次恶意或错误操作即可造成不可逆的严重危害。现有防御机制在判定拟执行动作时，普遍未能有效追踪指令内容究竟来自受信任用户还是不可信的外部数据源。针对这一安全缺陷，研究团队提出了 PROVISO，一种基于数据来源（Provenance）感知的动作选择机制。该研究为防御间接提示词注入与构建生产级安全 Agent 架构提供了关键设计思路。
Omni-Woodpecker：面向全模态大模型（Omni LLMs）的证据-先验重平衡幻觉纠正框架
近期全模态大语言模型（Omni LLMs）在音视频联合推理中展现出优异能力，但跨模态幻觉仍是制约其实用性的核心挑战。现有缓解方案多在输出层面进行后处理，忽视了模型内部多模态证据与先验知识的纠缠问题。Omni-Woodpecker 提出通过重平衡输入证据与内在先验来纠正幻觉，为多模态推理的可信度优化提供了全新思路。该方法有助于开发者构建更鲁棒的端到端全模态应用，推动音视频联合理解技术在实际场景中的可靠落地。
面向临床病历的通用“系统 1”快速决策模型
临床诊疗、医疗系统运营与生物医学发现均高度依赖从患者病历中提取可靠答案，但面向全人群规模应用多样化的临床问题分析时，计算成本极其高昂。针对这一瓶颈，研究团队提出了面向临床记录的通用“系统 1”（System One）决策模型 Clinical。该研究旨在大幅降低全人群健康数据推理与分析的开销，为医疗健康领域的自动化病历检索、辅助诊疗及大规模生物医学研究提供了高效率的技术方案。
ReuF2F：面向形式化本科生科研问题的 Coding Agent 评测基准
随着 AI 系统逐步开始解决开放性科研问题，对生成结果的可靠验证变得愈发关键。形式化数学为数学推理提供了值得信赖的框架，使智能体能够在开展研究的同时生成机器可验证的证明。本文提出了 ReuF2F 基准，专注于在形式化本科科研问题上评测 Coding Agent 的能力。该基准为开发者和科研人员评估 AI 代码智能体在严谨数学与逻辑推理任务中的表现提供了标准化测试手段。
M-Plan：结合记忆编排的 LLM Agent 全面规划框架
针对大语言模型（LLM）智能体在单轮任务表现优异但在长程任务中受限的难题，研究提出了 M-Plan 规划框架。该方法重点关注在缺乏先验训练的环境下，如何通过记忆编排机制来突破单一 LLM 的核心局限。该成果为提升自主 Agent 在复杂长流程场景中的状态持久化与全局规划能力提供了关键技术路径。
通过偏好优化训练 AI Agent 的扑克博弈策略能力
针对扑克等非完全信息博弈场景中 AI Agent 虽符合规则但缺乏策略深度的问题，本研究探讨了紧凑型 AI Agent 如何在隐藏信息环境下建立有效策略，提出了一种结合 KL 锚定均衡的策略偏好优化方法 SPOKE。实验表明，在 SmallThinker-4B-A0.6B 策略模型上，SPOKE 在 Kuhn（0.213）和 Leduc（1.081）扑克任务中均取得了最低的平均可利用度，并在六人桌对局中达到最高的 0.775 Top-1 一致性，同时保持了与 SFT 相当的教师模型 KL 散度。该成果为在有限参数规模下通过偏好优化提升决策类 Agent 的策略质量与博弈能力提供了重要实践参考。
多智能体协作能否减少临床任务中的幻觉？
最新研究探讨了基于大语言模型（LLM）的多智能体协作系统在临床医疗任务中减少幻觉的真实效果。虽然多智能体系统显著提升了临床任务的表现指标，且常被误认为是系统更加可靠可信的证据，但性能的提升并不等同于推理的严谨性与真实性。临床医生在实际决策中高度依赖模型陈述的推理过程而非仅看结论。该研究对医疗 AI 开发者和临床应用具有重要警示意义，提示行业在评估医疗 Multi-Agent 架构时，不能单凭准确率指标假定幻觉已消除，必须对推理逻辑的可靠性展开专项验证。
SPEM：面向大语言模型智能体高效技能调用的结构感知程序性记忆
随着大语言模型（LLM）智能体（Agent）日益依赖可复用技能，技能库规模的扩增使得高效且精准地调用技能变得极具挑战。直接全量加载技能会导致严重的 Token 消耗和运行时开销，而扁平化的语义检索又将技能视作孤立单元，忽略了技能之间的结构关联。针对这一瓶颈，研究提出了结构感知程序性记忆（SPEM），旨在优化 Agent 对大规模技能库的检索与调用效率。该方法为复杂长流程 Agent 系统的工程化落地及技能库扩展管理提供了新的解决思路。
LightCRS：轻量级多领域对话式推荐系统
对话式推荐系统（CRS）近期开始引入视觉-语言模型，用于将用户对话意图与多模态商品信息进行匹配。然而，当现有方案扩展至多个商品领域时，往往面临着为各领域分别部署适配模型的资源瓶颈与扩展难题。为此，研究团队提出了轻量级多领域对话式推荐系统 LightCRS。该研究为多模态推荐系统在多垂直领域的低成本落地与高效迁移提供了重要参考。
MAMath-Bench：面向多模态多智能体数学推理的过程感知与鲁棒性评估基准
本文介绍了面向多模态多智能体数学推理的新型评估基准 MAMath-Bench。研究指出，在教育等实际应用场景中，大语言模型仅能得出最终答案并不足够，更需具备连贯且可验证的推理过程。该研究针对多智能体协作系统在复杂图文数学问题上的表现展开深入探索。这一基准的提出，为衡量多智能体系统推理的鲁棒性与逻辑透明度提供了标准化工具，有助于推动可靠教育 AI 与复杂推理 Agent 的落地发展。
工业 Agentic AI：面向智能制造的 LLM 驱动新一代智能体（Agent）
本文探讨了大语言模型（LLM）驱动的新一代工业 Agentic AI 技术及其在智能制造中的应用。研究指出，LLM 正赋能智能体突破传统预设工作流的局限，迈向具备自主规划与执行能力的新阶段，为制造业智能化带来全新契机。然而，工业场景中动态多变的环境、复杂的物理约束以及严苛的可靠性要求仍是其落地面临的核心挑战。这项研究为开发者探索工业环境下的自主 Agent 架构与落地应用提供了重要参考。
DataPraxis：通过可验证工作区演化规模化构建分析任务
该研究提出了名为 DataPraxis 的框架，旨在通过可验证的工作区演化机制规模化扩展与生成专业数据分析任务。通用 Agent 在执行专业分析工作时，需要具备持续推理、迭代调查与可靠证据链的能力，但高质量、具挑战性的训练任务此前难以自动化大规模构建。DataPraxis 解决了复杂分析环境下任务生成的可靠性与多样性瓶颈，对未来训练和评估高级数据分析 Agent 具有重要价值。
MedPAO-Assist：面向放射科报告结构化的边缘可部署、模态感知 Agent AI
研究团队提出了 MedPAO-Assist，这是一种可在边缘端部署的放射科报告结构化 Agent 框架，能直接基于医生语音听写与指令生成报告。系统在标准笔记本电脑 CPU 上仅需约 3.3 GB 峰值内存，平均端到端延迟约 31 秒，目前支持胸部 X 光、胸部 CT、腹部 CT 和脑部 MRI 四大主流影像模态。作为首批全流程依托约 0.6B 参数小语言模型（SLM）运行的 Agent 系统之一，它采用“抽取-锚定-生成”及人机协同架构，完全摆脱了键盘输入、云端 API 与外网依赖。该成果为高隐私敏感度、离线临床医疗场景下的端侧 AI 落地提供了高可行性方案。
Navalia：通过可验证任务合成与长程后训练推进协作式 Agent 发展
大语言模型（LLM）Agent 正在从传统对话助手演进为具备自主规划、工具调用及复杂任务执行能力的协作式智能体（Cowork Agents）。该研究提出了 Navalia 框架，重点聚焦金融分析等要求跨文档证据整合与长流程推理的严苛任务场景。通过可验证的任务合成（Verifiable Task Synthesis）与长程后训练（Long-Horizon Post-Training），Navalia 显著增强了智能体在复杂专业工作流中的可靠性与执行上限。这一探索为构建高可靠性自主工作伙伴提供了新范式，对推动 Agent 在金融科技与企业级复杂任务落地具有重要参考价值。
上下文写成文件系统，为什么向量还能静默丢？
OpenViking 是一个用于人工智能代理的开源上下文数据库，它要当的不是又一个向量库，而是让 Agent 用 ls 和 find 浏览自己的上下文。
AI 换台电脑就失忆？我们自己写了个开源项目解决它
大家好，我们是 agentctxsync（Agent Context Sync）的作者，道荣和露。这个项目最近开源了，写篇文章介绍一下，顺便记录一下做这个东西的过程。 起因很简单，我们俩都是 AI 工具的重度用户，Hermes、Codex、opencode 换着用。用得越多，越被一个问题困扰：AI 的记忆是"绑设备"的。 白天在公司电脑上跟 AI 聊了一下午，上...
AgentCore Web Search 新增域名与发布日期筛选功能
Amazon Bedrock AgentCore 的 Web Search 现通过 web-search connector 1.2.0 支持运行时域名筛选和发布日期筛选。开发者可在每次 `tools/call` 调用中设置域名允许名单、拒绝名单及 ISO-8601 UTC 日期范围，且筛选在服务端执行，无需额外编排或客户端后处理。运行时筛选只能进一步收窄管理员策略设定的范围：允许名单取交集，拒绝名单取并集。该功能还扩展至欧洲（爱尔兰）和亚太（东京）两个 AWS 区域，为对延迟和数据邻近性有要求的受监管工作负载提供支持。
在无服务器流水线中异步调用 Amazon Bedrock AgentCore agent 的模式
本文介绍了在 AWS Step Functions 无服务器流水线中异步调用 Amazon Bedrock AgentCore agent 的三种模式：任务令牌回调、直接服务集成和 Lambda durable function。三种模式都避免了调用方在 agent 推理期间保持阻塞，从而消除 Lambda、容器或 Amazon EC2 等计算资源的空闲等待成本。文中以房地产融资文档验证为例，对比了阻塞式反模式与异步模式，并指出 Step Functions 的 AgentCore 优化集成可完全移除中间 Lambda。测试示例显示，Validate 状态活跃 19.6 秒，而调度 Lambda 的计费时长仅为 4.8 秒。
Fanatics Betting and Gaming 如何构建多智能体客户支持系统
Fanatics Betting and Gaming（FBG）在 AWS 上构建了一个多智能体客户支持系统，以应对体育博彩中州际监管差异、实时负责任博彩识别和赛事高峰流量等复杂挑战。该系统以 Amazon EKS 为运行平台，通过 Amazon Bedrock 上的 Anthropic Claude 进行编排，并结合 RAG、MCP 账户与交易工具、人工转接工具及 Amazon Nova 2 Lite 分类器处理不同类型的请求。系统可在重大体育赛事期间应对每两分钟超过 40 条咨询，并根据客户所在州检索和整合不同的规则与知识。该案例说明，开发团队可通过模块化智能体、多模型分工、定制化 RAG 以及 Guardrails，在提升支持效率的同时满足合规、安全和负责任博彩要求。
KnowledgeForge：从 ITSM 工单“坟场”中挖掘知识金矿
KnowledgeForge 将已解决的 ITSM 事件工单聚类并生成新的知识库文章和根因分析文档，同时持续治理既有知识库中的重复、过时和低质量内容。该方案使用 Amazon Bedrock 生成和改写内容，使用 Amazon S3 Vectors 进行每客户隔离的向量检索与重复检测，并通过 AWS Step Functions 编排大规模治理工作流。系统采用“生成—治理—人工审核—向量回灌”的闭环，使后续生成可参考已审核的既有知识，减少重复和虚构内容。对开发者而言，该架构提供了可复用的多租户文档处理、RAG、批处理编排与容错模式。
OpenAI 因安全问题突然停训GPT-6！网友：当你造出一个神，就不可能再给它拴上绳子
点击查看原文>
How Cybercriminals Are Weaponizing Frontier AI Models Like Grok - Forbes
How Cybercriminals Are Weaponizing Frontier AI Models Like Grok Forbes
为前沿模型提供零数据保留
OpenAI 重申，将为符合条件的 API 客户提供零数据保留（Zero Data Retention）服务。该政策旨在让客户在使用前沿模型时减少数据留存与隐私风险。OpenAI 还预告了 Private Safety Processing，用于在不损害数据隐私的前提下开展先进的 AI 安全处理。这些能力对处理敏感数据的开发者和企业采用 AI 具有重要意义。