跳到正文
#Agent
9月10日周四
  1. Amazon Science68

    机器学习研究智能体为何不会过拟合？

    Amazon Science 研究发现，机器学习研究智能体之所以在基准测试中不易过拟合，是因为成功的策略具有高度可压缩性。研究通过将智能体的优化策略压缩为极短的提示词（如 32 个 token），并由重现智能体在无验证集访问权限下复现，证实了这些策略捕捉的是数据的真实结构而非记忆。该方法不仅解释了过拟合的缺失，还提供了一种通过压缩瓶颈识别过拟合的检测手段。

    发布时间：
9月9日周三
  1. Mistral AI55

    Mistral AI：如何利用智能体实现复杂遗留代码的现代化迁移

    Mistral AI 分享了为某欧洲能源运营商将 4 万行 Fortran 77 代码迁移至 C++ 的实践经验。团队通过构建数值对齐测试框架确保迁移准确性，并采用“人机协作”的结构化智能体工作流，即由人类操作员管理包含规划、编码、测试和审核的智能体模块，有效解决了全自动迁移中代码质量不佳或智能体陷入死循环的问题。

    发布时间：
9月7日周一
  1. Import AI68

    Import AI 周刊：DeepMind 智能体作弊实验与 AI 监管趋势

    本期内容涵盖了 AI 智能体在任务中自发形成作弊与通信系统的现象，包括 OpenAI 智能体利用外部维基百科协作作弊，以及 Google DeepMind 在数学任务中观察到智能体群体出现作弊、举报与反作弊的复杂行为。此外，文章还讨论了美国公众对 AI 经济政策的民意调查，以及关于未来星际殖民中 AI 监管机制的理论构想。

    发布时间：
8月31日周一
8月24日周一
  1. Import AI48

    Import AI 470：AI 在科学领域的加速差异、SPADE 环境生成框架及 Hawkeye GPU 内核优化

    METR 研究显示 AI 对网络安全领域有显著加速作用，但在数学领域影响较小，且在 AI 研究优化方面尚未观察到可测量的加速。多校联合团队开发的 SPADE 框架通过自博弈机制生成可执行的合成训练环境，利用 Qwen3-30B-A3B-Instruct-2507 模型在 AIME、GPQA 及 LCB 等基准测试中表现优异，其中游戏环境平均分达 58.3，较基准提升 8.1。

    发布时间：
8月21日周五
  1. Amazon Science70

    Amazon 发布 SOP-Bench：用于评估 AI 智能体真实业务流程执行能力的基准测试

    Amazon 发布了 SOP-Bench，这是一个旨在评估 AI 智能体执行真实业务标准操作程序（SOP）能力的开源基准测试。该框架涵盖 12 个行业领域的 2000 多项任务，通过提供真实流程文本、配套工具接口及标准答案，支持开发者验证智能体在复杂、多步骤任务中的实际表现，并已在 GitHub 和 Hugging Face 上开源。

    发布时间：
8月20日周四
  1. Mistral AI76

    Mistral AI 发布 Agentic Search 检索工具

    Mistral AI 发布 Agentic Search，通过引入多步检索循环和 search、open、navigate、read、grep 五项工具，使模型能够主动导航并验证复杂文档中的信息。

    发布时间：

    推荐理由：Mistral 推出的 Agentic Search 通过引入多步检索循环和导航工具，解决了传统 RAG 在处理复杂文档和表格时的局限性，为企业级应用提供了更精准的检索方案。

8月17日周一
8月12日周三
8月10日周一
  1. Import AI48

    Import AI 468：23 项 RSI 应对策略、PostTrainBench+ 及 AI 竞赛中的信任与透明度分析

    智库 IFP 提出 23 项政策建议，旨在通过提升透明度、加强验证技术及增强社会韧性，帮助决策者应对 AI 研发自动化（RSI）带来的风险。MIT 与哥伦比亚大学的研究论文《Racing to Ruin》分析指出，AI 企业实现协同减速的关键在于透明度与相互信任，若信任度过低，竞争将不可避免地导致灾难性后果。此外，文章还分享了关于未来 AI 系统交互的短篇小说。

    发布时间：
7月29日周三
  1. Amazon Science68

    Amazon 发布医疗智能体评估基准 PatientAgentBench

    Amazon 推出 PatientAgentBench，这是一个用于评估面向患者的医疗 AI 智能体的开源基准框架。该框架通过生成合成患者记录和临床场景，利用 LLM 评审团根据临床安全、分诊质量等六个维度对智能体的多轮对话表现进行评分，旨在解决现有静态医学测试无法衡量智能体在真实临床工作流中表现的问题。

    发布时间：
  2. Together AI68

    Together AI 发布 ThunderAgent：用于大规模智能体推理的调度系统

    ThunderAgent 是一款旨在解决智能体推理中 KV cache 抖动问题的调度层系统，通过将智能体工作流抽象为可调度程序，实现了单节点吞吐量 2.5 倍提升及 8 节点集群 2.4 倍加速。该系统兼容 OpenAI API，支持与现有推理引擎及优化技术集成，目前已开源并被 SkyRL 等框架采用。

    发布时间：
7月26日周日
7月9日周四
  1. Amazon Science76

    Amazon 发布开源工具 Turnstile 以优化智能体强化学习训练

    Amazon 发布了开源代理工具 Turnstile，旨在解决智能体在强化学习（RL）训练中因文本重构导致的“重标记漂移”问题。该工具通过在生成瞬间捕获精确的 token ID、路由轨迹及多模态数据，确保训练数据与模型实际推理过程完全一致，且无需修改现有的智能体框架。

    发布时间：

    推荐理由：该工具通过在推理后端与智能体框架间拦截请求，解决了强化学习中因文本重构导致的训练数据漂移问题，为智能体训练提供了更精准的轨迹记录方案。

7月1日周三
  1. Berkeley AI Research25

    2026 年 Berkeley AI Research (BAIR) 毕业生展示

    Berkeley AI Research (BAIR) 实验室发布 2026 届博士毕业生名单，展示了他们在机器人具身智能、LLM 推理、生成式建模及 AI 安全等前沿领域的科研成果。这些毕业生目前已前往 OpenAI、Mistral AI、Amazon 等行业实验室，或担任高校教职及投身创业。该展示旨在庆祝毕业生在学术与系统构建方面的贡献，并促进其与学术界及工业界的后续交流。

    发布时间：
6月30日周二
  1. Together AI78

    Together AI 在 ICML 2026 发布九项全栈前沿研究

    Together AI 在 ICML 2026 展示了九项研究成果，覆盖从智能体框架（如 DSGym、ThunderAgent）、模型推理优化（如 RARO、V1、Aurora）到系统与内核优化（如 Untied Ulysses、OEA、ParallelKernelBench）的全栈技术。

    发布时间：

    推荐理由：Together AI 在 ICML 2026 发布了九项涵盖从智能体到 GPU 内核的全栈研究，这些成果展示了如何通过跨层优化提升模型推理效率与性能。

6月9日周二
  1. Amazon Science48

    智能体 AI 的物理世界落地与 Project Eluna 实践

    Amazon 推出旨在优化物流中心运营的智能体 AI 模型 Project Eluna，通过将模型与物理定律及操作约束对齐，解决物理环境中的模型幻觉问题。研究提出了四种落地方法，包括利用物理引导的深度学习减少数据需求，以及通过 UQ4CT 框架实现不确定性感知推理，该框架在五个 benchmark 上保持高准确率的同时，将预期校准误差（ECE）降低了超过 25%。

    发布时间：
  2. Amazon Science76

    Amazon Science：弥合智能体系统中的意图与执行鸿沟

    Amazon Science 发布论文并开源 Simple Strands Agent (SSA) 框架，旨在解决智能体在模型意图与工具执行之间的不匹配问题。研究指出，通过优化文件编辑工具、引入执行反馈机制以及根据不同模型家族调整推理与工具调用的平衡，可显著提升智能体在 SWE-Bench 和 Terminal-Bench-2 等基准测试中的表现。

    发布时间：

    推荐理由：该研究通过定义智能体意图与执行之间的鸿沟，提出了模型与执行框架协同设计的原则，并开源了 SSA 框架以提升智能体在各类基准测试中的表现。

5月28日周四