密歇根等20+机构新作：告别PDF论文，让AI智能体直接操作科研成果，问答准确率暴涨至93.7%
当AI智能体成为科研“战友”，却发现读不懂论文，这多尴尬？密歇根大学联手斯坦福、MIT等20多家机构，提出脑洞大开的协议——ARA，直接把论文从“读”的文档，变成AI可“运行”的知识包。结果振奋：PaperBench上问答准确率从72.4%飙升到93.7%，复现成功率提升7%。看来，未来科研论文真是为AI写的了！
标签：Agent
共 137 篇
AI Agent接管云端？OpenKedge推出“执行经纪人”SEB，零常设凭证杜绝越权突变
AI Agent越来越能干，但把“删库”、“开端口”这种高级权限直接交给一个会幻觉、还可能被黑客渗透的非确定性系统，这不是妥妥的定时炸弹吗？OpenKedge团队这篇论文，直接瞄准了这个“检查后执行”之间的真空地带，搞出了一个叫“Sovereign Execution Broker”的硬核边界，让Agent手里的凭证“即用即消”，从根本上堵死越权操作。一针见
北卡罗来纳大学夏洛特分校最新研究，ACE模块让VLM调用减少75%
长视频问答（LVQA）一直是个“烧钱”的活，把一小时的视频全喂给大视觉模型，光是token就能上百万。而TIMEPROVE给出的策略很聪明：先派轻量级的动作检测器去“探路”，生成几个高概率的答案假设，最后才让大模型去“拍板”验证。结果呢？效果涨了7.3%，成本却降了93%。这种“先猜后验”的思路，值得每个做视频理解的人关注。
告别黑箱审计：CODE-AUGUR如何让LLM的安全判断变得可验证、可复用
继2026年6月聊过AI智能体安全评估之后，这次新加坡国立大学团队带来更猛的干货：不是让LLM当黑盒猎头，而是让它把“觉得安全”的判断写成可执行的断言，再用模糊测试来挑战这些断言。结果？在DARPA的AIxCC基准上比顶尖智能体多发现34%-63%的漏洞，还挖出了22个真实世界的0-day！这才是AI安全审计该有的样子。
40%任务效率提升！重庆大学提出ExS2D：零双臂数据训练双臂机器人
想让家里的扫地机器人帮你搬桌子？想给它找俩搭子？这篇重庆大学的新研究带来一个“骚操作”：让你的单臂机器人不用练习，直接点亮“双打”天赋。不需要昂贵耗时的双臂演示数据，它们通过一个精巧的层次化框架，就让机器人自己学会左右开弓。一句话总结：白嫖单臂数据，通吃双臂任务。🤚
告别Sora幻觉，数据视频进入可编辑时代
做汇报还在手动敲PPT、剪GIF动图？港科广的DataMagic直接端到端解决：上传表格+一句话，自动生成带配音、动画、配乐的数据故事视频。新引入的DVSpec规范确保图表和数据的绑定关系一清二楚，再也不用担心AI“算错”数字。更香的是，这还是个“能编辑的视频”，直接划界面改图表、抠文本，甚至指点AI加新镜头，整个数据呈现流程变得前所未有的丝滑。
阿里最新研究：让LLM学会“连点成线”，长期部署任务成功率飙升76%！
大模型做agent已不新鲜，但让它在真实场景长期部署、边工作边学习、自己积累经验，才是终极形态。阿里CoD论文用强化学习端到端训练LLM学会“连点成线”的元能力，任务序列里第四个任务成功率从28%干到76%，还跨域泛化到没见过的任务上。
上海交大最新研究：多设备智能体执行失败，真的不用全局重规划？
多设备协同的AI智能体，一张发票报销就能牵扯出手机、电脑、多个在线系统。一旦CPU烧了、网络崩了，传统方案就是粗暴“全部重来”。上海交大这项研究告诉你，根本不需要！分层恢复，小毛病本地解决，大毛病再上全局判断，这才是智能体该有的“情商”。
DeepMind最新警告：AI越强越不合作？揭秘“唯我论”超级智能的隐患
DeepMind终于出手，这次不谈算力，不聊模型，而是直接戳中了整个AI领域的“灵魂痛点”——我们的AI，从根上就不懂合作。这篇论文像一盆冷水，泼醒了还在疯狂堆数据、跑benchmark的各位同行。它告诉我们，超级智能的关键不在于“多强”，而在于“多合群”。不适合在“唯我独尊”的范式下闭门造车的研究者都该读读。
32.7%提升背后：VLM+规则工具箱混合评估新范式
自动驾驶评估就像考试打分。传统规则死板，遇到避让、绕行等“合理违章”就给负分；纯VLM评估虽有上下文理解，却难胜任精细安全判断。英伟达团队这次祭出杀手锏—— DriveJudge ，让VLM当“考官”，根据场景决定哪些规则该用、哪些该放一马，既保住了规则的物理严谨，又拿捏了上下文的柔性。看完绝对拍大腿：这才是评估该有的样子！
通用智能体必备？CMU用数学告诉你：没记忆不行
继2026年6月推过“世界模型新范式”那篇之后，这又来了一个理论硬核到不行的好货。CMU的这篇论文，用数学证明了“好记性”对于通用智能体是刚需，而不是可选项。它就像一个AI界的“记忆法证明”，告诉所有人：别再做无头苍蝇了，想变强，先学学怎么记笔记吧！
SAP最新研究揭秘：企业AI代理的信任密码，原来“看得见”比“能暂停”重要10倍！
你的AI代理队友，让你放心还是糟心？继2026年6月聊过“企业AI革命”后，SAP的这篇实战研究来得正是时候。它用数据告诉你：想让员工信任AI，光给个“暂停”按钮远远不够，他们想看到AI的“思考过程”。这份基于企业真实痛点的UX设计指南，AI产品经理和开发者都该看看。
