Meta FAIR新作：AI科研智能体装上"预算管家"，2/3算力追平24小时成绩
AI科研智能体缺的不是想法，而是算力。本文提出研究偏好模型（RPM），相当于给智能体装了个“预算管家”：在花GPU之前，先让LLM当评委挑选最有潜力的候选方案。AIRS-Bench上，用不到三分之二的算力就能追上无引导基线24小时的成绩，思路清晰，落地性强。
标签：Agent
共 137 篇
五大AI角色围着人转：港科大把智能体开发从狂飙拉回正轨
AI编程智能体越跑越远，需求漂移、过程黑盒、发布甩锅怎么办？港科大（广州）提出的AppLooper，用多智能体协作+版本绑定证据链把整个开发流程钉死，让每一次变更都有据可查、有人负责。值得所有关心AI编程落地与可问责性的读者一读。
AI科学家要来了？Adam之父给出2025最新时间表
这是剑桥大学Ross King教授撰写的一篇AI for Science全景综述。Ross King正是历史上第一个全自动机器人科学家Adam的缔造者。这篇论文以亲历者视角，系统梳理了从DENDRAL到AlphaFold、再到AI Scientist的完整进化路径，并首次提出六级科学自主性框架。想看懂AI科学家的过去、现在与未来，这篇是绕不开的入口。
中科大新框架：跨表推理成功率暴涨6.9%，表格Agent告别"摊大饼"
表格处理向来是大模型的"老大难"：好好的二维表格，硬被拍扁成Markdown字符串，跨表联动全靠蒙。中科大这篇最新研究提出SheetCompass，用层次关系图还原表格的空间结构，配合多智能体协作推理，三大基准全面超车——这波操作，属实有点东西。
佛罗里达大学用GPT-4o指挥PET去噪：闭环多智能体，双指标超基线
PET（正电子发射断层成像）是肿瘤、神经和心脏疾病诊断中重要的分子影像手段，能无创显示体内代谢活动。但PET天生有痛点：光子符合计数有限，图像信噪比低。
UC Berkeley新基准Vero：最强AI写证明，43个代码仓库只通关27个
AI生成的代码，你敢直接上生产吗？单元测试过了不代表没bug，仓库级形式化验证才是终极保险丝。UC Berkeley等机构提出Vero，要求智能体在一个多模块Lean 4代码仓库里同时写实现和证明，结果最强配置只通关27/43——答案藏在仓库级一致性和共享引理库的组织能力里。
GPT-4也翻车的24点游戏，被ToT一招救活：4%到74%
本文是NeurIPS 2023的经典工作，也是大模型推理研究绕不开的一座里程碑：它把树搜索、自我评估、回溯这些经典AI思想，重新装回了大语言模型身上，让模型面对复杂任务时真正学会“多想几步”。24点游戏4%到74%的跨越，至今仍被反复引用与对比。
中科院新Agent：AI City 2026三赛通吃，FETV斩获亚军
一个统一框架同时接管监控、鱼眼和行车记录仪三类交通视频，在AI City 2026出战三个赛道，FETV与第一名只差0.0007。这套「观察-推理-行动-验证」的智能体工作流拆解起来很有嚼头，适合所有对多模态视频理解与跨域泛化感兴趣的读者。
清华最新研究：AI来访者终于学会“不配合”了，5项评分全面领先
清华团队这次不玩虚的，直接把临床心理学里的5Ps公式化、信任分层、多维抵抗机制搬进大模型，让AI来访者从“有问必答”变成“看人下菜碟”。40个临床情境实验、5项人类评估全面领先，AI心理治疗模拟终于有点真实的烟火气了。
跨域分类不用纠结：MLLM当调度员，让每张图找到最懂它的专家
做AI的都知道，图像分类这活儿，看着简单，做起来全是坑。尤其是当你把模型从实验室搬到现实世界，面对的不是单一数据集的“温室环境”，而是医疗影像、卫星图、人脸表情、日常物体照片混在一起的“修罗场”。
京东人大新研究：让购物Agent学会“听劝”，NDCG暴涨47%
你有没有被电商AI导购气得牙痒痒过？明明说了“今天就要”，它偏给你推明天才发货的。京东和人大这篇新研究，就是让购物Agent学会从真实用户的吐槽和购买行为中自己进化，不用人工标注，推荐效果直接起飞。
多轮搜索Agent新范式：小模型蒸馏精炼上下文，性能逼近GPT-4
搜索智能体总是"检索到答案却答不出来"？问题很可能出在上下文干扰。港中大等机构这篇研究系统地定位了干扰源——最新检索回来的文档，并设计了蒸馏式上下文精炼器，让智能体在"生成"之前先"精炼"，可靠性和效率双双提升。看完这篇，对多轮搜索智能体的调优思路会有新的启发。
