Agent 智能体

AI 导读AWS推出Agent Registry服务，解决企业系统中大量API导致的工具管理难题。该服务允许代理在运行时通过语义搜索发现相关工具和代理，无需硬编码或重新部署。系统包含注册、发现、实例化和执行四个步骤，支持MCP服务器和A2A代理，已在订单管理场景中验证。

AI 选稿理由解决了企业系统中大量API导致的工具管理瓶颈，使新工具集成无需代码变更和重新部署，大幅提升开发效率。

AI 导读AWS与Keyfactor联合发布参考架构，通过X.509公钥基础设施(PKI)为AI代理提供身份验证，解决多代理AI框架中缺乏内置认证标准的问题。该方案使用签名请求信封、用户签名委托断言、作用域令牌和OCSP实时撤销检查四种机制，结合Amazon Bedrock等服务，确保代理访问数据库和API时的身份安全。

AI 选稿理由解决了AI代理在多代理框架中缺乏身份验证的安全瓶颈，为企业提供了可验证、可撤销的短期凭证解决方案。

AI 导读Eon使用Amazon Bedrock AgentCore平台构建多云调查系统，通过单一认证网关替代各工具凭证和本地MCP进程，实现AWS、GCP和Azure三大云工具的统一访问。新工程师配置时间从两天缩短至约两分钟，支持开发人员和自主代理使用相同工具但不同权限。

AI 选稿理由解决了多云环境下工具集成的凭证管理复杂性和本地MCP服务器维护难题，大幅提升工程师效率并降低运维成本。

AI 导读AWS博客介绍如何使用Denodo平台和Amazon Bedrock AgentCore构建代理式AI应用的语义层，实现对企业多云数据的统一访问。该方案整合了Amazon Aurora、Amazon Redshift和本地PostgreSQL数据库，通过Denodo的VQL语言提供实时数据访问，并通过MCP协议向代理暴露受控视图，确保数据安全与隐私。

AI 选稿理由解决了企业多云数据源整合与安全访问的瓶颈，使AI代理能够实时查询分散在不同环境中的企业数据，无需数据迁移。

AI 导读AWS与Strategy合作，使用Strategy Mosaic作为语义层，通过Amazon Bedrock AgentCore运行Strands代理，实现跨Amazon Redshift和Aurora的客户360视图。该系统支持MCP协议、JDBC/ODBC、XMLA和REST四种原生协议，无需ETL即可连接多种数据源，并实现端到端的行级和对象级安全。

AI 选稿理由解决了企业AI代理跨多数据源进行语义推理的难题，支持实时数据联邦和统一业务指标定义，降低了复杂查询的开发难度。

AI 导读AWS发布技术文章，介绍如何使用AtScale和Amazon Bedrock AgentCore构建语义层，实现代理式AI系统。该方案采用维度模型而非知识图谱，通过语义建模语言(SML)定义模型，同时支持SQL、XMLA和MCP三种协议。系统可确保业务智能工具与代理获得相同计算结果，并支持基于身份的访问控制。

AI 选稿理由该方案解决了企业数据分散导致的跨系统查询难题，通过语义层统一数据定义，使AI代理和BI工具能从同一数据源获取一致结果，同时支持细粒度访问控制。

AI 导读IBM研究团队开发的ALTK-Evolve系统通过GPT-4.1学习并应用行为指南，在不更新模型权重的情况下，在客户服务基准测试τ²-bench上取得了67.5%的Pass^4分数，超过了所有零售业参赛者。该系统分析代理的训练任务尝试，将成功和失败提炼成简短的行为规则，添加到系统提示中，无需人工标注或权重更新。

AI 选稿理由解决了基础模型在客户服务任务中的可靠性瓶颈，使非推理模型GPT-4.1通过学习记忆达到专业水平，适用于需要严格遵循政策的客户服务场景。

AI 导读Mistral 推出 Voxtral 3 语音代理 SDK，支持 50 多种语言的实时语音处理，提供精准转录、情感化文本转语音和深度工具调用功能，可选择欧盟托管或本地部署。

AI 选稿理由解决了多语言实时语音交互的精准性和情感表达瓶颈，适用于需要跨语言语音交互的应用场景，提供灵活的部署选项。

AI 导读NVIDIA 称，欧洲 AI 云厂商 Nebius、Nscale 与 Verda 将采用其 Vera CPU 构建本地基础设施，用于 Agent 的取数、执行代码与结果评估等 CPU 密集环节。Bull、Dell、HPE、联想与 Supermicro 将推出基于 Vera 的服务器；ClickHouse、SAP、Elastic 等数据公司称早期测试中分析、ETL 与语义搜索负载表现良好；Atlassian、Nous Research 及 Modal、Vercel 等 Agent 沙盒厂商也计划或已测试采用 Vera。

AI 导读OpenAI 介绍了 Terminal X 的 Eval Agent：它用包含 54 项标准的评分表来评估投资输出，在采用 GPT-6.1 Sol 后，对基金投资约束的偏离识别量提高了 25%，与资深投资者的判断一致率达到 88.6%。

AI 选稿理由该客户案例给出了具体评测指标：评估 Agent 在 54 项标准的 rubric 下识别投资偏离更有效，与资深投资人判断一致率为 88.6%；适用范围限于该基金的委托约束评估场景。

AI 导读DeepSeek V4.1 Flash 1017成为开源权重价值领导者，在多个基准测试中表现优异；MiniMax M3.1 Flash以1/3成本和3倍速度发布；Mercury 3被称作迄今为止最强大的扩散LLM；Anthropic宣布将约20%股权投入公共福利基金；美国国土安全部要求联邦机构移除DeepSeek产品；Google开源Harness²框架实现智能体自我改进；Claude Opus 5.5在密码学和量子物理领域取得突破。

AI 选稿理由包含多个模型的具体性能数据、基准测试结果和实际应用案例，以及Anthropic公共福利基金等重大行业动态。

AI 导读研究团队提出 AgenticRoboRL，把编码智能体的后训练思路迁移到机器人规划器。训练流程结合监督微调与多轮强化学习，并通过针对不同执行框架的适配器，将规划器交互记录与任务结果对齐，使 VLA 技能调用和代码生成等执行方式共用一套强化学习流程。在 LIBERO-PRO 上，一个 9B 参数规划器的成功率从 18.1% 提升到 71.0%，在不借助外部记忆的情况下接近 Codex（GPT-5.5）加外部记忆的 72.1%。团队将开源框架和训练好的规划器检查点。

AI 选稿理由给出机器人规划器可后训练的具体方法，并在 LIBERO-PRO 上把 9B 模型成功率从 18.1% 提升到 71.0%，接近 Codex 加外部记忆的 72.1%，同时承诺开源框架与检查点。

AI 导读研究团队提出由不同学科背景的AI研究员组成的协作团队，通过保持独立研究历史、共享实验证据和自适应分配研究机会，在有限实验预算下持续发现新架构。该团队在1.3B规模线性注意力架构搜索中，于语言建模、常识推理和检索任务上超越GDN2模型。移除任何组织组件都会显著降低发现效果。

AI 选稿理由提出多学科AI研究团队协作机制，在有限预算下实现持续科学发现，实验证明不同背景、独立历史和自适应分配对突破局部最优至关重要。

AI 导读研究团队推出RoboCasa-Shift基准，通过控制单因素偏移、匹配清洁-扰动轨迹和模拟器引导的阶段感知诊断，评估GR00T N1.5在四个长时程任务中的鲁棒性。研究发现鲁棒性响应在不同因素和任务间差异显著，且严重程度增加并不总是导致单调退化。同一端到端退化可能对应不同的执行深度配置，表明视觉语言动作鲁棒性应被视为执行的多维属性而非单一端到端性能指标。

AI 选稿理由提供了一种新的鲁棒性评估方法，揭示了视觉语言动作策略在不同扰动因素下的多维失效模式，适用于机器人操作领域的鲁棒性研究。

AI 导读研究者追踪了七个开源强化学习训练框架，分析了它们在2025年1月至2026年6月期间对1,598篇论文的包含情况。研究发现，在180天内被包含的论文数量稳定在5到7篇，这些论文通常具有30B参数以上的训练策略，并经常修改现有损失函数的系数、clip、mask或权重。

AI 选稿理由该研究提供了关于开源强化学习训练框架中包含和审查过程的详细数据，有助于理解这些框架如何采用新的强化学习方法。

AI 导读研究提出 S-Agent 2.0，为现成通用编码代理配备命令行感知工具包，并通过持久场景记忆让模型把工具读到的几何数据转成空间结论。开源底座 Qwen3.8-27B 接入后，MMSI-Bench 和 ReVSI 分别比无工具版本提升 13.9 和 20.5 分，达到 66.5 和 82.3，超过同底座的 SpatialClaw；接 Gemini-3.8-Flash 时同样领先。该方案可运行在 Codex、Claude Code 等代理框架上。

AI 选稿理由给出空间推理代理的工具接口与记忆设计，并在两个基准上按开源/闭源底座分别报告相对无工具与 SpatialClaw 的具体分数变化，属于可复用的研究方法进展。

AI 导读针对Agent长轨迹中KV缓存I/O与存储成为主要成本、裁剪历史又会触发重新预填充的问题，作者提出“缓存工程”：Agent可用drop把选定缓存排除出后续注意力，用repos调整保留键的位置编码，无需改动轨迹前缀。团队将历史依赖视为服务难题并联合设计AKV引擎，以无状态接口内部管理缓存复用、驱逐与恢复。工具响应滚动丢弃策略使平均基准分提高1.7分、平均成本降低27.7%；AKV输出吞吐最高1.2倍，P95请求延迟加速1.5倍；缓存策略递归自改进再降本7.1%。代码已开源。

AI 选稿理由提出不改轨迹即可控制活跃KV缓存的drop/repos操作，并给出AKV引擎与量化收益，适用于长轨迹Agent推理服务优化。

AI 导读研究团队提出DiffResearch框架，将扩散语言模型(dLLM)应用于深度研究的每个阶段。在100项Deep Research Bench任务中，扩散模型比自回归模型快约6倍，主要得益于规划和写作阶段的显著提速。团队还引入dFast模式，通过读取中间去噪状态提取子查询，实现1.99倍速度提升且不降低报告质量。基于更强扩散模型的系统在排行榜上超越多个商业系统。DiffResearch已以Apache-2.0许可证开源。

AI 选稿理由扩散语言模型在深度研究框架中实现端到端速度提升6倍，dFast模式进一步加速分解过程，且报告质量保持不变，开源框架可促进研究应用。

AI 导读研究证明扩散语言模型代理可通过连续状态传递隐藏消息，接收方会使用这些消息内容。在Tiny-A2D和Dream-7B任务中，移除消息导致性能下降63.6和100.0点；错误消息使QASC准确率从80.8%降至46.8%。单次晚期信息传递效果优于四次交换，提供扩散模型代理间连续隐藏通信的因果证据。

AI 选稿理由研究首次证明扩散语言模型代理可通过连续状态进行隐藏通信，并展示了信息传递时机比交换次数更重要。

AI 导读针对RLVR奖励稀疏、长程任务难以分配信用的问题，作者提出Self-Credit：先让策略模型在 rollout 中生成带引用的摘要，标出关键证据所在轮次；再用同一提示下成功与失败轨迹的组内一致性重缩放这些引用，削弱错误信用、强化关键动作，并据此调整引用轮次的优势值。在BrowseComp-Plus上，Qwen3 8B与32B分别比基座高37.0和36.2分，比最强智能体RL基线高8.5和5.6分；GAIA与xBench-DeepSearch分别再高4.9和4.7分。

AI 选稿理由提出无需额外标注的信用分配方法，在Qwen3 8B/32B上给出BrowseComp-Plus、GAIA、xBench-DepSearch的具体提升幅度，适用于长程工具型智能体RL训练研究。