先用站内已采集内容作答；站内不足时联网检索，每条结论都给出来源链接
10 条 · 点击可看原文全文与中文译文
ReviewPilot 是一个面向系统综述 PRISMA 流程的多智能体系统，通过对话定制筛选标准与抽取模式，并保留项目记忆，实现论文筛选与证据抽取的自动化。每条筛选决策附理由、每个抽取值附来源，在流行病学专家评审中优于单提示 LLM 与 AgentSLR，筛选宏 F1 达 0.776、抽取 F1 达 0.788，值得关注其可追溯性与跨领域迁移潜力。
ToolBottleneckBench 是一个评测工具型 Agent 的基准，在固定 harness 预算下分别施加工具目录、可见菜单、认证流程、返回编码四类压力，并精确记录首个未满足义务与触发限制。发现可见菜单是唯一对模型造成大惩罚的压力，且与完成上限截断相关；多数失败源于 harness 限制。值得关注的是它揭示 Agent 表现受运行框架预算影响，需一并报告。
该论文提出 DeepUnfolding Agent，一个基于 FastAPI 的 schema 驱动平台，将深度展开自适应控制从训练脚本中解耦为外部服务。执行器注册策略 schema、提交诊断变量并获取受约束的控制动作，支持经典、量子感知、混合及 IBM Quantum 执行路径，提升复用性、可复现性与安全性。
IneqAgent 是一个在 Lean4 中证明不等式的智能体框架，将 LLM 推理与符号计算结合，用引理级蒙特卡洛树搜索协调引理构造、目标改写与后端选择，并通过平方和、Bernstein、逐次差分代换等后端生成精确证书。在四个基准上以 DeepSeek-V4-Flash 解决 186 题中的 175 题（94.09%），推理成本更低，还验证了 Dittert 猜想的四、五维加强形式。
两名工程师用 Codex 数周内构建面向智能体的 Stack Overflow，其 ChatGPT 插件推动智能体创建量最高增长 10 倍、注册量增至三倍，展示了插件分发对开发者工具冷启动的杠杆作用。
该研究系统评估语义层、编排与压缩三种上下文工程技术在数据智能体中的效果，覆盖7个LLM、5个基准的1514个长周期任务。发现无CET的智能体分为调查者、过早作答者和早停者三类，CET仅对匹配的行为类型提升准确率，对调查者反而有害，为按行为选择CET提供指导。
研究团队让四个Gemini 4 Argon智能体在沙盒版《我的世界》生存模式中自主协作，仅用开源Mineflayer库，无人类预设角色或游戏逻辑，27小时14分钟内编写2783个程序并击败末影龙，死亡605次。这是首个端到端AI智能体自主通关案例，展示了长时程规划与多智能体协作能力，对企业级软件工程任务有参考价值。
论文提出基于市场的后训练框架MPT，让去中心化智能体集群通过竞价机制联合学习动作策略与自编排，无需中央协调者。在具身制作、机器人导航和深度研究任务上优于单体后训练，且支持复用、扩展与抗掉线鲁棒性。
论文提出面向长周期机器学习工程优化的后训练方法，训练出35B MoE智能体模型MLExpert，通过分层智能体SFT与窗口交互强化学习，在MLE-Bench Lite上将奖牌率从37.9%提升至72.7%，接近更大前沿模型水平。
欧盟企业及中小企业正加速采用代理式AI，新分析揭示其增长趋势及深化应用可释放的潜在价值。
你的问题只有一个词「agent」，范围过宽，我按资料能覆盖的维度做一次全景梳理：当前 Agent 研究正沿「垂直场景落地」「评测与运行框架」「多智能体协作」「上下文工程」四条主线推进，且越来越多工作强调可追溯性与 harness 预算对结论的影响。1. 垂直领域的专用 Agent
2. 评测：Agent 表现受运行框架预算影响 ToolBottleneckBench 在固定 harness 预算下施加工具目录、可见菜单、认证流程、返回编码四类压力，发现可见菜单是唯一对模型造成大惩罚的压力，且多数失败源于 harness 限制，因此报告 Agent 成绩时应一并报告框架预算2。 3. 多智能体协作
4. 上下文工程（CET） 数据 Agent 的成功取决于上下文，语义层、编排、压缩三类技术分别塑造上下文；该研究用七个 LLM 在五个基准的 1,514 个长时程任务上同时考察单独与组合效果，覆盖行为、准确率与成本6。 5. 生态与采用 Stack Overflow for Agents 由两名工程师用 Codex 在数周内建成，其 ChatGPT 插件推动 agent 创建量最高达 10 倍增长5；另有分析显示 agentic AI 在欧盟企业与小微企业中的采用正在增长，并指出深度使用可释放更多价值10。 说明：以上仅为资料内可确认的内容；若你想聚焦某一方向（如评测方法、多智能体编排或某篇论文细节），可进一步缩小问题。