LLM智能体
核心事实
时间轴 (近 90 天)
该研究让多个LLM智能体相互评估彼此的工作，并且拥有叫停或重新定向研究的权限。
智能体之间的相互审查能否扩展到更模糊、更依赖隐性知识的领域，仍是未解问题。
面对信号漂移异常，智能体将结果判定为「不确定」，并修订了测量协议，同时没有降低接受标准。
初始实验的结果与理论预测一致，但智能体在重复参考测量时发现信号在数据采集过程中发生了漂移。
智能体首先推导出最小校准设置数量，然后通过计算手段验证结果，并设计了能够区分竞争性预测的实验方案。
当智能体之间出现分歧时，系统会优先进行理论交叉检查，而非草率推进实验。
论文《Agent Behavior Maps: Locating Agents by What They Would Do, Without Running Them》提出了一种行为地图方法，可在不启动目标智能体的情况下，仅通过其在共享参考轨迹上的动作对数似然来定位模型。
一篇论文提出了“缓存工程”（Cache Engineering）的新思路：让智能体直接操控活跃KV缓存，而无需修改轨迹或重新预填充。
在有限范围的智能体工作流中，决策空间会逐渐趋于饱和，智能体反复遇到相同状态。
贝尔曼语言模型（BLM）将重复决策建模为马尔可夫决策过程（MDP），一次求解后复用，以提升LLM智能体的效率。
还有 40 条时间轴事件
全部知识事实 (20)
以 LLM 为核心的语义智能体通过理解任务意图而非记忆操作路径，理论上能大幅提升跨版本的鲁棒性
75%待验证智能体之间的相互审查能否扩展到更模糊、更依赖隐性知识的领域，仍是未解问题。
50%待验证当智能体之间出现分歧时，系统会优先进行理论交叉检查，而非草率推进实验。
50%待验证智能体首先推导出最小校准设置数量，然后通过计算手段验证结果，并设计了能够区分竞争性预测的实验方案。
50%待验证面对信号漂移异常，智能体将结果判定为「不确定」，并修订了测量协议，同时没有降低接受标准。
50%待验证该研究让多个LLM智能体相互评估彼此的工作，并且拥有叫停或重新定向研究的权限。
50%待验证论文《Agent Behavior Maps: Locating Agents by What They Would Do, Without Running Them》提出了一种行为地图方法，可在不启动目标智能体的情况下，仅通过其在共享参考轨迹上的动作对数似然来定位模型。
50%待验证一篇论文提出了“缓存工程”（Cache Engineering）的新思路：让智能体直接操控活跃KV缓存，而无需修改轨迹或重新预填充。
50%待验证贝尔曼语言模型（BLM）将重复决策建模为马尔可夫决策过程（MDP），一次求解后复用，以提升LLM智能体的效率。
50%待验证在有限范围的智能体工作流中，决策空间会逐渐趋于饱和，智能体反复遇到相同状态。
50%待验证当前 LLM 智能体在获得有效证据后往往能有效推理，但它们难以主动获取正确的证据，也难以识别先前获取的证据何时不再有效。
50%待验证在隐式规则漂移下，潜在规则会在不发出通知的情况下发生变化，智能体必须从性能下降中检测到先验知识已过时，并重新探索。
50%待验证智能体需要监控自身表现，并在检测到性能下降时主动丢弃过时知识。
50%待验证LLM智能体可能因为语言先验而持续高置信度地输出违反前置条件的动作，从而陷入无效循环。
50%待验证在前沿LLM智能体上的实验显示，相比标准的仿真增强基线，FunCAD-Harness显著提升了功能成功率。
50%待验证一篇发表于arXiv的论文《AI-Driven Reproducibility and Analytical Robustness in Scientific Discovery》（arXiv:2610.23845）提出了用自主LLM智能体大规模解决分析可复现性问题的框架。
50%待验证该智能体框架在SEER-Repro实验中实现了77.4%的端到端自主复现率。
50%待验证该智能体框架识别出9.5%的可复现发现存在分析脆弱性。
50%待验证绝不在宿主机运行器上执行智能体生成的分析，应强制严格的资源cgroups、禁用网络出口和确定性随机种子。
50%待验证传统LLM智能体缺乏对企业分散知识的显式表示，容易产生错误结果且难以有效吸收反馈。
50%