新闻
自主投资中 LLM 智能体的可控发展：采用不可变安全防护层的多智能体架构
本文介绍了 Steward——一个由九个不同角色的 LLM 智能体组成的系统：投资组合决策需经风险经理审核，只有通过可逆的控制流程并重放已记录的数据，才能修改提示词。核心结论是，不可变的核心机制与审计流程让智能体得以持续发展，同时不将风险规则和订单执行的控制权交给它们。
种子
63 材料
排序为
新闻
NAQD-Env：语言智能体的选择性操作暂停
一个合成测试平台现已发布，其中确定性基准定义了数据、权限与约束之间的依赖关系，模型必须只停止受影响的步骤，同时保留其余工作。对三种开放模型的测试发现，其停止操作的召回率较低，且无法正确恢复；微调虽能提高决策准确率，却也会产生副作用。
新闻
CHOIR 方法：自由列举揭示集体系统中模型立场的不一致性
作者提出了 CHOIR 方法：通过多次请求模型集群生成排序后的答案列表，随后比较不同模型、提示词措辞和角色设定下合并概念的显著性。研究表明，开放式回答在表面上的高度相似并不意味着意见一致：基础模型的身份仍是最稳定的区分因素，而角色设定会改变显现出的概念。
新闻
SimTrace：基于匿名化真实会话和网页环境模型的合成点击轨迹
作者介绍了一种框架，可对真实交互进行匿名化，构建模拟的网页环境副本，并以此生成包含用户上下文和环境观察的多模态点击轨迹。在电子商务场景中，该方案在 8 项真实性指标中的 7 项上优于基线方法；在合成数据上训练的模型表现出与真实数据训练的模型相当的准确率，而且加入合成数据后，下一步动作预测性能提升了 +11.0%；代码已向研究人员开放。
新闻
MetaPersona：基于社会研究实证数据定制的合成群体
针对 LLM 模拟，研究者推出了 MetaPersona-DB——一个包含 1.1 万多项研究的数据集，这些研究基于人类样本，并按任务标注了变量、关系和汇总统计信息。该方法以此为基础重建依赖图，并根据有科学依据的分布生成人群；不过，结果质量因任务和模型而异。
新闻
通过完善封装层实现个性化：近似、泛化与优化的边界在哪里
作者研究在基础模型固定的情况下，能够适应单个用户需求的个性化智能体，并将控制层（上下文、记忆、工具和执行）的改进形式化为一个学习问题。以偏好为导向的基准测试，以及对近似、泛化和优化误差的理论分析，揭示了架构、规模和外层封装自我进化算法的局限。
新闻
几何诱导的软状态表征的预测边界与 Koopman 闭合
该研究提出了一个可计算的置信度阈值，用于在固定谱范数上限下对软坐标进行最小均方误差线性预测。该证书有助于区分可实现与不可实现的 Koopman 闭合，并表明相同的软表示可能与一种动力学相容，却与另一种不相容。
新闻
多模态 Transformer 中的令牌拆分：注意力何时保留表示的贡献
这项研究探讨了在保留内容、位置、可见上下文和总质量的情况下，将输入表示拆分为更多元素何时不会改变其贡献。对于局部质量乘数单调不减的正注意力核，只有当该乘数为线性函数时，才能实现不变性；在 Qwen2.5-Omni-7B 和视频基准测试中，质量加权可减少压缩过程中的漂移并提高准确率。
新闻
CEG-Agent：通过错误图对 LLM 智能体轨迹中的失败进行因果分析
本文提出了 CEG-Agent，这是一种用于对智能体执行轨迹进行因果诊断的工具框架。形式化分类将异常、错误和故障区分开来，类型化的 CEG 图将执行事件与诊断节点及最终失败关联起来；基准测试 CEG-Bench 证实，该方法在语义和结构准确性方面处于领先地位。
