智能体系统

研究者提出MSCE框架，将智能体经验转化为可执行的技能库，通过证据校准的协同进化机制显著提升长程任务表现。

研究者提出MemoHarness框架，通过分解智能体外挂的六个控制维度并建立双层经验库，使智能体系统能够根据过往执行经验自主优化，无需测试时标注或额外搜索。

研究者提出名为Mycelium的主动共享工作空间系统，旨在连接不同领域的研究人员与AI智能体，通过自动捕获和路由关键观察与假设，促进跨学科的科学发现与团队协作。

研究团队利用72个真实临床病例评估了基于大语言模型的智能体系统在乳腺癌治疗推荐中的表现，最佳配置达到0.594分，但系统仍存在临床相关错误，暂不适合无监督临床应用。

研究者针对智能体AI系统提出“最小自主性”理论，通过形式化方法量化系统行动间的结构分离与影响传播，为复杂工作流中的权限控制提供新框架。

研究人员提出Self-GC框架，将智能体运行中的工具结果、文件、计划等转化为可索引对象，通过侧信道规划器动态管理上下文生命周期，在保持任务连续性的同时显著减少上下文长度。

研究提出一种基于智能体的聚合框架，用于协调电动公交车队的充电、调度与车网互动，在提升运营灵活性的同时，揭示了利润导向模式可能带来的价值分配问题。

研究发现提示组合式智能体系统存在一种隐蔽故障模式——修改某个提示模块会无声影响其他模块行为，即使它们没有共享变量或执行依赖。