Agentic Systems
PulseAugur coverage of Agentic Systems — every cluster mentioning Agentic Systems across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
研究发现：公共行政领域的人工智能系统需要更高的技术精确度
一篇新论文提出了一个用于公共行政领域人工智能系统的技术类型学，以提高研究的精确度。该论文引入了五个类别：手工编码系统、透明盒系统、黑箱系统、通用系统和自主系统，并分析了它们对公共价值的影响。对91篇被高度引用的论文的评估显示，在描述和研究人工智能系统方面存在显著的不精确性。
-
Anaplan推出AI决策基础设施；阿联酋加强AI安全
Anaplan 推出了其“Agentic Enterprise”平台，旨在通过人工智能驱动的基础设施增强组织内的决策能力。该新系统旨在提高大规模资源分配的效率、质量和速度。与此同时，阿联酋正在加速其人工智能发展，特别关注安全措施，以应对自主代理人工智能系统带来的不断变化的风险。
-
智能体框架优化电动公交车队运营及V2G集成
一项新的研究论文提出了一个智能体聚合器框架，用于优化电动公交车队运营，并考虑电池状态、充电器可用性、电价以及车辆到电网（V2G）机会等因素。该框架将一个优化模型与用于干扰检测和关税适应的主管智能体相结合。一个案例研究表明，这种智能体方法可以改善协调和灵活性利用，但也凸显了一个潜在的权衡：如果系统以盈利为目的进行配置，可能会从公共交通运营商那里获取价值。研究结果表明，在部署此类系统时，需要透明的协调和价值共享规则。
-
知识图谱超越顺序处理，增强代理AI系统
本文探讨了代理AI系统中顺序处理的局限性，并主张整合知识图谱。文章认为，知识图谱可以提供纯粹的顺序模型所缺乏的关键上下文和关系理解，从而增强AI代理的能力。
-
新的证据记录代理循环模式增强了 AI 代理的合规性
部署自主 AI 代理的企业需要一个强大的工具调用日志记录系统来确保合规性和可观察性。当前的临时日志记录方法会产生不一致的审计跟踪，使得难以重建代理行为以进行监管或事件审查。提议的证据记录代理循环 (EGAL) 模式通过建立一个一流的合规层来解决这个问题，在该层中，每一次工具调用（无论成功还是失败）都会生成一个结构化的、与身份绑定的、因果链式的证据记录。
-
代理系统通过签名审批保护工具调用
一种保护代理系统的新方法提出用加密签名的令牌替换简单的布尔审批标志。此方法将审批直接绑定到特定的工具调用，从而降低了提示注入、重放攻击和参数漂移的风险。通过对规范化参数、主体和到期时间使用 HMAC 签名，系统确保只授权特定的、预期的操作，防止未经授权的修改或重用审批。
-
新的基于偏好的方法改进了AI代理评估
研究人员推出了一种名为偏好轨迹评估的新方法来评估代理系统。该方法根据对进度和返回时间的时间偏好来比较轨迹，旨在克服传统基于成功率的指标的局限性，这些指标通常会导致大量平局。新方法显著减少了平局，提高了跨各种基准的评估的区分度和稳定性。
-
AI项目失败源于数据库限制，而非模型
企业AI项目频繁失败并非由于模型不准确，而是因为现有数据库无法满足代理式系统的需求。这些系统需要实时数据检索、操作启动和跨系统推理，而传统数据基础设施往往缺乏这些能力。pgEdge首席执行官David Mitchell强调了这一挑战，并指出需要能够支持这些复杂、动态AI操作的数据库。
-
新库和框架通过预测驱动的推理增强AI评估
研究人员推出GLIDE，一个开源Python库，旨在标准化和改进AI系统（特别是代理系统）的评估。GLIDE统一了各种预测驱动的推理（PPI）方法，提供去偏估计和有效的量化不确定性。一篇相关论文提出了一个多任务PPI框架，该框架利用相关任务来增强推理能力并保留特定任务的结果，尤其是在真实标签稀缺的情况下。这些进展旨在降低标注成本，同时保持AI评估和社会科学研究的精确度。
-
人工智能对话设计塑造代理协调与信任
文章认为，当前的人工智能用户体验常常忽视了对话设计的深层含义。它提出，在代理系统中塑造对话模式，本质上是在设计协调、升级、监督和信任。作者认为，当对话成为操作基础设施时，它就改变了人机交互的性质。
-
可解释人工智能研究旨在提高对盲人和低视力用户的可访问性
一篇新论文解决了为盲人和低视力（BLV）用户量身定制可解释人工智能（XAI）的关键需求，突显了当前人工智能系统在模态上的显著差距。研究表明，虽然BLV用户重视对话式解释，但他们常常将人工智能的失败归咎于自己。该论文提出了一个专注于多模态界面和面向代理人工智能系统的、考虑归因的解释设计的议程。
-
AI 探索从语法到避难所的“意图架构”
该集群讨论了 AI 的哲学和设计含义，特别关注“意图”和“结果”的概念。文章探讨了 AI 设计是应优先考虑预期目的还是已实现的结果，并深入探讨了在代理系统中定义目标与构建解决方案的挑战。它触及了 AI 的架构，从基本语法到更复杂的概念，如避难所建设和集体意图。