AppWorld
PulseAugur coverage of AppWorld — every cluster mentioning AppWorld across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新的RL框架增强多轮AI代理训练
两篇新的研究论文PEARL和ProAS引入了新颖的强化学习框架，旨在改进多轮AI代理的训练。PEARL通过分析成功和失败轨迹的模式来更准确地分配中间决策的功劳，而无需额外的评估器。ProAS则利用Agentic Reference Graph，通过掩盖不合理的激励和不对称的惩罚重新分配来优化功劳分配，旨在加速训练并提高复杂任务的性能。
-
新框架T2A通过诊断Harness故障辅助LLM代理改进
研究人员开发了一个名为Trace-to-Architecture (T2A) 的新框架，以帮助改进大型语言模型 (LLM) 代理。T2A利用执行轨迹来识别代理Harness中在发生故障时需要修改的特定组件。通过利用执行证据诊断故障、修改Harness组件，然后验证改进，T2A在各种任务代理中展现了显著的提升，优于现有基线。
-
新的SELF框架通过环境反馈增强语言代理训练
研究人员引入了一个名为SELF（SELF-distilLation with environmental Feedback modeling）的新框架，用于改进在缺乏直接奖励的交互式环境中训练的语言代理。该框架联合优化环境反馈建模和事后自我蒸馏，使代理能够在从条件化反馈的自我教师那里学习的同时，预测环境响应。实验表明，SELF在tau-Bench和AppWorld等基准测试中优于SDPO和GRPO等现有方法，通过更有效地利用环境反馈来…
-
Combee框架为自改进AI代理扩展提示学习
研究人员开发了Combee，一个旨在提高自改进语言模型代理提示学习的效率和质量的新框架。该系统通过实现并行提示学习来解决现有方法的局限性，这对于处理代理轨迹的大型数据集至关重要。Combee利用并行扫描和增强的shuffle机制，以及动态批处理大小控制器，在不影响准确性的情况下实现了显著的加速。
-
新方法解决AI代理不一致性问题，提高可靠性
研究人员开发了一种新方法来解决AI代理中的不一致性问题，即一次成功的任务在后续尝试中可能会失败。这个问题通常被平均性能指标所掩盖，但对于任务关键型应用尤其重要。这种新方法称为一致性分析器（Consistency Analyzer），通过重新采样代理轨迹来识别容易失败的决策点。通过将这些诊断转化为指导方针，该系统在不牺牲平均准确性的情况下显著缩小了不一致性差距。
-
CLEAR框架通过对比学习增强LLM代理的上下文
研究人员推出CLEAR，一个旨在增强大型语言模型代理上下文增强能力的新框架。该方法利用对比学习和代理反思来生成任务特定的知识，而不是依赖于对过去上下文的简单检索。通过在总结的过往经验上训练上下文增强模型（CAM），并利用强化学习进行优化，CLEAR旨在减轻大型语言模型的推理负担。在AppWorld和WebShop基准上的评估表明，与现有的基线代理相比，任务完成率和平均奖励有了显著提高。
-
新技术通过预测未来动作来加速 AI 代理
研究人员开发了一种名为 Speculative Macro Commit (SMC) 的新运行时机制，以加速使用工具的 LLM 代理。SMC 采用双层系统，其中一个大型 actor 模型生成官方轨迹，而一个更快的 drafter 模型并行预测和执行未来的动作链。通过从训练数据中挖掘重复的多动作骨架，当 actor 模型的下一个动作与 drafter 的预测一致时，SMC 可以提交预先执行的步骤。这种方法在 tau^2-Bench Te…
-
新工具VCC简化AI代理轨迹分析并提高性能
研究人员开发了一种面向视图的对话编译器（VCC），用于分析代理轨迹。代理轨迹是包含用户回合、代理输出、工具调用和其他交互的结构化文档，其JSONL行数可能超过一万行。VCC将这些轨迹处理成三个不同的视图：一个无损转录的完整视图，一个用于重建用户感知交互的UI视图，以及一个选择相关内容同时保留注释的自适应视图。该系统在AppWorld的上下文工程实验中进行了评估，证明任务目标通过率提高了1.1至4.2个百分点，反射器令牌消耗减少了一半到…
-
新的CONTRAMEM框架提高了AI代理的记忆和成功率
研究人员开发了CONTRAMEM，这是一个旨在增强自主计算机使用代理程序化记忆的新颖框架。该系统无需训练，利用不同AI模型在任务结果上的差异来改进其记忆，区分正确的和不正确的程序步骤。CONTRAMEM在复杂任务上的成功率方面显示出显著提高，使GPT-5.5、Claude Sonnet 4.6和DeepSeek V4 Pro等模型的性能提高了一倍以上。值得注意的是，CONTRAMEM学到的程序化知识可以转移到新模型和环境中，表明其在捕…
-
CONTRAMEM框架通过自演化程序化记忆提升AI代理成功率
研究人员开发了CONTRAMEM，一个旨在增强自主AI代理程序化记忆的新框架。该无需训练的系统利用不同AI模型在任务结果上的差异来生成和优化记忆组件，特别是函数卡（Function Cards）和技能卡（Skill Cards）。在GAIA2/ARE计算机使用任务上进行测试时，CONTRAMEM显著提高了成功率，在包括GPT-5.5、Claude Sonnet 4.6和DeepSeek V4-Pro在内的多个AI模型上，成功率从26.…
-
多代理AI系统因通信问题失败率超过40%
一项对七个开源多代理系统1642个执行轨迹的最新分析显示，失败率显著，范围从41%到86.7%。该研究利用MAST分类法发现，约32.3%的失败源于代理间的错位，这意味着代理难以有效沟通和协调。这些沟通中断表现为推理-行动不匹配、任务脱轨以及未能寻求澄清，突显了协议问题而非代理智能本身的局限性。
-
研究人员开发 Self-Harness，使 LLM 代理能够自主改进其自身系统
一篇新研究论文介绍了一种名为“Self-Harness”的方法，该方法允许基于 LLM 的代理自主改进其自身的运行 Harness。这个迭代过程包括识别模型特定的失败模式、生成 Harness 修改以及通过回归测试验证这些更改。当应用于各种模型和基准测试时，Self-Harness 持续提高了性能，为实现自改进的 AI 代理指明了方向。
-
新研究增强了 AI 代理的记忆、推理和有根据能力
研究人员正在开发先进的方法，使 AI 代理能够有效地利用长期记忆并提高其推理能力。一种名为查询条件重用 (QCR) 的方法侧重于代理如何将过去的轨迹适应新环境，在各种基准测试中显示出成功率和令牌效率的显著提高。另一个研究领域通过使用步级自蒸馏和证据锚来指导学习，解决了深度搜索代理强化学习中奖励稀疏的问题。此外，SynWeaver 等框架旨在通过与网站特定先验知识共同合成任务和轨迹来提高代理的泛化能力，而 LoongReflect 通过…
-
新的TCPO方法改进了多轮对话中的LLM推理能力
研究人员推出了一种新颖的TCPO方法，用于大型语言模型在验证器引导下的强化学习中的轮次信用分配。该方法旨在通过关注每一轮对精炼轨迹的影响，而不是仅仅关注输出的即时质量，来改进模型从反馈中学习的方式。实验表明，TCPO在包括数学推理、代码生成和代理任务在内的各种任务上都提高了性能，在Qwen3-4B和DeepSeek-R1-Distill-Llama-8B等模型上，在Pass@8等基准测试中取得了具有竞争力或更优的结果。
-
Masked Diffusion Language Models outperform AR models for agentic RL
一篇新的研究论文介绍了掩码扩散语言模型（MDLM）作为文本世界模型在代理强化学习中优于自回归（AR）模型的替代方案。MDLM 通过利用双向锚点感知去噪，展示了增强的一致性和扎实性，即使在后者规模大得多的情况下，其性能也优于 AR 模型。该研究还提出了一个新的 GRPO 训练框架，并在各种代理骨干网络上展示了在未见过环境中的大量零样本迁移收益。
-
研究发现：模型合并在AppWorld基准测试中可媲美联合强化学习
一篇新的研究论文分析了模型合并技术在强化学习中的有效性，并将其与联合多任务训练进行了比较。研究发现，在AppWorld基准测试中，合并独立训练的Qwen3-8B模型所获得的结果与联合训练的模型在统计学上没有显著差异。这种等效性归因于专家模型的任务向量接近正交的几何结构，表明在这些条件下，特定的合并方法影响甚微。
-
LLM为API调用代理生成无环境的合成数据
研究人员开发了一种新颖的方法，用于生成合成数据来训练API调用的大型语言模型（LLM）代理，而无需完全实现的运行环境。该方法利用LLM作为即时数字世界模型，仅根据API规范生成任务并模拟API响应。所生成的合成数据在用于微调模型时已显示出显著的性能提升，为跨各种API生态系统训练代理提供了可扩展的解决方案。
-
研究发现：AI代理在重写自身记忆时准确性会下降
伊利诺伊大学厄巴纳-香槟分校（UIUC）的研究人员发表的一篇新论文表明，当AI代理的记忆由大型语言模型（LLM）自身进行整合或重写时，其准确性会显著下降。该研究测试了GPT-5.4在各种环境中的表现，发现在重复的记忆整合后，其在ARC-AGI等任务上的性能从100%下降到52.6%。论文指出了导致这种性能下降的三个关键机制：选择偏差、重写漂移以及一个反馈循环，即损坏的记忆会导致进一步的错误。研究人员建议采用一种只追加（append-o…
-
新ACCORD框架将LLM代理任务完成率提升20%
研究人员推出ACCORD，一个旨在通过使语言代理能够更好地将其动作与观察到的环境上下文对齐来提高其性能的新框架。ACCORD通过在每个动作之前主动探查缺失信息并整合代理历史中的相关上下文来解决指令不明确的问题。该方法显著提高了任务完成率，在AppWorld基准测试中，使用GPT-5-mini的完成率提高了多达20.6个百分点，并且在Claude-4.5-sonnet和Qwen3.5-27B-FP8等其他模型上也显示出收益。
-
新方法提升AI代理的可靠性和安全性
研究人员开发了新方法来提高AI代理的可靠性和安全性。一种名为TRACE的方法侧重于监控长时程代理轨迹，通过分析跨越时间上遥远动作的证据来检测恶意或意外行为。另一种方法，回顾式约束优化（RHO），利用过去的轨迹进行自我监督，并在没有外部验证的情况下改进代理对技能和工具的约束。此外，HarnessFix旨在通过分析执行跟踪并将失败映射到特定约束层进行有针对性的修补，来诊断和修复代理约束中的缺陷。