智能体 Agent

本报告提出一个用于执行计算机图形任务的 LLM-agent 系统的四维分类法，并构建一个 agentic 文献调研系统，将该分类法大规模应用于 350 篇论文，揭示设计趋势与开放挑战。

CUA-Master 是一个嵌套双环递归框架，它将开放世界种子构建与基于原语的任务合成同迭代模型训练耦合起来，以提升计算机使用智能体。

CoworkOS 是一个协作智能体执行框架，将模型选择的任务策略与运行时执行管理分离，并支持跨基准、真实应用和自动化后训练的长时程、人在回路工作。

本文将视频生成置于智能体执行框架的视角下，该框架协调制作、世界模型交互以及面向递归自我改进的开发。

uni-robot-agent 是一个统一、模块化的框架，使开放权重模型能在仿真和真实世界中执行有竞争力的机器人使用，并且论文将有效的机器人使用与四项通用能力联系起来。

SWE-Trail 将先前尝试作为采集端历史，用于在编码智能体 rollout 期间选择在何处比较候选动作，然后在所得轨迹上训练学生模型。

NorthCUA 是一个集成的 Harness、经验生产飞轮和分阶段学习流水线，用于训练 Nano、Mini 和 Pro 计算机使用智能体，并报告了强劲的 GUI grounding、桌面、Web 和延迟结果。

ReTrace 是一个可扩展的评估框架，它将转移一致性恢复形式化，并在受控错误注入后使用目标导向的动作重放，以系统研究计算机使用智能体中基于模型的恢复。

Reviso 是一个智能体式视频字幕框架，学习 Context-Focus-Points 观察计划，并使用验证引导的 SFT 加 GRPO 奖励，借助工具收集按优先级排序的视觉证据。

论文提出 Avatar Intelligence：持久化的个人智能体，用于表征用户的目标、价值观与约束，并配以以用户为中心的架构、L0-L3 委托路线图，以及用于评估交付价值与人类监督负担的 Agentic Oversight Index。

R2Orch 将自博弈编排与基于可学习性的 Proposer 及随机化技能撤除测试嵌套在一起，在十二个基准上改进 Director，使其趋向零技能部署。

REA 是一个路由式具身智能体运行时，协调慢速 System 2 大脑、路由器和快速 System 0 策略，使任何正在运行的策略都不必等待大脑。

Apriel Voice 27B Preview 是一个开放语音语言模型，基于 Gemma 4 26B-A4B 构建，采用两阶段语音适配方案，统一语音理解、推理、对话和工具调用，同时保留文本和图像输入。

CEPO 是一个框架，它将多智能体提示拆分为共享协调器提示和智能体专用执行器提示，并为底层提示优化器针对每一层提供角色特定的元指令，在四个领域的 11 个基准上提升了四种现有优化器。

CodeSpecWeave 合成具有相互依赖规范和可靠可执行测试的编码任务，产出 4,670 个训练任务和一个 100 任务基准。

WorkFactory 通过规划信息支持并借助探针执行修复环境来构建可执行的专业任务，然后使用教师轨迹训练 WorkPilot 模型。

Co-Design Bench 在 273 个带有隐藏验收标准的真实用户应用修订上评估编码智能体，发现强模型在每个任务上能满足许多标准，但仅完全完成少数任务。

VibeGame 将 AI 原生 2D 游戏引擎与八智能体对抗团队及免训练经验蒸馏相结合，将自然语言提示转化为可玩的游戏项目。

WeVisCut 连接一个有状态脚本到视频智能体 harness、一个从成片恢复可执行监督的四阶段流水线，以及一个单一 9B 策略；该策略经 SFT、运行时验证的 RFT、Guided-OPD 和 RCF-DAPO 训练，并在 100 任务基准上用五项指标评估。

WebAnything 使用 Explorer–Builder 和独立验证器从真实 URL 自动重建基于来源的可执行 Web 环境，产出 244 个工件和 12,984 个已接受任务，并在 SFT 后提升智能体基准表现。

TAO 联合评估工具返回就绪性、时间衰减的 KV-cache 信用和 token 占用，然后使用动态规划在 GPU 节点上选择并放置等待中的 agent 会话。

RealCLI 是一个配对式 CLI 基准，用于在匹配任务上评估自主执行与脚本化人机协作，揭示前沿智能体在联合任务协作方面的低表现。

PersonaCUABench 固定 74 个任务，仅在 44 个用户角色间改变请求用户；在九个 backbone 上，角色请求将平均任务完成率从 0.689 降至 0.441，且用户满意度与完成率出现分化。

TauIndianBankBench 是一个包含 1,000 个任务的印度零售银行基准，用于评估使用工具的对话智能体是否完成规定流程步骤和最终记录。

CausGround 将交互轨迹蒸馏为基于因子化世界状态的可复用、以动作为中心的因果知识，然后将任务相关的前置条件和效果落地，以指导冻结的 MLLM 规划器而无需参数更新。

PreView 是一种经过训练的辅助预处理器，为冻结的 GUI grounding 模型提供以中心为导向的裁剪放大视图以及候选特定的视觉和文本线索，从而在不重新训练该模型的情况下提高准确率。