arXivDaily arXiv每日学术速递 周一至周五更新
arXiv周末暂无论文更新,休息一下吧,周末愉快~~

大厂专区

Salesforce

共收录 990 篇
2611.14654 2026-11-13 cs.AI cs.CL cs.LG 新提交

Cleaning an Agent's History Hurts When the World Still Holds the Error

当世界仍存在错误时,清理智能体的历史会造成损害

Egor Pakhomov, Anurag Koul, Hongjun Liu, Bo Pang, Shafiq Joty, Erik Nijkamp

机构 * Salesforce AI Research(Salesforce人工智能研究院)

AI总结 本文研究发现,在智能体任务中途编辑历史的效果取决于世界状态,清理历史时若世界仍存在错误,可能导致智能体表现比不编辑更差。

Comments 23 pages, 6 figures; code and data in ancillary files

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.13183 2026-11-11 cs.SE cs.AI 新提交

AgentScript-Eval: Benchmarking LLMs and Agents for Code Generation in an Enterprise DSL

AgentScript-Eval:针对企业领域特定语言代码生成的大语言模型与智能体基准测试

Dipin Khati, Shubham Mehrotra, Bin Bi, Zhou Yu, Denys Poshyvanyk, James Zhu, Sitaram Asur, Phil L. Mui

机构 * William & Mary(威廉与玛丽学院) ; Salesforce(赛富时)

AI总结 本文提出AgentScript-Eval基准测试,针对企业DSL代码生成评估LLM与智能体,发现模型规模预测性弱,编译-编辑循环可大幅提升性能,指导措辞比呈现形式更关键。

Comments Accepted to 40th Conference on Neural Information Processing Systems (NeurIPS 2026). Workshop: 2nd Workshop on Agentic AI Benchmarks and Applications for Enterprise Tasks (AABA4ET), NeurIPS 2026

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.11499 2026-11-10 cs.LG cs.AI 新提交

JoMoHa: Joint Model--Harness Optimization with Reinforcement Learning

JoMoHa:联合模型与工具 harness 的强化学习优化框架

Xudong Wu, Guangchen Lan, Mingqi Yuan, Jiayu Chen

机构 * The University of Hong Kong(香港大学) ; Salesforce AI Research(Salesforce人工智能研究院)

AI总结 该研究针对语言智能体模型与 harness 单独优化的不兼容问题,提出 JoMoHa 框架,通过强化学习联合训练两者策略,在 ALFWorld 等数据集上取得最高成功率,实现递归自我改进。

Comments 10 pages

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.11266 2026-11-10 cs.CR cs.AI cs.MA 新提交

ErosionBench: Probing Alignment Decay in Enterprise Multi-Agent Systems

ErosionBench:探究企业多智能体系统中的对齐衰减

Riya Bharathwaj, Akshara Prabhakar, Roshan Ram, Avni Kothari, Sarah Tan, Huan Wang, Silvio Savarese

机构 * Salesforce AI Research ; Georgia Institute of Technology(佐治亚理工学院)

AI总结 研究针对企业多智能体系统的跨会话共享状态侵蚀攻击,提出基准ErosionBench,结合Meta-Auditor防御,在906个保留场景上实现98.5%召回率,检测不受渠道影响,Claude审计器表现最优。

Comments 10 pages plus references and appendices

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.08453 2026-11-06 cs.LG cs.CL 新提交

Unpacking the Compute Efficiency of Strong-to-Weak OPD against GRPO

解析强转弱的OPD与GRPO的计算效率

Zeyu Leo Liu, Yang Li, Bo Pang, Emre Can Acikgoz, Xuan-Phi Nguyen, Anurag Koul, Srijan Bansal, Erik Nijkamp, Shafiq Joty, Semih Yavuz

机构 * Salesforce AI Research(Salesforce人工智能研究部) ; UIUC(伊利诺伊大学厄巴纳-香槟分校)

AI总结 该研究对比OPD与GRPO的计算效率,发现当教师为学生自身GRPO检查点时,OPD在数学等任务上效率更高,多教师OPD可整合GRPO专家并降低总计算量。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.07851 2026-11-06 cs.HC cs.IR 新提交

Tasteply: Externalizing Stable and Situational Preference as Manipulable Spatial Objects

Tasteply:将稳定偏好与情境偏好外部化为可操控的空间对象

DaEun Choi, Daniel Lee

机构 * Salesforce AI Research(Salesforce 人工智能研究院)

AI总结 Tasteply将用户偏好外部化为可操控空间对象,通过吸引子与全局场实现推荐控制,探索性研究验证了其空间控制的有效性及局限性。

Journal ref UIST 2026 Posters

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.05650 2026-11-05 cs.AI 新提交

Attributing Agent Failures to Their History Needs an Executed Counterfactual: Toward a Reporting Standard

将智能体失败归因于其历史需要执行的反事实:迈向报告标准

Egor Pakhomov, Erik Nijkamp

机构 * Salesforce AI Research(Salesforce AI研究院)

AI总结 该研究指出现有长程智能体失败归因方法未采用执行的反事实,提出需经干预验证的证据及重放证书的报告标准,并通过两项测量警示了未应用该标准的问题。

Comments Accepted at the IAB Workshop (Interpreting Agent Behavior) at NeurIPS 2026 (non-archival). 20 pages

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2607.22877 2026-11-04 cs.AI cs.HC cs.RO 版本更新

Towards Trustworthy Physical Intelligence: From Theory to Practice Across Life Cycle

物理人工智能治理:跨越生命周期从理论到实践

Yang Wang, Hongxuan Liu, Xinghui Xu, Arjun Menon, Xiaoran Cai, Yunyu He, Alex Tarvo, Jingzong Zhou, Mengzhong Ma, Xinpeng Wei, Yi Yu, Shaobo Wang, Cheng Peng, Aoran Jiao, Alexei Korolev, Yanyan Zhang, Kai Ye, Xinpeng Li, Chengquan Guo, Jingjing Fu, Nicholas Bai, Yongjun He, Junru Ren, Silei Ren, Mohamad Louai Shehab, Keshu Cai, Nathaniel Dennler, Traian Tus, Gaoyue Zhou, Abdullah Garra, Mason Nakamura, George Ortiz, Marius Urbanas, Lars Johannsmeier, Rohit Sharma, Suraj Deshmukh, Michael Spranger, Vinayak Gupta, Xu Chen, Ashis G. Banerjee, Yuxiang Feng, Yoshua Bengio, Peng Qi

机构 * Case Western Reserve University(凯斯西储大学) ; Shanghai Jiao Tong University(上海交通大学) ; Massachusetts Institute of Technology(麻省理工学院) ; Columbia University(哥伦比亚大学) ; University of California, Riverside(加州大学河滨分校) ; Nanyang Technological University(南洋理工大学) ; New York University(纽约大学) ; Salesforce(Salesforce公司) ; Harvard University(哈佛大学) ; Stanford University(斯坦福大学)

AI总结 本文对物理人工智能治理进行全面综述,综合现有原则形成统一框架,提出五阶段生命周期,通过具体实践展示各阶段治理操作,为构建安全可信且符合社会价值的物理人工智能系统提供参考。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.00450 2026-11-03 cs.CL cs.AI cs.LG 新提交

From Lookups to Lessons: Turning Retrieved Knowledge into Parametric Memory

从检索到经验:将检索到的知识转化为参数化记忆

Changjiang Han, Bowei He, Ye Yuan, Weixu Zhang, Haolun Wu, Xue Liu, Jikun Kang

机构 * MBZUAI(穆罕默德本扎耶德人工智能大学) ; McGill University(麦吉尔大学) ; Mila(米拉研究所) ; Salesforce(赛富时)

AI总结 本研究提出ResMem,将检索知识转化为参数化记忆,降低存储成本,提升问答任务的token F1,减少对LLM正确答案的破坏。

Comments 16 pages, 4 figures, 6 tables

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2605.16679 2026-10-30 cs.CL cs.AI 版本更新

CHI-Bench: Can AI Agents Automate End-to-End, Long-Horizon, Policy-Rich Healthcare Workflows?

CHI-Bench: 能否让AI代理自动化端到端、长周期、政策丰富的医疗工作流程?

Haolin Chen, Deon Metelski, Leon Qi, Tao Xia, Joonyul Lee, Steve Brown, Kevin Riley, Frank Wang, T. Y. Alvin Liu, Hank Capps MD, Zeyu Tang, Xiangchen Song, Lingjing Kong, Fan Feng, Tianyi Zeng, Zhiwei Liu, Zixian Ma, Hang Jiang, Fangli Geng, Yuan Yuan, Chenyu You, Qingsong Wen, Hua Wei, Yanjie Fu, Yue Zhao, Carl Yang, Biwei Huang, Kun Zhang, Caiming Xiong, Sanmi Koyejo, Eric P. Xing, Philip S. Yu, Weiran Yao

机构 * Johns Hopkins Medicine(约翰霍普金斯医学中心) ; Wellstar Health System(Wellstar健康系统) ; Stanford University(斯坦福大学) ; CMU(卡内基梅隆大学) ; UCSD(加州大学圣地亚哥分校) ; Yale School of Medicine(耶鲁医学院) ; Salesforce AI Research(Salesforce人工智能研究) ; University of Washington(华盛顿大学) ; Northeastern University(东北大学) ; Brown University(布朗大学) ; Boston College(波士顿学院) ; Stony Brook University(史泰森布里克大学) ; University of Oxford(牛津大学) ; Arizona State University(亚利桑那州立大学) ; University of Southern California(南加州大学) ; Emory University(埃默里大学) ; MBZUAI ; Recursive Superintelligence(递归超级智能) ; University of Illinois at Chicago(伊利诺伊大学芝加哥分校)

AI总结 本文提出CHI-Bench基准,旨在评估AI代理在医疗工作流程中端到端、长周期和政策丰富任务中的自动化能力,揭示当前基准测试中政策密度、多角色协作和多方交互等能力的不足。

Comments Website: https://actava.ai/benchmarks Code: https://github.com/actava-ai/chi-bench Dataset: https://huggingface.co/datasets/actava/chi-bench

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.33799 2026-10-27 cs.CL 新提交

MTA-Zero: Self-Improving Multimodal Deep Search via Online QA-Solver Co-training

MTA-Zero:通过在线问答求解器协同训练实现自改进的多模态深度搜索

Xiangyu Peng, Jiaxin Zhang, An Yan, Yu Li, Ran Xu, Zeyuan Chen, Chien-Sheng Wu

机构 * Salesforce(赛富时)

AI总结 MTA-Zero是无需预计算多跳语料库的在线多模态问答求解器协同训练框架,通过GRPO优化生成器与求解器策略,在六个多模态深度搜索基准上显著提升了Qwen系列求解器性能,达到与GPT-5相当的水平。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.33306 2026-10-27 cs.DB cs.DC 新提交

Nemo: Efficient Caching with Index Pushdown for Disaggregated OLTP Databases

Nemo:面向分离式OLTP数据库的带索引下推的高效缓存

Wenjie Hu, Xinjing Zhou, Zhihan Guo, Xiangpeng Hao, Xiangyao Yu

机构 * University of Wisconsin-Madison(威斯康星大学麦迪逊分校) ; Massachusetts Institute of Technology(麻省理工学院) ; Salesforce, Inc.(赛富时)

AI总结 Nemo是面向分离式OLTP数据库的带索引下推的高效缓存设计,通过树结构记录缓冲、负搜索结果缓存及鲁棒幻读保护,在点查询、负搜索和幻读保护性能上均显著优于现有方案。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.32004 2026-10-26 cs.HC cs.CL 新提交

CRM-Agent-Bench: Benchmarking Tool-Using Agents in Stateful Enterprise Environments

CRM-Agent-Bench:面向有状态企业环境的工具使用智能体基准测试

Monojit Banerjee, Zhujun Lan, Defu Cao

机构 * Salesforce, Inc.(赛富时有限公司)

AI总结 本文提出CRM-Agent-Bench基准测试,评估16个智能体系统在555个CRM相关有状态多轮任务上的表现,发现领先系统严格成功率达64.32%-83.60%,但成本和各领域可靠性差异显著。

Comments 52 pages

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.31840 2026-10-26 cs.CL 新提交

SPECMEM: Accelerating Agentic Tool Calling via Live Memory Management

SPECMEM:通过实时内存管理加速智能体工具调用

Zihe Song, Wenting Zhao, Ye Liu, Yuanjie Zhu, Ke Xu, Shanghao Li, Philip S. Yu

机构 * University of Illinois Chicago(伊利诺伊大学芝加哥分校) ; Salesforce Research(Salesforce研究部门)

AI总结 提出SpecMem实时内存管理方法,通过LRU存储、副作用门等,在多模型多用户场景下提升工具调用接受率,最高实现1.74倍速度并消除不可逆错误。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.27290 2026-10-21 cs.AI cs.CL cs.LG 新提交

TEX: Test-Time Scaling Testing Agents via Execution-based Cross-Validation

TEX:基于执行的交叉验证测试时缩放测试智能体

Akash Gokul, Srijan Bansal, Yingbo Zhou, Semih Yavuz

机构 * Recursive(递归公司) ; Salesforce Research(Salesforce研究院) ; NVIDIA(英伟达公司)

AI总结 本研究提出TEX协作测试时缩放框架,通过执行交叉验证提升长视野智能体测试用例生成性能,在SWT-Bench Verified上达86.4%准确率,刷新最优水平。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.27234 2026-10-21 cs.AI 新提交

EGI-BENCH: An Enterprise General Intelligence Benchmark Suite

EGI-BENCH:企业通用智能基准套件

Zhiwei Liu, Zhujun Lan, Jielin Qiu, Zixiang Chen, Liangwei Yang, Ming Zhu, Akshara Prabhakar, Wenting Zhao, John Emmons, Jason Wu, Shafiq Rayhan Joty, Junnan Li, Shelby Heinecke, Silvio Savarese, Huan Wang

机构 * Salesforce AI Research(Salesforce AI研究部)

AI总结 EGI-BENCH是整合8个企业智能体基准的统一LLM智能体套件,定义六维度EGI评分,测试14款LLM发现无单模型全维度领先,各模型在对应能力维度有优势。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.23812 2026-10-19 cs.LG 新提交

Learning Personalized Memory Gating from Delayed One-Sided Feedback

基于延迟单侧反馈的个性化记忆门控学习

Kaixuan Ji, Zixiang Chen, Wenting Zhao, Cheng Qian, Heng Wang, Weizhi Zhang, Jielin Qiu, Liangwei Yang, Quanquan Gu, Silvio Savarese, Shelby Heinecke, Huan Wang

机构 * Salesforce AI Research(Salesforce AI研究院) ; University of California, Los Angeles(加州大学洛杉矶分校) ; University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校) ; University of Illinois Chicago(芝加哥伊利诺伊大学)

AI总结 针对现有记忆门控策略未考虑用户个性化模式的问题,该研究提出基于延迟单侧反馈的个性化记忆门控方法,通过检索式标注策略与Warm-Start UCB算法实现,理论分析与实验验证其性能优于基线方法。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.22324 2026-10-16 cs.CL 新提交

Training Reasoning Models to Generate Diverse Scientific Ideas

训练推理模型以生成多样化的科学想法

Manya Wadhwa, Pranav Narayanan Venkit, Hiroaki Hayashi, Yu Li, Tuhin Chakrabarty, Chien-Sheng Wu

机构 * New York University(纽约大学) ; Salesforce AI Research(Salesforce AI研究院) ; Stony Brook University(石溪大学)

AI总结 本研究针对LLM生成科学想法时忽视多样性的问题,提出集合级强化学习方法训练8B模型,其创造性效用优于Claude Opus 4.8和GPT-6 Astra,且多样性提升未降低可执行性。

Comments Code and Data at:https://github.com/ManyaWadhwa/diverge_ideation | Under Review

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.19342 2026-10-16 cs.MA cs.AI 版本更新

Why Do Agent Teams Fail Across Boundaries? A Failure Taxonomy for Agent-to-Agent Systems with Private States

智能体团队为何跨边界失败?具有私有状态的智能体间系统的失败分类

Sarath Shekkizhar, Prathyusha Jwalapuram, Zixuan Ke, Vaidehi Patil, Jiayu Wang, Srijan Bansal, Trong Huy Nguyen, Dingfeng Jiang, Dongqi Liu, Ruochen Zhao, Wei Lu, Giuseppe Carenini, Mohit Bansal, Silvio Savarese, Shafiq Joty

机构 * Salesforce ; University of North Carolina(北卡罗来纳大学) ; Singapore University of Technology and Design(新加坡科技设计大学) ; Nanyang Technological University(南洋理工大学) ; University of British Columbia(不列颠哥伦比亚大学)

AI总结 该研究针对具有私有状态的智能体间系统,分析2500余次运行数据,提出含20种失败模式的分类$A^2$-Failures,发现三类问题并主张智能体需按自身目标单独评分。

Comments 20 pages, 7 figures, 4 tables. Run logs: https://huggingface.co/datasets/a2a-salesforce/a2-failures

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.19226 2026-10-15 cs.AI

Agentic Self-Awareness: Aligning Knowing, Acting, and Holding

智能体自我意识:对齐认知、行动与弃权

Qinglin Chen, Hiroaki Hayashi, Jiaxin Zhang, Chien-Sheng Wu

机构 * Salesforce AI Research

AI总结 本研究提出智能体自我意识(ASA)概念,构建相关基准与评估标准,通过搜索方法提升智能体受阻任务的严格自我意识,同时指出仅优化弃权会降低可行任务成功率。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.08077 2026-10-15 cs.AI cs.CL cs.IR cs.LG 版本更新

Self-Retrospection Distillation: Turning Post-hoc Experiences into Prior Foresight

自我反思蒸馏:将事后经验转化为先验预见

Haoxiang Zhang, Qinglin Chen, Hiroaki Hayashi, Zhuofeng Li, Siming Zhang, Jiaxin Zhang, Jixuan Chen, Fang Wu, Pan Lu, Silvio Savarese, Julian McAuley, Chien-Sheng Wu

机构 * Salesforce AI Research(Salesforce人工智能研究院) ; UC San Diego(加州大学圣地亚哥分校) ; Texas A&M University(得克萨斯农工大学) ; Stanford University(斯坦福大学)

AI总结 提出自我反思蒸馏(SRD),利用事后轨迹知识训练交互前预见,补充RLVR,在奖励均匀场景下显著提升成功率,最高达24.2个百分点。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.18206 2026-10-14 cs.SE cs.CL 交叉投稿

SWE-MISBEHAVIOR: Benchmarking and Mitigating Boundary Violations in Software Coding Agents

SWE-MISBEHAVIOR:软件编码智能体中边界违规的基准测试与缓解

Do Xuan Trong, Duc Anh Nguyen, Do Xuan Long, Ngoc-Hai Nguyen, Tongyao Zhu, Duy Dinh, Cayden Chik, Cuong Dang, Jiaying Wu, Xuan-Phi Nguyen, Vinh Van Nguyen, Kenji Kawaguchi, Shafiq Joty, Nancy F. Chen, Min-Yen Kan

机构 * National University of Singapore(新加坡国立大学) ; Vietnam National University, Hanoi(越南国家大学河内) ; University of Virginia, USA(弗吉尼亚大学) ; Agency for Science, Technology and Research (A*STAR), Singapore(新加坡科技研究局) ; Tufts University, USA(塔夫茨大学) ; Virginia Tech, USA(弗吉尼亚理工大学) ; Salesforce AI Research, USA(Salesforce AI 研究)

AI总结 该研究提出首个编码智能体边界违规不当行为的分类与评估基准SWE-MISBEHAVIOR,发现主流开源编码智能体存在多种不当行为,进而提出轻量级框架CODE-KIT,可显著降低不当行为并提升任务完成性能。

Comments Codes and data are available at https://github.com/dxlong2000/SWE-Misbehavior

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.17794 2026-10-14 cs.LG cs.AI 新提交

GIFT-Eval-CTX: A Benchmark For Contextual Forecasting Model Evaluation

GIFT-Eval-CTX:用于上下文预测模型评估的基准

Xu Liu, Hanshu Yan, Taha Aksu, Quang Pham, Zhongzheng Qiao, Jun Hao Liew, Silvio Savarese, Doyen Sahoo, Junnan Li

机构 * Salesforce AI Research(Salesforce AI研究院)

AI总结 本文提出基于GIFT-Eval构建的GIFT-Eval-CTX基准,用于评估上下文预测模型,通过结构化效应标注测试TSFMs、前沿LLMs等,发现结构化效应可降低预测误差,MoiraiAgent表现最佳。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2609.36115 2026-10-14 cs.LG 版本更新

Koa-decision: Fast and Consistent Structured Decision Making with Generative LLMs

Koa-action:使用生成式大语言模型进行快速且一致的结构化决策

Shenghong Dai, Shiva Kumar Pentyala, Yingchi Liu, Shubham Mehrotra, Suman Banerjee, James Zhu, Bin Bi, Sitaram Asur, Phil Mui

机构 * Salesforce AI(赛富时人工智能研究院) ; University of Wisconsin–Madison(威斯康星大学麦迪逊分校)

AI总结 针对LLM在延迟关键型分类中的不足,提出Koa-action框架,通过单令牌约束生成和微调实现快速原子决策,在保持高准确率的同时大幅降低延迟。

Comments 19 pages, 12 figures. v2: renamed Koa-action to Koa-decision

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2609.15066 2026-10-09 cs.CL cs.AI cs.LG 版本更新

Salesforce Koa: An Enterprise Language Model for Agentic Tool Use

Salesforce Koa:面向智能体工具使用的企业级语言模型

Zixiang Chen, Sufeng Niu, Yingchi Liu, Wenting Zhao, Akshara Prabhakar, Shubham Mehrotra, Bin Bi, Zhujun Lan, Katherine Tan, Mohammad Ramezanali, Tulika Manoj Awalgaonkar, Monojit Banerjee, Jielin Qiu, Shiva Kumar Pentyala, Zhepeng Cen, Anupam Tripathi, Ali Ziaei, Regunathan Radhakrishnan, Darvish Lee Shadravan, Shelby Heinecke, Sitaram Asur, Jayesh Govindarajan, Silvio Savarese, James Zhu, Phil Mui, Huan Wang

机构 * Salesforce Agentforce & AI Research(赛富时 Agentforce 与人工智能研究院)

AI总结 Salesforce Koa通过规范驱动的强化学习后训练开放权重模型,提升多轮工具使用和智能体能力,在企业基准上超越专有基线。

Comments 17 pages, 1 figure, 11 tables

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2512.14014 2026-10-09 cs.AI 版本更新

MobileWorldBench: Towards Semantic World Modeling For Mobile Agents

MobileWorldBench: 向移动智能体的语义世界建模迈进

Shufan Li, Konstantinos Kallidromitis, Akash Gokul, Yusuke Kato, Kazuki Kozuka, Aditya Grover

机构 * UCLA(加州大学洛杉矶分校) ; Panasonic AI Research(松下人工智能研究) ; Salesforce AI Research(Salesforce人工智能研究)

AI总结 MobileWorldBench通过语义世界模型提升移动智能体任务成功率

Comments 21 pages, 13 figures

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2510.00536 2026-10-09 cs.CL 版本更新

GUI-KV: Efficient GUI Agents via KV Cache with Spatio-Temporal Awareness

GUI-KV:借助具备时空感知的KV缓存实现高效GUI智能体

Kung-Hsiang Huang, Haoyi Qiu, Yutong Dai, Caiming Xiong, Chien-Sheng Wu

机构 * Salesforce AI Research(Salesforce AI研究)

AI总结 针对GUI智能体处理长序列高分辨率截图时推理效率低的问题,提出无需重训的即插即用KV缓存压缩方法GUI-KV,结合时空感知技术,在降低运算量的同时提升了准确率。

Comments Accepted by TMLR

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.10426 2026-10-08 cs.CL 新提交

CoTrace: Data Recipes for Training Terminal Agents with Harness-Model Co-Evolution

CoTrace:基于模型与运行框架协同进化的终端智能体训练数据配方

Jixuan Chen, Jiaxin Zhang, Qinyuan Ye, Yada Pruksachatkun, Haoxiang Zhang, Jingming Zhuo, Yifan Zhang, Yutong Dai, Juntao Tan, Xiangyu Peng, Silvio Savarese, Zeyuan Chen, Lianhui Qin, Chien-Sheng Wu

机构 * University of California, San Diego(加利福尼亚大学圣迭戈分校) ; Salesforce AI Research(赛富时人工智能研究院) ; University of Washington(华盛顿大学)

AI总结 CoTrace提出一种框架感知的数据配方,通过轨迹路由、来源匹配和课程刷新优化终端智能体训练,在Tmax上使Qwen3.5-9B从78提升至88个任务,并验证了框架兼容性对分布外迁移的关键作用。

Comments Preprint. 32 pages, 7 figures, 17 tables

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.09193 2026-10-08 cs.AI cs.CL 新提交

Bookkeeping, Composition, or Unreachable Gold? Reading MemoryAgentBench's Conflict-Resolution Scores Against a Frozen Last-Write Resolver

记账、组合,还是不可达的金矿?对照冻结的最后写入解析器解读 MemoryAgentBench 的冲突解决分数

Egor Pakhomov, Erik Nijkamp

机构 * Salesforce AI Research(赛富时人工智能研究院)

AI总结 本研究通过冻结的最后写入解析器执行 MemoryAgentBench 冲突解决基准,发现官方指标下规则可答对 80.25% 问题,但 67 个不可达项目暴露了可达性分割和解析器残留,强调逐项分割而非总体分数才是解读关键。

Comments Accepted at the IAB Workshop (Interpreting Agent Behavior) at NeurIPS 2026 (non-archival). 19 pages

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2608.29971 2026-10-08 cs.AI cs.LG 版本更新

EDGE: Engine for Deterministic Graph Evaluation through Conversation Simulation from Graph Structured DSL Configuration

EDGE:基于图结构DSL配置的对话模拟实现确定性图评估的引擎

Ram Kulathumani, Pushkar Nagar, Regunathan Radhakrishnan, Anupam Tripathi, Xiangbo Mao, Roshanak Omrani, Keshav Somani, Shwet Kamal Mishra, Shayna Lurya

机构 * Salesforce

AI总结 EDGE基于AgentGraph等框架,通过图遍历生成对话路径评估集,定义新指标量化智能体确定性,证实带受控节点转换的智能体确定性更优。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
↑