从代码助手到协作系统，追踪 Agent 的能力与边界。
智能体围绕目标选择动作和工具，工作流则更多沿着预设步骤运行。可靠部署需要明确权限、可观察的结果，以及失败时的停止或升级机制。
arXiv:2610.22507v1 公告类型：新 摘要：命令行界面 (CLI) 代理越来越多地执行长期任务，但现有基准要么假设用户指令在整个执行过程中保持固定，要么在不捕获运行时协作质量的情况下评估任务结果。
arXiv:2610.22373v1 公告类型：新 摘要：基于 LLM 的代理越来越多地用作分布式多代理系统中的自主协调器，但仍然存在控制差距：没有协议级机制允许人类操作员注入在整个规划周期中持续存在的绑定指令。
arXiv:2610.22379v1 公告类型：新 摘要：校准昂贵的工程模拟器需要调整模型参数以匹配参考数据，这一过程严重受到计算成本的限制。本研究调查以模拟错误的物理诊断描述为条件的大型语言模型 (LLM) 是否可以比传统的无导数优化器更有效地提出信息参数更新。
arXiv:2610.22499v1 公告类型：新 摘要：人类交流本质上是多模态的，不仅通过语言和声音提示，还通过视觉信号传达意图。然而，现有的对话系统主要关注文本或语音，忽略了自然交互所必需的视觉反馈。
arXiv:2610.22381v1 公告类型：新 摘要：当事实变得更难从语言模型中得出时，模型是否丢失了它，或者只是变得更难以访问？参数更新测试时持续学习代理通常通过当前输出精度来评估；我们询问该测量是否反映了先前的经验如何影响以后的更新。
arXiv:2610.22408v1 公告类型：新摘要：长视野 GUI 代理依靠视觉历史记录来维护任务状态，但保留历史屏幕截图会增加视觉令牌的使用和推理成本，而文本摘要可能会丢弃关键状态信息，从而破坏长视野可靠性。
arXiv:2610.22426v1 公告类型：新 摘要：LLM 代理用于根据组织的要求检查记录，例如漏洞报告是否已准备好进行调查。要求通常允许通过多种方式来满足，例如通过管理者审查的咨询或发布的咨询链接进行严重性评级。
arXiv:2610.22420v1 公告类型：新 摘要：基于代理的模型非常适合对农业生态系统进行决策建模，但将其模拟转化为可操作的见解需要确定哪些决策真正驱动了行为。
TLDR：在我看来，我解释了技术人工智能对齐问题是什么以及它的核心困难是什么。这一观点同时借鉴了理论计算机科学/机器学习理论的经典传统、分析哲学的思想以及起源于机器智能研究所/LessWrong的观点。
