PAWS：面向政策驱动的多智能体金融世界模拟数据集发布
针对现有金融多智能体模拟数据集缺乏与历史证据时间对齐的问题，研究人员推出了 PAWS（政策驱动型智能体世界模拟）数据集。该数据集涵盖 36 个经过验证的美国金融与经济政策事件、12,727 条与政策关联的新闻记录，以及 65,291 个基于实际来源的利益相关者行为。每个行为均关联支撑新闻，并通过多层事件框架表征交互模式与金融行动类别，为金融多智能体仿真与宏观政策影响模拟提供了扎实的数据基础。
DC AI 热点
精选
当前热点完整榜单 →
1针对长上下文编程优化，Claude Opus 5.5 正式发布81 热度 ⌁2OpenAI升级ChatGPT语音功能，支持通过语音指令执行复杂工作任务81 热度 ⌁3七校联合开源世界动作模型OpenWAM，构建机器人动作模拟基座79 热度 ⌁4Cerebras推出CS-4晶圆级AI加速器：推理速度号称达GPU系统的30倍78 热度 ⌁5三大运营商掀起AIDC基建浪潮：上半年投资达283亿元78 热度 ⌁9月25日2026-09-25
面向DNA测序数据分析自动化的智能体框架BaseCamp
针对DNA测序流程中质控阈值选择、边界变异判定、异常诊断及复核标记等高度依赖人工经验且标准不一的问题，研究团队提出了智能体AI框架BaseCamp。尽管现有工作流系统已能规模化调度生物信息学工具，但周边决策层仍需大量繁琐的手动判断。该框架旨在利用智能体自动化这一决策层，以提升测序数据分析流程的规范性与效率。（注：输入摘要在文末截断）
TWIST：针对对话记忆系统干预质量的新型评测基准
该研究提出了对话记忆评测基准套件 TWIST，旨在评估记忆系统在用户信念发生改变时是否能正确执行干预操作。针对现有长对话基准主要测试召回率和被动知识更新的局限，TWIST 设立了四大评估维度：主动张力检测、依据历史记录审查输出草案、在回答当前信念的同时保留历史变更记录，以及对敏感召回的治理控制。该套件基于 LoCo 进行了扩展，并引入了经人工验证的草案对齐机制。
9月24日2026-09-24
大模型智能体缺乏人情世故？新研究提出关系社交推理框架ReAdapt
该论文指出当前大模型智能体在社交决策（如是否互动或联系谁）中，往往仅关注内容显著性而忽略人际间的潜在关系（如关系强度、互惠性等）。现有的智能体循环无法根据新关系证据动态调整社交假设，导致在关系与内容线索产生分歧时做出表面化选择。为此，研究团队形式化了这种失效模式，并提出了包含500个样本的关系推理基准测试及ReAdapt方法，以提升智能体的社交推理能力。
ShowTellArena：评估智能体从业务演示中理解工作流能力的基准数据集
研究人员提出了 ShowTellArena，这是一个用于评估智能体在观看带有口述解说的业务演示后其理解能力的基准测试协议与公开数据集。该基准模拟了人类通过“边演示边讲解”指导新同事的场景。v1.0 版本涵盖财务、招聘、采购、客户决策、库存和物流等领域的 50 个业务工作流任务，包含屏幕录像、截图、旁白解说及 502 道评估试题，旨在系统性测试智能体对复杂商业流程的掌握水平。
智能体与工具交互中的“静默失败”现象：针对 ToolUniverse 的审计研究
随着智能体 AI 系统逐步采用整合多工具的自动化流程，智能体与工具间交互的可靠性日益受到关注。该研究针对生物学智能体等工作流场景，系统调查了交互过程中的“静默失败”问题。此类故障表现为工具调用表面上显示成功，但 API 或封装层返回的信息与功能实际存在缺失或残缺，且未向用户或智能体发送任何异常通知。该研究填补了此前评测仅关注任务完成率而忽视交互底层隐性故障的空白。
EnSIMem：基于实体结构化索引的智能体长期记忆架构
长期与用户交互的智能体需要准确召回事实、偏好和事件等信息，但现有记忆系统常将其压缩为通用摘要或检索无标签文本块，难以精准识别实体属性及支撑依据。研究人员提出了EnSIMem，一种面向智能体的实体结构化长期记忆架构。该系统在离线阶段将历史交互组织为主题连贯的情节片段，并构建基于对话的实体索引条目，以提升长上下文对话中智能体记忆检索与推理的准确性。