智能体 · Skill · MCP

MAS-Guard提出统一护栏框架，覆盖单智能体与多智能体LLM系统

多智能体系统权限分散、角色异构，统一护栏有利于工程化防护；可覆盖可插桩与不透明智能体。

COMPASS 路由：DeepSWE 准确率 78.1%

无需训练路由权重即可依据性能与成本证据选模型，对多模型编排和成本控制有直接参考价值。

TraceLite 压缩 SWE Agent 轨迹，解决率 78.25%、省 33.05% token

免训练压缩历史观察为图像并去冗余，降低 SWE agent 推理成本，可直接评估用于仓库级任务。

Gemini 智能体流水线在不可计算的 Busy Beaver 前沿自主发现图灵机加速规则

把智能体从「解人类出的题」推向「自主提出猜想并证明」，对开放式自主发现系统的设计是重要参照

PerMIT：门控 + Lean 4 定理为智能体持久记忆提供可证明防投毒保障

记忆注入/投毒是带持久记忆智能体的核心风险，该工作给出可审计、可形式化验证的防护范式与社区信任扩展机制。

RoleFlow 在 7 基准平均最优，超最强对手 4.7 分

提出 SECPO 对结构编辑做因果信用分配，使多智能体协作可自进化；跨基准泛化验证，对自适应 Agent 编排有参考价值。

Steward 多智能体系统：5 个月实盘将 24.6% 板块回撤控制为 0.3% 损失

为高风险自主智能体提供可审计的自进化架构：固定核心、分层记忆和可回滚反思门控，并通过实盘与回测证明风险约束有效。

LLM 智能体实现 OTFS 检测器，优化版每帧 18k-405k cycles

展示 LLM 智能体在真实硬件约束下探索实现空间、每步成本实测的流程，对端侧部署与芯片设计自动化有参考价值。

SWE-Bench Pro V2 修复或淘汰 731 个任务中的 480 个并加固评测协议

编码智能体基准的可信度直接决定选型结论，V2 用盲实现与干净容器重评分封堵刷榜，采用前需重跑基线

单句“关系攻击”即可诱导 LLM 智能体改判，开源模型成功率高达 80%

多智能体辩论反而抬高团队错误率，说明证据链校验不能只依赖来源支撑检查