- 1. 美团 LongCat-Flash-Thinking-2601 发布：Agentic Search 与工具调用登顶开源 SOTA
美团 LongCat 团队开源了 LongCat-Flash-Thinking-2601 模型，在 Agentic Search（智能体搜索）和 Agentic Tool Use（智能体工具调用）等核心评测基准上达到开源模型 SOTA 水平。在 τ²-Bench 多领域工具调用评测中取得 88.2 分，超越 Qwen3、Llama-3 系列开源同行；在 BFCL、Tau-Bench 等智能体评测上同样领先…
出现于日报：05-07
- 2. 美团 LongCat-Flash-Thinking-2601：Agentic Search/Tool Use 登顶开源 SOTA
美团 LongCat 团队发布并开源 LongCat-Flash-Thinking-2601，在 τ²-Bench (88.2) 与 VitaBench (29.3) 等 Agentic Tool Use 基准上拿到开源 SOTA。核心做法是"环境扩展+多环境强化学习"：构建多套训练环境，每套集成 60+ 工具并形成密集依赖图谱；并新增专门强化总结归纳能力的 RL 阶段，最后用"双路径推理框架"自动筛选最优查询样本…
出现于日报：05-04
- 3. SCOUT: Active Information Foraging for Long-Text Understanding with Decoupled Epistemic States · 📖 深度解读
针对百万 token 级长文本理解任务，论文指出端到端 long-context LLM 存在 token 消耗过高、注意力稀释问题，而传统专用 LTU 智能体（如图构建、索引）又会因任务无关的抽象牺牲精度。作者提出 SCOUT，一种从被动处理转向主动信息觅食（active information foraging）的新范式：把文档视为可探索环境，由「状态级 gap 诊断」驱动，自适应地在粗粒度浏览与细粒度精读间切换…
出现于日报：05-08
- 4. Meituan LongCat-Flash-Thinking-2601: Open-Source SOTA on Agentic Search & Tool Use
美团 LongCat 团队对外发布并开源 LongCat-Flash-Thinking-2601 模型，在 Agentic Search（智能体搜索）、Agentic Tool Use（智能体工具调用）、TIR（Tool-Interaction Reasoning）等核心评测基准上均达到开源模型 SOTA。配套发布 VitaBench（Versatile Interactive Tasks Benchmark）评测集…
出现于日报：05-08
- 5. 美团 LongCat-Flash-Thinking-2601 开源：Agentic Search、工具调用与并行推理实践
美团 LongCat 团队开源 LongCat-Flash-Thinking-2601 推理大模型，专门面向 Agentic Search、Agentic Tool Use、Tool Interaction Reasoning 三类任务。论文采用 8 路 Parallel Thinking 并行推理 + 迭代摘要（Iterative Summarization）的结构设计，配合两阶段数据策略与 128k 长上下文…
出现于日报：05-06
- 6. Workspace-Bench 1.0: Benchmarking AI Agents on Workspace Tasks with Large-Scale File Dependencies · 📖 深度解读
论文提出 Workspace-Bench 评估 AI Agent 处理「真实工作空间 + 大规模文件依赖」任务的能力。基准覆盖 5 类员工画像、74 种文件类型、20,476 个文件 (最大 20GB)、388 条精选任务和 7,399 条评测 rubric，并提供 100 任务 Lite 版以降低 70% 评估成本。在 4 种 Agent 框架 × 7 个基础模型上测试，最佳 Agent 完成率 68.7%，人类基线 80.7%…
出现于日报：05-07
- 7. 小红书联合人大开源通用智能体 DeepAgent：1.6 万 RapidAPI 工具调用
小红书联合中国人民大学研究团队开源通用智能体 DeepAgent，定位为「具备可扩展工具集的端到端推理 Agent」。核心能力包括：在 16,000+ RapidAPI 工具池中动态发现并调用合适工具、面向全局任务规划而非单步反应、自主记忆折叠 (memory folding) 长程上下文，并对推理-行动循环进行端到端训练。这是国内 UGC 平台首次开源面向通用任务的智能体框架…
出现于日报：05-07
- 8. T^2PO: Uncertainty-Guided Exploration Control for Stable Multi-Turn Agentic Reinforcement Learning · 📖 深度解读
本文针对多轮 agentic RL 训练崩溃问题，提出 Token- and Turn-level Policy Optimization（T²PO）。作者将训练不稳定归因于多轮场景中的低信息探索：策略反复生成既不降低不确定性也不推进任务的 token 与 turn。T²PO 在 token 级监控边际不确定性变化，一旦低于阈值就触发思考干预，强制重写探索方向…
出现于日报：05-06
- 9. 阿里云 AI 搜索 Agentic RAG 技术实践
阿里云搜索团队系统介绍其 Agentic RAG 落地路径：针对不同类型文档 (PDF、Office、网页、代码库) 开发差异化解析策略；多源数据接入 (OSS、ADB、关系库、URL 抓取) 形成统一索引；将 Pipeline、Inference API、子服务模块化，使 Agent 可以以工具调用方式编排检索-改写-重排-生成流程。系统强调「离线索引建设 + 在线 Agent 编排」分层架构，并通过子服务复用降低企业级落地成本。
出现于日报：05-07
- 10. GEM: Graph-Enhanced Mixture-of-Experts with ReAct Agents for Dialogue State Tracking
针对多领域对话状态追踪（DST），作者提出 GEM 框架：一个智能 router 在 GNN（捕捉对话结构和 turn 间依赖）与 finetuned T5-Small 编码-解码器（序列建模）之间动态路由，对复杂槽位生成任务则集成 ReAct Agent 进行结构化推理。在 MultiWOZ 2.2 上实现 65.19% Joint Goal Accuracy，相对端到端 LLM 方法的最佳 38.43% 大幅提升…
出现于日报：05-08