- 1. Unlocking dependable responses with Gemini Enterprise Agent Platform’s Agentic RAG
Google Research 与 Google Cloud 发布 Gemini Enterprise Agent Platform 中的 Agentic RAG 框架，目标是解决企业多源、多跳问题在传统 RAG 中只能得到局部答案的问题。系统把复杂查询拆成规划、改写、路由、充分上下文检查等多个 agent 步骤，并持续跨语料检索直到证据足够…
出现于日报：07-03
- 2. Bringing Agentic Search to Earth Observation Data Discovery
论文面向 NASA 地球观测数据发现，提出一个已部署的 agentic search 系统，让用户用自然语言研究问题检索匹配的数据集和工具。作者基于 NASA Earth Observation Knowledge Graph 构建 NASA-EO-Bench，包含 4.7 万 query-dataset 对，其中 2.1 万是任务型查询；微调神经 scorer 已优于 cosine 与 BM25…
出现于日报：07-03
- 3. BaRA: Budget-constrained and Reliable Web Data Collection Agent
BaRA 将 LLM Web agent 的目标从“完成单个网页任务”扩展为预算受限的网站级多模态数据采集：agent 需要在固定交互次数内发现站内页面，并可靠提取文本、图像、视频等资产。方法采用 BFS 链接发现、存活性验证过滤幻觉和死链、基于 provenance 与可访问性的规则校验，以及历史自反思模块恢复执行失败；论文在合成和真实网站上显示 BaRA 能更稳定地发现有效页面并减少无效采集。
出现于日报：07-03
- 4. SkillCoach: Self-Evolving Rubrics for Evaluating and Enhancing Agentic Skill-Use
SkillCoach 关注 LLM agent 使用“技能库”时的过程质量问题：现实技能仓库中 SOP、领域规则、工具流程会互相重叠，只看最终 verifier 成败无法区分 agent 是正确选择技能，还是靠试错偶然通过。论文提出自演化 rubric 框架，从真实 rollout 中生成 skill-grounded 过程评分，并在技能选择、技能遵循、技能组合、基于技能的反思四个维度评估轨迹…
出现于日报：07-03
- 5. LongCat 开源 VitaBench 2.0：长期动态智能体基准新标杆
美团 LongCat 开源 VitaBench 2.0，定位为长期、真实、动态用户互动场景下的智能体评测基准，重点衡量大语言模型在长期记忆、用户建模、个性化响应和主动性上的能力。它把评测从静态单轮问答推进到连续用户互动，更贴近社区产品中“用户偏好随时间变化、agent 需要记住并调整策略”的真实问题。
出现于日报：07-03
- 6. 用 EdgeOne Makers 构建与托管 Agent：从 RAG 检索到智能助手
这篇腾讯云开发者社区文章展示了把已有文档 RAG/MCP 服务升级为 EdgeOne Makers 托管 Agent 的工程路径。实践中作者将工具规划阶段改为非流式 Chat Completions，模型返回 tool call 后由 Agent 执行工具并把 tool_call/tool_result 传给前端，最终回答再用 streaming；同时用 tracing 记录知识库查询、工具调用、LLM 阶段和 token 用量。
出现于日报：07-03
- 7. Safeguarding LLM Agents from Misalignment through Provenance Analysis
ProvenanceGuard 针对 LLM agent 工具调用偏离用户意图的风险，提出用 provenance analysis 判断一个动作是否被上下文中的可追溯证据支持。论文把 misalignment detection 形式化为“拟执行工具调用是否能从 agent 上下文中找到支撑链”，并构建多阶段流水线分析 action 与用户意图、上下文证据之间的关系，以替代难审计且不稳定的 LLM-as-judge 守卫。
出现于日报：07-03
- 8. PACE: A Proxy for Agentic Capability Evaluation
PACE 解决 agentic benchmark 昂贵、耗时、基础设施复杂的问题。作者观察 SWE-Bench、GAIA 等完整 agent 评测一次可能花费数千美元并持续数天，因此提出从非 agentic 原子能力评测中选择一小组实例，训练回归映射来预测模型在昂贵 agent benchmark 上的表现；这个 proxy benchmark 能用更低成本快速估计 agent 能力。
出现于日报：07-03
- 9. Mastering Agentic Techniques: AI Agent Reinforcement Learning
NVIDIA Developer Blog 的这篇工程文章聚焦 AI agent reinforcement learning，梳理从 RLHF 到更面向 agent 的强化学习技术如何用于对齐语言模型和优化工具使用策略。作为产业实践材料，它强调 RL 不只是提升聊天偏好，也可以训练 agent 在多步任务中学习何时调用工具、如何利用反馈、如何在环境交互中改进行为。
出现于日报：07-03
- 10. AgenticSTS: A Bounded-Memory Testbed for Long-Horizon LLM Agents
AgenticSTS 将长程 LLM agent 记忆建模为“未来每次决策允许看到什么”的契约，而不是简单把历史观察、工具调用和反思全部追加进 prompt。论文提出 bounded memory contract：每次决策都从新用户消息出发，通过 typed retrieval 组装上下文，不附加原始跨决策 transcript；作者在 Slay the Spire 2 长程决策环境中实现该契约，使 prompt 长度有界…
出现于日报：07-03