深度研究智能体换掉检索外壳：CORE 只把最相关片段送进上下文，553M 文档库上准确率领先 12.28 点
高通 AI 研究提出的 CORE 是一个免训练的研究外壳，把检索拆成粗到细两步：先用稠密检索取回整段文本，再复用后期交互重排器的词元级相似度，只把每段里最相关的片段交给智能体。在固定语料的封闭检索对照中，CORE 在三个智能体模型与三个基准的每一组比较里都取得最高的答案准确率和证据召回率，语料规模从 10 万网页文档到 5.53 亿篇 ClimbMix 文档。
冻结模型不改参数也能进步：TextualRL把同题多次尝试写成上下文补丁，六个基准平均最高提升24.4个百分点
TextualRL把同一任务、同一上下文下的多次执行作为一个整体来批评，而不是只看单条轨迹，再把评审后的文本补丁写回共享上下文，模型参数始终冻结。在五个目标模型、六个基准上，它取得每个目标的六基准平均最高分，相对无技能基线提升11.4至24.4个百分点，相对最强基线SkillOpt提升0.9至3.2个百分点。
多智能体架构未必更强：把专家子智能体折回主循环，质量常更好、延迟更低
企业级智能体部署中，把路由器、规划器和领域子智能体折回单一主循环，往往比“一个提示包打天下”和子智能体编排两种设计质量更好，且每任务成本与延迟常更低。子智能体仍适用于上下文膨胀导致性能下降、需要并行独立上下文、或工具选择与指令冲突的场景。迁移可借助一套引导式工作流，先在模拟系统上试跑。
长任务智能体不再被上下文淹没：LangChain把记忆搬进文件，换模型也不丢
LangChain 开源智能体框架 Deep Agents 用五种上下文工程手段应对长任务中的“上下文腐化”：把超大工具结果和用户消息卸载到文件系统、在接近上限时压缩历史、按需加载技能、用子智能体隔离噪声工作，并把长期记忆存成普通文件。它不删除信息，而是把上下文移出活动窗口，需要时再读回，因此记忆保存在用户自己控制的存储里，换模型或换供应商后仍可继续使用。
长跑智能体的上下文管理不再全靠大模型：ScaleDown专用模型接入LangChain，摘要便宜41倍
长跑智能体的上下文管理此前每一步都要调用通用大模型，慢且贵。ScaleDown的受限解码模型（CDM）只做单一任务，只返回该任务允许的答案，因而可以更小更快更省；LangChain与Deep Agents新增集成，内置摘要、工具结果压缩和结构化抽取三个中间件，LangSmith LLM Gateway也把ScaleDown列为直接模型提供方，调用可被追踪并计入额度。ScaleDown自报其模型在这类窄任务上比前沿模型快200倍、便宜467倍。
PoS 用显式信念状态管理长程智能体，在四个基准上以三种 LLM 骨干取得最高总体性能
该工作提出推理时框架 PoS，把当前世界状态估计与未解决任务需求合并为显式信念状态作为智能体决策上下文，并持续校验一致性、监控任务进展以检测“信念陷阱”，再按陷阱模式与未解决需求类型定制恢复；在覆盖执行与诊断的四个基准上，PoS 在三种 LLM 骨干下均取得最高总体性能，消融显示一致性校验与恢复机制重要，上下文扩展实验显示对上下文增长具有韧性。
阿里团队提出PoS：用显式信念状态加Belief Trapping检测与恢复，在四个基准、三个骨干上全部取得最高分
该工作提出推理时框架PoS，把智能体的决策上下文从交互历史改为持续维护的显式信念状态（世界状态加未解决的认识缺口与成就缺口），并用Belief Sentinel做一致性校验、用窗口级信号检测Belief Trapping（停滞、循环、漂移）后按模式与受阻缺口类型组合恢复约束；在ALFWorld、LOCA-Bench、RCA-100、ClinDiag四个基准与Qwen3.7-Plus、Kimi-K3、GLM-5.3三个骨干的全部12个组合上取得最高总体表现，相对同骨干最强基线的增益最高达ALFWorld 22.68%、RCA-100联合准确率37.89%。
把上下文变成可编辑文件：CLM 让模型自己管理上下文，在 BrowseComp-Plus 上准确率提高 11.4% 且 FLOPs 减少 21.5%
该工作提出 Context Language Models（CLM），把模型的实时上下文镜像为一个可自由编辑的文件，让模型用 Bash 自行增删改写上下文，从而把上下文管理从外部 harness 控制变为模型自身能力；零样本应用于 Qwen3.6-27B、GPT5.6-Sol 等现有模型时，在 BrowseComp-Plus 上比最强基线准确率高 11.4% 且 prefix-reuse FLOPs 少 21.5%，在 12 小时 EdgeBench 上分数高 5% 且 FLOPs 少 59%，在 24 小时多仓库 agent-swarm 任务上同等算力下端到端加速多 65%，并可通过自然语言指令、文本进化与在线强化学习进一步学习上下文管理策略。
ACG 用持久证据图把长程智能体成功率从 44.5% 提到 50.2%，BrowseComp-Plus 上提升 11.1 个百分点
该工作提出自适应一致性图（ACG），把执行证据及其来源增量组织进一张持久图，并在受限上下文预算下为每一步决策构造以需求为中心的临时视图，在不替换原有规划器与工具执行器的前提下，使 GPT-5.6-luna 在三个基准上的等权平均成功率从 ReAct 的 44.5% 提升到 50.2%，其中 BrowseComp-Plus 从 62.4% 升至 73.5%。
AI研究智能体的递归自我改进：AIDE²在8天自主运行中发现七项连续改进
该工作提出AIDE²，一个在智能体“框架层”实现递归自我改进的双层系统：内层研究智能体在AI研发任务上优化代码，外层智能体改写内层智能体本身，在一次8天自主运行中接受了七项连续改进，这些改进迁移到四个未参与选择的基准（含分布外的物理天气预报任务），并在一个未优化的行为指标上把奖励黑客率从55%降至32%。
已读完全部报道