放射科智能体只拿到已获批工具：按临床指征规划仅找回29%的可操作发现
一个放射科智能体框架把大语言模型编排器与模块化工具接口分开，用FDA已获批放射科AI设备整理出的1,989个发现类别作为工具目录，在PARROT虚构报告语料上模拟生成结构化报告。仅凭临床指征规划时，已获批目录下的可操作发现召回率为0.290，工具无限目录为0.437；若让规划器直接读目标报告，两者分别升至0.426和0.740。工具输出均由参考报告模拟，因此比较隔离的是工具覆盖与编排，而非工具误差。
冻结基础模型上的编码智能体在ARC-AGI-3中跨任务重写并丢弃74%脚本，把硬编码常量改为参数以修复负迁移
作者提出一套测量协议，仅凭编码智能体写下的脚本与笔记，追踪其在ARC-AGI-3的关卡边界上如何保留、改写或丢弃知识；在来自两个模型家族、三个骨干的七次运行中，脚本几乎不跨任务复用（630次引用中仅33次跨边界），74%的边界前脚本被丢弃，笔记只增不删，而最昂贵的错误是把硬编码值带入新任务，唯一有效的修复是把常量改成必须逐任务重新提供的参数。
CogMem 用 PEC2F 图结构与智能体检索重构长期对话记忆，在 LoCoMo 与 LongMemEval 上取得最高准确率
该工作提出 CogMem，一种基于 PEC2F（人物-事件-概念-主张-事实）图模式的免训练认知记忆架构：用 Claim 节点保留主观陈述的来源与对象，将对话轮次增量转为带来源的图记录并整合为高层事实，再由 LLM 意图解析驱动的规则控制器组合锚定、遍历、交集与证据落地四种图算子重建上下文；在 LoCoMo 与 LongMemEval 上，多跳、时序与知识更新任务表现突出，消融与语义坍缩探针支持认知分离、整合与智能体检索的互补贡献。
ProsaBuddy 用 LLM 智能体自动证明实时可调度性引理，在小型基准上显著优于现有 Rocq 证明智能体与通用编码智能体 OpenCode
该工作提出 ProsaBuddy，一个基于 LLM 的智能体系统，采用带 Prosa 代码库检索的 ReAct 循环、Rocq 工具访问与可选人工提示，并通过子目标委派架构把引理拆分为子目标分派给子智能体证明，在取自实时调度文献的小型基准上显著优于现有基于 LLM 的 Rocq 自动证明智能体系统与通用编码智能体 OpenCode。
已读完全部报道