长时程任务相关 AI 资讯 · AITOP · AI热报

9月1日

02:44

02:44

elvis@omarsar0

精选

Google团队发表论文提出SKILL.state方法，解决长时程智能体执行效率问题。该方法通过替换历史记录为显式可变执行状态，减少累积token消耗。实验显示，在多个数据集、模型和执行环境中，任务准确率提升同时token消耗下降。该抽象架构与具体实现无关，可移植到现有技能运行时环境。

论文 SKILL.state Google 智能体

推荐理由：Google团队提出SKILL.state解决长时程智能体性能问题，准确率提升同时减少token消耗。

00:10

00:10

lmarena.ai@lmarena_ai

精选

Agent Arena使用因果追踪技术测量模型在真实世界长时程智能体任务上的表现。该评测显示模型相对于平均模型的改进程度。完整的Agent Arena排行榜已在arena.ai/leaderboard/ag上线。

AI模型 Agent Arena 因果追踪智能体

推荐理由：Agent Arena上线新评测，用因果追踪测智能体在真实任务表现，看模型如何超越平均水平。

8月26日

11:29

11:29

官方账号arXiv cs.AI@Zhaochen Yu, Yingcheng Wu, Zhenfei Yin, Kaiyuan Chen, Zhe Zhao, Mengdi Wang, Shuicheng Yan, Ling Yang

Recuris，一种用于长时程智能体驱动的递归经验-工作记忆架构，通过工作记忆跟踪任务进度并指导技能选择，提高GPT-5.6 Sol和Claude Opus 5在tau-bench和Qwen3.6-27B/35B上的任务成功率，最多提升16.6/13.5点，并减少长时程失败率至80%以下。

论文 Recuris 递归记忆架构 GPT-5.6 Sol

推荐理由：Recuris模型在长时程任务中显著提升了GPT-5.6 Sol和Claude Opus 5的表现，是长时程智能体驱动的递归记忆架构的一个突破。

8月18日

15:32

15:32

官方账号arXiv cs.AI@Bingxin Xu, Yuzhang Shang, Emilio Ferrara

精选

BATON是一种针对长时程机器人操作的新方法，通过将探索单元从整个任务细化为子任务，使成本从指数级降为线性。它引入了过渡感知记忆，包括验证器、交接和前瞻机制，以处理子任务间的状态转换。在RoboMemArena基准上，BATON将任务成功率提升了11.6%，累计成功率提升了14.9%。该方法无需更新参数，仅通过语言记忆和智能体协作实现。

论文 BATON 机器人操作 VLA模型

推荐理由：BATON解决了长时程机器人操作中错误累积和子任务衔接的难题，成功率提升明显，值得一看。

8月5日

01:34

01:34

AK@_akhaliq

精选

LongHorizon-Harness 是一个面向长时程智能体的新评估框架。论文编号 2608.01 已在 Hugging Face 上公开。LongHorizon-Harness 用于评测智能体在真实世界多步骤任务中的表现。现有基准多偏短时程，LongHorizon-Harness 试图弥补这一缺口。

论文 LongHorizon-Harness 智能体评估基准

推荐理由：有人发了 LongHorizon-Harness，一个专测长时程智能体的框架，论文在 Hugging Face，想评估多步任务表现可以看。