AI 情报简报 | AILore Sift

02

RESEARCH

论文研究

5 条

arXiv AI1

长期运行的 AI 代理记忆中的压缩悬崖

arXiv 论文提出长期运行的 AI 代理存在压缩悬崖问题：安全规则与情景日志在上下文窗口预算超限时被同等压缩，导致规则保留率急剧下降。在 20 个生产配置中，Sonnet 4.6 上的一次压缩仅保留 53% 规则，五次后降至 10%。论文提出 Knowledge Triage 框架，通过分类和定制保留策略，在五个公共语料库上比最强单次 LLM 压缩器多保留 2-4 倍规则，并在下游行为基准上表现更优。

为什么值得看此前上下文压缩通常统一处理所有信息，未区分安全规则与普通日志。该论文揭示这种做法的风险：压缩多次后安全规则可能丢失，导致合规失效。Knowledge Triage 框架通过分类定制保留策略，大幅提升规则保留率，为长时运行代理的可靠性和安全性提供新思路。

arXiv AI1

小型推理模型在函数调用中充当指令跟随者

arXiv AI 发表论文，提出指令跟随式函数调用（IFFC）框架，将函数调用逻辑从主 LLM 中解耦，交由专门的较小模型在指令跟随范式下执行。实验显示，IFFC 在函数调用准确率上优于原生函数调用和基于提示的函数调用，尤其在推理型 LLM 上提升明显，并在激进量化下保持稳健性能，支持设备端部署。

为什么值得看此前研究多聚焦于通过微调、强化学习或多智能体框架提升 LLM 的函数调用能力，通常将工具调用作为独立上下文。该论文发现函数调用在标准用户-助手交互指令跟随场景下准确率更高，并提出解耦式架构，为资源受限的边缘计算场景提供了新的高效函数调用方案。

arXiv AI1

混合与端到端LLM推理策略在O-RADS风险分层中的比较评估

一项回顾性研究比较了多种大语言模型与推理策略在自动进行O-RADS超声报告风险分层中的表现。基于特征的混合架构结合Gemini 3.6 Flash达到99.2%的准确率，显著优于原始临床报告（87.7%）和端到端LLM策略（65.6%-95.9%）。

为什么值得看此前自动临床决策多依赖端到端LLM，存在幻觉和可解释性差的问题。该研究显示，将特征提取与规则分类解耦的混合架构在准确性和一致性上远超端到端方法，且优于人工报告，为临床指南自动化提供了更可靠的技术路径。

arXiv AI1

从诊断到再设计：利用定量人种志改进多智能体LLM推理

该论文提出一种基于定量人种志（QE）的方法，用于诊断和重新设计多智能体大语言模型（LLM）系统。研究者以自动作文评分为例，使用认知网络分析（ENA）建模一个五智能体辩论系统，发现正确评分决策与基于量规的论证、一致性和详细阐述相关，而错误决策则缺乏量规依据。根据这些发现修改提示词后，精确评分准确率从27.78%提升至40.28%，错误辩论的互动模式也转向接近正确模式。

为什么值得看此前优化多智能体LLM系统多依赖试错或黑盒调参，缺乏系统诊断方法。本文首次将定量人种志与认知网络分析引入该领域，通过分析智能体间的对话模式定位性能瓶颈，并提供可操作的提示词重设计路径，为提升复杂推理系统的可解释性和效率提供了新范式。

arXiv AI1

GTA-RAG：图轨迹增强的多轮检索增强推理强化学习框架

GTA-RAG 是一个用于多轮检索增强推理的图轨迹增强强化学习框架。它从实体-文档图采样连通文档路径，合成多跳问答轨迹并用检索器验证，以提供可执行的轨迹级监督。实验表明，GTA-RAG 在多个基准上优于基于强化学习的 RAG 基线，并显著提升证据链覆盖率。代码已开源。

为什么值得看现有强化学习 RAG 方法通常仅使用最终答案奖励，监督稀疏且忽略证据链获取。GTA-RAG 通过轨迹级监督，在训练中显式鼓励模型检索目标证据文档，提升了多跳推理中证据链的覆盖率和答案准确性，为智能体 RAG 训练提供了新思路。