Arbor 是一个多智能体框架，利用结构化树搜索作为自主代理在大规模、有状态动作空间中的认知层。不同于以往的无状态孤立目标优化系统，Arbor 维护一个含评分假设的搜索树，作为智能体间的共享工作内存，随着每次测量不断进化，将失败视为重新探索的诊断信号。验证中，Arbor 在全栈大语言模型推理优化中实现多达193%的吞吐-延迟帕累托改进，远超单一智能体的33%提升且避免崩溃。系统通过协同的 Orchestrator 和 Critic 智能体分工保障稳定性，展现硬件无关性和高可复现性。
这条 研究论文 信号说明，来自 arXiv cs.AI 的信息已经不只是单点新闻，而是值得放进产品、研究和行业判断里的趋势线索。
arXiv cs.AI 发布了这条关于 研究论文 的更新：Arbor 是一个多智能体框架，利用结构化树搜索作为自主代理在大规模、有状态动作空间中的认知层。不同于以往的无状态孤立目标优化系统，Arbor 维护一个含评分假设的搜索树，作为智能体间的共享工作内存，随着每次测量不断进化，将失败视为重新探索的诊断信号。验证中，Arbor 在全栈大语言模型推理优化中实现多达193%的吞吐-延迟帕累托改进，远超单一智能体的33%提升且避免崩溃。系统通过协同的 Orchestrator 和 Critic 智能体分工保障稳定性，展现硬件无关性和高可复现性。
Arbor 通过引入共享的结构化树搜索实现了智能体之间的有效协作与认知，解决了传统优化中无状态和孤立的问题。其架构实现了硬技能与软技能的分离，支持完全自主的长期优化任务。在全栈推理领域的成功验证展示了其对复杂、多层次系统优化的强大能力和稳定性，突破了性能瓶颈，体现了面向未来硬件的适应性和可靠性。
研究员、模型团队和技术战略负责人 应该重点关注这条信号，尤其是正在跟踪 research、papers、agents 的团队。
接下来观察这条信号是否出现开发者采用、竞品回应、研究复现、企业部署或政策/平台层面的后续动作。
Hugging Face推出了olmo-eval，这是一个专为模型开发设计的评估工作台，简化模型评估流程，促进开发者循环中更高效的性能测试和改进。
大型语言模型作为代理在庞大工具库中面临关键的工具检索瓶颈。为解决嵌入式检索方法对专业工具语义捕捉不足的问题，参数化工具检索通过将工具编码为虚拟标记并进行两阶段微调，实现了强劲的检索性能。现有基准测试在查询和解码上存在限制，难以评估模型是否真正理解工具。ToolSense是一个开源的基于LLM的诊断框架，能自动生成多级歧义现实检索基准、多项选择和问答探测基准。应用ToolSense至ToolBench及多种训练配置揭示知识与检索能力的脱节现象，部分模型尽管检索表现优异，但在事实探测上表现接近随机。该框架及基准已开源。
传统上，决策支持研究人类如何利用机器学习模型做出更好的决策。然而，在现代代理系统中，角色逐渐颠倒：AI代理代表用户行动，而人类和工具成为支持机制。这种转变带来了可靠性问题，因为代理的错误可能有严重后果，且代理行为必须与人类目标和约束保持一致。本文提出了一个战略决策支持框架，通过优化问题最小化支持使用，同时控制代理孤立行动时因缺乏支持导致的关键错误概率。理论和在线算法验证了该方法能有效控制错误率，减少不必要的支持调用，并应用于信息收集、人机协作和工具使用等多场景，表现出良好效果。