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。
此前LLM代理无法识别任务实际所需的努力，往往无差别地读入所有上下文，造成大量浪费。E3首次引入了任务感知的执行范围估计，用最小资源完成正确操作，在成功率不变的前提下大幅降低了计算成本，为AI代理的实用化提供了重要的效率优化方向。
此前 LLM 推荐把用户历史当作扁平的 token 序列，难以表达价格与质量权衡等决策语义。该工作把“目标、约束、权衡”抽成可检索的结构化证据，将记忆构建与在线推理解耦，并新增困难选择预测任务作为评测维度，使推荐从行为拟合转向对决策依据的显式建模。
此前 LLM-jp 系列能力有限，而 LLM-jp-4 同时给出 12 万亿 token 从零训练、双层架构以及明确的数据与软件筛选标准，并公开开发流程。相较过去只公布结果的模型，这次把可复现与独立验证作为发布前提，使主权模型的透明度成为可比较的指标。
此前 LLM 在工业资产管理上的评估多依赖考试式基准，难以反映真实运维操作能力。该工作把评测放到带传感器信息的模拟家电诊断流程中，并给出诊断效率、最差模型表现和选择性预测信号三类分析，使评估更接近实际工业场景。
此前 agent 研究多聚焦工具调用能力，而该工作把合规校验、隐藏副作用与长期状态跟踪纳入同一执行框架，并给出可量化的安全任务完成率提升。它将隐藏规则的自动发现与验证做成可积累的账本，使 agent 行为从一次性推理转向可审计、可演进的工程组件。
此前 ITS&L 领域的 AI 讨论多集中在模型本身，而这篇综述把关注点前移到数据与模型的全生命周期运营，并系统梳理可信性方法与工具。它意味着该领域开始把工程化与可信性作为落地前提，而非事后补丁，为研究者、从业者和政策制定者提供共同的参照框架。
此前多智能体在线训练中，扩散类生成策略虽能表达多模态动作分布，却因反复迭代采样而训练成本高、扩展性受限。OMAF 把生成式策略改成单步生成，在保留表达力的同时削减采样开销，若结果可复现，意味着在线多智能体训练的效率瓶颈可能被绕开。
此前主流 agent 记忆系统在任务完成时即决定记住什么，未来查询未知，信息被不可逆丢弃，且存储决策的价值可能要到很久以后才显现，形成长程信用分配难题。JitMem 把策展推迟到读取时，使记忆内容随当前任务定制，并让训练信号与当次任务成败直接对齐。
此前视频智能体通常把同一视频的每个问题拆成独立工具调用轨迹，反复重启视频探索与记忆构建，问题之间无法共享已获得的证据。VAMR 把多个问题放进同一条轨迹并允许分批作答，改变了长视频理解的执行结构，使证据获取从串行重复转向可复用的联合过程。
相比 Qwen-Audio-3.0-Realtime，3.1 不仅提升任务成功率，更把对背景人声的误响应率从 73.0% 压到 13.0%，说明实时语音助手从“能听懂”转向“知道何时该说、何时该做”，半双工与全双工场景的行为边界被明确量化。
此前 GraphRAG 多依赖自回归语言模型，逐 token 顺序生成限制了推理效率，图检索与生成难以并行。该工作把扩散语言模型的并行精炼解码引入离散图检索场景，并用事件驱动方式替代学习门控或启发式阈值，为图增强推理的效率优化提供了新的组合路径。
此前 AI 安全评估多依赖叙述性清单或评估者主观打分，结果难以复现，也难以在审计中辩护，且缺少从可观测工程产物到技术级结论的机器可评估映射。该框架把评估变成可复算、可追溯的决策函数，并给出形式化性质验证，使复评与审计具备一致性基础。
此前多数路由策略假设价值估计是免费的，但实际中准确评估专家成本高。本文首次将“成本感知”引入路由决策，在保证质量的同时降低计算开销，为多模型系统的资源优化提供了新思路。
以往多智能体协作常让多个模型共享讨论，纠错的同时也会互相传染同类错误，削弱投票所需多样性；自一致性采样虽有多样性但无反馈，单对 Actor-Critic 又只打磨一个候选。SEPAL 把角色分工与隔离反馈结合，仅在答案层融合，提供了不同于共享讨论的协作路线。