以往数据驱动的材料发现以内插为主，难以达到新结构类型，而MatEvolve通过智能体方式显著提高了发现新结构原型的效率，说明AI在材料科学中的应用从生成候选结构向结构化推理和设计迈进。
传统聚合基准分数因冗余、强相关及模型欺骗而难以信赖。该研究利用 IRT 提供统计工具，用较少题目降低成本，并实现模型内审与沙袋检测，使安全评估更高效、透明、可信，为行业标准提供新选择。
智能体从对话式聊天机器人转向自主行动的 Agentic AI，使服务封装了感知、决策、执行、协作和内容生成能力。将这种能力用于元宇宙业务处理，形成了 Meta-AaaS 新范式，是服务计算的新方向，可能改变虚拟环境中的服务交付方式。
此前 Agent 技能生态主要关注技能总量与检索相关性，语言不平等被视为边缘问题。该工作把“检索到的技能是否值得用”独立为质量评估环节，并给出跨语言、跨文化区域的量化结果，说明多语言 Agent 部署的瓶颈可能不在检索本身，而在候选质量不可靠。
该论文将基准测试从技术工具重新定义为权力机制，揭示其可能固化产业巨头优势，扭曲研究方向。此前讨论多关注基准有效性，本文首次系统引入社会公正视角，提示非产业参与者需重新审视参与基准竞争的成本与收益。
过去ML预测直接控制光网络动作，错误决策会立即影响服务质量与稳定性；现在通过运行时验证决策的合理性，在控制环前拦截高风险输出，使自动化系统更安全可信。
此前自我改进聚焦代理本身，改进绑定特定代理设计，维护成本高、迁移困难。知识中心范式将进步固化于知识库，使改进可检查、可迁移、可移植，且代理可廉价替换。
此前进化策略直接应用于千亿参数大模型时效率低下，因为随机扰动在高维空间中大多与有效更新方向正交。Hyper-ES 通过先获取少量梯度下降方向，再在由其张成的低维子空间内进行进化搜索，使进化策略在保持低资源消耗的同时，性能超越 GRPO-LoRA，为资源受限场景下的模型推理优化提供了新思路。
此前城市任务代理多依赖通用工具或静态知识，难以可靠生成跨系统工作流。Urban-Agent 将 LLM 与工具集耦合，通过闭环机制提升任务成功率，并配套专门基准，提供了更可靠的自动化方案，对城市服务集成有实际价值。
传统 RAG 系统为提升检索质量往往需要高昂的预处理成本（如建图、建 SQL 表或向量数据库）。ScalableRAG 证明这些操作可以被零成本复制且性能更优，同时 LLM 调用次数恒定，极大降低了 RAG 落地的工程门槛和运维费用。
以往评测多考察 Agent 能否跑通实验或写对代码，较少检验它是否真正理解各组件的作用。该基准把“理解”定义为对未测配置的预测准确性，并用穷举 CPU 执行提供参照效应，使实验理解成为可量化的对照指标。
现有运营排队管理系统多依赖静态数据，难以应对动态交通和不确定性。该框架引入动态交通条件，结合 LSTM 与优化技术，实现了实时预测和资源优化，较传统方法在预测误差、等待时间和吞吐量上有显著提升，为边境控制等场景提供了更高效的管理方案。
该综述系统归纳了从任务特定融合模型向基于多模态对齐、证据推理与受控生成的大模型方法的转变，首次以能力层次梳理计算幽默研究，为后续模型设计和基准制定提供了结构化框架。
此前对多智能体系统偏见的关注多集中在最终观点是否收敛或数值偏移，这项研究把语言层面的传播单独拎出来，指出修辞和词汇的同化可能先于、甚至独立于观点数值的变化，意味着仅用观点分布评估系统健康度会低估偏见的实际渗透程度。
此前社交演绎游戏 AI 完全基于文本，忽略了人类社交中多模态线索（如表情、动作）的重要性。CaM-Wolf 首次整合视频感知与因果推理，使代理能像人类一样捕捉非语言信号，更接近真实社交互动。