Agent E

速報

SetupX：以體驗學習提升程式庫環境設定成功率

功能正確的程式庫設定一直是開發者的痛點，因為相依性衝突、工具鏈缺失或安裝不完整等問題常導致設定失敗。傳統的大型語言模型在跨程式庫經驗轉移、非可逆狀態變更的多步修復以及驗證設定結果方面表現不佳。

深度分析

AutoDFT：基於閉環多代理人與 LLM 的自治 DFT 計算框架

AutoDFT 提出一套將大型語言模型（LLM）推入密度泛函理論（DFT）每個階段的閉環多代理人架構，藉由分層策略規劃與即時參數生成，讓系統能在執行中監測、復原並依證據修正計畫。該架構由七個專責代理人組成，從策略規劃、步驟參數化，到雙路監控、故障修復與步驟反思，將人類專家在工作流程中的判斷模組化。

深度分析

以適應動態與參考模型量化資料污染：TSFMAudit 在時間序列基礎模型上的驗證

隨著時間序列基礎模型大量預訓練，評測資料可能已被洩漏，造成效能高估，研究提出TSFMAudit，利用微調探測時的損失下降速度與參數位移判斷污染。實驗在六個模型與187個資料集上顯示，此方法比既有基線更準確，此技術有望提升未來基準的可信度，並促使模型開發者加強資料管理。

深度分析

PushCen-ADFL：以質心壓縮與 push-sum 去偏聚合實現通信節省的非同步去中心化聯邦學習

聯邦學習在去中心化與非同步場景面臨通信負擔、聚合偏差與模型漂移。本研究提出PushCen-ADFL，以質心壓縮傳輸、推和（push-sum）去偏聚合及去重緩衝，共構壓縮與優化的閉環。並以質心對齊的近端正則化穩定本地更新。實驗在影像資料集上提出高精度與顯著通訊節省。

深度分析

擴增工程：以 Prompt Engineering 與 Context Engineering 編排跨域多工具 AI 協作流程

本文提出「擴增工程」（Augment Engineering），定義為在多個專業領域中協調多款專用 AI 工具的工程化方法。作者將 prompt engineering 與 context engineering 視為可移植的核心能力，並提出一套六階段多工具協作流程與四項可量化的可移植性指標。

深度分析

VISTA 基準：以 LLM 驅動代理人，結合 DOM 對齊、CLIP 視覺相似度與瀏覽器行為測試評估多頁前端應用

此研究針對以大型語言模型驅動的端到端網頁應用生成建立VISTA評測基準。採五種輸入條件，交錯視覺與結構資訊及棧限制，結合DOM對齊、行為測試與CLIP視覺相似度評估。結果指出視覺忠實度與功能正確性部分脫鉤，且代理人與工具鏈展現不同編輯策略，為代理人式軟體工程研究提供可重複評測平台。

深度分析

AssetGen：以 MeshGen、TextureGen 與 SDF 工程化實現可部署即時 3D 資產生成

論文提出 AssetGen，一個聚焦「可部署性」與「互動延遲」的影像到3D資產生成系統。輸入單張參考圖，系統在約30秒產出可用於即時渲染的紋理網格（含UV與烘焙法線），快速版本 AssetGen Flash 可將延遲降至約14秒。

深度分析

GEM：以球面 vMF 混合與熵正則化重構 LLM 資料分群與混合策略

GEM（Geometric Entropy Mixing）提出以超球面為基底的資料分類框架，將語意分群問題轉為在單位超球面上的熵正則化變分優化，並加入平衡混合正則項以防止「群聚崩潰」。

深度分析

在 Intel GPU 上優化 Triton kernel 的 Xe-Forge：多階段 CoVeR 驗證與自動調參流程

面對深度學習模型移植到新加速器時，重複低階優化造成部署瓶頸。Xe-Forge以多階段LLM驅動的CoVeR代理，對原有Triton kernel執行結構改寫、融合、記憶體與Intel特定調校，並以硬體回饋驗證及知識庫約束維持架構正確性。實驗在KernelBench與Flash Attention上顯示整體性能有顯著提升，且可降低搬移人工成本且穩定可靠。

深度分析

BRANE 與 Query2Conf：查詢級動態配置檢索管線以擴展成本—品質帕累托前緣

知識檢索管線影響答案品質與成本。本文提出Query2Conf與BRANE：以LLM抽取工作負載的二元特徵，為候選管線訓練輕量預測器，推論時以代價—準確度拉格朗日權衡逐查詢選擇配置，實驗在三項基準上擴展成本—品質帕累托前緣，可在目標準確度下節省更多成本。

深度分析

以儀表板量化代理式 AI 技術債與隨機稅：指標、模擬與管理對策

研究背景：代理式AI系統把機率推理與委派行動整合在業務流程中。核心做法：區分累積的設計與治理負債為代理式技術債，並把反覆發生的營運負擔建模為隨機稅；以股流模型、操作性量測規則與模擬化儀表板支援管理決策。主要影響：有助於辨識應優先還債的工程項目與需持續投資的監控運維。

深度分析

TADDLE：以工具化代理執行證據型缺陷檢測的 LLM 審稿評估法

學術審查面臨LLM代寫評論的質量挑戰。TADDLE以工具化代理拆解審核流程：Verify比對、Correct分類、Complete檢查建議、Transform辨識偏見與口吻。實驗顯示在二元與多標籤檢測上取得優勢，並提供可供編輯決策的證據軌跡。