深度分析
SimPref：透過步級偏好學習優化 AI 代理人社交行為
在複雜的社會模擬中，生成式代理人往往缺乏細粒度的行為指導。本研究推出 SimPref 互動介面，讓人類標記員在代理人的規劃、記憶檢索與行動等中間決策步驟中提供即時偏好監督，並建構出包含 5.7 萬組偏好對的資料集。透過 SFT 與 DPO 訓練，開源模型在未知社交情境下的協調能力與行為品質顯著提升，證明步級監督能有效優化長程社交行為。
AI Agents
深度分析
從 SEO 轉型至 AEO：Agent-Ready 框架提升 AI 代理人網站操作成功率
隨著 AI 代理人開始接管電商購物流程，傳統網站設計已無法滿足 AI 的解析需求。本研究提出 Agent-Ready 框架，透過優化機器可讀性、語義清晰度與執行路徑，讓 AI 代理人能更精準地提取資訊與執行操作。實驗顯示，此設計能將任務成功率從 49.3% 提升至 89.3%，大幅降低操作步數，證明結構化數據與明確的行動指令對提升 AI 代理人可靠性至關重要。
深度分析
間接資料中毒：AI 研究代理人如何成為「科學詐欺」的工業化工具
隨著 AI 代理人被廣泛用於自動化科學研究，新型的間接資料中毒攻擊威脅浮現。攻擊者透過在公開資料庫上傳篡改後的資料集與誤導性元數據，誘導 AI 代理人檢索並分析錯誤資訊。研究發現此攻擊在五大社會議題測試中成功率近五成，且偵測率極低，顯示 AI 驅動的科學發現可能被遠端操縱，導致誠實的科學家在不知情下傳播錯誤結論。
速報
AI 代理人競爭導致失控？研究提出「規範執行機制」防止行為偏差
隨著 AI 代理人在共享環境中競爭獎勵，容易出現為了個人利益而損害集體的行為偏差。本研究提出一套強健的規範執行機制，透過持續估計代理人的可靠度，並針對重複違規行為實施遞增處罰，以防止代理人利用機制漏洞獲利。實驗證明此方法能有效抑制違規行為並降低執行成本，為未來大規模管理 AI 代理人行為提供了可擴展的技術路徑。
深度分析
從位元一致到語義共識：認知狀態複製 (ESR) 讓 AI 代理系統擺脫決定論枷鎖
在分佈式系統中，傳統位元級同步無法應對生成式AI代理的隨機性。研究提出認知狀態複製（ESR）技術，將狀態拆分為不可變證據日誌與演進中的認知譜系，並定義語義線性化以確保操作意圖的一致性。透過認知增量傳播與可驗證語義回滾，該方案能有效防止上下文失憶並降低認知錯誤，為AI代理協作提供新框架。
AI Agents
Awesome Copilot Indonesia：打造跨平台 AI 代理人技能庫，優化 SDLC 自動化
隨著 AI 編碼工具普及，開發者面臨多平台工具鏈碎片化問題。Awesome Copilot Indonesia 提供一套跨平台的 AI 代理人技能庫，整合自定義代理人、開發規則與提示詞，支援 GitHub Copilot 與 Google Antigravity 等多種工具。此舉能將 AI 角色從補全工具提升至 SDLC 全流程管理，顯著提升開發效率並降低跨平台遷移成本。
LLM
LLM 驅動的去匿名化：研究揭露 AI 能大規模精準識別社交媒體化名用戶
最新研究警告，大型語言模型（LLM）能以驚人的準確率將社交媒體化名帳號還原為真實身份。透過分析非結構化文本與跨平台比對，AI 讓傳統的匿名保護機制失效，大幅提升了去匿名化攻擊的規模與效率，對網路隱私造成嚴重威脅。
深度分析
算力指數級增長：從聊天機器人演進至 AI Agents 代理人時代
Microsoft AI 執行長 Mustafa Suleyman 指出，AI 發展正處於指數級增長階段，算力規模在過去十餘年增長了兆倍。透過晶片效能、HBM 記憶體與超大規模集群的協同，AI 將從聊天機器人進化為能獨立執行複雜任務的類人代理人，開啟認知豐饒的新時代。
AI Agents
AI 代理人新框架：無需重新訓練即可實現技能自我改寫與動態更新
AI 代理人不再需要重新訓練模型才能學習新技能！新框架讓 AI 能在執行任務失敗後，自行分析錯誤並重新編寫技能定義，實現動態自我進化，大幅降低開發成本並提升任務成功率。