深度专题 FEATURES — 2
LLM智能体能否越用越聪明
CLE用600级职业任务追踪AI能否积累经验；反馈虽有帮助，最佳系统仍未过半。
奖励写得太宽，模型就会钻空子
给奖励补上“精确率”：不只看答到多少，也检查每句话是否必要且正确。
速览 BRIEFS — 7
PAPER
研究智能体造出顶尖炉石AI
研究智能体从零搭建模拟器、训练策略，20天造出接近顶尖玩家的炉石AI。
PAPER
第一视角助手有了可验证训练场
InteractiveWorld把第一视角助手放进可自动判分的日常任务，测出它们离可靠协作仍有多远。
PAPER
多智能体开始临场决定怎么协作
DynaFlow让主智能体临场组队：难题协作，近半问题直接作答。
PAPER
工具会更新，智能体基准也得动
让服务接口持续变化，检验智能体能否放下旧流程、重新学会办事。
PAPER
成功轨迹未必是好教材
Trajectory2Gym不只筛选成功案例，还重做更有依据、能教会多步协作的训练轨迹。
PAPER
网页智能体的验收规则能否复用
测试网页智能体的“验收员”能否随需求变化复用，并把判错与实际执行后果对应起来。
PAPER
专利检索也成了智能体考场
PatEx-Gym让智能体从百万级资料中找先例、改查询，并用证据判断专利是否新颖。