Semantic Knowledge Graph for LLM Agents
为什么重要：了解 LLM 代理的语义知识图如何减少幻觉、增加记忆力并将测试中的答案准确性从 17% 提高到 54%。
Agent Seer: Synthesizing Scenarios from Specification Understanding
评估使用外部工具的 AI 代理需要真实的测试场景，以捕获从业者如何组合工具并迭代对话轮次。手动构建此类场景需要深厚的领域专业知识，无法跨工具生态系统扩展，并且生成无法跟踪不断发展的 API 的静态基准。我们观察到工具规范（函数名称、自然语言描述和类型化参数模式）已经编码了足够的语义信息，可以合成真实的评估场景，而无需手动管理或实时工具执行。先知特工…
Inflation: How Government Generates It and Then Endeavors to Shift Responsibility
为了避免因通货膨胀的恶果而受到指责，政府及其追随者诉诸了语义技巧。他们试图改变这些术语的含义。他们把通货膨胀的必然后果称为“通货膨胀”，即物价上涨。
AI Agents Don’t Need More Context — They Need Typed Context
人工智能代理不仅存在上下文问题，还存在上下文输入问题。当指令、内存、检索到的证据和工具输出被扁平化为一个字符串时，它们的语义边界就会消失。我构建了一个轻量级、零依赖的 Python 运行时，它可以使这些边界保持明确，跟踪出处，并在无效的上下文转换到达模型之前拒绝它们。本文介绍了实现、测试以及这种方法的作用和不保证的内容。《人工智能代理不需要更多上下文 — 他们需要类型化上下文》一文首先出现在《走向数据科学》上。
Complex and Intelligent Systems, Volume 12, Issue 8, August 2026
1) 病理图像诊断的多尺度分类框架作者：蒋培和，徐玉琨，陆宁2) 多标准决策中循环直觉模糊集的改进排序和聚合算子作者：Dian Pratama, Binyamin Yusoff, Faishal Al-Sharqi3) 室内定位的非视距识别和误差缓解算法：综述作者：Suying Jiang，Ruibiao张，辉高4）RSGM：区域语义引导的多模态图像匹配方案作者：Fangwei Jin，Yun Liao，Qing Duan5）Few-shot LoRA调整用于具有语义提示匹配的流派特定音乐生成作者：Suwook Lee，Myeonghoon Jin，Yunsick Sung6）A Study
Announcing the Agentic Catalog Experience in Amazon Quick
Amazon Quick 推出了 Agentic Catalog Experience，这是一种由 AI 驱动的工作流程，可供数据管理者以自然语言发现上游目录资产，并使用继承的语义自动创建数据集和主题。 AWS Glue Data Catalog 和 Databricks Unity Catalog 现已推出预览版。
Memory Efficient Audio Synthesis with Decoupled Temporal Depth Diffusion Transformers
Siri Expressive Voices 完全在设备上实时合成丰富、可配置的语音，由 Apple 最强大的设备基础模型 AFM 3 Core Advanced 提供支持。这项工作展示了该功能背后的内存高效音频合成架构：一个去标记器，可在 Apple 矩阵协处理器 (AMX) 紧张的计算和内存预算内将基础模型发出的语义音频标记转换为高保真音频。我们使用三组件设计（流式传输）将语义音频标记转换为残差矢量量化（RVQ）表示形式……
GH-ESD: Grounded Hypothesis-Driven Error Slice Discovery for Instance-Level Vision Tasks
视觉模型在语义相干子集上的系统性失败（称为错误切片）揭示了鲁棒性和评估的局限性。现有的切片发现方法主要将切片建模为表示空间中的簇或预定义属性的组合。虽然对于图像级分类有效，但这种公式对于对象检测和分割等实例级任务来说是不够的，在这些任务中，失败通常是由上下文关系和空间基础的视觉模式引起的。我们提出 GH-ESD（扎根假设驱动的误差切片发现），...
