ProvenanceGuard 提出面向 MCP Agents 的源感知事实验证方法
ProvenanceGuard 是一篇面向 MCP-based LLM agents 的源感知事实验证论文，关注事实存在但被归因到错误来源的 cross-source conflation 问题。
#Agent
#Agent
今日 0 条Hugging Face BlogAI 评分5555 Hugging Face Daily PapersAI 评分5959 EngiWorld 提出面向专业工程环境的前沿智能体基准
EngiWorld 是一个面向专业工业工程自动化的智能体基准，覆盖完整设计循环中的 1,301 个专家策划任务。任务横跨 CAD、CAE、CAM、BIM、EDA 和 3D visualization 6 个工程领域、26 个专业软件平台，包含 GUI 和 CLI 接口以及 6 类任务。论文评估了 7 个前沿模型，最强模型的 EngiScore 仅为 44.3，多软件尝试成功率为 3.6%。
Hugging Face Daily PapersAI 评分4242 EpiCon：通过共同演化多模态记忆实现集体智能体学习
EpiCon 提出共享多模态记忆框架，让不同智能体在不更新宿主模型参数的情况下复用经验。该框架包含两个独立训练的 2B 模型：memory controller 和 tree self-organizer，并在覆盖四类多模态任务的 eleven benchmarks 上评估。
Artificial AnalysisAI 评分6060 Artificial Analysis 发布 Cyber Index Alliance，整合三项网络安全评测
Artificial Analysis 发布 Cyber Index Alliance，其 Cyber Index 在上线时整合三项网络安全评测。
Anthropic Research精选AI 评分9090 Anthropic 称 Claude 生成 Fermat’s Last Theorem 的首个完整计算机校验证明
Anthropic 称 Claude 在 11 天内基本自主地用 Lean 写出了 Fermat’s Last Theorem 的首个端到端计算机校验证明。该证明包含 13 million 行 Lean，过程中证明 30,300 个定理，最终证明使用 29,500 个中间定理，并由 Lean 校验。
推荐理由：材料呈现 Claude 与 Prove2Me 形式化大型数学定理的流程，可参考其多智能体分工方式。
Berkeley AI ResearchAI 评分4646 ABBEL：教大语言模型更新信念状态以实现高效长程交互
Berkeley AI Research 提出 ABBEL，用自然语言 belief states 替代完整交互历史，并以 belief grading 监督大语言模型更新长程交互上下文。CollabBench 上，ABBEL-rec-BG 将与 Full Context 的差距缩小约 50%，训练步数从 100 降至 50，Peak Tokens 为 6.01±0.33×10²。