#research

Wiki Foundation Model 从相互链接的 Markdown wiki 中检索智能体记忆

WFM 将 LLM wiki 转为图，并用以查询为条件的消息传递进行检索，使页面文本与页面之间的链接共同影响结果。该团队称，一种 GPU 到 GPU 的训练方案训练速度快 10.5 倍，并在五项智能体记忆与多跳推理基准上报告了较强结果。

Perplexity 称，在一次线上 A/B 测试中，较晚的 Computer 检查点将工具调用失败减少了 21.2%

Perplexity 对 Computer 模型进行了后训练，使其通过提示引导的自蒸馏从自身错误中学习。该公司表示，21.2% 的降幅是相对于较早检查点而言。

EvolveTrade 在每个交易区间结束后重写交易智能体的系统提示词

EvolveTrade 论文将交易智能体的系统提示词视为其策略，并由单独的 Policy Agent 在每个区间结束后根据决策轨迹和已实现收益重写该提示词，骨干模型则保持冻结。在多种市场状态和两个骨干模型上，论文报告称其在多数设定中的夏普比率和累计收益高于固定提示词基线。

SkillLift 论文报告演化智能体技能的 token 成本降低 40–70%

DAIR.AI 介绍了一篇 SkillLift 论文，该方法训练一个学习得到的评分标准来对智能体技能提示候选进行排序，而不是用完整 rollout 对每次修订打分。论文报告称在 SkillsBench 和 WildClawBench 上优于 SkillOpt 和 CoEvoSkills，并以少 40% 到 70% 的 token 达到目标性能。

EvoOntology 论文称自演化本体层提升数据智能体在 DDR-Bench 和 BIRD 上的得分

elvis (@omarsar0) 分享了一篇关于 EvoOntology 的论文，这是一种以 MCP 服务器形式提供的、面向数据智能体的自演化本体层。帖文称，在六个骨干模型上，DDR-Bench 准确率平均提升 17.8 个百分点，其中 GPT-5.5 提升 26.7 个百分点，BIRD 执行准确率提升 7.4 个百分点。