DenoiseFlow：不確定性感知LLM代理去噪
DenoiseFlow 透過將長時程 LLM 代理工作流建模為 Noisy MDP，解決累積語義歧義問題。它採用三階段——感測不確定性、適應性調節計算，以及針對性修正——進行漸進去噪。在六個基準測試中取得最高準確率（平均 83.3%），並降低成本 40-56%。
Search
Tag: #agentic-workflows79 results
Amazon Nova 強化微調解析
AWS 介紹 Amazon Nova 模型的強化微調 (RFT)，透過評估反饋學習而非模仿。內容涵蓋 RFT 機制、與監督微調比較、如程式碼生成與客戶服務的應用，以及透過 Amazon Bedrock 或 Nova Forge 的實作方式。提供資料準備與獎勵函數設計的最佳實務建議。
MTP 直接嵌入 LLM 權重實現 3 倍推論加速
研究人員開發多權杖預測 (MTP)，讓 LLM 每前向傳遞預測多個權杖，無需額外模型即達 3 倍吞吐量。不同於推測解碼，它修改訓練聚焦權杖序列關聯。適合代理工作流程降低單使用者延遲。
旅行 AI 開始替你訂房
旅行 AI 正從對話式協助，進一步執行訂房與改簽等實際任務。這項轉變也帶來帳號存取權限、授權機制與使用者信任等問題。
將示範製作轉變為代理式工作流程
GitLab 示範如何使用 GitLab Duo Agent Platform 自動製作可重複使用的互動式產品示範。這套工作流程協助團隊以代理驅動的方式取代手動截圖、旁白與外部工具製作，並能在功能變更時更容易維護。
Google Maps 化身代理式任務助理
Google Maps 正推出代理式功能，協助使用者訂購餐點與預訂飯店。這項發布顯示 Google 正試圖讓 Maps 超越導航工具，進一步完成現實世界中的任務。
AI 程式設計代理如何控制失控成本
Kilo Code、Replit 與 Symbotic 正將越來越多軟體開發工作交給 AI 代理，同時處理 Token 成本、安全性、程式碼品質與人類監督等問題。他們採用多模型閘道、依風險評分的 Pull Request、隔離式雲端 VM，以及由代理管理的除錯流程。
Cohere 副總裁：企業 AI 主權需要對完整堆疊的控制權
Cohere 副總裁 Rachad Alao 主張，企業若要實現真正的 AI 主權，必須掌握從基礎設施、GPU 到治理系統與代理框架的完整技術堆疊。他強調，隨著代理工作流導致 Token 消耗量激增，企業應優先考慮私有、安全且符合任務需求的模型路由策略，而非單純依賴按 Token 計費的模式。
AgentMail 於 Vercel Marketplace 上線，助力 AI 電子郵件自動化
AgentMail 現已於 Vercel Marketplace 上線，開發者可將電子郵件功能直接整合至 AI 代理中。該服務負責管理郵件伺服器與送達率，讓 AI 代理能處理郵件串、附件及自訂網域。
使用 LangChain Deep Agents 優化 NVIDIA Nemotron 3 Ultra
本指南展示如何為 NVIDIA Nemotron 3 Ultra 建立 LangChain Deep Agents 測試配置檔。重點在於提升代理系統效能，同時平衡模型準確度與營運成本之間的權衡。