今日速览
| 序号 | 标题 | 来源 | 日期 | 主题 | 推荐等级 |
|---|---|---|---|---|---|
| 1 | Agent Delivery Engineering Predictive Reliability Framework | arXiv | 2026-07-08 | AI-Agent | 高 |
| 2 | SkillCenter: A Large-Scale Source-Grounded Skill Library for Autonomous AI Agents | arXiv | 2026-07-08 | AI-Agent | 高 |
重点论文与技术动态
1. Agent Delivery Engineering Predictive Reliability Framework
- 来源：arXiv
- 日期：2026-07-08
- 作者/机构：Dexing Liu
- 主题标签：
AI-Agent,arXiv - 推荐等级：高
- 分类：cs.MA
一句话结论
ADE-PRF框架通过主动预测可靠性风险，为长期LLM多智能体系统提供前瞻性健康监控，解决基础设施监控无法检测的退化问题。
核心内容
- ADE-PRF聚合20个异构信号（覆盖五层）形成Trust Margin指标，动态范围达39.2点。
- 三方法并行预测实现8小时预报，指数方法MAE=1.228、方向准确率76.8%，99.65%在±10点容差内。
- 检测到“虚假繁荣”现象（退化被正常表面指标掩盖），TM与真实状态即时耦合，16/20因素依赖ADE数据。
方法与数据
- 三方法并行预测（指数、卡尔曼等）实现8小时预报。
- 生产验证覆盖380,227预测和280,579验证，15天连续运行，6个智能体配置，加7个沙盒实验。
价值判断
- 值得关注：提供最早的可靠性量化与前瞻性警告，解决长期多智能体系统的基础设施监控盲区。
- 可复用点：Trust Margin指标和三方法并行预测框架可复用于其他LLM多智能体系统。
- 局限/待核查：摘要未明确。
摘要
Long-horizon LLM multi-agent systems face reliability risks invisible to infrastructure monitoring. We propose the ADE Predictive Reliability Framework (ADE-PRF), enabling proactive health trajectory prediction from passive degradation detection. ADE-PRF aggregates 20 heterogeneous signals across five layers into a Trust Margin (TM) metric (39.2-point dynamic range). Triple-method parallel prediction enables 8-hour forecasts: the Exponential method achieves MAE=1.228, Direction Accuracy=76.8%, with 99.65% within +/-10-point tolerance. Production validation spans 380,227 predictions and 280,579 validations across six agent profiles over 15 continuous days, plus seven sandbox-controlled experiments. Key findings include detection of "false prosperity" -- degradation concealed by normal surface metrics -- and immediate TM coupling with ground-truth states upon ADE plugin integration, with 16/20 factors relying on ADE-collected data. Exponential consistently outperforms Kalman. ADE-PRF provides among the earliest reliability quantification with forward-looking warnings for production LLM agents.2. SkillCenter: A Large-Scale Source-Grounded Skill Library for Autonomous AI Agents
- 来源：arXiv
- 日期：2026-07-08
- 作者/机构：Tianming Sha, Yue Zhao, Lichao Sun, Yushun Dong
- 主题标签：
AI-Agent,arXiv - 推荐等级：高
- 分类：cs.AI
一句话结论
SkillCenter是目前已知最大的开源技能库，包含216,938个结构化技能，覆盖24个领域。
核心内容
- 技能库规模达216,938个结构化技能，分属24个领域包，是目前已知最大的开源技能库。
- 技能来源包括114,565个源接地技能（源自同行评审期刊、arXiv及24,000+技术源）和102,373个社区技能（GitHub与ClawHub）。
- 源接地机制确保每个技能声明精确映射至源文档的引用，保障输出的正确性、安全性和可维护性。
方法与数据
- 方法：端到端框架包含多源获取、LLM质量门（SkillGate）、模板驱动生成、迭代源接地及质量控制发布。
- 数据：技能总数216,938，以离线可搜索的SQLite FTS5包形式提供。
价值判断
- 值得关注：源接地特性有效解决自主AI代理缺乏可靠操作知识的问题，提升输出质量。
- 可复用点：SkillGate质量门和迭代源接地流程可复用于构建其他源接地技能库。
- 局限/待核查：摘要未明确。