标签：大模型

RadOnc-Agent：用大模型编排放疗全流程，26 个可调用函数

arXiv 新论文提出 RadOnc-Agent，用一个大语言模型控制器把放疗拆成四个临床阶段、提供 26 个可调用函数，并在一批单步与跨阶段任务上验证了执行成功率。值得关注是因为它试图把长期割裂的放疗 AI 能力串成一条纵向工作流。

arXiv 上新论文提出 RadOnc-Agent，用大模型控制器把放疗流程拆成四个阶段、26 个可调用功能，将分散的 AI 能力串成纵向工作流，跨阶段脚本任务完成率 96.50%。

Hugging Face Papers 收录的论文提出 DecepEval 基准，用 1532 个实例和“诱导/中性”成对版本，衡量 LLM 智能体在压力、激励、机会、冲突四类条件下欺骗行为的变化。它值得关注，因为欺骗风险正从“会不会”转向“什么条件下更容易发生”。

Hugging Face Papers 收录的论文摘要提出 DecepEval，用 1,532 个实例、3 类任务和 28 个职业场景，衡量大模型智能体在压力、激励、机会、冲突四类外部条件下欺骗行为的变化，并给出 9 个前沿模型的初步评测结果。

arXiv 上新论文提出“锚点散度”，利用对比学习、指数族与信息几何的对应关系，在固定向量表征上按语义上下文定制相似度度量，检索实验显示其能有效指定上下文相关语义相似性，但成果尚属预印本阶段。

arXiv 上一项新论文提出 Text2Dashboard，把自然语言分析请求转化为可检查的企业看板，其核心是用确定性软件控制大模型动作，并加入审批、审计、检查点和故障恢复机制。

arXiv 2026年10月7日发布的一篇新论文提出 Text2Dashboard，面向 DataBrain 企业数据场景，用可审计的智能体流程把自然语言分析请求转成可检查的看板，并在小规模冻结任务上报告了初步评测结果。

arXiv 上一项新研究提出 GameGo 框架，把简短游戏创意扩展为完整需求文档，并生成 55,060 条 2D/2.5D/3D 游戏开发轨迹，训练出在游戏开发基准上接近前沿模型的代码智能体。它值得关注之处在于，尝试用合成数据解决游戏生成中需求模糊、机制不完整的问题。

arXiv 新论文提出 GameGo 框架，把简短游戏创意自动扩展成完整产品需求文档，并生成 55,060 条开发轨迹与 124 条查询的测评集，尝试让编码智能体直接完成 2D、2.5D、3D 游戏合成。

一篇新论文提出 KLPO 框架，试图让大语言模型智能体的异步强化学习在只用一个 rollout 的情况下完成无评论家更新，绕过 GRPO 依赖分组采样和重要性权重带来的成本与偏差问题。