2026 年 10 月 15 日，蘋果機器學習研究團隊發布論文，提出 Selection-based Structured Reasoning（SSR），把多模態智慧體的推理從自由生成改為從預設候選中選擇，目標是降低小模型在每步行動前的推理開銷。據機器之心 10 月 16 日報導，該工作由蘋果與卡內基梅隆大學合作，推理… 看完整事件
蘋果與 CMU 提出 SSR：Agent 推理改為做選擇題，每輪延遲降超 90%
蘋果與卡內基梅隆大學提出 SSR 框架，讓多模態搜尋 Agent 不再逐 token 生成自由形式推理，而是從 6 條預定義推理選項中做選擇題。在 7 個多模態搜尋 benchmark 上，每輪推理延遲降低超過 90%，每題總推理延遲降低 28–54%，p95 推理延遲僅 0.07 秒；4B 模型平均成功率 61.37%，與同規模 SOTA 持平，2B 達 51.26%。推理選擇由模型自身打分完成，不需要額外分類頭，也可跳過 SFT warm start 直接接 RL 訓練。
把搜尋 Agent 的策略推理從自由生成改為從預定義選項中選擇，實測延遲降超 90% 且成功率持平，還能跳過 SFT warm start，對做多模態檢索和端側小模型 Agent 的團隊有直接參考價值。
原標題：Agent推理快10倍是怎么做到的？苹果×CMU：把「生成」改成「做选择题」
閱讀原文
| 評分 | 80 / 78（平均 79，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
SAGE：用結構訊號糾偏長推理，AC 例項驗證通過率近 8 倍
維吉尼亞理工、威斯康辛大學麥迪遜分校與達特茅斯學院團隊在 NeurIPS 2026 提出 SAGE，用結構訊號引導長程推理的後訓練。方法以符號閉包分析（SCA）解釋探索偏差與累積偏差，訓練時用代數稀疏化和雙曲結構引導重排候選推理步，在 12 個基準、7 個模型家族上總體優於 SFT、GRPO、EMPO 與 GRPO-PRM。在 1,190 個 Andrews–Curtis 長程例項上，Qwen3 的 Lean 驗證通過率接近基礎模型的 8 倍；
APUS AI 開源 Reflex Agent，回應速度達 Claude Code 的 3 倍
10 月 13 日，APUS AI 開源 Personal Agent 產品 Reflex Agent，採用 MIT 協議，提供桌面端、Web 和 SDK。官方實測其在相關場景中回應速度最快可達 Claude Code、Codex 等主流 Agent 的 3 倍。與依賴程式碼和提示片語織 Harness 的方案不同，它由自研決策模型 Reflex 承擔模型路由、技能選擇與執行監督，按「決策—執行—反饋—再決策」迴圈推進任務；
7B 審計模型 AgentForesight 上線，多智慧體任務失敗前預警
羅格斯大學、得州大學奧斯汀分校與普渡大學團隊提出線上審計模型 AgentForesight，用 7B 模型在任務執行中逐步讀取軌跡字首，在關鍵錯誤擴散成失敗前報警。在 AFTraj-2K 測試集上，其關鍵錯誤步驟識別 Exact-F1 達 66.44，比最強通用基線 DeepSeek-V4-Pro 高 19.88 分，成功軌跡誤報率僅 2.37%。
開源 agent-eval 工具包發布，把 AI agent 評估從憑感覺變成可重複流程
一份面向 AI agent 的評估方法與開源工具 agent-eval 發布，主張用可重複的評估流程替代憑感覺看輸出。方法以關鍵使用者旅程（CUJ）定義成功標準，每個條件都對應一個評估點，先用模擬使用者 LLM 生成正常與邊緣場景，再在單元測試、確定性指標、LLM-as-a-judge 評分與整合測試四層做檢查。
CodeActionBench 發布：GPT-6 Astra 機器人操作成功率 73.3%
南洋理工大學研究者與合作者發布 CodeActionBench，用 25 個雙臂模擬任務評測通用多模態 Agent 的機器人操作能力。GPT-6 Astra 在 Codex CLI 下嘗試成功率 73.3% 居首，75 次嘗試完成 55 次、22 個任務至少成功一次；Claude Opus 5 在 Reference harness 與 Claude Code 下分別為 49.3% 和 45.3%，Gemini 3.6 Flash 為 20.0%。