智能体迈向可验证高效协同

TwinCheck: Evidence-Grounded Negative-Twin Verification for Stateful Tool Agents1 - TwinCheck 只在轨迹证据支持失败假设时构造反事实工具动作，并用成对验证器和 exact replay 把“修复”限制在首次可疑调用之前；BFCL V4 上 GPT-5.6 Sol 从 45.3% 提升到 58.5%，且没有观察到成功任务被改坏。

DRSR: Learning Set-Level Deletion Risk for Efficient Long-Horizon Agents2 - 它把历史压缩从逐块重要性排序改成删除集合的反事实风险估计，在 WorkBuddyBench Full260 上把 reward 从 0.699 推到 0.802，同时少用 20.820% token，说明上下文块之间的协同关系不能被独立打分替代。

StateComp: Learning When to Compress History in Long Horizon Agents3 - KEEP/READY 路由器学习何时安全替换历史，并以连续 READY 片段为单位生成摘要；实验报告总 token 降低 52.27%、表示提取加速 12.67 倍，把压缩时机变成可训练的状态决策。

AgentRun: DSL to turn agents into workflows4 - AgentRun 用 JSON 或 TypeScript DSL 将工具、类型化判断、并行 map、有限循环和人工升级组合成可校验工作流；其 support demo 用规则约束来源与 Jev 置信度，不满足时才调用 agent，体现了“模型负责调查、流程负责边界”的工程分工。

Busbar5 - Busbar 把凭据、路由、预算、熔断和证据审计放进模型/MCP/A2A 之间的自托管热路径；在 AWS m7g.4xlarge 四核上 README 报告 p99 额外延迟 82µs、67,837 req/s 且零失败，治理功能没有被实现成高延迟旁路。