让 LLM 在会议中拥有情境意识并替参与者发言
🧭 LLM Agent 在多方对话中的发言时机决策
University of Göttingen, Germany
提出 CAPA 架构，通过显式会议状态预测与校准，将缺席者发言沉默率从 51.4% 降至 2.5%
📌 工作参考价值（4 点）
- 在需要 LLM 实时判断“是否介入”的场景（客服对话、直播场控、主动推荐弹窗）中，显式维护结构化状态（立场、覆盖、发言权）比只堆原始上下文更能消除漏判；可借鉴 Perceiver 将历史对话压缩成可更新的状态表示。
- 将决策链拆成 Predictor→Controller→Generator，先预测下一 turn，再决定是否说话、说什么、怎么说；这种解耦便于在业务中单独调优“时机判断”和“内容生成”，也便于归因定位残差。
- 用真实下一 turn 对预测和动作做在线校准，形成 Recalibrator 闭环；在推荐或对话 Agent 中可引入类似机制，让系统根据后续用户反馈实时修正决策状态，而非静态离线训练。
- 评估协议值得复用：围绕实际语义单元（idea units）从 whether/when/what 三维打分，并用 schema 约束的 LLM judge 自动评估，Kappa=0.71 说明可替代部分人工标注；对生成式推荐/对话策略的离线评估尤其有用。
WebRetriever：大规模全方位Web Agent高效评估基准
🧭 Agent 评估基准 · 多域导航
Mininglamp Technology · University of Chinese Academy of Sciences · Institute of Automation, Chinese Academy of Sciences
提出涵盖800网站1550任务的多域Web Agent基准与基于交互上下文的评估框架，揭示导航成功率不足以衡量真实效果
📌 工作参考价值（4 点）
- 评估 Agent 时不能只看导航成功率，参考文中三个协议：纯导航、知识辅助交互、端到端信息抽取，可分层诊断 Agent 在搜索/推荐场景中的真实能力。
- LLM-as-Judge 不应仅依赖页面截图，NavEval 强调记录并输入 query 构造、过滤/点击序列等交互上下文，能更准确评判 query 改写、筛选器使用等细粒度动作，可直接迁移至电商搜索 Agent 的自动评测。
- 构建多领域任务集（消费者、专业、企业站点）确保泛化测试，电商/广告推荐 Agent 可借鉴其意图覆盖方法，将用户需求细化为搜索、对比、属性过滤等原子任务。
- 基准提供 1,550 个真实任务，可作为强化学习或 Prompt 优化的 reward 信号源，工程上可利用其诊断结论针对性提升 Agent 在复杂信息提取中的鲁棒性。