How Well Does Agent Development Reflect Real-World Work?
代理开发是否能反映现实世界的工作？
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学）
AI总结 本文研究了代理开发与现实工作分布的匹配程度，揭示了代理开发与人类劳动力分布的不匹配，并提出了三个原则以改进基准设计。
作者
Diyi Yang
Natural Language Processing
Learning Next Action Predictors from Human-Computer Interaction
从人机交互中学习下一步动作预测器
机构 * Stanford University（斯坦福大学） ； Hasso Plattner Institute（哈索普拉特纳研究所） ； New York University（纽约大学）
AI总结 本文提出LongNAP模型，通过结合参数化和上下文学习，从用户行为的完整上下文中预测下一步动作，显著优于传统方法。
Comments 32 pages, 10 figures, see https://generalusermodels.github.io/nap
Just-In-Time Objectives: A General Approach for Specialized AI Interactions
即时目标：一种专门化人工智能交互的一般方法
机构 * Stanford University（斯坦福大学） ； University of Washington（华盛顿大学）
AI总结 本文提出即时目标方法，通过动态目标诱导提升AI交互的专门化性能，实验表明其在任务处理和质量评估上优于常规LLM。
Comments Accepted at CHI 2026
HumanLM: Simulating Users with State Alignment Beats Response Imitation
HumanLM: 通过状态对齐模拟用户优于响应模仿
机构 * Stanford University（斯坦福大学） ； New York University（纽约大学）
AI总结 HumanLM通过状态对齐模拟用户，优于响应模仿，显著提升对齐分数和真实用户相似性。
Comments 27 pages, 17 figures, 9 tables
Contextualized Privacy Defense for LLM Agents
上下文化隐私防御用于大语言模型代理
机构 * Tsinghua University（清华大学） ； Stanford University（斯坦福大学） ； Microsoft（微软）
AI总结 本文提出上下文化防御指导（CDI），通过强化学习优化框架，在大语言模型代理执行中主动塑造隐私保护与有用性之间的平衡。
Comments 25 pages
GEM: A Gym for Agentic LLMs
GEM：代理大语言模型的训练环境
机构 * Sea AI Lab（海智实验室） ； NUS（国立大学新加坡） ； Oxford（牛津大学） ； SMU（南卫理安大学） ； Stanford（斯坦福大学） ； Northeastern（东北大学） ； OpenRLHF（开放强化学习基金会） ； ROLL ； RL2 ； absolute AI（绝对人工智能）
AI总结 GEM是一个为代理LLM设计的开源训练环境，提供标准化接口、多样化环境和基准测试功能，用于促进基于经验的学习和强化学习算法的评估。
SparkMe: Adaptive Semi-Structured Interviewing for Qualitative Insight Discovery
SparkMe: 适应性半结构化访谈用于定性洞察发现
AI总结 SparkMe通过多智能体LLM实现适应性半结构化访谈，提升访谈效用并挖掘更丰富的职业特定洞察。
Scaling Open Discrete Audio Foundation Models with Interleaved Semantic, Acoustic, and Text Tokens
通过交错语义、音频和文本标记扩展开放离散音频基础模型
机构 * Stanford University（斯坦福大学） ； University of Southern California（南加州大学） ； University of Cambridge（剑桥大学）
AI总结 本文提出SODA模型，通过交错语义、音频和文本标记扩展开放离散音频基础模型，实现通用音频生成和跨模态能力。
Optimas: Optimizing Compound AI Systems with Globally Aligned Local Rewards
Optimas: 通过全局对齐的局部奖励优化复合AI系统
机构 * Stanford University（斯坦福大学） ； Amazon（亚马逊） ； Jožef Stefan Institute（乔泽夫·斯蒂芬研究所） ； Rutgers University（罗格斯大学）
AI总结 Optimas通过全局对齐的局部奖励优化复合AI系统，有效提升复合系统的性能。
Comments Accepted to ICLR 2026. 22 pages
DECEPTICON: How Dark Patterns Manipulate Web Agents
DECEPTICON：暗模式如何操纵网络代理
机构 * Stanford University（斯坦福大学）
AI总结 DECEPTICON研究揭示暗模式通过引导代理轨迹对网络代理构成重大风险，表明需加强防御措施以应对操纵性设计。
Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce
人工智能代理的未来工作：跨美国劳动力市场的自动化与增强潜力审计
机构 * Stanford University（斯坦福大学）
AI总结 本文提出一种审计框架，评估职业任务中人工智能代理的自动化与增强潜力，揭示人类自主性需求与技术能力的匹配情况，为AI代理发展提供关键洞察。
Comments Preprint, data available at https://futureofwork.saltlab.stanford.edu/
CooperBench: Why Coding Agents Cannot be Your Teammates Yet
CooperBench：为何编码代理还不能成为你的队友
机构 * Stanford University（斯坦福大学） ； SAP Labs US（SAP美国实验室）
AI总结 CooperBench通过大规模协作编码任务测试，发现AI代理在团队协作中表现不佳，揭示了沟通障碍、承诺偏离和期望错误等关键问题，呼吁发展社交智能。
Comments https://cooperbench.com First two authors contribute equally. The 3th - 6th authors contribute equally
Towards Execution-Grounded Automated AI Research
面向执行导向的自动化AI研究
机构 * Stanford University（斯坦福大学）
AI总结 本研究提出自动化执行器，通过执行反馈学习改进LLM预训练和后训练方法，验证了进化搜索在样本效率上的优势，但强化学习存在模式崩溃问题。
Relative Scaling Laws for LLMs
大语言模型的相对扩展定律
机构 * Stanford University（斯坦福大学） ； OpenAthena（开放阿塔纳） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本研究提出相对扩展定律，通过分析不同测试分布在规模变化下的性能差异，揭示大语言模型在扩展过程中并非普遍均衡器，强调了鲁棒性挑战的重要性。
The Rise of AI Companions: How Human-Chatbot Relationships Influence Well-Being
AI伴侣的崛起：人类与聊天机器人关系如何影响幸福感
AI总结 研究探讨了AI伴侣对幸福感的影响，发现依赖聊天机器人寻求陪伴的人群幸福感较低，尤其在高互动和高自我披露情况下，且无法完全替代人类社交。
AutoMetrics: Approximate Human Judgements with Automatically Generated Evaluators
AutoMetrics: 通过自动生成评估器进行近似人类判断
AI总结 AutoMetrics通过自动生成评估器，在低数据条件下提升与人类评分的相关性，提高Kendall相关性达33.4%，并提供可解释的自动指标工具。
ReplicationBench: Can AI Agents Replicate Astrophysics Research Papers?
ReplicationBench: 人工智能代理能否复制天体物理学研究论文？
机构 * Stanford University（斯坦福大学） ； University of Toronto（多伦多大学）
AI总结 ReplicationBench旨在评估人工智能代理复制天体物理学研究论文的能力，通过测试代理在实验设置、推导、数据分析和代码库等任务上的表现，揭示代理在科学研究中的可靠性及挑战。
Internal Causal Mechanisms Robustly Predict Language Model Out-of-Distribution Behaviors
机构 * stanford（斯坦福大学）
Comments ICML 2025
Real-Time Reasoning Agents in Evolving Environments
机构 * Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Stanford University（斯坦福大学）
Comments 30 pages
How Do AI Agents Do Human Work? Comparing AI and Human Workflows Across Diverse Occupations
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学）
Culture Cartography: Mapping the Landscape of Cultural Knowledge
Comments EMNLP 2025
AutoLibra: Agent Metric Induction from Open-Ended Human Feedback
机构 * Stanford University（斯坦福大学） ； University of Toronto（多伦多大学） ； University of Pennsylvania（宾夕法尼亚大学）
Blackbox Model Provenance via Palimpsestic Membership Inference
机构 * Stanford University（斯坦福大学）
OpenCUA: Open Foundations for Computer-Use Agents
机构 * XLANG Lab, The University of Hong Kong（香港大学XLANG实验室） ； Moonshot AI ； Stanford University（斯坦福大学） ； University of Waterloo（滑铁卢大学） ； Carnegie Mellon University（卡内基梅隆大学）
Comments Updata author list, modify first page format, correct typos
When Large Language Models are Reliable for Judging Empathic Communication
机构 * Kellogg School of Management（凯洛格管理学院） ； Northwestern University（西北大学） ； Northwestern Institute for Complex Systems（西北复杂系统研究所） ； Stanford University（斯坦福大学） ； Pennsylvania State University（宾夕法尼亚州立大学）
StorySage: Conversational Autobiography Writing Powered by a Multi-Agent Framework
机构 * Department of Management Science and Engineering, Stanford University（管理科学与工程系，斯坦福大学） ； Department of Electrical Engineering, Stanford University（电气工程系，斯坦福大学） ； Department of Computer Science, Stanford University（计算机科学系，斯坦福大学）
Position: Towards Bidirectional Human-AI Alignment
机构 * NYU Shanghai, New York University（纽约大学上海研究院，纽约大学） ； MBZUAI（穆桑大学人工智能研究所） ； Microsoft（微软公司） ； University of Michigan（密歇根大学） ； Apple（苹果公司） ； Google（谷歌公司） ； Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学） ； Google DeepMind（谷歌DeepMind）
Comments NeurIPS 2025 Position Paper
Creating General User Models from Computer Use
机构 * Stanford University（斯坦福大学） ； Microsoft Research（微软研究院）
Comments 23 pages, 6 figures, 2 tables; see https://generalusermodels.github.io/
EquiBench: Benchmarking Large Language Models' Reasoning about Program Semantics via Equivalence Checking
机构 * Stanford University（斯坦福大学） ； MIT（麻省理工学院） ； Google（谷歌） ； Nanjing University（南京大学） ； Intel（英特尔）
Knoll: Creating a Knowledge Ecosystem for Large Language Models
Comments 21 pages, 8 figures, 7 tables; see https://stanfordhci.github.io/knoll/
Journal ref UIST 2025
