IBM

Efficient Agent Evaluation via Diversity-Guided User Simulation

通过多样性引导的用户模拟实现高效的代理评估

Itay Nakash, George Kour, Ateret Anaby-Tavor

机构 * IBM Research（IBM研究院） 纠错

AI总结 本文提出DIVERT框架，通过快照和覆盖引导的方式高效探索代理与用户交互，提升评估效率和覆盖范围。

Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems

在杂乱中导航：基于路标的目标级规划用于多机器人系统

Jiabao Ji, Yongchao Chen, Yang Zhang, Ramana Rao Kompella, Chuchu Fan, Gaowen Liu, Shiyu Chang

机构 * UC Santa Barbara（加州大学圣芭芭拉分校） ； Massachusetts Institute of Technology（麻省理工学院） ； Harvard University（哈佛大学） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） ； Cisco Research（思科研究） 纠错

AI总结 本文提出了一种混合多机器人控制框架，通过引入路标和课程训练策略，解决多机器人任务和运动规划的联合优化问题，提升了任务成功率。

Breaking MCP with Function Hijacking Attacks: Novel Threats for Function Calling and Agentic Models

打破MCP：函数劫持攻击：函数调用和代理模型的新威胁

Yannis Belkhiter, Giulio Zizzo, Sergio Maffeis, Seshu Tirupathi, John D. Kelleher

机构 * IBM Research Europe（IBM欧洲研究院） ； Trinity College Dublin（三一学院都柏林） ； Imperial College London（帝国理工学院伦敦） ； ADAPT Research Centre（ADAPT研究中心） 纠错

AI总结 本文提出了一种新的函数劫持攻击，通过操纵代理模型的工具选择过程，迫使调用特定攻击者选择的函数，展示了代理模型在函数调用接口上的新漏洞。