Towards a Standard, Enterprise-Relevant Agentic AI Benchmark: Lessons from 5.5 billion tokens' worth of agentic AI evaluations
Kamiwaza AI
针对传统LLM基准无法满足企业智能体AI评估需求的问题,提出兼顾抗污染性与智能体能力评估的KAMI v0.1基准,通过大规模实验揭示传统基准排名与实际智能体性能的差异,为企业部署提供关键见解。
2025-11-11 cs.AI
AWorld: Orchestrating the Training Recipe for Agentic AI
Westlake University(西湖大学)
针对智能体AI训练中经验生成效率低的瓶颈,研究团队推出开源系统AWorld,通过集群分布式任务分配将经验收集提速14.6倍,基于其训练的Qwen3-32B智能体在GAIA基准上准确率超越GPT-4o,提供了完整智能体AI训练流程的实用方案。
2025-09-01 cs.AI
Vibe Coding vs. Agentic Coding: Fundamentals and Practical Implications of Agentic AI
Cornell University(康奈尔大学);University of the Peloponnese(伯罗奔尼撒大学)
本文综述了AI辅助软件开发中vibe coding与agentic coding两种范式,通过分类体系和20个用例对比其优劣,提出未来应融合两者优势,构建以人为本的统一开发流程。
2025-05-26 cs.AI cs.CL cs.SE
A Practical Guide to Agentic AI Transition in Organizations
Old Dominion University(旧 Dominion 大学);Florida International University(佛罗里达国际大学);Nanyang Technological University(南洋理工大学);University of Colombo(科伦坡大学);Center for Wireless Communications, University of Oulu(无线通信中心,奥卢大学);University of Sri Jayewardenepura(斯里贾yenepura大学);Accenture Technology Labs(埃森哲技术实验室)
本文提出了一种实用框架,帮助组织将手动流程转型为自动化代理AI系统,通过领域驱动用例识别、任务委托给AI代理及人机协同模型实现可持续的自动化与业务价值对齐。
2026-01-27 cs.AI cs.CY
Agentic Explainable Artificial Intelligence (Agentic XAI) Approach To Explore Better Explanation: A Case Study in Decision Support for Rice Cultivation in Japan
本文提出一种结合SHAP解释性和多模态LLM迭代细化的代理XAI框架,通过农业推荐系统验证,发现早期停止可提升推荐质量,但过度细化导致性能下降,揭示了偏差-方差权衡。
2026-09-22 cs.AI cs.HC
Can your AI agent be cheaper? Investigating the effects of task specifications on token spend in agentic coding tasks
Stanford University(斯坦福大学)
本文以Kimi K3模型为对象,探究智能体编码任务中任务规格对token消耗的影响,发现简化任务规格会提升token消耗,拟合的预测器可较优地预测token消耗,为评估AI编码工作流成本提供方法。
2026-08-27 cs.AI
Practical Quantum CIM Empowerment via All-Domestic-Core Agentic Large Model
Department of Chemical Engineering, Tsinghua University(清华大学化学工程系)
本研究将飞秒激光泵浦的相干伊辛机与LLM驱动的智能体系统结合,实现QUBO/Ising模型校准、约束权重决策迭代和文献方案快速验证,并完全基于国产大模型和硬件完成,同时发现智能体辅助量子计算迭代可反向增强智能体问题解决能力的新范式。
2026-04-24 cs.AI quant-ph
LiveAgentBench: Comprehensive Benchmarking of Agentic Systems Across 104 Real-World Challenges
Ant Group(蚂蚁集团)
LiveAgentBench通过104个现实挑战全面评估代理系统,采用社会感知驱动的数据生成方法,提供374个任务用于验证和测试,揭示模型实际性能并识别改进方向。
2026-03-03 cs.AI
With Great Capabilities Come Great Responsibilities: Introducing the Agentic Risk & Capability Framework for Governing Agentic AI Systems
GovTech Singapore(新加坡政府科技局);Singapore University of Technology and Design(新加坡科技与设计大学)
本文提出代理风险与能力框架,用于治理代理AI系统,通过能力中心视角和风险来源分析,帮助组织有效管理AI系统风险。
2025-12-22 cs.AI
AgentScope 1.0: A Developer-Centric Framework for Building Agentic Applications
Alibaba Group(阿里巴巴集团)
AgentScope 1.0 通过统一接口、异步基础设施、内置智能体、可视化评估模块和运行时沙箱,为开发者构建可扩展且安全的智能体应用提供了全面框架。
2025-08-22 cs.AI
Generative to Agentic AI: Survey, Conceptualization, and Challenges
University of Liechtenstein(利肯斯坦大学)
本文综述了从生成式人工智能向智能体人工智能的演进,对比两者关键特征,深入探讨智能体的新进展与定义,并提出未来研究挑战及超越人类智能的潜在风险。
2026-10-20 cs.AI
Agentic Temporal Graph of Reasoning with Multimodal Language Models: A Potential AI Aid to Healthcare
AI Forum(AI论坛)
针对多模态医疗诊断推理不足的问题,提出一种基于有向图的多智能体时序推理框架,通过回溯、多时间点数据及交叉验证机制提升诊断准确性,初步实验验证了其新颖性与实用价值。
2025-09-15 cs.AI
Balancing Sustainability And Performance: The Role Of Small-Scale LLMs In Agentic Artificial Intelligence Systems
Capgemini Invent(凯捷 Invent);Salesforce(赛富时)
本文研究小型语言模型在代理AI系统中如何平衡能耗与性能,提出可持续AI设计的实用指南。
2026-02-06 cs.AI
AgenticASR: Refining Speech Recognition in Real-World Scenarios via an Agentic Approach
该研究提出AgenticASR智能体语音识别框架,通过ASR-Refiner架构实现语音流的持续输出与修正,推出AASR-Bench双语基准,在多ASR前端上取得最优性能,可用于保留意图的实时干净转录。
2026-07-31 cs.AI
AgentFly: Scaling Agentic Reinforcement Learning with Unified Resource System
Mohamed bin Zayed University of Artificial Intelligence(莫莫德·本·扎耶德人工智能大学)
AgentFly是一个可扩展的Agent-RL框架,通过令牌级掩码、装饰器接口和异步执行机制,为语言模型智能体提供多种强化学习算法支持,并在多个任务上验证了其有效性。
2026-10-14 cs.AI
Agentic AI for Mobile Network RAN Management and Optimization
本文针对5G/6G网络RAN管理与优化,提出Agentic AI框架,阐述反思、规划、工具使用与多智能体协作等核心设计模式,并通过5G RAN案例展示LAM驱动的智能体实现基于KPI的自主决策。
2025-11-04 cs.AI cs.LG
Dataforge: Agentic Platform for Autonomous Data Engineering
Arizona State University(亚利桑那州立大学);Clemson University(克莱姆森大学)
Dataforge是一个基于大语言模型的自动数据工程平台,通过自动数据清理和迭代优化特征操作,提升表格数据的AI准备质量。
2026-02-16 cs.AI
Toward Agentic Software Engineering Beyond Code: Framing Vision, Values, and Vocabulary
Monash University(墨尔本大学)
本文提出代理软件工程应超越代码,构建全过程愿景,基于SE基础和新兴框架,提出价值观和原则,并指导词汇设计,推动SE范式转变。
2026-02-17 cs.AI cs.MA cs.SE
Agents for Everyone: A Workshop Framework for Building Agentic AI Capabilities in a Distributed Curation Community
Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);California Institute of Technology(加州理工学院);SIB Swiss Institute of Bioinformatics(SIB瑞士生物信息学研究所)
该研究针对智能体AI应用于生物数据库整理的障碍,构建了基于JupyterHub与Claude Code的云环境及含四个模块的研讨会,证明其可提升分布式社区的智能体AI整理能力。
2026-08-31 cs.AI
The Agentic Researcher: A Practical Guide to AI-Assisted Research in Mathematics and Machine Learning
Department for AI in Society, Science, and Technology(人工智能与社会、科学和技术部门);Zuse Institute Berlin(柏林Zuse研究所);Institute of Mathematics(数学研究所);Technische Universität Berlin(柏林技术大学)
本文提出了一种开源框架,通过方法学规则将CLI编码代理转化为自主研究助手,并通过深度学习和数学案例研究,指导研究人员如何有效利用AI工具进行研究。
2026-03-16 cs.AI cs.LG
Agentic Cognitive Depth: Operational Criteria for Evaluating LLM Agents
The University of Edinburgh(爱丁堡大学)
本文提出智能体认知深度概念,通过五个操作标准评估LLM智能体轨迹级性能,并提供扰动程序与基准扩展方案。
2026-10-06 cs.AI
ARLArena: A Unified Framework for Stable Agentic Reinforcement Learning
University of California, Los Angeles(加州大学洛杉矶分校);University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
研究针对智能体强化学习不稳定问题,提出ARLArena框架。先构建测试平台,将策略梯度分解为四个维度分析,据此提出稳定的智能体策略优化方法SAMPO,实现稳定训练与良好性能。
2026-07-07 cs.AI
Agent psychometrics: Task-level performance prediction in agentic coding benchmarks
Massachusetts Institute of Technology(麻省理工学院);Fulcrum;Carnegie Mellon University(卡内基梅隆大学)
本文提出了一种基于任务级性能预测的代理编码基准评估框架,结合IRT理论与任务特征,区分LLM和支架能力,以更准确预测未见基准和组合的性能。
2026-07-21 cs.AI
Architecting Agentic Communities using Design Patterns
School of Computer Science and Engineering, University of New South Wales, Sydney, Australia(新南威尔士大学计算机科学与工程学院,悉尼,澳大利亚);Deontik, Australia(澳大利亚德诺提克)
本文提出基于企业分布式系统设计模式的三层分类架构(LLM智能体、智能体AI、智能体社区),并通过临床试验匹配案例验证其形式化框架,为多智能体生态系统的工程化部署提供实践指导与形式化验证能力。
2026-05-25 cs.AI
Collab-REC: An LLM-based Agentic Framework for Balancing Recommendations in Tourism
Technical University of Munich(慕尼黑技术大学);Polytechnic University of Bari(巴里理工大学)
提出一种多代理框架Collab-REC,通过三个LLM代理(个性化、流行度、可持续性)生成城市建议,并由非LLM调节器迭代优化,以缓解流行度偏差并提高推荐多样性。
2026-08-04 cs.AI
AI Agents and Agentic AI-Navigating a Plethora of Concepts for Future Manufacturing
Department of Mechanical and Mechatronics Engineering, Faculty of Engineering and Design, University of Auckland(机械与机电工程系,工程与设计学院,奥克兰大学)
本文系统梳理了LLM-Agents、MLLM-Agents和Agentic AI三类新兴AI范式的概念、技术演进及其在智能制造中的潜在应用与挑战,以厘清其定义和能力边界。
2025-07-02 cs.AI
EPOCH: An Agentic Protocol for Multi-Round System Optimization
EPOCH是一种用于多轮系统优化的代理协议,通过分阶段的结构化流程实现协调优化,提升自主改进工作的稳定性和可追溯性。
2026-03-10 cs.AI
FHE-Agent: Automating CKKS Configuration for Practical Encrypted Inference via an LLM-Guided Agentic Framework
University of Minnesota -- Twin Cities(明尼苏达大学-双城分校);North Carolina State University(北卡罗来纳州立大学)
FHE-Agent通过LLM引导的代理框架自动化CKKS配置,提升加密推断的精度与效率
2025-11-23 cs.AI cs.CR cs.LG
Real-Time Trust Verification for Safe Agentic Actions using TrustBench
TrustBench通过双模式框架在代理行动前验证安全性,有效减少有害行为,提升自主代理的可信度
2026-03-10 cs.AI
Back to the Future: Rethinking EDA Infrastructure for Agentic Systems in Chip Design Verification
Columbia University(哥伦比亚大学);Google DeepMind(谷歌DeepMind);Google(谷歌)
针对芯片验证中EDA流程仍依赖人工的问题,提出端到端智能体框架BTTF,将仿真数据转为SQLite数据库并配合多智能体编排,实现自然语言查询转SQL,在150查询基准上达到95.33%准确率,推动自主验证。
2026-10-26 cs.AI
Socio-technical aspects of Agentic AI
Department of Computer and Systems Sciences, Stockholm University(斯德哥尔摩大学计算机与系统科学系);Center for Ubiquitous Computing, University of Oulu(奥卢大学无处不在计算中心);College of Computer Science and Engineering, Northeastern University(东北大学计算机科学与工程学院);Zhejiang A\&F University, Hangzhou(浙江工业大学之江学院);School of Computer Science, Peking University(北京大学计算机科学学院);Department of Mechatronics, University of Prishtina(普里什蒂纳大学机电系);Department of Computer Science, IISER Berhampur(伯尔哈普尔IISER计算机科学系);Systems Research Institute Polish Academy of Sciences(波兰科学院系统研究所);Department of Computer Science, University of Helsinki(赫尔辛基大学计算机科学系)
本文从社会技术视角探讨代理AI,分析其技术组件与社会背景的关联,揭示伦理挑战及未来研究方向。
2025-12-26 cs.AI cs.CY cs.MA
CHORUS: An Agentic Framework for Generating Realistic Deliberation Data
Novelcore
本文提出CHORUS框架,通过LLM驱动的代理生成真实辩论数据,结合记忆机制和泊松过程模型,提升讨论的现实性和分析价值。
2026-04-22 cs.AI
From Pragmas to Partners: A Symbiotic Evolution of Agentic High-Level Synthesis
Cornell University(康奈尔大学)
本文探讨了在代理时代高层综合(HLS)的重要性,提出HLS作为代理优化的自然层次,并提出HLS工具的局限性及代理在其中的潜在作用。
2026-02-09 cs.AI cs.CL
Autonomy and Agency in Agentic AI: Architectural Tactics for Regulated Contexts
fortiss GmbH(fortiss公司);Research Institute of the Free State of Bavaria for software-intensive systems(巴伐利亚自由州软件密集系统研究机构)
本文提出一个二维设计空间,通过六个架构策略和五个部署参数,为受监管环境中的代理AI设计提供原则性指导,强调责任、可审计性和可逆性。
2026-05-12 cs.AI
Supervising Ralph Wiggum: Exploring a Metacognitive Co-Regulation Agentic AI Loop for Engineering Design
Department of Mechanical Engineering(机械工程系);Carnegie Mellon University(卡内基梅隆大学)
本文提出一种自我调节循环和共调节设计智能体循环,通过元认知共调节缓解设计固定问题,提升工程设计性能。
2026-05-07 cs.AI
Building A Secure Agentic AI Application Leveraging A2A Protocol
Intuit Adversarial AI Security reSearch (A2RS)(Intuit对抗AI安全研究(A2RS));Google Cloud(Google云);Amazon Web Services(亚马逊网络服务)
本文基于MAESTRO框架对A2A协议进行安全分析,识别Agent Card管理、任务完整性和认证等风险,并提出安全开发方法与架构实践,以构建安全可靠的智能体应用。
2025-05-02 cs.AI cs.CR
AgenticRAG: Agentic Retrieval for Enterprise Knowledge Bases
Microsoft Corporation(微软公司)
AgenticRAG通过在现有企业检索基础设施上叠加轻量级代理框架,使语言模型能够自主迭代检索信息、导航文档并分析证据,提升了检索准确率和事实性。
2026-05-07 cs.AI cs.IR
Agentic Driving Coach: Robustness and Determinism of Agentic AI-Powered Human-in-the-Loop Cyber-Physical Systems
Arizona State University(亚利桑那州立大学)
本文提出基于反应计算模型的框架,用于解决人机协同物理系统中代理AI的鲁棒性和确定性问题,通过驾驶教练案例验证了方法的有效性。
2026-04-13 cs.AI cs.CL cs.RO
Evolution of AI in Education: Agentic Workflows
Canadian University Dubai(迪拜加拿大大学);Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学);Zayed University(扎耶德大学);Hong Kong Baptist University(香港浸会大学);University of Technology Sydney(悉尼科技大学)
本研究探讨了AI代理在教育中的应用,提出多代理框架用于自动评分,并指出其在一致性上的优势及需进一步研究的可解释性问题。
2026-01-26 cs.AI cs.CY
AURA: An Agent Autonomy Risk Assessment Framework
University of Exeter(埃克塞特大学)
AURA是一个统一的风险评估框架,通过gamma评分方法和HITL监督机制,检测、量化并缓解智能体AI的风险,支持大规模可治理的企业部署。
2025-10-17 cs.AI cs.MA
GLARE: Agentic Reasoning for Legal Judgment Prediction
Gaoling School of Artificial Intelligence, Renmin University of China(中国人民大学北京校区人工智能学院)
针对大语言模型在法律判决预测中因缺乏法律知识导致推理不足的问题,本文提出智能体式推理框架GLARE,通过动态调用模块获取法律知识以提升推理广度与深度,并在真实数据集上验证了有效性。
2025-08-22 cs.AI cs.CL cs.CY
Risk Alignment in Agentic AI Systems
Rethink Priorities;University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
本文探讨智能体AI的风险对齐问题,分析风险态度对用户信任与社会责任的影响,并提出三篇论文以解决风险态度校准、护栏设置及代他人决策的伦理等规范性与技术性挑战。
2024-10-02 cs.AI cs.CY econ.GN
Why Trust Your Agent? Empirical Security Gains from TRiSM-Guided Agentic Workflows in Healthcare
AuraQ
本文应用AI信任、风险与安全管理(TRiSM)框架,将不安全的医疗报告生成智能体工作流转变为安全敏感的工作流,在五种大语言模型上评估,将平均攻击成功率从31%-42%降至10%-25%,同时报告准确率提升14个百分点。
2026-06-27 cs.AI cs.CR
A Survey of Agentic AI and Cybersecurity: Challenges, Opportunities and Use-case Prototypes
Tennessee Tech University(田纳西科技大学);University of Nebraska Omaha(内布拉斯加大学奥马哈分校);Purdue University(普渡大学)
本文综述了代理AI在网络安全中的应用,探讨了其在防御和攻击方面的双重用途,分析了系统性风险,并展示了三个实际用例以说明其在网络安全中的行为和影响。
2026-01-08 cs.AI cs.CR
VERAFI: Verified Agentic Financial Intelligence through Neurosymbolic Policy Generation
VERAFI通过神经符号策略生成实现验证的代理金融智能,显著提升金融领域事实正确性与合规性。
2025-12-12 cs.AI q-fin.CP
ParallelMuse: Agentic Parallel Thinking for Deep Information Seeking
Tongyi Lab(通义实验室);Alibaba Group(阿里巴巴集团)
针对传统并行思考在信息检索智能体中效率低、长轨迹整合难的问题,提出两阶段范式ParallelMuse,通过功能分区的部分展开与压缩推理聚合,实现性能提升与token消耗降低。
2025-10-28 cs.AI cs.CL
Separating Capability from Permission: A Governance Framework for Agentic AI Autonomy Levels
本文针对人工智能系统自主性讨论中能力与权限混淆的问题,提出治理框架,区分允许的自主水平与自主能力水平,给出结构化自主水平,还提出风险感知决策过程,通过实例展示应用并提供实用指导。
2026-07-28 cs.AI cs.CY cs.MA
DeepPlanning: Benchmarking Long-Horizon Agentic Planning with Verifiable Constraints
Alibaba Group(阿里巴巴集团)
DeepPlanning是一个针对长周期代理规划的基准测试,通过多日旅行和多产品购物任务,评估代理在全局约束优化和局部约束推理中的能力。
2026-01-26 cs.AI cs.CL
AgenticCache: Cache-Driven Asynchronous Planning for Embodied AI Agents
Anonymous Institution, Anonymous City, Anonymous Region, Anonymous Country(匿名机构、匿名城市、匿名地区、匿名国家)
本文提出AgenticCache框架,利用缓存重用计划以减少LLM调用,提升任务成功率22%并降低延迟与成本。
2026-04-27 cs.AI cs.CL cs.LG
AgentCompass: Towards Reliable Evaluation of Agentic Workflows in Production
FutureAGI Inc.(未来AGI公司)
AgentCompass是首个面向生产环境智能体工作流部署后监控与调试的评估框架,通过多阶段分析流水线和双记忆系统实现持续学习,在TRAIL基准上取得最先进结果并发现人工标注遗漏的关键问题。
2025-09-18 cs.AI cs.CL
AgenticTwin: An Agentic LLM Framework Integrated with Digital Twin for Anomaly Detection
School of Computing, Wichita State University(威奇托州立大学计算机学院);Auburn University(奥本大学)
本研究提出AgenticTwin框架,整合LLM推理与数字孪生异常检测管道,构建基准评估管道并验证轻量级开源LLM部署可行性,可提升异常诊断、检索及缓解质量。
2026-08-13 cs.AI cs.IR cs.MA
Architectures for Building Agentic AI
Center for Applied Intelligent Systems Research, Halmstad University, Sweden(应用智能系统研究所,哈尔姆斯塔德大学,瑞典)
本文提出了一种构建代理AI的架构分类,通过组件化设计和显式控制循环提升系统可靠性。
2025-12-10 cs.AI cs.LG
Agentic Feature Augmentation: Unifying Selection and Generation with Teaming, Planning, and Memories
Arizona State University(亚利桑那州立大学)
针对现有特征工程中选择与生成分离、难以平衡冗余减少与维度扩充的问题,提出带长短期记忆的多智能体系统MAGS,通过路由智能体协调选择、生成动作,结合离线PPO强化微调训练,实现更优的特征增强与任务性能。
2025-05-21 cs.AI cs.LG
Do We Still Need GraphRAG? Benchmarking RAG and GraphRAG for Agentic Search Systems
New York University Shanghai(上海纽约大学)
本文通过RAGSearch基准测试,评估了代理搜索系统对密集RAG和代表性的GraphRAG方法的影响,发现代理搜索显著提升了密集RAG性能,但在复杂多跳推理中GraphRAG仍具优势。
2026-04-01 cs.AI cs.IR