GlobalRAG: Enhancing Global Reasoning in Multi-hop Question Answering via Reinforcement Learning
GlobalRAG通过强化学习框架提升多跳问答的全局推理能力,引入规划质量奖励和子目标完成奖励,结合渐进权重退火策略,有效解决多步推理中的全局规划和执行不一致问题。
2026-03-16 cs.AI cs.CL
Enhancing Temporal Sensitivity and Reasoning for Time-Sensitive Question Answering
University of Technology Sydney(悉尼科技大学);University of Liverpool(利物浦大学)
本文提出结合时间信息感知嵌入与粒度对比强化学习的新框架,以增强大模型的时间敏感性与推理能力,并在四个TSQA数据集上显著超越现有模型。
2024-09-29 cs.AI cs.CL
AI Metropolis: Scaling Large Language Model-based Multi-Agent Simulation with Out-of-order Execution
Stanford University(斯坦福大学);Georgia Institute of Technology(佐治亚理工学院)
本文提出AI Metropolis仿真引擎,通过乱序执行调度动态追踪智能体间真实依赖、减少虚假依赖,提升LLM多智能体仿真并行性与硬件利用率,实现1.3至4.15倍加速。
2024-11-05 cs.AI cs.DC cs.LG
Making Language Models Better Tool Learners with Execution Feedback
College of Computer Science and Technology, Zhejiang University(浙江大学计算机科学与技术学院);ZJU-Ant Group Joint Research Center for Knowledge Graphs, Zhejiang University(浙江大学-蚂蚁集团知识图谱联合研究中心);ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University(浙江大学杭州国际科技创新中心);Alibaba Group(阿里巴巴集团)
本文提出TRICE框架,通过工具执行反馈进行两阶段端到端训练,教会语言模型何时及如何使用工具,提升使用准确性并减少过度依赖。
2024-03-14 cs.AI cs.CL cs.HC
Code Execution as Grounded Supervision for LLM Reasoning
University of California, Davis(加州大学戴维斯分校);University of Southern California(南加州大学)
针对可靠 CoT 监督难以获取的问题,本文利用程序执行的确定性提取可验证推理轨迹并转换为自然语言 CoT,从而提升 LLM 的跨任务推理能力并减少推理 token。
2025-10-17 cs.AI cs.CL
ERABAL: Enhancing Role-Playing Agents through Boundary-Aware Learning
Kuaishou(快手)
本文提出 ERABAL 框架,通过边界感知学习和角色特定对话生成流水线,以更少的训练对话提升角色扮演智能体在边界查询下的角色一致性,并在多个基准上取得显著改进。
2024-10-22 cs.AI cs.CL
Enhancing LLM Agent Safety via Causal Influence Prompting
KAIST(韩国科学技术院)
本文提出CIP技术,利用因果影响图识别并缓解LLM智能体决策风险,通过初始化、引导交互和迭代优化三个步骤,在代码执行和移动设备控制任务中有效提升安全性。
2025-07-01 cs.AI cs.CL cs.LG
Enhancing Reliability in LLM-Integrated Robotic Systems: A Unified Approach to Security and Safety
The University of Western Australia(西澳大学)
针对大语言模型集成机器人系统面临的攻击防护与运行安全双重可靠性挑战,提出结合提示组装、状态管理与安全验证的统一框架,实验验证其在对抗场景下性能提升显著,且已开源部署演示。
2025-09-02 cs.AI cs.RO
Enhancing Web Agents with a Hierarchical Memory Tree
Beijing Institute of Technology(北京理工大学)
本文提出分层记忆树HMT,通过结构化框架分离逻辑规划与操作执行,提升网络代理在跨网站和跨领域任务中的泛化能力。
2026-03-07 cs.AI
GeoAgentBench: A Dynamic Execution Benchmark for Tool-Augmented Agents in Spatial Analysis
School of Geosciences and Info-Physics, Central South University(中南大学地球科学与信息物理学院);School of Earth Sciences and Spatial Information Engineering, Hunan University of Science and Technology(湖南科技大学地球科学与空间信息工程学院)
本文提出GeoAgentBench,通过动态执行沙盒评估地理信息代理,引入PEA指标和视觉语言模型验证,改进Plan-and-React架构,提升空间分析代理的执行鲁棒性与逻辑严谨性。
2026-04-15 cs.AI
Task Memory Engine (TME): Enhancing State Awareness for Multi-Step LLM Agent Tasks
Ye Ye(独立研究者)
本文提出任务记忆引擎(TME),通过分层任务记忆树结构化跟踪多步 LLM 智能体任务状态,并动态生成提示,以低开销提升任务完成准确率与可解释性,同时为图感知记忆架构奠定基础。
2025-08-22 cs.AI cs.CL
[Vision Paper] PRObot: Enhancing Patient-Reported Outcome Measures for Diabetic Retinopathy using Chatbots and Generative AI
Fraunhofer IAIS(弗劳恩霍夫智能分析与信息系统研究所);University of Bonn(波恩大学);Universitätsklinikum Bonn(波恩大学医院)
本文提出首个基于大语言模型的聊天机器人PRObot,用于糖尿病视网膜病变患者报告结局测量,通过定制问答和机器学习推断PROM评分,以改善治疗依从性并减少视力损害。
2024-11-05 cs.AI cs.CL
Revisit Self-Debugging with Self-Generated Tests for Code Generation
Peking University(北京大学);Beijing Institute of Technology(北京理工大学);Meituan(美团)
本研究重新审视了代码生成中的自调试方法,提出执行后与执行中两种范式,发现后者能利用中间状态减轻自生成测试的偏差,从而提升性能。
2025-01-22 cs.AI cs.SE
PerfCodeGen: Improving Performance of LLM Generated Code with Execution Feedback
The Chinese University of Hong Kong(香港中文大学);Salesforce Research(Salesforce研究院)
针对LLM生成代码仅关注功能正确性而缺乏效率优化的问题,提出无需训练的PerfCodeGen框架,通过执行时运行时间反馈优化代码,在更多问题上实现加速,开源模型效率媲美闭源模型,基准测试性能超越参考方案。
2024-11-18 cs.AI cs.CL cs.PL
Learning to Act under Noise: Enhancing Agent Robustness via Noisy Environments
National University of Singapore(国立新加坡大学);Meituan(美团);Tsinghua University(清华大学);Tianjin University(天津大学);University of Science and Technology of China(中国科学技术大学)
提出NoisyAgent框架,通过在训练中引入用户噪声和工具噪声,提升智能体在真实世界噪声环境下的鲁棒性和泛化能力。
2026-05-26 cs.AI
Enhancing Trust in LLM-Based AI Automation Agents: New Considerations and Future Challenges
IBM Research(IBM研究院)
本文针对基于LLM的新一代AI自动化智能体,系统分析信任研究现状与新兴挑战,评估现有产品应对方式,并提出未来研究方向。
2023-08-10 cs.AI
Long-Horizon Plan Execution in Large Tool Spaces through Entropy-Guided Branching
Georgia Institute of Technology(佐治亚理工学院);Amazon(亚马逊)
本文提出熵引导分支算法,解决大规模工具库中长周期任务执行的挑战,通过动态扩展高预测熵的决策分支,提升任务成功率和计算效率。
2026-04-13 cs.AI cs.CL
Enhancing the Spatial Awareness Capability of Multi-Modal Large Language Model
School of Computer Science, Peking University(北京大学计算机学院);Academy of Military Sciences(军事科学院)
本文针对多模态大语言模型空间感知能力不足的问题,提出利用物体间精确几何空间信息与场景图引导模型回答空间查询,并在多个基准上验证了其有效性。
2023-11-01 cs.AI cs.MM
REDO: Execution-Free Runtime Error Detection for COding Agents
University of Pennsylvania(宾夕法尼亚大学);AWS AI Labs(亚马逊云科技人工智能实验室)
本文提出免执行的运行时错误检测方法 REDO,结合 LLM 与静态分析工具在无需运行代码的情况下检测错误,并构建 SWEDE 基准,实验证明其准确率和加权 F1 分数分别提升 11.0% 和 9.1%。
2024-10-10 cs.AI cs.SE
Do Code Semantics Help? A Comprehensive Study on Execution Trace-Based Information for Code Large Language Models
Singapore Management University(新加坡国立管理学院);Nanyang Technological University(南洋理工大学);Tianjin University(天津大学);State Key Laboratory for Novel Software Technology(新型软件技术国家重点实验室)
本研究提出通用框架将执行轨迹等语义信息集成到代码大语言模型提示中,综合探究其对监督微调和推理后阶段的作用,发现语义信息用处有限,与先前工作结论相悖。
2025-09-24 cs.AI cs.SE
LayerShuffle: Enhancing Robustness in Vision Transformers by Randomizing Layer Execution Order
University of Copenhagen(哥本哈根大学);IT University of Copenhagen(哥本哈根信息技术大学)
针对人工神经网络测试时对层剪枝或打乱操作鲁棒性不足的问题,提出LayerShuffle方法,通过训练时随机化视觉Transformer注意力模块执行顺序,使其测试时适应任意层序(精度降约20%),且剪枝后性能优雅下降。
2024-12-06 cs.AI cs.CV cs.LG
Enhancing Lattice-based Motion Planning with Introspective Learning and Reasoning
Linköping University(林雪平大学)
基于格的运动规划是一种混合规划方法,其中由离散动作同时组成的规划是物理上可行的轨迹。规划考虑离散和连续方面,例如动作先决条件和配置空间中的无冲突动作持续时间。安全运动规划依赖于用于碰撞检查的校准良好的安全裕度。轨迹跟踪控制器还必须能够在该安全裕度内可靠地执行运动,以便执行是安全的。在这项工作中,我们关注的是随着时间的推移对控制器性能的内省学习和推理。不同动作的正常控制器执行是使用可靠的和不确定性感知的机器学习技术来学习的。通过校正执行偏差,我们设法大大减少运动动作的安全裕度。进行推理以验证学习的模型保持安全,并通过使用具有较小安全裕度的更准确的执行预测来提高运动规划器中的碰撞检查有效性。所提出的方法允许在正常情况下控制器性能的明确意识,并在异常情况下及时检测不正确的性能。采用仿真方法对四轴飞行器的非线性动力学进行了三维评估。视频:https://youtu.be/STmZduvSUMM
2021-12-06 cs.AI cs.LG cs.RO
CLEA: Closed-Loop Embodied Agent for Enhancing Task Execution in Dynamic Environments
Shenzhen Future Network of Intelligence Institute (FNii-Shenzhen)(深圳未来智能网络研究院);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Infused Synapse AI;Harbin Engineering University(哈尔滨工程大学);Institute of Medical Robotics, School of Biomedical Engineering, Shanghai Jiao Tong University(上海交通大学医学机器人研究所);School of Science and Engineering (SSE), FNii-Shenzhen(深圳未来智能网络研究院科学与工程学院)
针对动态环境中LLM具身系统子任务执行可靠性不足的问题,提出闭环具身智能体CLEA,集成四个开源LLM实现交互式规划与多模态执行批评,实验显示成功率提升67.3%,任务完成率提升52.8%。
2025-03-02 cs.AI cs.RO
Investigating Execution-Aware Language Models for Code Optimization
University of L’Aquila(拉奎拉大学);Software Institute - Università della Svizzera Italiana(软件研究所 - 瑞士意大利语大学)
本文研究了将代码执行信息整合到语言模型中对代码优化能力的影响,通过三种训练策略测试了四种执行方面对CodeT5+模型的优化效果,发现执行感知模型在代码优化上收益有限。
2025-03-11 cs.AI cs.CL cs.PF
Enhancing workflow-nets with data for trace completion
FBK-IRST(布鲁诺·凯斯勒基金会-信息技术与微系统研究所);Free University of Bozen-Bolzano(博尔扎诺-博岑自由大学)
越来越多地采用IT系统来建模和执行(业务)流程或服务,这将科学研究推向了支持更复杂形式的流程分析的技术和工具。它们中的许多,如一致性检查,流程对齐,挖掘和增强,依赖于对过去(跟踪和记录)执行的完整观察。然而,在许多实际情况下,缺乏对流程执行的所有步骤的人力或IT支持,以及模型和数据的信息隐藏和抽象,导致数据和活动的日志信息不完整。本文处理的问题,特别是考虑不仅活动,但也被他们操纵的数据,自动修复的痕迹与丢失的信息。我们的技术重铸这样一个问题的可达性问题,并提供了一个编码的动作语言,允许几乎使用任何国家的最先进的规划返回的解决方案。
2017-06-01 cs.AI
GraphTrafficGPT: Enhancing Traffic Management Through Graph-Based AI Agent Coordination
Department of Computer Science, Texas A\&M University, Corpus Christi, TX 78412 USA(计算机科学系,德克萨斯大学A&M分校)
GraphTrafficGPT提出基于有向图的LLM智能体协调架构,通过Brain Agent分解查询并并行执行依赖任务,相比TrafficGPT降低50.2%令牌消耗和19.0%延迟,并支持多查询并发处理。
2025-07-17 cs.AI
Instruction Agent: Enhancing Agent with Expert Demonstration
Microsoft(微软公司)
指令代理利用单个专家演示提取逐步指令并严格遵循用户轨迹执行,结合验证与回溯模块处理中断,在OSWorld难题上实现60%成功率,为GUI任务自动化提供实用框架。
2025-09-08 cs.AI cs.CL
Pi-SQL: Enhancing Text-to-SQL with Fine-Grained Guidance from Pivot Programming Languages
Shanghai University of Finance and Economics(上海金融学院);Tsinghua University(清华大学);Beihang University(北航);Wuhan University(武汉大学);Southern University of Science and Technology(南方科技大学)
Pi-SQL提出以高资源的Python程序作为枢轴,先为自然语言查询生成带细粒度逐步指导的Python代码,再据此生成SQL程序,并通过候选选择优化执行效率,显著提升了文本到SQL的执行准确率。
2025-06-03 cs.AI cs.CL
Enhancing Machine Learning Model Efficiency through Quantization and Bit Depth Optimization: A Performance Analysis on Healthcare Data
本研究针对复杂机器学习模型执行时间过长的问题,通过量化和位深优化技术将输入数据从float64下采样至float32和int32,在医疗数据集上应用LR模型后实现时间复杂度显著降低且精度仅略有下降,为模型优化提供了先进方法。
2025-11-16 cs.AI cs.LG
Reinforcement Learning for Autonomous Warehouse Orchestration in SAP Logistics Execution: Redefining Supply Chain Agility
Applied Materials(应用材料公司)
本文提出基于强化学习的 SAP LE 自主仓库任务编排框架,通过动态环境建模实时优化任务分配、库存移动与拣选,并在 30 万条交易数据上验证其效率提升。
2025-06-06 cs.AI
Enhancing Multi-Agent Collaboration with Attention-Based Actor-Critic Policies
Department of Computer Science and Software Engineering(计算机科学与软件工程系);Milwaukee School of Engineering(密尔沃基工程学院)
本文提出TAAC算法,通过注意力机制和惩罚损失函数提升多智能体协作性能,在模拟足球环境中表现出优越的协作能力。
2025-12-22 cs.AI cs.LG
Efficient Orchestrated AI Workflows Execution on Scale-out Spatial Architecture
School of Integrated Circuits, Tsinghua University(清华大学集成电路学院);Shanghai Jiao Tong University(上海交通大学)
针对AI应用复杂性,提出编排式AI工作流模型及Octopus可扩展空间架构,通过先进调度策略有效应对动态性挑战,显著优于传统架构并具强可扩展性。
2024-05-21 cs.AI cs.AR
Enhancing Model Interpretability with Local Attribution over Global Exploration
The University of Sydney(悉尼大学);Suzhou Yierqi(苏州伊尔奇)
针对现有归因方法探索样本空间时易进入分布外空间影响结果的问题,提出含定向与非定向探索阶段的局部归因算法,在归因效果上较最优方法平均提升38.21%。
2024-08-14 cs.AI cs.LG
JANUS: Enhancing Long-Horizon Autonomous Research with Co-Evolving World Models
State Key Laboratory of AI Safety, Institute of Computing Technology, CAS(中国科学院计算技术研究所人工智能安全国家重点实验室);University of Chinese Academy of Sciences (CAS)(中国科学院大学)
JANUS是通过协同进化世界模型驱动预测-验证-进化循环的框架,在MLS-Bench-Lite等任务上显著优于现有最优基线,提升了长周期自主研究的进化效率与上限。
2026-10-12 cs.AI cs.CL cs.MA
BacktrackAgent: Enhancing GUI Agent with Error Detection and Backtracking Mechanism
MiLM Plus, Xiaomi Inc(小米公司 MiLM Plus)
针对GUI智能体缺乏错误检测与恢复机制的问题,提出BacktrackAgent框架,集成验证器、判断器、反射器及回溯机制,并构建专用训练数据集,在Mobile3M和Auto-UI上显著提升任务成功率与步骤准确率。
2025-05-27 cs.AI cs.CL
Poster: Enhancing GNN Robustness for Network Intrusion Detection via Agent-based Analysis
Department of Computing Imperial College London(计算系伦敦帝国理工学院)
本研究提出利用LLM智能体审查网络流图结构,在GNN处理前识别并缓解对抗性扰动,实验证明该方法显著提升了基于GNN的NIDS在现实对抗攻击下的鲁棒性与泛化能力。
2025-06-25 cs.AI cs.CR
Go-Oracle: Automated Test Oracle for Go Concurrency Bugs
University of Edinburgh(爱丁堡大学);Bytedance(字节跳动)
针对Go程序并发缺陷测试预言缺失的问题,提出Go-Oracle工具,通过采集执行轨迹、编码后用transformer模型分类测试结果,在有限数据集下仍有高准确率,获工业界开发者认可。
2024-12-11 cs.AI cs.SE
Decoupled Delay Compensation: Enhancing Pre-trained MARL Policies via Learned Dynamics Filtering
University of Haifa(海法大学)
针对多智能体强化学习在延迟观测和通信延迟下的性能退化问题,提出一种模块化的执行阶段状态估计层,利用学习的门控转移模型和递归卡尔曼滤波从异步测量中估计当前状态,作为预训练策略的即插即用模块,显著提升对通信延迟和丢包的鲁棒性。
2026-05-25 cs.AI cs.MA cs.RO
Practical Limits of Autonomous Test Repair: A Multi-Agent Case Study with LLM-Driven Discovery and Self-Correction
Independent Researcher(独立研究者)
本文通过多智能体系统在企业UI测试中的应用,探讨自主测试的限制,发现受限自主性能提升系统稳定性与可靠性,需结合验证边界和人工监督。
2026-05-02 cs.AI cs.SE
Agentic Reasoning: A Streamlined Framework for Enhancing LLM Reasoning with Agentic Tools
University of Oxford(牛津大学);National University of Singapore(新加坡国立大学);Carnegie Mellon University(卡内基梅隆大学);MBZUAI
本文提出Agentic Reasoning框架,通过集成Mind-Map智能体和Web-Search智能体等外部工具,增强大型语言模型的模型的推理能力,并在DeepSeek-R1上达到SOTA水平。
2025-07-14 cs.AI cs.CL
Insightful Assistant: AI-compatible Operation Graph Representations for Enhancing Industrial Conversational Agents
Technical University of Darmstadt(达姆施塔特工业大学)
语音控制助手的进步为进入消费者市场铺平了道路。对于专业或工业用途,由于数据的复杂性较高,可能的基于AI的操作和请求,这些助手的功能太有限或太耗时。针对这些缺陷,本文提出了洞察助理-一个管道概念,基于一种新的操作图表示,从检测到的意图。使用一组预定义的语义注释(可执行)函数,操作图的每个节点都被分配给一个函数执行。除了基本操作之外,这样的功能可以包含基于人工智能(AI)的操作(例如,异常检测)。然后根据类型和提取的用户偏好以自动化的方式将结果可视化给用户。我们进一步收集了一个独特的869个请求的众包集,每个请求都有四个不同的预期可视化变量,用于工业数据集。在此数据集上对我们的概念验证原型进行的评估显示了其可行性:对于具有不同变体的简单(复杂)请求检测,其准确率高达95.0%(74.5%),对于数据/用户自适应可视化,其top3准确率高达95.4%。
2020-07-25 cs.AI cs.CL cs.IR