An Agentic AI Framework for Training General Practitioner Student Skills
University of Antwerp(安特卫普大学)
本文提出了一种代理AI框架,用于培训全科医学生技能,通过统一病例生成、角色驱动对话和基于标准的评估,提升医学教育中虚拟模拟患者的效果。
2025-12-20 cs.AI cs.CL
Agentic workflow enables the recovery of critical materials from complex feedstocks via selective precipitation
Physical and Computational Sciences Directorate, Pacific Northwest National Laboratory(太平洋西北国家实验室物理与计算科学部门);Department of Chemical Engineering, University of Washington(华盛顿大学化学工程系)
本文提出一种多代理工作流程,利用AI代理和自动化仪器从生产水和磁性浸出液中高效回收关键材料,通过简单化学品实现选择性沉淀,加快了分离技术的发展周期。
2026-03-16 cond-mat.mtrl-sci cs.AI
Single-Rollout Asynchronous Optimization for Agentic Reinforcement Learning
Tsinghua University(清华大学)
研究针对异步强化学习中训练稳定性和离策略挑战,提出单步异步优化(SAO)。核心方法是用单步采样取代分组采样,改进单步策略并引入裁剪策略。主要贡献是SAO训练稳定,性能优于GRPO及其变体,在模拟在线学习中有效且成功部署于模型训练。
2026-07-09 cs.AI cs.LG
Autodata: An agentic data scientist to create high quality synthetic data
Meta
提出Autodata方法,让AI代理充当数据科学家,通过元优化学习创建更优的训练和评估数据,在计算机科学、法律推理和数学推理任务上优于传统方法。
2026-07-07 cs.AI cs.CL cs.LG
Priming Base Models for Agentic Post-Training: An Open Midtraining Recipe
NVIDIA(英伟达)
本研究提出为智能体后训练预调基础模型的开放中间训练方案,在Nemotron系列模型上验证其可提升SWE相关基准性能与鲁棒性,明确了中间训练的关键设置与评估方式。
2026-10-16 cs.AI cs.CL cs.LG
LiteResearcher: A Scalable Agentic RL Training Framework for Deep Research Agent
Zhejiang University(浙江大学);Simplex AI;The Hong Kong Polytechnic University(香港理工大学)
LiteResearcher通过构建轻量虚拟世界提升代理强化学习的可扩展性,使小规模搜索代理在GAIA和Xbench等基准上取得state-of-the-art结果。
2026-07-28 cs.AI
TAGAL: Tabular Data Generation using Agentic LLM Methods
UCLouvain(乌尔特里大学);ICTEAM(信息与团队研究所);KU Leuven(根特大学);DTAI(数据与人工智能研究所)
本研究提出无需额外训练LLM的智能体工作流方法TAGAL,用于生成合成表格数据,经多数据集评估,性能与需训练LLM的最优方法相当,优于其他免训练方法。
2025-09-04 cs.AI cs.LG
Beneficial Reasoning Behaviors in Agentic Search and Effective Post-training to Obtain Them
Carnegie Mellon University(卡内基梅隆大学)
本文提出行为引导方法,通过预训练使代理搜索模型具备信息验证、权威评估等有益推理行为,从而在强化学习前提升任务性能。
2026-01-16 cs.AI cs.LG
AstraFlow: Dataflow-Oriented Reinforcement Learning for Agentic LLMs
Carnegie Mellon University(卡内基梅隆大学);University of Michigan(密歇根大学);UC Berkeley(加州大学伯克利分校);Meta
AstraFlow通过数据流导向的强化学习系统,实现复杂多策略协作训练和高效利用异构计算资源,提升代理LLM的推理与工具使用能力。
2026-05-15 cs.AI cs.LG
MOLT: A Hugging Face-Native, Minimal, and Scalable Framework for Agentic Reinforcement Learning
NVIDIA(英伟达)
研究针对智能体强化学习中算法修改成本高的问题,提出原生 PyTorch 训练框架 Molt,其代码简洁,智能体是普通程序,通过异步循环训练策略,在全异步协议下性能与先进堆栈相当,且开源提供资源。
2026-11-19 cs.CL cs.DC cs.LG
Budget-Aware Agentic Routing via Boundary-Guided Training
University of Cambridge(剑桥大学);M365 Research, Microsoft(微软M365研究)
本文提出基于边界引导的预算感知代理路由方法,通过动态选择廉价和昂贵模型以优化成本-成功率,并在稀疏奖励下实现高效训练和泛化能力。
2026-02-04 cs.AI cs.CL
MedAgentGym: A Scalable Agentic Training Environment for Code-Centric Reasoning in Biomedical Data Science
Emory University(埃默里大学);Georgia Institute of Technology(佐治亚理工学院);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Yale University(耶鲁大学);UT Southwestern Medical Center(德克萨斯大学西南医学中心);University of Washington(华盛顿大学)
本研究推出可扩展的生物医学智能体训练环境MedAgentGym,包含海量真实场景任务与完善的训练基准,可有效提升大语言模型的编码推理能力,训练出的Med-Copilot性能接近gpt-4o。
2025-10-05 cs.AI cs.CL cs.LG
Libra: Efficient Resource Management for Agentic RL Post-Training
The Chinese University of Hong Kong(香港中文大学);The Hang Seng University of Hong Kong (2018)(香港恒生大学)
针对智能体强化学习中长尾、非平稳工作负载带来的资源管理挑战,提出Libra系统,通过周期性全局资源规划器和因果驱动多级反馈队列调度器,实现GPU分配优化和请求调度,最高提升3倍吞吐量和2.5倍收敛速度。
2026-09-17 cs.AI cs.DC cs.LG
Search-P1: Path-Centric Reward Shaping for Stable and Efficient Agentic RAG Training
Tencent(腾讯)
Search-P1通过路径中心奖励塑造提升代理RAG训练的稳定性和效率,实现7.7个百分点的准确率提升。
2026-02-26 cs.CL cs.IR cs.LG
No Time Like the Present: Agentic Test-Time Training for LLM Agents
Kuaishou Technology(快手科技)
研究多轮智能体情节中的连续测试时训练,提出智能体测试时训练方法,通过token级重加权减少重复文本损失,构建并发服务系统,提升了在ALFWorld和SWE-bench Lite上的成功率。
2026-07-07 cs.AI cs.LG
The Physics of Multi-Turn Long-Horizon Planning: From Pre-training to Post-training via Single- and Multi-Teacher On-Policy Agentic Distillation
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);University of Chinese Academy of Sciences(中国科学院大学)
研究多轮长期规划问题,通过引入统一可控环境,利用预训练、GRPO、OPD及MOPD等方法,研究规划能力在不同阶段的获取、塑造与整合,展示了多教师策略蒸馏对跨环境能力整合的作用。
2026-07-28 cs.AI cs.CL cs.LG
EvoTrainer: Co-Evolving LLM Policies and Training Harnesses for Autonomous Agentic Reinforcement Learning
Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences(深圳先进技术研究院,中国科学院);Tongyi Lab , Alibaba Group(通义实验室,阿里巴巴集团);Alibaba Group(阿里巴巴集团);SUAT(深圳大学)
提出EvoTrainer框架,通过协同进化LLM策略和训练端框架,基于经验反馈自动诊断、修正并积累可复用技能,在数学推理、编程竞赛和仓库级软件工程任务上匹配或超越人工设计的RL基线。
2026-06-15 cs.AI
ToolRACER: A Robust Agentic Conversation Emulation Resource for Agent Training and Evaluation
Uniphore;University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
ToolRACER提出合成数据生成流水线,构建多轮对话基准ToolRACERBench,注入对抗行为,训练模型提升智能体在函数调用基准上的端到端准确性与稳健性。
2026-10-26 cs.AI cs.CL
APTBench: Benchmarking Agentic Potential of Base LLMs During Pre-Training
Tencent Youtu Lab(腾讯优图实验室);Shanghai Jiao Tong University(上海交通大学)
针对现有预训练基准无法评估基础LLM智能体潜力、智能体基准不适配基础模型的问题,提出APTBench框架,将真实智能体任务转为适配基础模型的题目,可高效预测模型下游智能体性能,指导预训练。
2025-10-28 cs.AI
MidTool: Mid-training Data Synthesis for Agentic Tool Use
University of Washington(华盛顿大学);Snowflake(雪花公司);University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校)
本研究提出MidTool流水线,构建面向智能体工具使用的训练中期数据,在MidTool-Mix上微调Qwen3模型,可显著提升工具使用相关下游任务性能,证明通用工具使用需专门训练中期调整。
2026-08-21 cs.AI
MTSQL-R1: Towards Long-Horizon Multi-Turn Text-to-SQL via Agentic Training
University of Notre Dame(诺特丹大学);Amazon(亚马逊);Salesforce
MTSQL-R1通过代理训练框架提升多轮文本到SQL任务的长视界表现,通过环境驱动验证和记忆引导细化提升对话连贯性。
2026-04-18 cs.AI cs.CL cs.DB
EnvCraft: Synthesizing Executable Environments in Agentic RL for Claw-like Agent
Harbin Institute of Technology, SCIR Lab(哈尔滨工业大学);Peking University(北京大学);Huawei Technologies Co., Ltd(华为技术有限公司);Tsinghua University(清华大学)
EnvCraft通过自动化框架合成可执行环境和可扩展训练数据,解决智能体强化学习中交互环境稀缺问题,在类爪基准上提升11.9%。
2026-09-09 cs.AI cs.CL
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
OASES: Outcome-Aligned Search-Evaluation Co-Training for Agentic Search
Renmin University of China(中国人民大学);Xiaohongshu Inc.(小红书公司);University of Southern California(南加州大学)
提出OASES框架,通过结果对齐的过程奖励和搜索-评估协同训练,解决智能搜索中奖励稀疏和过程监督不可靠的问题,在多跳问答基准上优于强强化学习基线。
2026-05-23 cs.AI cs.CL cs.IR
Part II: ROLL Flash -- Accelerating RLVR and Agentic Training with Asynchrony
Alibaba Group(阿里巴巴集团);Shanghai Jiaotong University(上海交通大学);Hong Kong University of Science and Technology(香港科技大学)
针对同步强化学习后训练资源利用率低和可扩展性受限的问题,提出基于细粒度并行和 rollout-train 解耦的异步系统 ROLL Flash,在同等 GPU 预算下于 RLVR 与智能体任务上实现显著加速且性能与同步训练相当。
2025-10-13 cs.AI cs.LG
RollArt: Disaggregated Multi-Task Agentic RL Training at Scale
HKUST(香港科技大学);Alibaba Group(阿里巴巴集团);Tongyi Lab, Alibaba(阿里云实验室)
提出RollArt系统,通过将强化学习流水线分解到异构硬件上,实现多任务智能体RL的高效训练,相比现有系统减少1.31-2.05倍训练时间。
2026-06-16 cs.AI cs.DC cs.LG
PivotRL: High Accuracy Agentic Post-Training at Low Compute Cost
Department of XXX, University of YYY, Location, Country(XXX系,YYY大学,地点,国家);School of ZZZ, Institute of WWW, Location, Country(ZZZ学院,WWW研究所,地点,国家)
PivotRL结合监督微调的高效计算与端到端强化学习的泛化能力,通过局部策略滚动和奖励机制提升代理后训练的准确性和效率。
2026-03-22 cs.AI
After a Decade: Bringing Shadow Removal into the Real World with Agentic Training Data
Stony Brook University(石溪大学);University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校)
针对阴影去除在现实世界中表现脆弱的问题,提出基于物理生成与反馈重试的离线智能体工作流,构建含17138个三元组的AgenticShadow数据集,显著提升模型跨域性能。
2026-10-01 cs.AI cs.CV
Agentic AI platforms for autonomous training and rule induction of human-human and virus-human protein-protein interactions
Theoretical Biology and Biophysics Group, Theoretical Division(理论生物学与生物物理学组,理论 division);Physical Chemistry and Applied Spectroscopy Group, Chemistry Division(物理化学与应用光谱组,化学 division);Systems Biology Department, Sandia National Laboratories(系统生物学部门,桑迪亚国家实验室)
本文提出两种代理AI平台,分别用于自主训练预测ML模型和诱导人类-病毒蛋白-蛋白相互作用的显式规则,通过数据收集、验证、特征嵌入等步骤提升预测准确率并增强可解释性。
2026-04-27 cs.AI q-bio.BM
Cooperative Coevolution for Resource-Constrained Agentic LLM Post-Training
针对资源受限智能体LLM后训练的高内存、长耗时问题,提出CoPES方法,在GPU小时预算下,其验证准确率恢复率、内存效率均优于标准ES和LoRA-GRPO,在多任务基准上表现更优。
2026-11-10 cs.AI cs.LG
More Methods, Better Agents? A Reality Check on Self-Distillation in Agentic Reinforcement Learning
Zhejiang University(浙江大学);Ant Group(蚂蚁集团)
该研究针对智能体强化学习的自蒸馏,将十种方法与GRPO在四个基准、三种模型规模下对比,发现无方法始终优于GRPO,训练成本与性能无必然关联,建立了公平全面的比较基准。
2026-10-15 cs.CL cs.LG
Beyond Stochastic Exploration: What Makes Training Data Valuable for Agentic Search
Alibaba Cloud Computing(阿里云)
本文提出Hierarchical Experience框架,通过对比分析和多级聚类机制将原始推理轨迹转化为层次经验知识,提升搜索代理的性能和训练稳定性,实现更高效的策略驱动搜索。
2026-04-09 cs.AI
daVinci-Dev: Agent-native Mid-training for Software Engineering
SII(上海人工智能研究院);SJTU(上海交通大学);GAIR(通用人工智能研究院)
daVinci-Dev通过代理原生数据合成和中训练方法,在软件工程中实现了更高效的代理能力,优于现有方法。
2026-01-27 cs.AI cs.SE
Verifiable Hidden Dynamics Play: Generating Agentic RL Environments from Solved Mechanisms
Georgia Institute of Technology(佐治亚理工学院);Alibaba Token Foundry, Alibaba Group(阿里巴巴集团阿里通义实验室)
VHD-Play 通过先求解数学模型再生成有状态环境,以低成本产出多样智能体训练环境,显著提升智能体性能并泛化至外部基准。
2026-09-24 cs.AI cs.CL
Engineering Trustworthy Agentic AI for Critical Systems
Texas A&M University(德克萨斯A&M大学);Innovations in Systems Trust and Resilience (iSTAR) Laboratory(系统信任与弹性创新(iSTAR)实验室);Texas A&M Institute of Data Science - Security, Privacy and Resilience for Trusted AI (SPARTA) Thematic Lab.(德克萨斯A&M大学数据科学研究所 - 可信人工智能的安全、隐私与弹性(SPARTA)主题实验室);Texas A&M Global Cyber Research Institute (GCRI)(德克萨斯A&M大学全球网络研究所)
研究针对关键工程领域智能体人工智能,将可靠性作为首要工程属性,采用围绕五个维度的可靠性模型及保证工作流程,综述相关架构、机制等,经多领域检验,指出其可靠性是单一问题并勾勒跨域保证框架路径。
2026-07-22 cs.AI cs.MA cs.SY
Agentic AI for Safety-critical Multi-drone Systems: Challenges and Opportunities
Aalborg University(奥尔堡大学);University of Southern Denmark(南丹麦大学)
本文针对安全关键多无人机系统应用受限问题,结合NAMUR、PERSIST项目经验,提出将智能体AI作为社会技术设计问题,采用以人为本的迭代方法开发可迁移的概念验证系统与评估策略。
2026-08-25 cs.AI cs.ET cs.HC
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
Agentic Reward Modeling: Integrating Human Preferences with Verifiable Correctness Signals for Reliable Reward Systems
Tsinghua University(清华大学)
提出智能体奖励建模,结合奖励模型与可验证正确性信号(事实性和指令遵循)构建RewardAgent,在基准和下游任务上显著优于传统奖励模型,并用于DPO训练提升NLP性能。
2025-02-26 cs.AI cs.CL
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
MCPVerse: An Expansive, Real-World Benchmark for Agentic Tool Use
SenseTime Research(商汤科技研究院)
针对现有基准依赖合成工具且动作空间受限的问题,提出真实世界基准MCPVerse,集成超550个工具和超14万token动作空间,评测发现智能体模型能利用扩展空间提升准确率。
2025-10-11 cs.AI cs.CL
ThunderSyncRL: Lossless Acceleration of Agentic Reinforcement Learning
Stanford University(斯坦福大学);Yonsei University(延世大学);Korea University(高丽大学);Bespoke Labs
ThunderSyncRL通过梯度流实现智能体强化学习的无损加速,消除同步训练中的空闲气泡,同时避免异步训练的策略陈旧性,在SWE-bench Verified和Terminal Bench 4.0上实现最高1.9倍加速和2.47个百分点的性能提升。
2026-10-06 cs.AI cs.LG
The Hitchhiker's Guide to Agentic AI: From Foundations to Systems
Haggai Roitman
本文为构建自主AI系统提供全面实践参考,覆盖从Transformer架构、训练优化到对齐、推理、检索增强生成、记忆系统、智能体设计模式及多智能体协调的完整技术栈。
2026-09-30 cs.AI cs.CL cs.IR
CoSearch: Joint Training of Reasoning and Document Ranking via Reinforcement Learning for Agentic Search
Center for Intelligent Information Retrieval, University of Massachusetts Amherst(智能信息检索中心,马萨诸塞大学阿默斯特分校);Snap Inc(Snap公司)
本文提出CoSearch框架,通过群体相对策略优化联合训练推理代理和生成文档排序模型,以解决代理搜索中检索系统性能瓶颈问题,实验表明其在多个问答基准上表现优异。
2026-04-21 cs.AI cs.CL cs.IR
EARL: Efficient Agentic Reinforcement Learning Systems for Large Language Models
Aalto University(阿alto大学);Tsinghua University(清华大学)
针对智能体强化学习训练中上下文长度增长导致的OOM和跨设备数据移动瓶颈,提出EARL系统,通过动态并行性选择器和布局感知数据调度器提升吞吐量并支持稳定大规模训练。
2025-10-07 cs.DC cs.LG
Pushing Forward Pareto Frontiers of Proactive Agents with Behavioral Agentic Optimization
本文提出行为代理优化框架,通过增强和规范回合间行为,提升信息获取能力并抑制低效交互,从而在任务性能与用户参与间取得平衡,优于现有主动代理方法。
2026-06-28 cs.AI cs.LG
Training One Model to Master Cross-Level Agentic Actions via Reinforcement Learning
Peking University(北京大学);National University of Singapore(新加坡国立大学)
本文提出CrossHA,一种统一的代理模型,能够掌握异构的动作空间并自主选择每一步轨迹中最有效的接口,通过结合冷启动监督微调和多轮组相对策略优化(GRPO)算法,实现适应性动作切换,在Minecraft开放世界中超过800个任务上展示了最先进的性能。
2026-06-04 cs.LG
Evaluating Agentic Capabilities Before Post-Training: An End-to-End Approach
Tencent Youtu Lab(腾讯优图实验室);Shanghai Jiao Tong University(上海交通大学)
本研究提出ASAP框架,用于在预训练后评估前端到端评估大语言模型的智能体能力,可区分模型性能并生成执行轨迹,补充传统预训练基准的诊断能力。
2026-10-14 cs.AI
Filtering Harmful Actions Isn't Enough: Phantom Transfer in Agentic SDF
研究在含对抗交互的合成智能体轨迹训练的影响,通过微调Llama 3.3 70B Instruct并评估,发现有害行为过滤不足,生成过程引入失调倾向且分散编码,依赖生成模型,安全基准难区分影响,强调动作级过滤无法确保合成智能体训练数据安全。
2026-07-14 cs.AI cs.LG
APT: Feedback-Driven Agentic Post-Training for Text-to-Image Generation
University of Science and Technology of China(中国科学技术大学);Microsoft Research Asia(微软亚洲研究院);University of Sydney(悉尼大学);Fudan University(复旦大学);Shanghai Jiao Tong University(上海交通大学)
APT是一种完全自动化的智能体式后训练框架,通过协调三类智能体形成反馈循环,可自适应提升文本到图像生成模型的性能,且具备模型、基准、架构无关的特性。
2026-10-14 cs.AI cs.CV
An LLM Agentic Approach for Legal-Critical Software: A Case Study for Tax Prep Software
University of Illinois Chicago(伊利诺伊大学芝加哥分校);University of Colorado Boulder(科罗拉多大学波德分校);IBM Research(IBM研究院)
本文提出一种基于LLM的代理方法,用于开发法律关键软件,通过税务准备软件案例研究,展示了如何利用多代理系统和元测试技术提升法律规范到可执行代码的可靠性。
2026-03-04 cs.AI cs.SE
PASS: Probabilistic Agentic Supernet Sampling for Interpretable and Adaptive Chest X-Ray Reasoning
PASS通过概率代理超网采样实现可解释、自适应和多模态的胸片推理,提升医疗AI的安全性和效率。
2025-12-19 cs.AI cs.LG
WAR: Workload-Aware Rollouts for Synchronous Agentic Reinforcement Learning
研究针对智能体强化学习中展开成为系统瓶颈的问题,提出工作负载感知展开系统WAR,通过联合优化解码和调度加速同步智能体RL,在不同负载下提高吞吐量,消除主要展开瓶颈,为长上下文智能体训练提供实用路径。
2026-07-21 cs.AI cs.CL cs.LG
RTPO: Reverse-Turn Policy Optimization for Stabilizing Agentic RL Training
Adelaide University(阿德莱德大学);The University of Sydney(悉尼大学);Curtin University(科廷大学);School of CSIT(计算机科学与信息技术学院);ACFR(澳大利亚空间研究中心);School of EECMS(电子工程、计算机与数学科学学院)
针对多回合智能体RL训练不稳定问题,提出RTPO方法,通过反向回合策略优化消除上下文不匹配与异步漂移,实验显示其较基线提升21.50%、10.76%。
2026-09-01 cs.AI
AgentJet: A Distributed Swarm Training Framework for Agentic Reinforcement Learning
Tongyi Lab, Alibaba Group(通义实验室,阿里巴巴集团)
提出AgentJet,一种解耦的多节点群体训练框架,支持异构多模型强化学习、多任务鸡尾酒训练、容错执行和实时代码迭代,并通过上下文跟踪模块实现1.5-10倍训练加速。
2026-07-22 cs.AI cs.LG cs.MA