Stochasticity in Agentic Evaluations: Quantifying Inconsistency with Intraclass Correlation
本文提出通过组内相关系数量化代理评估中的不一致性,以提高评估可靠性,建议在基准测试中报告ICC和查询内方差。
2025-12-07 cs.AI
ComboShoppingBench: Evaluating LLM Agents for Budget-Constrained Basket Shopping with Coupons
本研究推出ComboShoppingBench组合购物基准,通过探索智能体、LLM评判者及确定性验证,发现各类LLM智能体在该基准上表现不佳,凸显其在约束感知组合购物上仍有巨大改进空间。
2026-08-11 cs.AI cs.CL
Quantifying Energy and Cost Benefits of Hybrid Edge Cloud: Analysis of Traditional and Agentic Workloads
本文分析了集中式云系统的工作负载分布挑战,提出Hybrid Edge Cloud (HEC)架构,并在传统与智能体工作负载场景下量化验证了其能实现高达75%节能和80%以上成本降低,为下一代智能系统提供可持续计算方案。
2025-01-29 cs.AI cs.DC
GRUET: Quantifying Uncertainty of Agentic Reasoning-and-Acting Processes
针对智能体ReAct过程中轨迹级不确定性导致的可信度问题,提出GRUET方法,通过图建模推理分支空间量化逐轮不确定性并聚合为轨迹级不确定性,在九个LLMs和五个基准上验证了有效性。
2026-09-22 cs.AI
Reasoning and Tool-use Compete in Agentic RL:From Quantifying Interference to Disentangled Tuning
School of Information, Renmin University of China(中国人民大学信息学院);Bytedance Inc.(字节跳动公司)
本文通过引入能力效应归因(CEA)量化推理与工具使用行为之间的干扰,并提出解耦动作-推理调优(DART)框架,通过分离参数更新来提升智能体强化学习的性能。
2026-09-01 cs.AI
Exploit More, Explore Smarter for Budget-Constrained Agentic Search
Amazon AGI(亚马逊AGI)
针对预算受限的智能体搜索场景,提出ExTS树搜索策略,结合三种机制优化树搜索,在多项任务上实现性能提升,还提供了问题结构差异的诊断方法。
2026-08-26 cs.AI cs.LG
ActKV: Efficient LLM Agents through Action-Guided KV Cache Management
University of Science and Technology of China(中国科学技术大学);Suzhou Institute for Advanced Research, University of Science and Technology of China(中国科学技术大学苏州高等研究院)
ActKV提出面向智能体LLM推理的KV缓存压缩框架,通过动作导向驱逐、置信度驱动预算分配和页感知管理,在仅用25.98%内存时保留98.53%准确率,并提升3.97倍吞吐量。
2026-09-28 cs.AI cs.OS
MAGE-RAG: Multigranular Adaptive Graph Evidence for Agentic Multimodal RAG in Long-Document QA
University of Science and Technology of China(中国科学技术大学)
提出MAGE-RAG框架,通过离线构建包含页面和元素节点的证据图,在线自适应构建证据子图,平衡证据覆盖与噪声控制,在长文档多模态问答中取得最优性能。
2026-06-16 cs.AI cs.CL cs.DB
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
Quantifying the Expectation-Realisation Gap for Agentic AI Systems
German Center for Diabetes Research(德国糖尿病研究中心)
本文量化了代理AI系统在实际应用中与预期之间的差距,揭示了工作流整合、验证负担和测量不匹配等因素的影响,并提出需考虑人类监督成本的规划框架。
2026-02-25 cs.AI cs.SE
TheoremForge: Scaling up Formal Data Synthesis with Low-Budget Agentic Workflow
Gaoling School of Artificial Intelligence, Renmin University of China(中国人民大学全球化人工智能学院);Beijing Key Laboratory of Research on Large Models(北京大模型研究关键实验室);Engineering Research Center of Next-Generation Intelligent Search(下一代智能搜索与推荐工程研究中心)
TheoremForge通过低成本代理工作流提升形式化数据合成效率,实现12.6%的验证率和1.6倍的数据产量提升。
2026-01-24 cs.AI
Budget-Constrained Agentic Large Language Models: Intention-Based Planning for Costly Tool Use
Gaoling School of Artificial Intelligence, Renmin University of China(中国人民大学人工智能学院);Shanghai University of Finance(上海财经大学);Baidu Inc.(百度公司)
本文提出INTENT框架,通过意图感知的分层世界模型,在预算约束下提升工具使用任务的成功率并保持鲁棒性。
2026-02-12 cs.AI cs.LG
On Time, Within Budget: Constraint-Driven Online Resource Allocation for Agentic Workflows
School of Computer Science, Beijing Institute of Technology(北京理工大学计算机科学学院);Xiaohongshu Inc(小红书公司)
本文研究了在预算和截止时间约束下,如何通过约束驱动的在线资源分配提高代理工作流的成功概率,提出MCPP算法并在CodeFlow和ProofFlow上验证其有效性。
2026-05-08 cs.AI cs.CL
Agentic Search for Counterfactual Recourse under Fixed LLM Budgets
RIKEN Center for Advanced Intelligence Project(日本RIKEN高级智能项目中心)
提出Comp-MCTS框架,在固定LLM调用预算下,通过树搜索最大化生成唯一且经oracle验证的反事实,平衡数量与质量。
2026-09-29 cs.AI cs.LG
A Theory of LLM Information Susceptibility
School of Physics, Peking University(北京大学物理学院);Center for High Energy Physics, Peking University(北京大学高能物理中心)
本文提出大语言模型信息易感性理论,探讨计算资源充足时固定LLM对策略集预算敏感性的影响,通过多变量效用函数框架分析多预算通道架构,并验证了共缩放架构在提升性能方面的有效性。
2026-03-24 cond-mat.stat-mech cs.AI cs.CL
Numerical Instability and Chaos: Quantifying the Unpredictability of Large Language Models
Department of Computer Science, Florida State University, Tallahassee, USA(佛罗里达州立大学计算机科学系,塔拉希西亚,美国);Department of Mathematics, Florida State University, Tallahassee, USA(佛罗里达州立大学数学系,塔拉希西亚,美国)
本文研究了大型语言模型中数值不稳定性导致的不可预测性,揭示了浮点精度限制下误差传播机制,识别出混沌效应及三种不同行为模式。
2026-04-14 cs.AI cs.LG cs.NA
Protocol-Preserving Context Trimming for Agentic Workflows: Benefits, Failure Regimes, and Budget Guardrails
Intuit Credit Karma
本研究评估协议保持上下文裁剪对智能体工作流的影响,发现协议感知裁剪和自适应预算护栏能显著提升任务成功率与协议遵循率,同时节省令牌,表明保留协议关键状态比最大化令牌移除更重要。
2026-09-16 cs.AI cs.SE
KernelBrain: Coarse-to-Fine, Budget-Aware Search for Agentic GPU Kernel Optimization
Microsoft(微软公司)
KernelBrain是结合LLM引导变异等技术的GPU内核优化智能体,可提升内核质量与搜索效率,在Triton内核任务中获多倍加速且缩短优化时间。
2026-08-05 cs.AI cs.DC cs.LG
A Policy Algebra for Trust-Preserving Agentic AI Execution
本文提出一种策略代数,用于定义智能体AI执行的可靠范围,可干预94.8%的策略违规事件,保留86.9%的任务完成率,为构建可靠智能体提供支持。
2026-08-18 cs.AI
Learning to Configure Agentic AI Systems
School of Computing and Augmented Intelligence(计算与增强智能学院);Arizona State University(亚利桑那州立大学)
本文提出了一种基于半马尔可夫决策过程(SMDP)的代理配置方法,通过ARC模型动态选择查询特定的代理配置,从而在多个基准测试中提升了推理准确性、工具使用准确性和τ-Bench(Airline)Pass的成功率。
2026-10-07 cs.AI
Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning
Meta Superintelligence Labs(Meta超级智能实验室)
本文提出智能体元推理框架,通过控制器显式管理执行决策,在长时程任务中显著提升性能,如ProgramBench上GPT-5.5达71.5%,并随预算增长持续改进。
2026-09-30 cs.AI
TRACE: A Unified Rollout Budget Allocation Framework for Efficient Agentic Reinforcement Learning
Tsinghua University(清华大学);Tencent(腾讯)
针对多轮智能体强化学习中奖励对比度不足的问题,提出TRACE框架,通过将每个ReAct式思考-行动-观察步骤建模为语义节点,在固定采样预算内将预算分配到提示根和中间前缀,增强奖励对比,提升策略更新信号。
2026-08-25 cs.AI cs.CL cs.LG
Tool-Schema Compression Enables Agentic RAG Under Constrained Context Budgets
Independent Researcher(独立研究者)
针对智能体RAG系统中工具模式与检索上下文竞争资源的问题,提出工具模式压缩方法,在8K上下文预算下将平均精确匹配率提升20.5个百分点,并验证了压缩模式在超过800个工具时仍可运行。
2026-05-24 cs.AI cs.CL cs.SE
Query-Efficient Agentic Graph Extraction Attacks on GraphRAG Systems
The Pennsylvania State University(宾夕法尼亚州立大学)
本文提出AGEA框架,通过引导探索与利用策略、外部图记忆模块和两阶段图提取流程,高效恢复GraphRAG系统的隐藏图结构,在医疗、农业和文学数据集上表现优异。
2026-04-20 cs.AI cs.MA
Tokenomics: Quantifying Where Tokens Are Used in Agentic Software Engineering
Data-driven Analysis of Software (DAS) Lab Concordia University Montreal Canada;Data-driven Analysis of Software (DAS) Lab Concordia University
研究通过分析LLM-MA系统在软件开发生命周期中的令牌消耗,发现代码审查阶段消耗最大,提出优化代理协作效率的方法。
2026-01-20 cs.AI cs.MA cs.SE
Timely Machine: Awareness of Time Makes Test-Time Scaling Agentic
Fudan University Shanghai AI Laboratory(复旦大学上海人工智能实验室);Shanghai AI Laboratory(上海人工智能实验室);The Chinese University of Hong Kong(香港中文大学)
Timely Machine通过重新定义测试时间为实时时钟时间,提出Timely-RL方法提升时间预算意识,以应对高频工具调用和时间受限推理的挑战。
2026-01-23 cs.AI cs.CL
Agentic Chain-of-Thought Steering for Efficient and Controllable LLM Reasoning
University of California San Diego(加州大学圣地亚哥分校);Intuit(财捷集团)
提出Agentic Chain-of-Thought Steering (ACTS)方法,通过强化学习训练控制器智能体在推理过程中自适应地选择推理策略和引导短语,实现预算感知的策略控制,从而在保持推理质量的同时显著节省token,并支持准确率-效率的可控权衡。
2026-09-01 cs.AI cs.CL
Switchcraft: AI Model Router for Agentic Tool Calling
Microsoft Research(微软研究院);Stanford(斯坦福大学)
Switchcraft是首个面向代理工具调用优化的模型路由系统,通过选择成本最低且正确的模型,降低推理成本达84%,同时保持准确率与最佳单个模型相当。
2026-11-03 cs.AI cs.MA
Boogu-Image-0.1: Boosting Open Agentic Multimodal Generation via Understanding under a Minimal Budget
介绍开源统一多模态模型Boogu-Image-0.1,通过改进模型理解、数据质量和训练管道等,结合智能推理扩展,提升生成和编辑性能,在标准基准测试中表现出色,成本低,还分享实践讨论并开源代码等推动相关生态发展。
2026-07-21 cs.AI cs.CV
ToolMisuseBench: An Offline Deterministic Benchmark for Tool Misuse and Recovery in Agentic Systems
Independent Researcher(独立研究员)
本文提出ToolMisuseBench,用于评估代理系统中工具误用和恢复的性能,包含6800个任务和可复现的评估流程,展示了基于模式意识方法的故障恢复优势。
2026-04-02 cs.AI cs.SE
ShardMemo: Scope-Before-Routing for Agentic Memory Retrieval
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)
ShardMemo通过遮蔽MoE路由优化分片代理LLM内存,提升F1分数并减少检索工作和延迟
2026-09-01 cs.AI cs.CL
AgentSLABench: Evaluating and Benchmarking Agentic Systems Under Resource Constraints
本研究提出AgentSLABench框架,在资源约束下评估自主AI智能体,通过多维度指标分析发现专用智能体表现优于通用基线,验证了效率调整成功率的重要性并开放相关资源。
2026-08-04 cs.AI
When Retrieval Fails Before It Begins: Structurally Indirect Prerequisite Eviction as a Retention Failure in Agentic Memory
本文针对智能体记忆的检索前保留失败问题,提出结构间接先决条件驱逐的概念,评估DSGC规则显著提升全链保留率,并发布相关工具支持机制分析。
2026-08-24 cs.AI cs.CL cs.LG
Explainable Model Routing for Agentic Workflows
Georgia Institute of Technology(佐治亚理工学院)
本文提出Topaz框架,通过引入可审计性提升代理路由的可解释性,解决模型选择中的成本与性能权衡问题。
2026-04-04 cs.AI cs.HC
Agentic Stage-One Stellarator Optimization: Autonomous Multi-Objective Search for Finite-Beta Equilibria
本文提出智能体阶段一仿星器优化概念,通过语言模型智能体与DESC执行配合,提升有限β平衡构型的质量与数量,生成结构化决策数据,实现可扩展的多目标优化。
2026-08-11 cs.AI
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
VineLM: Trie-Based Fine-Grained Control for Agentic Workflows
Columbia University(哥伦比亚大学)
提出VineLM工作流管理器,通过Trie结构动态选择每个阶段调用的模型,在请求级目标下优化成本-延迟-准确率边界,稀疏分析减少离线分析成本98-99.8%。
2026-04-09 cs.AI cs.DC cs.MA
Scaling Agentic Capabilities, Not Context: Efficient Reinforcement Finetuning for Large Toolspaces
Microsoft Research(微软研究院)
ATLAS通过强化微调框架使小型语言模型在大规模工具空间中更高效地执行任务,通过学习上下文获取和动作执行,提升长周期工作流程的稳定性与效率。
2026-03-05 cs.AI cs.LG
Auto-FL-Research: Agentic Search for Federated Learning Algorithms
NVIDIA, Santa Clara, USA(英伟达,美国圣克拉拉)
提出Auto-FL-Research (AFR),一种约束编码代理工作流,用于自动搜索联邦学习算法,在五个医疗和六个LEAF任务上验证了有效性,并分析了搜索结果的机制。
2026-07-03 cs.AI
Drafting Agents, Not Just Tokens: Speculative Recursive Self-Improvement for Agentic Systems
本文提出 SpecRSI 方法,通过 VATS 和 GVO 分配预算与学习改进器,在多组对比中优于 Janus、MetaRSI-v1 等,提升了智能体改进的收益与效率。
2026-11-03 cs.AI cs.LG
Maximizing Rollout Informativeness under a Fixed Budget: A Submodular View of Tree Search for Tool-Use Agentic Reinforcement Learning
Shanghai Jiao Tong University(上海交通大学);Shanghai Maritime University(上海 Maritime 大学)
本文提出在固定预算下最大化 rollout 信息量的问题,通过将中间状态选择转化为单调子模最大化问题,提出 InfoTree 框架,结合 UUCB 和 ABA,提升性能。
2026-05-06 cs.AI cs.LG stat.ML
CLAUSE: Agentic Neuro-Symbolic Knowledge Graph Reasoning via Dynamic Learnable Context Engineering
Independent Researcher(独立研究员);School of Computer Science, The University of Sydney, Australia(悉尼大学计算机科学学院);College of Computing & Data Science, Nanyang Technological University, Singapore(南洋理工大学计算与数据科学学院)
CLAUSE通过动态可学习上下文工程实现神经符号知识图谱推理,优化多跳问答的准确率、延迟和成本,减少子图增长和端到端延迟。
2026-03-31 cs.AI cs.CL
AlgoEvo: Self-Evolving Agentic Search for Automated Algorithm Discovery
City University of Hong Kong(香港城市大学);A*STAR(新加坡科技研究局)
AlgoEvo提出统一智能体框架,通过动态代码编辑、技能中心解耦和分层经验机制,实现自动算法发现的自进化搜索,在六个基准任务中以更少评估和令牌消耗匹配或超越专门方法。
2026-09-29 cs.AI
AgonAlpha: Autonomous Alpha Discovery via Prompt Economy and Scalable Agentic Search
The Chinese University of Hong Kong(香港中文大学);University of Maryland(马里兰大学)
AgonAlpha是首个结合经验证构件搜索、对抗审核器与并行预算分配的阿尔法挖掘系统,在WorldQuant BRAIN部署后产出SPECTACULAR级阿尔法,为交易因子自主研究提供了完整证据轨迹。
2026-08-13 cs.AI cs.MA q-fin.CP
Cheap to Hypothesize, Costly to Verify: The Defense Surface of Agentic Vulnerability Discovery
The Hong Kong University of Science and Technology(香港科技大学)
针对自主LLM智能体漏洞发现中的假设-验证不对称性,提出RedHerring方法,通过插入可证明安全的诱饵转移验证资源,在33个项目中减少38.7%-60.4%的真实漏洞发现。
2026-10-20 cs.AI cs.CR
Think in Strategies, Act with Tools: Traceable Agentic Optimization for Combinatorial Problems
School of Computer Science and Technology(计算机科学与技术学院);School of Artificial Intelligence(人工智能学院);China University of Mining and Technology(中国矿业大学)
针对OPRO优化过程难追踪的问题,提出工具增强型策略智能体TASA,通过策略规划与工具利用提升组合问题解的质量,验证了其局部收敛性与解的可追溯性。
2026-10-14 cs.AI
Quantifying Agent Interaction in Multi-agent Reinforcement Learning for Cost-efficient Generalization
University of California, Berkeley(加州大学伯克利分校);The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本研究提出影响水平(LoI)指标量化多智能体强化学习中的交互强度,并据此指导资源分配,在有限预算下训练多样化场景的策略,实现比均匀分配更高的性能。
2023-10-11 cs.AI cs.MA
Beyond Scripted Search: Sample-Efficient Reward Discovery via Agentic Black-box Optimization
针对强化学习奖励搜索样本效率低的问题,提出ARBO框架,利用LLM智能体基于评估历史动态构建搜索策略,在四个控制领域显著提升性能。
2026-09-29 cs.AI
Automated Composition of Agents: A Knapsack Approach for Agentic Component Selection
AWS Agentic AI(AWS 代理人工智能)
本文提出基于背包问题的代理组件自动组合框架,通过动态评估组件性能与成本,提升代理系统在不同场景下的成功率和资源利用效率。
2025-11-27 cs.AI cs.CL cs.LG
Agent Drift: Quantifying Behavioral Degradation in Multi-Agent LLM Systems Over Extended Interactions
Independent Researcher(独立研究者)
本研究提出智能体漂移概念,通过理论框架和量化指标,探讨多智能体系统在长时间交互中的行为退化问题,并提出缓解策略以提升系统稳定性和可靠性。
2026-01-07 cs.AI
Agent^2 RL-Bench: Can LLM Agents Engineer Agentic RL Post-Training?
Soochow University(苏州大学);Microsoft Research Asia(微软亚洲研究院);Peking University(北京大学);Stony Brook University(石溪大学);The University of Chicago(芝加哥大学)
Agent2 RL-Bench评估LLM代理在训练后自主设计、实现、调试和执行提升基础模型的管道能力,展示代理在强化学习中的智能行为与局限性。
2026-05-13 cs.AI
Agent-UCT: Upper Confidence Bounds Applied to Trees for Cost-Aware Agentic Workflow Optimization
The University of Hong Kong(香港大学);School of Artificial Intelligence, Jiangxi Science and Technology Normal University(江西科技师范大学人工智能学院);The Hong Kong University of Science and Technology(香港科技大学);University of Science and Technology of China(中国科学技术大学);New York University(纽约大学)
研究针对智能工作流优化中计算冗余和预算分配低效问题,提出Agent-UCT算法,结合RAGSpace框架和WTB,通过重用感知正则化项减少冗余执行,实验证明其能有效识别最佳配置,实现成本感知、可重现且组合高效的智能工作流优化。
2026-10-14 cs.AI cs.LG
RecHarness: A Bandit-Routed Agentic Harness for Self-Evolving Recommender Systems
Kuaishou Technology(快手科技)
RecHarness是一种多臂老虎机路由智能体框架,用于自动化优化推荐系统模型,通过分离方向选择与假设生成、引入跳盆机制提升稳定性,在多任务测试及在线A/B测试中均实现性能提升。
2026-11-18 cs.AI cs.CL cs.IR
Agentic LLM Planning via Step-Wise PDDL Simulation: An Empirical Characterisation
AIT Austrian Institute of Technology GmbH(奥地利技术研究院)
本文通过PyPDDLEngine实验证明代理LLM在任务规划中相比传统方法具有小幅优势,但效果受环境反馈类型影响。
2026-03-06 cs.AI