AI Agent

EU-Agent-Bench: Measuring Illegal Behavior of LLM Agents Under EU Law

Ilija Lichkovski, Alexander Müller, Mariam Ibrahim, Tiwai Mhundwa

机构 * AI Safety Initiative Groningen（格罗宁根人工智能安全倡议） 纠错

专题命中 Agent评测 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI

Comments Accepted at the Workshop on Regulatable ML at the 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

Green Hydrogen under Uncertainty: Evaluating Power-to-X Strategies Using Agent-Based Simulation and Multi-Criteria Decision Framework

Frederik Wagner Madsen, Joy Dalmacio Billanes, Bo Nørregaard Jørgensen, Zheng Ma

专题命中 Agent评测 ：agent(title,abstract)；planning(abstract)

TripTide: A Benchmark for Adaptive Travel Planning under Disruptions

Priyanshu Karmakar, Soumyabrata Chaudhuri, Shubhojit Mallick, Manish Gupta, Abhik Jana, Shreya Ghosh

机构 * School of Electrical and Computer Sciences, IIT Bhubaneswar（电子与计算机科学学院，印度理工学院Bhubaneswar分校） ； Microsoft（微软） 纠错

专题命中 Agent评测 ：planning(title,abstract)；分类 cs.AI、cs.CL

Comments 12 pages, 12 tables and 7 figures

Scalable Principal-Agent Contract Design via Gradient-Based Optimization

Tomer Galanti, Aarya Bookseller, Korok Ray

专题命中 Agent评测 ：agent(title,abstract)；分类 cs.LG

Marcel: A Lightweight and Open-Source Conversational Agent for University Student Support

Jan Trienes, Anastasiia Derzhanskaia, Roland Schwarzkopf, Markus Mühling, Jörg Schlötterer, Christin Seifert

机构 * Marburg University（马尔堡大学） 纠错

专题命中 Agent评测 ：agent(title,abstract)；分类 cs.CL

Comments Accepted at EMNLP 2025 (System Demonstrations)

GEPOC ABM, Generic Population Concept -- Agent-Based Model, Version 2.2

Martin Bicher, Dominik Brunmeir, Claire Rippinger, Christoph Urach, Maximilian Viehauser, Daniele Giannandrea, Hannah Kastinger, Niki Popper

专题命中 Agent评测 ：agent(title,abstract)

Comments 50 pages, 6 figures, 16 tables

DispatchMAS: Fusing taxonomy and artificial intelligence agents for emergency medical services

Xiang Li, Huizi Yu, Wenkong Wang, Yiran Wu, Jiayan Zhou, Wenyue Hua, Xinxin Lin, Wenjia Tan, Lexuan Zhu, Bingyi Chen, Guang Chen, Ming-Li Chen, Yang Zhou, Zhao Li, Themistocles L. Assimes, Yongfeng Zhang, Qingyun Wu, Xin Ma, Lingyao Li, Lizhou Fan

机构 * Shandong University（山东大学） ； The Chinese University of Hong Kong（香港中文大学） ； Pennsylvania State University（宾夕法尼亚州立大学） ； Stanford University School of Medicine（斯坦福大学医学院） ； University of California（加州大学） ； University of Macau（澳门大学） ； New York University（纽约大学） ； Broad Institute of MIT（MITBroad研究所） ； The University of Hong Kong（香港大学） ； Chinese Academy of Medical Sciences（中国医学科学院） ； Peking Union Medical College（北京协和医学院） ； Rutgers University（罗格斯大学） ； University of South Florida（佛罗里达州立大学） 纠错

专题命中 Agent评测 ：agent(abstract)；AI agent(abstract)；multi-agent(abstract)；分类 cs.CL

Comments 27 pages, 7 figures, 3 tables

AgentArcEval: An Architecture Evaluation Method for Foundation Model based Agents

Qinghua Lu, Dehai Zhao, Yue Liu, Hao Zhang, Liming Zhu, Xiwei Xu, Angela Shi, Tristan Tan, Rick Kazman

机构 * Data61, CSIRO, Australia（Data61，CSIRO，澳大利亚） ； Empathetic AI, Australia（Empathetic AI，澳大利亚） ； University of Hawaii, Honolulu, HI, USA（夏威夷大学） 纠错

专题命中 Agent评测 ：agent(abstract)；autonomous agent(abstract)；分类 cs.AI、cs.SE

Doc-Researcher: A Unified System for Multimodal Document Parsing and Deep Research

Kuicai Dong, Shurui Huang, Fangda Ye, Wei Han, Zhi Zhang, Dexun Li, Wenjun Li, Qu Yang, Gang Wang, Yichao Wang, Chen Zhang, Yong Liu

机构 * Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)；分类 cs.CL

Comments preprint

Scalable Neural Incentive Design with Parameterized Mean-Field Approximation

Nathan Corecco, Batuhan Yardim, Vinzenz Thoma, Zebang Shen, Niao He

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG

Comments 52 pages, to appear at NeurIPS 2025

AlgoTune: Can Language Models Speed Up General-Purpose Numerical Programs?

Ori Press, Brandon Amos, Haoyu Zhao, Yikai Wu, Samuel K. Ainsworth, Dominik Krupke, Patrick Kidger, Touqir Sajed, Bartolomeo Stellato, Jisun Park, Nathanael Bosch, Eli Meril, Albert Steppi, Arman Zharmagambetov, Fangzhao Zhang, David Perez-Pineiro, Alberto Mercurio, Ni Zhan, Talor Abramovich, Kilian Lieret, Hanlin Zhang, Shirley Huang, Matthias Bethge, Ofir Press

机构 * Tübingen AI Center, University of Tübingen（图宾根人工智能中心，图宾根大学） ； Princeton University（普林斯顿大学） ； Meta (FAIR)（Meta（FAIR）） ； TU Braunschweig（Braunschweig技术大学） ； Cradle Bio ； LG Electronics Canada（LG加拿大电子公司） ； Seoul National University（首尔国立大学） ； Tel Aviv University（特拉维夫大学） ； Quansight PBC ； Stanford University（斯坦福大学） ； Norwegian University of Science and Technology（挪威科学与技术大学） ； EPFL（苏黎世联邦理工学院） ； Harvard University（哈佛大学） 纠错

专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG

MLRC-Bench: Can Language Agents Solve Machine Learning Research Challenges?

Yunxiang Zhang, Muhammad Khalifa, Shitanshu Bhushan, Grant D Murphy, Lajanugen Logeswaran, Jaekyeom Kim, Moontae Lee, Honglak Lee, Lu Wang

机构 * University of Michigan（密歇根大学） ； LG AI Research（LG人工智能研究） ； University of Illinois at Chicago（伊利诺伊大学香槟分校） 纠错

专题命中 Agent评测 ：agent(abstract)；agentic(abstract)；分类 cs.AI

Comments NeurIPS 2025 Datasets and Benchmarks Track

Cultural Alien Sampler: Open-ended art generation balancing originality and coherence

Alejandro H. Artiles, Hiromu Yakura, Levin Brinkmann, Mar Canet Sola, Hassan Abu Alhaija, Ignacio Serna, Nasim Rahaman, Bernhard Schölkopf, Iyad Rahwan

机构 * Max Planck Institute for Human Development（马克斯·普朗克人类发展研究所） ； Academy of Media Arts Cologne（科隆媒体艺术学院） ； Tiptree Systems（蒂普特里系统） ； NVIDIA（NVIDIA公司） ； BFM, Tallinn University（BFM，塔林大学） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） 纠错

专题命中 Agent评测 ：autonomous agent(abstract)；分类 cs.AI、cs.CL、cs.LG

Comments Proceedings of the 39th Conference on Neural Information Processing Systems (NeurIPS 2025). Creative AI Track. 26 pages, 24 figures

Risk Management for Mitigating Benchmark Failure Modes: BenchRisk

Sean McGregor, Victor Lu, Vassil Tashev, Armstrong Foundjem, Aishwarya Ramasethu, Sadegh AlMahdi Kazemi Zarkouei, Chris Knotz, Kongtao Chen, Alicia Parrish, Anka Reuel, Heather Frase

专题命中 Agent评测 ：workflow(abstract)；分类 cs.LG、cs.SE

Comments 19 pages, 7 figures, to be published in the 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

LocalGPT: Benchmarking and Advancing Large Language Models for Local Life Services in Meituan

Xiaochong Lan, Jie Feng, Jiahuan Lei, Xinlei Shi, Yong Li

机构 * Department of Electronic\ , BNRist,\ University Beijing, China ； Department of Electronic\ , BNRist,\ University 纠错

专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.CL

Comments KDD 2025

Proactive Agents for Multi-Turn Text-to-Image Generation Under Uncertainty

Meera Hahn, Wenjun Zeng, Nithish Kannen, Rich Galt, Kartikeya Badola, Been Kim, Zi Wang

机构 * Google DeepMind（谷歌DeepMind） 纠错

专题命中 Agent评测 ：workflow(abstract)；分类 cs.AI、cs.LG

Journal ref International Conference on Machine Learning, 2025

Instance-Adaptive Hypothesis Tests with Heterogeneous Agents

Flora C. Shi, Martin J. Wainwright, Stephen Bates

专题命中 Agent评测 ：agent(abstract)；分类 cs.LG

Identifying Super Spreaders in Multilayer Networks

Michał Czuba, Mateusz Stolarski, Adam Piróg, Piotr Bielak, Piotr Bródka

机构 * Wroc{\l}aw University of Science and Technology（沃拉夫科技大学） 纠错

专题命中 Agent评测 ：agent(abstract)；分类 cs.LG

Vesicle Translocation into Closed Constrictions as a Function of Molecular Motor Parameters

Youngmin Park, Thomas G. Fai

专题命中 Agent评测 ：agent(abstract)

Comments 29 pages, 11 figures

Low Cost, Fair, and Representative Committees in a Metric Space

Christopher Jerrett, Elliot Anshelevich

专题命中 Agent评测 ：agent(abstract)

Mechanical Evidence of the impossibility of directed motion of Trypanosoma cruzi towards preferred organs in the Human Body, a simulation 2D model within a laminar flow

Alberto-Mario Castillo, Gabriel Villalobos

专题命中 Agent评测 ：agent(abstract)

Comments 14 figures