AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
从正确性到协作：迈向以人为中心的评估AI代理行为在软件工程中的框架
机构 * Google LLC（谷歌公司）
专题命中 Agent评测 ：agent(title,abstract)；AI agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 本文提出以人为中心的评估框架，旨在评估AI代理在软件工程中的协作行为，通过定义代理行为期望和引入情境适应框架，推动AI代理向协作智能发展。
面向人类中心的基于大语言模型的AI代理用于智能建筑中的能源管理系统
机构 * organization= School of Civil \& Environmental Engineering ； Construction Management, The University of Texas at San Antonio , addressline= BSE 1.310, One UTSA Circle , city= San Antonio , postcode= 78249 , state= TX , country= U.S. ； organization= Department of Civil ； Environmental Engineering, Virginia Polytechnic Institute ； State University , addressline= 200 Patton Hall, 750 Drillfield , city= Blacksburg , postcode= 24060 , state= VA , country= U.S.
专题命中 Agent评测 ：AI agent(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 本研究提出基于大语言模型的AI代理，用于智能建筑中的人类中心能源管理，通过自然语言交互实现情境感知的能源优化与管理。
面向代理推荐系统的KYC比较分析
机构 * Hechu Tech（海楚科技）
专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.AI
AI总结 本文提出利用代理AI的KYC推荐系统，通过对比不同垂直领域的性能，评估其在金融领域的应用效果。
Comments 5 pages, 1 figure
半重叠多臂老虎机最佳臂识别用于序列支持网络学习
机构 * Department of Artificial Intelligence and Systems Engineering（人工智能与系统工程系） ； Budapest University of Technology and Economics（布达佩斯技术与经济大学） ； E-Group ICT Software Zrt.（E-Group ICT软件公司）
专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出半重叠多臂老虎机模型，用于高效学习支持网络，改进多老虎机最佳臂识别的误差界并提升性能保证。
Comments 29 pages, 2 figures
寻找深夜生活线：在心理健康危机中使用对话AI的体验
机构 * University of Minnesota（明尼苏达大学） ； Northwestern University（西北大学） ； Dartmouth College（达特茅斯学院） ； Microsoft（微软） ； Mental Health America（心理健康美国） ； Microsoft Research（微软研究院）
专题命中 Agent评测 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 本文研究了在心理健康危机中使用对话AI的体验，发现AI在填补人类支持空缺中的作用，同时强调人类连接的重要性，并提出负责任的AI干预应促进积极行动并缓解负面行动。
语言模型代理受攻击：客户服务中心中逐利行为的跨模型基准测试
专题命中 Agent评测 ：agent(abstract)；agentic(abstract)
AI总结 本文提出了一项跨领域基准测试，评估客户服务中心中LLM代理在面对利润驱动攻击时的鲁棒性，揭示了攻击的领域和技术依赖性，并提供了可复现的评估工具。
关于测量 grounding 并推广 grounding 问题
机构 * Center for Possible Minds（可能心智中心） ； Indiana University（印第安纳大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出了一种框架，用于测量和推广 grounding 问题，通过定义不同需求和评估标准，分析了符号、参照、向量和关系四种模式的 grounding 现状，并探讨了其在不同任务中的表现。
Comments resubmission: 39 pages, 85 sources, 3 figures
PrivacyBench: 一个用于评估个性化AI隐私的对话基准
机构 * International Institute of Information Technology Hyderabad（国际信息科技研究所（海得拉巴）） ； Indiana University（印第安纳大学）
专题命中 Agent评测 ：AI agent(abstract)；分类 cs.AI、cs.CL
AI总结 PrivacyBench通过多轮对话评估揭示RAG助手在隐私保护上的缺陷，指出需结构性隐私保障措施以确保伦理网络环境。
Comments 11 pages, 2 figures
基于漂移的数据集稳定性基准
机构 * Czech Technical University in Prague（捷克技术大学布拉格分校） ； CESNET
专题命中 Agent评测 ：workflow(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出了一种基于概念漂移检测的方法，用于评估数据集稳定性并提供基准工作流程，以比较不同数据集的稳定性及优化影响。
Comments 9 pages
拿出银器——对存储家居物品的语义理解
机构 * Bar Ilan University, Computer Science Department（巴伊兰大学计算机科学系） ； Tufts University, Department of Computer Science（塔夫茨大学计算机科学系）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 本研究提出NOAM模型，通过结合结构化场景理解和大语言模型推理，实现对家庭物品存储位置的语义理解，显著提升预测准确率并接近人类水平。
Comments Poster presented at the Israeli Seminar on Computational Linguistics 2025
BIOME-Bench: 一个用于生物分子相互作用推断和多组学通路机制阐明的基准
机构 * Beijing Wenge Technology Co., Ltd（北京文格科技有限公司） ； Experimental Research Center, China Academy of Chinese Medical Sciences（中国中医科学院实验研究中心） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； College of Intelligence and Computing, Tianjin University（天津大学智能与计算学院） ； Qilu University of Technology (Shandong Academy of Sciences)（齐鲁工业大学（山东科学院）） ； School of New Media and Communication, Tianjin University（天津大学新闻与传播学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
专题命中 Agent评测 ：workflow(abstract)；分类 cs.CL
AI总结 BIOME-Bench通过四阶段工作流评估LLMs在多组学分析中的生物分子相互作用推断和通路机制阐明能力，揭示现有模型在细粒度关系区分和通路解释上的不足。
在有序偏好和有限基数信息下公平委员会选择
专题命中 Agent评测 ：agent(abstract)
AI总结 研究在有序偏好和有限基数信息下设计公平的k-委员会选择算法，提出因子5的度量算法，通过有限查询实现最小化成本与公平性保障。
Comments AAMAS EA'26
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈