AI Agent

Beyond Monolithic Architectures: A Multi-Agent Search and Knowledge Optimization Framework for Agentic Search

超越单一架构：一种多智能体搜索与知识优化框架用于智能搜索

Yiqun Chen, Lingyong Yan, Zixuan Yang, Erhan Zhang, Jiashu Zhao, Shuaiqiang Wang, Dawei Yin, Jiaxin Mao

机构 * Renmin University of China（中国人民大学） ； Baidu Inc.（百度公司） 纠错

专题命中 工具调用 ：agent(title,abstract)；agentic(title,abstract)；multi-agent(title,abstract)；tool use(abstract)

AI总结 M-ASK提出了一种多智能体框架，通过分解智能搜索为搜索行为和知识管理两个角色，提升搜索效率与稳定性，实现更优的答案准确性和训练动态。

Using Copilot Agent Mode to Automate Library Migration: A Quantitative Assessment

使用 Copilot Agent 模式自动化库迁移：一项定量评估

Aylton Almeida, Laerte Xavier, Marco Tulio Valente

专题命中 工具调用 ：agent(title,abstract)；agentic(abstract,comments)；planning(abstract)；分类 cs.SE

AI总结 本文通过 Copilot Agent 模式评估了 SQLAlchemy 库迁移的自动化效果，发现其在功能迁移上表现良好但应用功能维护不足。

Comments Accepted at 1st International Workshop on Agentic Engineering (AGENT 2026, colocated with ICSE), pages 1-5

AT$^2$PO: Agentic Turn-based Policy Optimization via Tree Search

AT$^2$PO: 通过树搜索实现基于回合的代理策略优化

Zefang Zong, Dingwei Chen, Yang Li, Qi Yi, Bo Zhou, Chengming Li, Bo Qian, Peng Chen, Jie Jiang

机构 * Tencent Inc（腾讯公司） ； Sun Yat-Sen University（中山大学） ； Shenzhen MSU-BIT University（深圳MSU-BIT大学） 纠错

专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI、cs.CL

AI总结 AT$^2$PO 通过树搜索实现多轮代理强化学习，解决探索多样性、奖励分配和策略优化不一致问题，提升性能达1.84个百分点。

SmartSearch: Process Reward-Guided Query Refinement for Search Agents

SmartSearch: 基于过程奖励的查询优化用于搜索代理

Tongyu Wen, Guanting Dong, Zhicheng Dou

机构 * Renmin University of China（中国人民大学） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 SmartSearch通过过程奖励和查询优化机制提升搜索代理的查询质量与效率。

Comments 16 pages, 6 figures

AgentDevel: Reframing Self-Evolving LLM Agents as Release Engineering

AgentDevel: 将自演化大语言模型代理重新定义为发布工程

Di Zhang

机构 * Fudan University（复旦大学） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 AgentDevel将LLM代理改进重新定义为发布工程，通过无实现偏见的批评者、可执行诊断和翻转中心门控，实现稳定改进和可审计的发布流程。

Generate, Transfer, Adapt: Learning Functional Dexterous Grasping from a Single Human Demonstration

生成、迁移、适应：从单个人示范学习功能性灵巧抓取

Xingyi He, Adhitya Polavaram, Yunhao Cao, Om Deshmukh, Tianrui Wang, Xiaowei Zhou, Kuan Fang

机构 * Cornell University（康奈尔大学） 纠错

专题命中 工具调用 ：tool use(abstract)

AI总结 CorDex通过单个人示范生成合成数据，结合多模态预测网络和局部-全局融合模块，实现对新型物体的灵巧抓取学习。

Comments Project Page: https://cordex-manipulation.github.io/