AI Agent

Belief in Authority: Impact of Authority in Multi-Agent Evaluation Framework

权威信念：权威在多智能体评估框架中的影响

Junhyuk Choi, Jeongyoun Kwon, Heeju Kim, Haeun Cho, Hayeong Jung, Sehee Min, Bugeun Kim

机构 * Chung-Ang University（Chung-Ang 大学） 纠错

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

AI总结 本文研究了权威角色在多智能体评估中的影响，发现专家和参照角色比合法角色更具影响力，并揭示了权威偏见的产生机制。

Comments Preprint

Mind2Report: A Cognitive Deep Research Agent for Expert-Level Commercial Report Synthesis

Mind2Report: 一种用于专家级商业报告综合的认知深度研究代理

Mingyue Cheng, Daoyu Wang, Qi Liu, Shuo Yu, Xiaoyu Tao, Yuqian Wang, Chengzhong Chu, Yu Duan, Mingkang Long, Enhong Chen

机构 * State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China（认知智能国家重点实验室，中国科学技术大学） ； Artificial Intelligence Engineering Institute, iFLYTEK Co., Ltd（人工智能工程院，iFLYTEK公司） 纠错

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

AI总结 Mind2Report是一种通过动态内存增强大语言模型，实现专家级商业报告综合的认知深度研究代理，优于现有基线模型。

Comments 26 Pages, 9 Figures, 7 Tables

Autonomous Agents on Blockchains: Standards, Execution Models, and Trust Boundaries

区块链上的自主代理：标准、执行模型与信任边界

Saad Alqithami

机构 * Saad Alqithami（萨德·阿利萨米） 纠错

专题命中 Agent评测 ：autonomous agent(title)；agent(abstract)；agentic(abstract)；multi-agent(abstract)

AI总结 本文系统梳理了区块链与自主代理的互操作性领域，提出了五类整合模式、定制化的威胁模型和能力矩阵，并提出了研究路线图和评估套件，旨在提升链上执行的安全性和可靠性。

PEAR: Planner-Executor Agent Robustness Benchmark

PEAR：规划-执行代理鲁棒性基准

Shen Dong, Mingxuan Zhang, Pengfei He, Li Ma, Bhavani Thuraisingham, Hui Liu, Yue Xing

机构 * Michigan State University（密歇根州立大学） ； Purdue University（普渡大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） 纠错

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

AI总结 PEAR基准通过评估规划-执行多智能体系统的鲁棒性，揭示了规划器弱点对任务性能的影响及鲁棒性与性能的权衡。

Comments arXiv admin note: This submission has been withdrawn by arXiv administrators due to incorrect authorship. Author list truncated

Arabic Prompts with English Tools: A Benchmark

阿拉伯提示与英语工具：一个基准

Konstantin Kubrak, Ahmed El-Moselhy, Ammar Alsulami, Remaz Altuwaim, Hassan Ismail Fawaz, Faisal Alsaby

专题命中 Agent评测 ：AI agent(abstract)；autonomous agent(abstract)；tool-use(abstract)；agentic(abstract)

AI总结 本文提出首个阿拉伯语言LLMs工具调用能力评估基准，揭示阿拉伯语交互环境下工具调用准确率下降5-10%的显著差距。

Comments 10 pages, 10 figures, LLMs, Big Data, and Multilinguality for All (LLMs4All) Workshop at IEEE BigData 2025 Conference, Macau, December 10, 2025

APEX: Academic Poster Editing Agentic Expert

APEX：学术海报编辑智能专家

Chengxin Shi, Qinnan Cai, Zeyuan Chen, Long Zeng, Yibo Zhao, Jing Yu, Jianxiang Yu, Xiang Li

机构 * School of Data Science and Engineering, East China Normal University（数据科学与工程学院，东华大学） 纠错

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

AI总结 APEX是首个交互式学术海报编辑框架，通过多级API和审查机制实现细粒度控制，并引入首个系统性基准APEX-Bench评估编辑效果。

4D-ARE: Bridging the Attribution Gap in LLM Agent Requirements Engineering

4D-ARE:弥合LLM代理需求工程中的归因差距

Bo Yu, Lei Zhao

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

AI总结 4D-ARE提出一种四维归因驱动代理需求工程方法，解决代理应推理什么的问题，补充运行时推理框架如何推理的不足。

Comments 39 pages, 11 tables

Exploring Recommender System Evaluation: A Multi-Modal User Agent Framework for A/B Testing

探索推荐系统评估：一种用于A/B测试的多模态用户代理框架

Wenlin Zhang, Xiangyang Li, Qiyuan Ge, Kuicai Dong, Pengyue Jia, Xiaopeng Li, Zijian Zhang, Maolin Wang, Yichao Wang, Huifeng Guo, Ruiming Tang, Xiangyu Zhao

专题命中 Agent评测 ：agent(title,abstract)

AI总结 本文提出一种多模态用户代理框架，用于替代传统A/B测试，通过模拟真实用户行为提升推荐系统性能。

See, Explain, and Intervene: A Few-Shot Multimodal Agent Framework for Hateful Meme Moderation

见、解释与干预：一种少样本多模态代理框架用于仇恨表情包审查

Naquee Rizwan, Subhankar Swain, Paramananda Bhaskar, Gagan Aryan, Shehryaar Shah Khan, Animesh Mukherjee

机构 * Indian Institute of Technology (IIT), Kharagpur（印度理工学院（IIT）Khargpur分校） ； Simbian 纠错

专题命中 Agent评测 ：agent(title)；分类 cs.CL

AI总结 本文提出了一种少样本多模态代理框架，用于在有限数据条件下实现通用仇恨表情包审查，通过检测、解释和干预三方面提升审查效果。

MCP-Guard: A Multi-Stage Defense-in-Depth Framework for Securing Model Context Protocol in Agentic AI

MCP-Guard: 一种多阶段纵深防御框架，用于保障代理AI中的模型上下文协议安全

Wenpeng Xing, Zhonghao Qi, Yupeng Qin, Yilin Li, Caini Chang, Jiahui Yu, Changting Lin, Zhenzhen Xie, Meng Han

机构 * Zhejiang University（浙江大学） ； Binjiang Institute of Zhejiang University（浙江大学滨江研究院） ； The Chinese University of Hong Kong（香港中文大学） ； Shandong University（山东大学） 纠错

专题命中 Agent评测 ：agentic(title)；分类 cs.AI

AI总结 MCP-Guard通过多阶段防御框架提升LLM与工具交互的安全性，利用E5模型和仲裁器实现高准确率的对抗性提示检测，并通过MCP-ATTACKBENCH验证其有效性。

Actively Obtaining Environmental Feedback for Autonomous Action Evaluation Without Predefined Measurements

主动获取环境反馈以实现自主行动评估而无需预定义测量

Hong Su

机构 * School of Computer Science, Chengdu University of Information Technology（计算机学院，成都信息科技大學） 纠错

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

AI总结 本文提出一种主动反馈获取模型，通过自主探索环境差异来识别未预定义的反馈，提升智能体在动态环境中的行动评估效率与鲁棒性。

RAGVUE: A Diagnostic View for Explainable and Automated Evaluation of Retrieval-Augmented Generation

RAGVUE：一种用于可解释和自动评估检索增强生成的诊断视图

Keerthana Murugaraj, Salima Lamsiyah, Martin Theobald

机构 * University of Luxembourg（卢森堡大学） 纠错

专题命中 Agent评测 ：workflow(abstract)；agentic(abstract)；分类 cs.CL

AI总结 RAGVUE通过分解RAG行为并提供结构化解释，实现无参考的自动评估，揭示RAG流程中的细粒度失败。

Digital Homunculi and Institutional Design: Breaking Through the Experimentation Bottleneck

数字人偶与制度设计：突破实验瓶颈

Petr Specian

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

AI总结 本文提出利用生成式AI驱动的数字人偶方法，通过模拟人类行为生成合成数据，以突破民主研究中的实验瓶颈，提升制度创新的效率与可行性。

Comments 28 pages

PsychEval: A Multi-Session and Multi-Therapy Benchmark for High-Realism AI Psychological Counselor

PsychEval: 一个多会话和多疗法的基准，用于高真实感的AI心理顾问

Qianjun Pan, Junyi Wang, Jie Zhou, Yutao Yang, Junsong Li, Kaiyin Xu, Yougen Zhou, Yihan Li, Jingyuan Zhao, Qin Chen, Ningning Zhou, Kai Chen, Liang He

机构 * School of Computer Science and Technology, East China Normal University（东华大学计算机科学与技术学院） ； Shanghai AI Laboratory（上海人工智能实验室） ； School of Psychology and Cognitive Science, East China Normal University（东华大学心理学与认知科学学院） 纠错

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

AI总结 PsychEval是一个多会话和多疗法的基准，用于评估高真实感的AI心理顾问，通过多阶段数据集和全面评估框架提升AI在心理咨询服务中的表现。

One Battle After Another: Probing LLMs' Limits on Multi-Turn Instruction Following with a Benchmark Evolving Framework

一战接一战：通过一个演进框架探测LLMs在多轮指令遵循中的极限

Qi Jia, Ye Shen, Xiujie Song, Kaiwei Zhang, Shibo Wang, Dun Pei, Xiangyang Zhu, Guangtao Zhai

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Jilin University（吉林大学） 纠错

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

AI总结 本文提出EvolIF演进框架，通过多轮对话测试LLMs的指令遵循能力，揭示失败恢复和细粒度指令遵循的不足，GPT-5在鲁棒性上表现最佳。

FALCONEye: Finding Answers and Localizing Content in ONE-hour-long videos with multi-modal LLMs

FALCONEye: 在一小时内视频中寻找答案并定位内容的多模态大语言模型

Carlos Plou, Cesar Borja, Ruben Martinez-Cantin, Ana C. Murillo

机构 * DIIS-I3A, University of Zaragoza（DIIS-I3A，西班牙阿利坎特大学） 纠错

专题命中 Agent评测 ：agent(abstract)

AI总结 FALCONEye通过多模态大语言模型在小时长视频中高效定位内容并回答问题，超越现有模型性能并显著降低推理成本。

Achieving superconductivity in infinite-layer nickelate thin films by aluminum sputtering deposition

通过铝溅射沉积实现无限层镍酸盐薄膜的超导性

Dongxin Zhang, Aravind Raji, Luis M. Vicente-Arche, Alexandre Gloter, Manuel Bibes, Lucía Iglesias

专题命中 Agent评测 ：agent(abstract)

AI总结 通过铝溅射沉积法合成无限层镍酸盐薄膜，实现17K超导转变温度，提供更可控的拓扑转变方法。

Privacy-Utility Trade-offs Under Multi-Level Point-Wise Leakage Constraints

在多级点wise泄露约束下研究隐私与效用的权衡

Amirreza Zamani, Parastoo Sadeghi, Mikael Skoglund

专题命中 Agent评测 ：agent(abstract)

AI总结 本文提出了一种在多级点wise泄露约束下最大化隐私与效用权衡的机制设计方法，通过信息几何近似和矩阵奇异值分解实现高效隐私保护。

Data-Driven Terramechanics Approach Towards a Realistic Real-Time Simulator for Lunar Rovers

数据驱动的地形力学方法：一种用于月球车的逼真实时模拟器

Jakob M. Kern, James M. Hurrell, Shreya Santra, Keisuke Takehana, Kentaro Uno, Kazuya Yoshida

机构 * Space Robotics Lab (SRL) in the Department of Aerospace Engineering, Graduate School of Engineering, Tohoku University（太空机器人实验室（SRL）位于航空工程系，工学院，东大） 纠错

专题命中 Agent评测 ：planning(abstract)

AI总结 本研究提出一种数据驱动的地形力学方法，通过结合高视觉保真度与真实地形交互，实现月球表面越野车的逼真实时模拟。

Comments Author's version of a manuscript accepted at the International Conference on Space Robotics 2025 (iSpaRo 2025). (c) IEEE