AI Agent

MAPS: A Multilingual Benchmark for Agent Performance and Security

MAPS: 一种多语言评估基准，用于代理性能和安全

Omer Hofman, Jonathan Brokman, Oren Rachmil, Shamik Bose, Vikas Pahuja, Toshiya Shimizu, Trisha Starostina, Kelly Marchisio, Seraphina Goldfarb-Tarrant, Roman Vainshtein

机构 * Fujitsu Research of Europe（富士通欧洲研究部） ； Fujitsu Limited（富士通有限公司） ； Cohere 纠错

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

AI总结 MAPS是一个多语言评估基准，用于评估代理AI在不同语言和任务中的性能与安全性。

Comments Accepted to EACL 2026 findings

Cochain: Balancing Insufficient and Excessive Collaboration in LLM Agent Workflows

Cochain: 在LLM代理工作流中平衡不足与过度的合作

Jiaxing Zhao, Hongbin Xie, Yuzhen Lei, Xuan Song, Zhuoran Shi, Lianxin Li, Shuangxue Liu, Linguo Xie, Haoran Zhang

机构 * School of Artificial Intelligence, Jilin University（吉林大学人工智能学院） ； Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） ； School of Urban Planning and Design, Peking University（北京大学城市规划与设计学院） 纠错

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

AI总结 Cochain通过整合知识图谱和提示树，有效解决业务工作流中LLM代理合作问题，优于基线模型。

Comments 35 pages, 23 figures

Among Us: A Sandbox for Measuring and Detecting Agentic Deception

Among Us: 一种用于衡量和检测代理欺骗的沙盒

Satvik Golechha, Adrià Garriga-Alonso

机构 * MATS ； FAR AI 纠错

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

AI总结 Among Us通过开放的沙盒游戏评估LLM的欺骗能力，发现强化学习训练的模型更擅长生成欺骗而非检测，且基于激活的逻辑回归和SAEs在检测中表现优异。

Comments 21 pages, preprint

Journal ref NeurIPS 2025 (Spotlight)

Human Control Is the Anchor, Not the Answer: Early Divergence of Oversight in Agentic AI Communities

人类控制是锚点而非答案：代理AI社区中的早期监管分歧

Hanjing Shi, Dominic DiFranzo

机构 * Lehigh University（莱斯利大学） 纠错

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

AI总结 本文通过分析两个代理AI社区，揭示了

scBench: Evaluating AI Agents on Single-Cell RNA-seq Analysis

scBench：在单细胞RNA测序分析中评估AI代理

Kenny Workman, Zhen Yang, Harihara Muralidharan, Aidan Abdulali, Hannah Le

机构 * LatchBio 纠错

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

AI总结 scBench通过394个可验证问题评估AI代理在单细胞RNA测序分析中的性能，揭示模型与平台选择对准确率的影响，为开发可靠分析工具提供基准。

Understanding Risk and Dependency in AI Chatbot Use from User Discourse

理解AI聊天机器人使用中的风险与依赖性：从用户话语出发

Jianfeng Zhu, Karin G. Coifman, Ruoming Jin

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

AI总结 本研究通过分析用户话语揭示AI聊天机器人使用中的心理风险维度，发现自我调节困难和对自主性、控制和技术风险的恐惧为主要特征。

Comments 21 pages, 5 figures

FM SO.P: A Progressive Task Mixture Framework with Automatic Evaluation for Cross-Domain SOP Understanding

FM SO.P: 一种具有自动评估的渐进式任务混合框架用于跨域SOP理解

Siyuan Huang, Ziyu Wang, Chao Pan, Han Zhao

机构 * Amazon（亚马逊） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 FM SO.P提出了一种渐进式任务混合框架和自动评估系统，以提升跨领域SOP理解的准确性和泛化能力。

Massive-STEPS: Massive Semantic Trajectories for Understanding POI Check-ins -- Dataset and Benchmarks

Massive-STEPS: 用于理解POI签到的大量语义轨迹 -- 数据集和基准测试

Wilson Wongso, Hao Xue, Flora D. Salim

机构 * University of New South Wales（新南威尔士大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 Massive-STEPS通过提供大规模、公开的POI签到数据集和基准测试，推动人类移动性和POI轨迹建模的可重复研究。

Empirical Evaluation of QAOA with Zero Noise Extrapolation on NISQ Hardware for Carbon Credit Portfolio Optimization in the Brazilian Cerrado

基于零噪声外推的QAOA在巴西塞拉多碳信用组合优化中的实证评估

Hugo José Ribeiro

专题命中 Agent评测 ：planning(abstract)；workflow(abstract)

AI总结 本研究利用QAOA与零噪声外推在NISQ设备上优化碳信用组合，展示了量子方法在环境科学中的实际应用价值。

Comments 29 pages, 3 figures, 6 tables. Code and data available at https://github.com/hgribeirogeo/qaoa-carbon-cerrado (DOI: 10.5281/zenodo.18418053)

PABU: Progress-Aware Belief Update for Efficient LLM Agents

PABU：面向高效LLM代理的进度感知信念更新

Haitao Jiang, Lin Ge, Hengrui Cai, Rui Song

机构 * North Carolina State University, Raleigh, NC, USA（北卡罗来纳州立大学） ； University of California, Irvine, CA, USA（加州大学伊市分校） ； Amazon, Seattle, WA, USA（亚马逊公司） 纠错

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

AI总结 PABU通过显式建模任务进度和选择性保留历史信息，提升了LLM代理的任务完成效率和性能。

SCORE: Specificity, Context Utilization, Robustness, and Relevance for Reference-Free LLM Evaluation

SCORE：特定性、上下文利用、鲁棒性与相关性用于无参考LLM评估

Homaira Huda Shomee, Rochana Chaturvedi, Yangxinyu Xie, Tanwi Mallick

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Argonne National Laboratory（阿贡国家实验室） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 本文提出了一种无参考评估框架，用于评估LLM在高风险领域任务中的特定性、鲁棒性、相关性和上下文利用，通过精心编纂的数据集和人工评估验证了多指标评估的必要性。

Towards Poisoning Robustness Certification for Natural Language Generation

面向自然语言生成的中毒鲁棒性认证

Mihnea Ghitu, Matthew Wicker

机构 * Department of Computing, Imperial College London, London, UK（计算系，伦敦帝国学院，伦敦，英国） 纠错

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

AI总结 本文提出TPA算法，通过计算最小中毒预算认证自然语言生成的有效性和稳定性，为安全关键应用提供可证明的鲁棒性保障。

Design and Evaluation of an Assisted Programming Interface for Behavior Trees in Robotics

行为树在机器人中的辅助编程接口设计与评估

Jonathan Styrud, Matteo Iovino, Rebecca Stower, Mart Kartašev, Mikael Norrlöf, Mårten Björkman, Christian Smith

专题命中 Agent评测 ：planning(abstract)

AI总结 本文提出BETR-GUI，结合AI助手与拖放编辑器，通过整合多种技术提升机器人行为树编程效率，实验证明人类用户优于纯AI助手。

The mixture of glycerin with tartrazine: a solution to reversibly increase tissue transparency for in vitro quantitative phase imaging

甘油与焦糖色素的混合物：一种可逆性增加组织透明度用于体外定量相位成像的解决方案

Mikolaj Krysa, Anna Chwastowicz, Malgorzata Lenarcik, Pawel Matrybak, Piotr Zdankowski, Maciej Trusiak

专题命中 Agent评测 ：agent(abstract)

AI总结 本研究提出了一种低成本且安全的甘油与焦糖色素混合物，用于提高组织透明度，从而实现高通量无标记定量相位成像。

Competitive Credit and Present Bias: A Stochastic Discounting Approach

竞争信贷与现时偏好：一种随机折扣方法

Siddharth Chatterjee, Daniel F. Garrett

专题命中 Agent评测 ：agent(abstract)

AI总结 本文通过随机折扣方法研究竞争信贷中代理人的时间不一致偏好，揭示了在均衡合同中消费时间分配的特征及影响因素。

Modelling Socio-Psychological Drivers of Land Management Intensity

土地管理强度的社会心理驱动因素建模

Ronja Hotz, Calum Brown, Yongchao Zeng, Thomas Schmitt, Mark Rounsevell

专题命中 Agent评测 ：agent(abstract)

AI总结 本文提出了一种基于计划行为理论的土地管理强度建模方法，通过整合社会心理因素，揭示其对土地利用决策和生态系统服务的影响。

Comments 34 pages (including references and appendix), 27 figures. Submitted to JASSS

Wandering around: A bioinspired approach to visual attention through object motion sensitivity

游走探索：一种受生物启发的通过物体运动敏感性实现视觉注意的方法

Giulia D'Angelo, Victoria Clerico, Chiara Bartolozzi, Matej Hoffmann, P. Michael Furlong, Alexander Hadjiivanov

机构 * Department of Cybernetics, Faculty of Electrical Engineering, Czech Technical University in Prague（捷克技术大学普拉茨分校电子工程系） ； IBM Research Europe, Zurich, Switzerland（IBM欧洲研究院，瑞士苏黎世） ； Italian Institute of Technology, Genoa, Italy（意大利理工学院，热那亚） ； National Research Council of Canada & Systems Design Engineering, University of Waterloo, Canada（加拿大国家研究理事会与系统设计工程，滑铁卢大学） ； European Space Agency, Noordwijk, The Netherlands（欧洲航天局，荷兰诺德维克） ； Adapsent, Leiden, The Netherlands（Adapsent，荷兰莱顿） 纠错

专题命中 Agent评测 ：agent(abstract)

AI总结 本文提出了一种受生物启发的视觉注意系统，通过物体运动敏感性实现选择性注意，利用动态视觉传感器和神经形态算法，实现高效低延迟的实时目标检测与分割。

Journal ref Neuromorphic Computing and Engineering 5.2 (2025): 024019