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。
LATA：一个辅助翻译标注的工具
机构 * School of Foreign Languages, Huaihua University（怀化大学外语学院） ； Alith University College, Umm al-Qura University（乌姆·阿尔·库拉大学阿利思大学学院）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.CL
AI总结 LATA是一个利用大语言模型辅助的翻译标注工具，旨在提高标注效率的同时保持语言学精度，适用于结构差异大的语言对。
关于生成特殊随机结构：优化DFT计算效率
专题命中 工作流自动化 ：workflow(abstract)
AI总结 本文提出了一种优化DFT计算效率的进化算法，用于生成特殊随机结构，通过减少位移数量显著降低计算成本。
Comments 9 pages, 2 block of pseudocode, 1 figure
可扩展的非分离时空高斯过程模型用于大尺度短期天气预测
专题命中 工作流自动化 ：planning(abstract)
AI总结 本文提出可扩展的非分离时空高斯过程模型，用于大尺度短期天气预测，通过改进的近似方法和GPU加速实现高效准确的预测。
概念性地下水建模中生成算法的比较：用于沿海火山含水层特征的异质、稀疏且极度不平衡数据
专题命中 工作流自动化 ：workflow(abstract)
AI总结 本研究提出了一种人工智能辅助的工作流程，通过生成算法整合异质、稀疏且极度不平衡的数据，以提高沿海火山含水层概念性地下水模型的准确性。
Comments 47 pages, 15 figures, 11 tables
FeatureBench: 评估代理编码在复杂特性开发中的性能
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Huawei Technologies Co., Ltd（华为技术有限公司）
专题命中 软件智能体 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.SE
AI总结 FeatureBench通过基于执行的评估协议和自动化任务收集方法，评估代理在复杂特征开发中的性能，发现先进模型在该基准上表现有限，为提升代理编码能力提供新机会。
Comments Accepted by ICLR 2026
Code2MCP: 将代码仓库转化为MCP服务
机构 * Sun Yat-sen University（中山大学） ； Rensselaer Polytechnic Institute（罗切斯特理工学院） ； Southeast University（东南大学）
专题命中 软件智能体 ：agent(abstract)；workflow(abstract)；multi-agent(abstract)；分类 cs.LG、cs.SE
AI总结 Code2MCP通过自动化将GitHub仓库转换为MCP兼容服务，解决现有MCP工具池不足的问题，促进MCP协议的普及与应用。
代理知识蒸馏：自主训练小型语言模型用于短信威胁检测
专题命中 软件智能体 ：agentic(title,abstract)
AI总结 本研究提出代理知识蒸馏方法，通过自主训练小型语言模型实现高效的短信威胁检测，实验显示教师LLM的选择对性能影响显著。
为GPU内核生成微调GPT-5
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 通过强化学习微调GPT-5提升GPU内核生成性能，实现正确率和效率的显著提升。
基础可读性协议提升可信监控
机构 * Cambridge Boston Alignment Initiative (CBAI) Summer Research Fellowship（剑桥波士顿对齐计划暑期研究奖学金） ； Redwood Research（红木研究）
专题命中 软件智能体 ：agent(abstract)；分类 cs.LG、cs.SE
AI总结 本研究提出可读性协议，通过鼓励不受信任模型产生易于监控评估的行为，提升可信监控的安全性，同时增强监控者对诚实代码的识别能力。
LLM生态系统中的隐藏许可风险
专题命中 软件智能体 ：agent(abstract)；分类 cs.SE
AI总结 本文提出LiAgent框架，通过LLM分析LLMware生态系统的许可证兼容性，显著提升检测性能，发现多个潜在的许可证冲突问题。
跟随龙：基于代码审查的模糊测试
专题命中 软件智能体 ：workflow(abstract)；分类 cs.SE
AI总结 EyeQ通过利用代码审查中的开发者智能，指导模糊测试以发现更多安全关键的漏洞。
ContextBench: 一种用于编码代理代码上下文检索的基准测试
机构 * Nanjing University（南京大学） ； University College London（伦敦大学学院）
专题命中 软件智能体 ：agent(abstract)；分类 cs.LG
AI总结 ContextBench通过评估编码代理在问题解决过程中代码上下文的检索能力，揭示了代理在上下文利用上的不足，为改进LLM在软件任务中的推理提供了新的研究方向。
Comments 36 pages, 6 figures, 4 tables
分析 nf-core 流水线中的 GitHub 问题和拉取请求：对 nf-core 流水线仓库的洞察
专题命中 软件智能体 ：workflow(abstract)；分类 cs.SE
AI总结 本文通过分析 nf-core 流水线的 GitHub 问题和拉取请求，揭示了开发和维护过程中面临的挑战，如工具开发、仓库维护及 CI 配置管理，并提出提升流水线可持续性和可重复性的方法。
Comments 12 pages
从自然语言到材料发现：材料知识导航代理
机构 * Department of Materials Science and Engineering, Carnegie Mellon University（材料科学与工程系，卡内基梅隆大学） ； Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学）
专题命中 GUI与网页智能体 ：agent(title,abstract)；分类 cs.LG
AI总结 材料知识导航代理通过自然语言处理技术，实现了材料发现的自动化和智能化，能够从文献和数据库中提取关键信息，提出新的材料候选方案。
Comments 22 pages,5 figures
见、计划、快照：评估Scratch中的多模态GUI代理
机构 * Tongji University（同济大学） ； East China Normal University（华东师范大学）
专题命中 GUI与网页智能体 ：agent(abstract)；AI agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 本文提出ScratchWorld基准，用于评估多模态GUI代理在Scratch中的程序构建能力，揭示了推理与执行之间的显著差距。
具有不定因果顺序的量子集成传感与计算
机构 * Signal Processing Systems Group, Department of Electrical Engineering, Eindhoven University of Technology, Eindhoven, 5612 AP, The Netherlands（埃因霍温理工大学电气工程系信号处理系统组）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI
AI总结 本文提出了一种在量子不定因果顺序框架下集成传感与计算的方案，通过量子代理同时执行状态观测和计算任务，实现了在磁导航任务中的高效性能。
Comments Submitted for publication
ReSPEC：动态环境中在线多光谱传感器重新配置框架
机构 * Department of Electrical Engineering, Columbia University（电气工程系，哥伦比亚大学）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 ReSPEC框架通过强化学习实现动态多光谱传感器重新配置，提升机器人在复杂环境下的感知效率与资源利用率。
Comments 8 pages, 4 figures. This work has been submitted to the IEEE for possible publication
通过代理技能进化实现元上下文工程
专题命中 记忆与上下文管理 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 本文提出元上下文工程（MCE），通过代理技能进化提升上下文优化效果，实现更灵活的上下文生成与适应性。
Comments 46 pages, 4 figures
线性基于代理系统的一般化 Langevin 模型：通过环境耦合实现战略影响
专题命中 记忆与上下文管理 ：agent(title,abstract)
AI总结 本文提出了一种基于一般化 Langevin 方程的线性代理系统模型，通过环境耦合揭示记忆效应和战略影响机制。
Comments 7 pages, 3 figures
UMEM: 通用记忆的统一记忆提取与管理框架
机构 * Xiamen University（厦门大学） ； Alibaba International Digital Commerce（阿里巴巴国际数字商务） ； Tongyi Lab, Alibaba Group（阿里云实验室，阿里巴巴集团）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.CL
AI总结 UMEM通过联合优化大语言模型，实现记忆的提取与管理，提升记忆的泛化能力，实验显示在多轮交互任务中表现优于基线模型。
基于神经记忆的遥感变化检测
机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（计算机科学与工程学院，南京理工大学） ； School of Computer Science and Technology, Beijing Institute of Technology（计算机科学与技术学院，北京理工大学） ； School of Computer Science and Engineering, University of Electronic Science and Technology of China（计算机科学与工程学院，电子科技大学）
专题命中 记忆与上下文管理 ：planning(abstract)
AI总结 本文提出ChangeTitans框架，通过整合神经记忆与分段局部注意力，提升遥感变化检测的长距离依赖捕捉能力，同时保持计算效率，实验表明在多个数据集上取得最佳性能。
Comments accepted by IEEE Transactions on Geoscience & Remote Sensing
你的大语言模型真的掌握了概念吗？一个多智能体基准
机构 * Beijing Normal University（北京师范大学） ； Australian National University（澳大利亚国立大学）
专题命中 Agent评测 ：agent(title,abstract)；multi-agent(title)；分类 cs.AI、cs.CL
AI总结 本文提出CK-Arena，通过多智能体社交推理游戏评估大语言模型的概念理解能力，揭示模型在概念掌握上的差异性。
Comments 8 pages
从助手到双代理：形式化和评估 OpenClaw 对个性化本地 AI 代理的攻击
机构 * Xidian University（西安电子科技大学） ； Data Science & Artificial Intelligence Research Institute（数据科学与人工智能研究院）
专题命中 Agent评测 ：agent(title,abstract)；AI agent(title)；分类 cs.AI
AI总结 本文提出个性化代理安全评估框架 PASB，用于评估 OpenClaw 在现实部署中的安全风险，揭示其在多个执行阶段的关键漏洞。
Comments 11 pages,2 figures
从碎片到整合：探索面向人类作为单元的隐私管理的AI代理设计空间
机构 * Northeastern University（东北大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 Agent评测 ：AI agent(title,abstract)；agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文通过研究用户隐私管理挑战，提出九个AI代理概念，发现后分享管理工具在用户信任度上表现突出，展示了AI代理在整合隐私管理中的潜力。
Journal ref CHI 2026
ISD-Agent-Bench: 一个用于评估基于大语言模型的教学系统设计代理的全面基准
机构 * Upstage ； Opentutorials ； Indiana University Bloomington（印第安纳大学布卢明顿分校） ； Korea University Sejong Campus（韩国大学世宗校区）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.CL、cs.SE
AI总结 ISD-Agent-Bench通过结合经典ISD理论与现代推理方法，为评估基于LLM的教学系统设计代理提供了全面的基准。
世界工作流：一个将世界模型引入企业系统的基准
专题命中 Agent评测 ：autonomous agent(abstract)；agentic(abstract)；分类 cs.AI、cs.SE
AI总结 World of Workflows提出一个基于ServiceNow的企业系统基准，揭示前沿LLMs在动态建模中的盲区，并强调基于现实世界建模的可靠性需求。
大语言模型代理中提示注入威胁的图景：从分类到分析
专题命中 Agent评测 ：agent(abstract)；autonomous agent(abstract)；分类 cs.CL
AI总结 本文综述了大语言模型代理中提示注入威胁的分类与分析，提出AgentPI基准以评估依赖上下文交互的代理行为，揭示现有防御的局限性并提出未来研究方向。
LiveMedBench: 一个无污染的医疗基准测试，用于具有自动评分评估的LLM
机构 * Lehigh University（莱维大学） ； Harvard University（哈佛大学） ； Imperial College London（伦敦帝国学院） ； Massachusetts General Hospital（麻省总医院） ； Harvard Medical School（哈佛医学院）
专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 LiveMedBench通过持续更新和自动评分框架，提供无污染的医疗基准测试，验证LLM在临床推理中的性能，揭示数据污染和上下文适应性问题。
Moltbook社交图谱的解剖
机构 * Columbia Business School（哥伦比亚商学院）
专题命中 Agent评测 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 研究分析Moltbook平台中AI代理的社交图谱特征，揭示其幂律参与度、小世界连接性及非人类对话模式，探讨智能体社交的独特性。
Comments 20 pages, 7 figures
MME-Emotion：多模态大语言模型情感智能的综合评估基准
机构 * The Chinese University of Hong Kong（香港中文大学） ； Tongyi Lab（通义实验室） ； SZTU（深圳技术大学） ； Peking University（北京大学） ； Tongji University（同济大学） ； CASIA（中国科学院自动化所） ； Tencent（腾讯） ； UCLA（加州大学洛杉矶分校） ； Westlake University（西湖大学） ； NTU（国立大学）
专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 MME-Emotion是首个评估多模态大语言模型情感智能的综合基准，揭示当前模型在情感识别和推理上的不足，并通过多智能体框架提供混合指标分析。
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