World-Model-Augmented Web Agents with Action Correction
具有动作修正的世界模型增强型网络代理
机构 * Zhejiang University（浙江大学） ； Tencent AI Lab（腾讯AI实验室）
专题命中 GUI与网页智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL
AI总结 WAC通过多代理协作和风险感知机制，提升网络代理在复杂任务中的鲁棒性和执行效率。
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. GUI与网页智能体 4 篇
Hybrid Reward-Driven Reinforcement Learning for Efficient Quantum Circuit Synthesis
混合奖励驱动强化学习用于高效量子电路综合
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出一种混合奖励驱动强化学习方法，用于高效合成量子电路，通过结合静态奖励和动态惩罚，优化电路深度和门数，提升量子电路综合效率。
Comments 35 pages, 7 figures, color figures
Journal ref Quantum Mach. Intell. 8, 9 (2026)
Learning to Retrieve Navigable Candidates for Efficient Vision-and-Language Navigation
学习高效视觉-语言导航中的可导航候选检索
机构 * University of New South Wales, Sydney, Australia（新南威尔士大学） ； Macquarie University, Sydney, Australia（麦考瑞大学） ； Data61, CSIRO, Sydney, Australia（Data61, CSIRO） ； The School of Computer Science（计算机科学学院）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI
AI总结 本文提出检索增强框架，通过指令级示例检索和候选剪枝提升LLM在视觉-语言导航中的效率和稳定性。
2. 记忆与上下文管理 2 篇
Enhancing Computational Efficiency in NetLogo: Best Practices for Running Large-Scale Agent-Based Models on AWS and Cloud Infrastructures
提升NetLogo计算效率：在AWS和云基础设施上运行大规模基于代理模型的最佳实践
专题命中 记忆与上下文管理 ：agent(title,abstract)
AI总结 本文介绍了在AWS和云基础设施上运行大规模基于代理模型的最佳实践，通过优化NetLogo的内存管理、Java选项和实例选择，实现了计算成本降低和性能提升。
EAA: Automating materials characterization with vision language model agents
EAA: 用视觉语言模型代理自动化材料表征
机构 * Argonne National Laboratory（阿贡国家实验室） ； Advanced Photon Source（先进光子源） ； Data Science and Learning Division（数据科学与学习 division） ； Department of Radiation Oncology（放射肿瘤学系） ； Northwestern University（西北大学）
专题命中 记忆与上下文管理 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 EAA利用视觉语言模型代理自动化材料表征，通过多模态推理和工具增强操作提升显微镜实验效率，减少操作负担并降低用户专业门槛。
3. Agent评测 11 篇
OpenAgentSafety: A Comprehensive Framework for Evaluating Real-World AI Agent Safety
OpenAgentSafety: 一个全面评估现实世界AI代理安全性的框架
机构 * Language Technologies Institute, Carnegie Mellon University（语言技术研究所，卡内基梅隆大学） ； Allen Institute for Artificial Intelligence（人工智能研究院）
专题命中 Agent评测 ：agent(title,abstract)；AI agent(title,abstract)；agentic(abstract)；分类 cs.AI
AI总结 OpenAgentSafety提出一个全面评估AI代理安全性的框架，通过真实工具和多任务测试揭示代理在现实世界中的安全漏洞，强调需要加强安全防护。
Comments 26 pages, 10 figures, Accepted at ICLR 2026 and IASEAI 2026
Secure and Energy-Efficient Wireless Agentic AI Networks
安全且节能的无线代理人工智能网络
机构 * Department of Computer Science, Brunel University of London（布鲁内尔大学计算机科学系） ； Nanjing University of Posts and Telecommunications（南京邮电大学）
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；AI agent(abstract)；workflow(abstract)
AI总结 本文提出了一种安全且节能的无线代理人工智能网络，通过动态分配代理和优化资源分配，提升服务质量并降低能耗。
Comments Submitted to journal
GRACE: an Agentic AI for Particle Physics Experiment Design and Simulation
GRACE：一个用于粒子物理实验设计和模拟的智能体
机构 * Data Science Institute, Columbia Engineering（数据科学研究院，哥伦比亚工程学院） ； Department of Physics and Astronomy, Johns Hopkins University（物理与天文学系，约翰霍普金斯大学）
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 GRACE是一个用于粒子物理实验设计和模拟的智能体，通过自主探索设计修改提升物理性能，引入了新的基准测试和约束搜索方法。
Comments Both authors contributed equally. 43 pages, 12 figures, 6 tables, data can be found in https://github.com/just5034/GRACE_whitepaper_data
SR-Scientist: Scientific Equation Discovery With Agentic AI
SR-Scientist：基于代理AI的科学方程发现
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； GAIR
专题命中 Agent评测 ：agentic(title)；agent(abstract)；分类 cs.AI
AI总结 SR-Scientist通过代理AI实现科学方程发现，具备自主编写代码、分析数据、优化方程的能力，实验表明其在多个科学领域表现优异。
Comments ICLR 2026
From Agent Simulation to Social Simulator: A Comprehensive Review (Part 2)
从智能体模拟到社会模拟：全面综述（第二部分）
专题命中 Agent评测 ：agent(title,abstract)
AI总结 本文综述了从智能体模拟到社会模拟的方法，强调计算实验在探索系统复杂性因果机制中的作用，指出ABM的局限性及计算实验的优越性。
Comments This paper is Part II of a planned multi-part review series on "From Agent Simulation to Social Simulator". It is a self-contained article and can be read independently of Part I. Although the authors have previously published related work, this submission is not a revision or updated version of any earlier paper
Can Multimodal LLMs Perform Time Series Anomaly Detection?
多模态大语言模型能否进行时间序列异常检测？
机构 * Illinois Institute of Technology（伊利诺伊理工学院） ； Emory University（埃默里大学） ； University of Illinois Chicago（伊利诺伊大学香槟分校） ； University of Southern California（南加州大学）
专题命中 Agent评测 ：agent(abstract)；planning(abstract)；multi-agent(abstract)；分类 cs.CL、cs.LG
AI总结 本研究提出基于多代理框架的TSAD-Agents，利用多模态大语言模型实现自动时间序列异常检测。
Comments ACM Web Conference 2026 (WWW'26)
Enhancing Diversity and Feasibility: Joint Population Synthesis from Multi-source Data Using Generative Models
增强多样性和可行性：利用生成模型从多源数据中联合合成人口
机构 * Concordia University（康科迪亚大学） ； Concordia Institute for Information Systems Engineering（康科迪亚信息系统工程研究所） ； Toronto Metropolitan University（多伦多 Metropolitan 大学）
专题命中 Agent评测 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 本文提出利用WGAN与梯度惩罚联合生成多源数据，提升合成人口的多样性和可行性，实验显示其在召回率和精确率上均优于传统方法。
Comments 12 pages, 8 figures, 5 tables
stable-worldmodel-v1: Reproducible World Modeling Research and Evaluation
stable-worldmodel-v1: 可复现的世界建模研究与评估
机构 * Mila & Université de Montréal（Mila与蒙特利尔大学） ； New York University（纽约大学） ； Brown University（布朗大学） ； Samsung SAIL（三星SAIL）
专题命中 Agent评测 ：planning(abstract)；分类 cs.AI
AI总结 stable-worldmodel-v1 提供了一个模块化、可复现的世界模型研究生态系统，支持标准化环境和持续学习研究，并用于评估DINO-WM的零样本鲁棒性。
FrameRef: A Framing Dataset and Simulation Testbed for Modeling Bounded Rational Information Health
FrameRef: 一个用于建模有限理性信息健康的框架数据集和仿真测试平台
机构 * University of Oklahoma（俄克拉荷马大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.CL
AI总结 FrameRef通过仿真框架研究有限理性信息健康的动态，提供系统性数据集和方法论，影响人类判断和信息健康轨迹。
Posterior-Separable Costs and Menu Preferences
后验可分离成本与菜单偏好
专题命中 Agent评测 ：agent(abstract)
AI总结 本文研究了在贝叶斯说服框架下，通过理性不注意偏好和无知等价性公理，实现后验可分离成本的唯一超平面求解方法。
Cooperative Game Theory Model for Sustainable UN Financing: Addressing Global Public Goods Provision
面向可持续联合国融资的协同博弈理论模型：解决全球公共物品供给问题
专题命中 Agent评测 ：agent(abstract)
AI总结 本文提出一种协同博弈理论模型，通过个性化定价优化联合国融资，提升全球公共物品供给的可持续性和公平性。
4. 其他Agent 1 篇
Developing AI Agents with Simulated Data: Why, what, and how?
利用模拟数据开发AI代理：为何、何为与如何？
机构 * McMaster University（麦克马斯特大学） ； McSCert
专题命中 其他Agent ：AI agent(title)；分类 cs.AI
AI总结 本文探讨了利用模拟数据开发AI代理的关键概念、优势与挑战，并提出了一种用于描述和分析数字孪生AI模拟解决方案的参考框架。
