Towards More Standardized AI Evaluation: From Models to Agents
迈向更标准化的AI评估：从模型到代理
机构 * G42
专题命中 Agent评测 ：agentic(abstract)；分类 cs.AI、cs.CL
AI总结 本文探讨了AI评估从模型向代理转变的必要性，强调评估应作为测量学科而非表演舞台，以在非确定性系统中调节信任和治理。
Comments 19 pages, 3 figures
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. Agent评测 8 篇
Learning Optimal and Sample-Efficient Decision Policies with Guarantees
学习具有保证的最优和样本高效的决策策略
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出了一种样本高效且具有保证的学习方法，用于在存在隐藏混杂因素的情况下学习最优决策策略，并通过实验验证了其在现实决策中的有效性。
Comments A thesis submitted for the degree of DPhil in Computer Science at Oxford
Adaptive GR(1) Specification Repair for Liveness-Preserving Shielding in Reinforcement Learning
自适应GR(1)规范修复用于强化学习中的存活保持防护
机构 * Imperial College London（伦敦帝国理工学院） ； Universidad de Buenos Aires（布宜诺斯艾利斯大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
AI总结 本文提出基于GR(1)规范的自适应防护框架，通过在线修复规范实现环境假设违反时的安全与存活保持。
Support Graph Preconditioners for Off-Lattice Cell-Based Models
支持图预置器用于非晶格细胞基模型
专题命中 Agent评测 ：agent(abstract)
AI总结 本研究提出了一种基于图的支持图预置器，用于提高非晶格细胞基模型中摩擦主导方程求解的效率和性能。
Journal ref SIAM Journal on Numerical Analysis, 2026
Quantum noise modeling through Reinforcement Learning
通过强化学习建模量子噪声
专题命中 Agent评测 ：agent(abstract)
AI总结 本文提出利用强化学习建模量子噪声，通过模拟验证其有效性，并展示在量子算法研究中的应用。
Comments 13 pages, 9 figures
Journal ref Quantum Science and Technology, Volume 11, Number 1. Published 20 November 2025
Robust Temporal Guarantees in Budgeted Sequential Auctions
预算序列拍卖中的鲁棒时间保证
专题命中 Agent评测 ：agent(abstract)
AI总结 本文提出了一种预算序列拍卖的学习算法，保证代理在预算限制下获得稳定的胜利次数，具有鲁棒的时间保证特性。
Maximizing Nash Social Welfare in 2-Value Instances: A Simpler Proof for the Half-Integer Case
在2值实例中最大化纳什社会福利：半整数情况的更简单证明
专题命中 Agent评测 ：agent(abstract)
AI总结 本文提出在2值实例中通过更简单证明实现半整数情况下的纳什社会福利最大化。
Comments arXiv admin note: substantial text overlap with arXiv:2207.10949
2. 其他Agent 4 篇
Imitating AI agents increase diversity in homogeneous information environments but can reduce it in heterogeneous ones
模仿AI代理在同质信息环境中增加多样性，但在异质环境中可能减少多样性
专题命中 其他Agent ：AI agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 研究发现，AI代理在同质信息环境中提升多样性，但可能在异质环境中降低多样性，且多样性主要源于风格差异而非事实丰富。
Comments 53 pages, 13 figures, 4 tables; v2: corrected typographical errors, streamlined language, updated abstract, added supplementary information; v3: restructured appendix, added temperature and embeddings sensitivity checks; v4: additional LLM models introduced, restructured manuscript, additional robustness checks
Beyond Mimicry to Contextual Guidance: Knowledge Distillation for Interactive AI
超越模仿到情境引导：面向交互AI的知识蒸馏
专题命中 其他Agent ：AI agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出了一种基于情境引导的知识蒸馏方法，通过构建可重用的战略文本引导库，提升交互AI在客户服务中的服务质量与客户满意度。
Can AI Lower the Barrier to Cybersecurity? A Human-Centered Mixed-Methods Study of Novice CTF Learning
AI能否降低网络安全的门槛？一项以人类为中心的混合方法研究新型CTF学习
机构 * University of Klagenfurt（克莱根弗尔特大学）
专题命中 其他Agent ：agentic(abstract)；分类 cs.AI
AI总结 本文通过混合方法研究探讨代理AI框架如何降低初学者在CTF渗透测试中的门槛，发现其在提供指导和降低认知负荷方面的作用，同时指出AI辅助教育带来的信任和依赖挑战。
Comments A Preprint
GeoEyes: On-Demand Visual Focusing for Evidence-Grounded Understanding of Ultra-High-Resolution Remote Sensing Imagery
GeoEyes: 面向超高清遥感影像证据驱动理解的按需视觉聚焦
机构 * National University of Defense Technology, China（国防科技大学） ； Beijing University of Posts and Telecommunications, China（北京邮电大学） ； University of the Chinese Academy of Sciences, China（中国科学院大学） ； Shanghai Jiao Tong University, China（上海交通大学） ； Wuhan University, China（武汉大学） ； Chinese Academy of Science, China（中国科学院） ； Tsinghua University, China（清华大学） ； Renmin University of China, China（中国人民大学）
专题命中 其他Agent ：agentic(abstract)；分类 cs.AI
AI总结 GeoEyes通过分阶段训练框架，结合冷启动数据集和代理强化学习方法，解决超高清遥感影像中证据获取不足的问题，提升视觉问答任务的准确性。
