AI Agent

CM2: Reinforcement Learning with Checklist Rewards for Multi-Turn and Multi-Step Agentic Tool Use

CM2：基于检查清单奖励的多轮多步代理工具使用的强化学习

Zhen Zhang, Kaiqiang Song, Xun Wang, Yebowen Hu, Weixiang Yan, Chenyang Zhao, Henry Peng Zou, Haoyun Deng, Sathish Reddy Indurthi, Shujian Liu, Simin Ma, Xiaoyang Wang, Xin Eric Wang, Song Wang

专题命中 工具调用 ：tool use(title,abstract)；agentic(title,abstract)；agent(abstract)；AI agent(abstract)

AI总结 CM2通过检查清单奖励提升多轮多步骤代理工具使用的强化学习效果，实现比监督微调更优的性能表现。

A Cooperative Multi-Agent Probabilistic Framework for Search and Track Missions

一种用于搜索与追踪任务的协作多智能体概率框架

Savvas Papaioannou, Panayiotis Kolios, Theocharis Theocharides, Christos G. Panayiotou, Marios M. Polycarpou

专题命中 工具调用 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出了一种协作多智能体框架，用于在未知数量目标的情况下高效搜索与追踪。

Comments arXiv admin note: substantial text overlap with arXiv:2302.00515

Journal ref IEEE Transactions on Control of Network Systems (Volume: 8, Issue: 2, June 2021)

AI Agents for Variational Quantum Circuit Design

用于变分量子电路设计的AI代理

Marco Knipfer, Alexander Roman, Konstantin T. Matchev, Katia Matcheva, Sergei Gleyzer

专题命中 工具调用 ：AI agent(title)；agent(abstract)；autonomous agent(abstract)；agentic(abstract)

AI总结 本文提出基于AI代理的变分量子电路设计方法，通过自动化搜索和优化，实现高效可扩展的量子电路设计。

Comments 43 pages, 12 figures

Cost-Aware Diffusion Active Search

面向成本的扩散主动搜索

Arundhati Banerjee, Jeff Schneider

机构 * School of Computer Science, Carnegie Mellon University（计算机科学系，卡内基梅隆大学） 纠错

专题命中 工具调用 ：agent(abstract)；autonomous agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出基于扩散模型的主动搜索方法，通过序列建模能力采样动作序列，实现高效成本感知决策，提升目标恢复率。

Comments In submission

Security Risks of AI Agents Hiring Humans: An Empirical Marketplace Study

AI代理雇佣人类的安全风险：一项实证市场研究

Pulak Mehta

专题命中 工具调用 ：AI agent(title,abstract)

AI总结 本文通过实证研究揭示了AI代理通过市场平台雇佣人类时存在的安全风险，发现32.7%的赏金来自自动化渠道，识别出六种可购买的滥用类型，并指出现有基本防御措施的缺失。

From Docs to Descriptions: Smell-Aware Evaluation of MCP Server Descriptions

从文档到描述：面向MCP服务器描述的气味aware评估

Peiran Wang, Ying Li, Yuqiang Sun, Chengwei Liu, Yang Liu, Yuan Tian

专题命中 工具调用 ：agent(abstract)；tool-use(abstract)；agentic(abstract)；分类 cs.SE

AI总结 本文提出了一种针对MCP服务器描述气味的系统研究，揭示了描述质量对LLM工具选择的影响，并展示了气味引导修复的实用价值。

How to Train Your Deep Research Agent? Prompt, Reward, and Policy Optimization in Search-R1

如何训练你的深度研究代理？搜索-R1中的提示、奖励和策略优化

Yinuo Xu, Shuo Lu, Jianjie Cheng, Meng Wang, Qianlong Xie, Xingxing Wang, Ran He, Jian Liang

机构 * CASIA（中国科学院自动化研究所） ； NLPR & MAIS（自然语言处理与人工智能研究室） ； School of AI UCAS（中国科学院大学人工智能学院） ； Meituan Inc（美团公司） 纠错

专题命中 工具调用 ：agent(title)；分类 cs.CL

AI总结 本文提出通过优化提示模板、奖励函数和策略优化方法来提升深度研究代理的性能，通过实验发现快速思考模板和REINFORCE在性能和稳定性上表现更优，同时引入Search-R1++基线提升了Search-R1的性能。

LAPIS: Lightweight API Specification for Intelligent Systems

LAPIS：轻量级智能系统API规范

Daniel Garcia

专题命中 工具调用 ：agent(abstract)；autonomous agent(abstract)；分类 cs.SE

AI总结 LAPIS是一种为LLM优化的轻量级API规范格式，通过减少token使用并保留语义信息，提升智能系统对API的处理效率。

Bootstrapping Task Spaces for Self-Improvement

通过任务空间的提升实现自我改进

Minqi Jiang, Andrei Lupu, Yoram Bachrach

机构 * Meta Superintelligence Labs（Meta超智能实验室） ； University of Oxford（牛津大学） 纠错

专题命中 工具调用 ：tool-use(abstract)；分类 cs.LG

AI总结 ExIt通过自适应课程强化学习方法，使大语言模型在推理时实现多步骤自我改进，提升任务性能。

Comments TMLR, February 2026

WildOS: Open-Vocabulary Object Search in the Wild

WildOS: 野外环境中的开放词汇物体搜索

Hardik Shah, Erica Tevere, Deegan Atha, Marcel Kaufmann, Shehryar Khattak, Manthan Patel, Marco Hutter, Jonas Frey, Patrick Spieler

机构 * Jet Propulsion Laboratory（喷气推进实验室） ； California Institute of Technology（加州理工学院） ； Swiss Federal Institute of Technology（瑞士联邦理工学院） ； ETH Zürich（苏黎世联邦理工学院） ； FieldAI Inc.（FieldAI公司） ； Stanford University（斯坦福大学） ； University of California Berkeley（加州大学伯克利分校） 纠错

专题命中 工具调用 ：planning(abstract)

AI总结 WildOS通过结合安全几何探索与语义视觉推理，实现野外环境中的开放词汇物体搜索，显著提升导航效率和自主性。

Comments 28 pages, 16 figures, 2 tables

Adaptive Monitoring of Stochastic Fire Front Processes via Information-seeking Predictive Control

通过信息寻求预测控制适应性监测随机火灾前锋过程

Savvas Papaioannou, Panayiotis Kolios, Christos G. Panayiotou, Marios M. Polycarpou

机构 * KIOS Research and Innovation Centre of Excellence (KIOS CoE)（KIOS研究与创新中心（KIOS CoE）） ； Department of Electrical and Computer Engineering, University of Cyprus（电子与计算机工程系，塞浦路斯大学） 纠错

专题命中 工具调用 ：agent(abstract)

AI总结 本文提出通过信息寻求预测控制方法，整合传感、估计和控制，解决随机火灾前锋的适应性监测问题。

Comments 2025 IEEE 64th Conference on Decision and Control (CDC)