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。

2026-02-26 至 2026-02-26 共收录 4 篇信号源：cs.AI, cs.CL, cs.LG, cs.SE

1. 工具调用 4 篇

2602.21517 2026-02-26 cs.CV 90%

Which Tool Response Should I Trust? Tool-Expertise-Aware Chest X-ray Agent with Multimodal Agentic Learning

我应该信任哪个工具响应？具有工具-专业知识意识的胸片代理与多模态代理学习

Zheang Huai, Honglong Yang, Xiaomeng Li

机构 * The Hong Kong University of Science（香港科学与技术大学）

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

AI总结本文提出TEA-CXA，一种具有工具-专业知识意识的胸片代理，通过多模态代理学习解决医疗工具冲突问题，提升多轮工具调用的可靠性。

Comments 11 pages

2602.21634 2026-02-26 cs.LG cs.MA 79%

AgentLTV: An Agent-Based Unified Search-and-Evolution Framework for Automated Lifetime Value Prediction

AgentLTV: 一种基于代理的统一搜索与进化框架用于自动化生命周期价值预测

Chaowei Wu, Huazhu Chen, Congde Yuan, Qirui Yang, Guoqing Song, Yue Gao, Li Luo, Frank Youhua Chen, Mengzhuo Guo

机构 * Sichuan University（四川大学）； Harbin Institute of Technology（哈尔滨工业大学）； Sun Yat-sen University（中山大学）； City University of Hong Kong（香港城市大学）； Xiangtan University（湘潭大学）

专题命中工具调用：agent(title,abstract)；分类 cs.LG

AI总结 AgentLTV通过基于代理的统一搜索与进化框架，实现自动化生命周期价值预测，通过MCTS和EA阶段优化模型，提升预测准确性和稳定性。

Comments 12 pages, 4 figures, submitted to KDD 2026: 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining, ADS Track

2602.21368 2026-02-26 cs.LG cs.AI cs.CL stat.ML 78%

Black-Box Reliability Certification for AI Agents via Self-Consistency Sampling and Conformal Calibration

通过自一致性采样和置信校准实现AI代理的黑盒可靠性认证

Charafeddine Mouzouni

机构 * OPIT -- Open Institute of Technology（开放技术研究所）

专题命中工具调用：AI agent(title)；分类 cs.AI、cs.CL、cs.LG

AI总结本文通过自一致性采样和置信校准方法，为AI系统提供可靠性评估，验证了其在不同任务和数据上的有效性，并展示了降低API成本的应用价值。

Comments 41 pages, 11 figures, 10 tables, including appendices

2602.21320 2026-02-26 cs.LG 77%

Tool-R0: Self-Evolving LLM Agents for Tool-Learning from Zero Data

Tool-R0：从零数据自我进化的大语言模型代理用于工具学习

Emre Can Acikgoz, Cheng Qian, Jonas Hübotter, Heng Ji, Dilek Hakkani-Tür, Gokhan Tur

机构 * UIUC（伊利诺伊大学香槟分校）； ETH Zurich（苏黎世联邦理工学院）

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

AI总结 Tool-R0通过自我对抗强化学习从零数据训练通用工具调用代理，实现92.5%的性能提升并超越完全监督基线。