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。
Trojan Hippo：利用代理记忆进行数据外泄
机构 * ETH Z\"urich
专题命中 记忆与上下文管理 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI
AI总结 研究提出Trojan Hippo攻击，通过单次不可信工具调用在代理长期记忆中植入潜伏载荷，当用户讨论敏感话题时激活并外泄数据。通过动态评估框架评估不同内存架构和防御措施，发现现有防御措施在安全性和实用性之间存在显著权衡。
FORGE：无权重更新的自演化代理记忆
机构 * Carleton University（卡尔顿大学）
专题命中 记忆与上下文管理 ：agent(title,abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 FORGE通过群体广播机制实现无梯度更新的自生成记忆，提升层次ReAct代理决策能力，在CybORG CAGE-2任务中显著提高性能并降低失败率。
H-Mem: 一种通过混合结构进化和检索智能体记忆的新型记忆机制
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Huawei Cloud Computing Technologies CO., LTD.（华为云计算技术有限公司）
专题命中 记忆与上下文管理 ：agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 H-Mem通过混合结构有效建模智能体记忆的长期演化并高效检索记忆数据，提升问答任务性能。
DrugSAGE: 自演化代理经验用于高效前沿药物发现
机构 * Northeastern University（东北大学） ； Broad Institute of MIT and Harvard（MIT和哈佛大学Broad研究所） ； Yale University（耶鲁大学） ； Microsoft Research New England（微软研究院新英格兰分部）
专题命中 记忆与上下文管理 ：agent(title,abstract)；分类 cs.AI、cs.LG
AI总结 DrugSAGE通过自演化代理经验框架，高效构建前沿药物发现模型，跨任务记忆提升模型性能，实现零次搜索下的显著优势。
具有分层信念状态记忆的代理推荐系统
机构 * Meta Recommendation Systems (MRS)（Meta推荐系统）
专题命中 记忆与上下文管理 ：agentic(title,abstract)；分类 cs.AI、cs.CL
AI总结 本文提出MARS框架，通过分层信念状态记忆提升推荐系统，采用LLM规划器动态调度六种操作，实验显示在四个基准领域中实现SOTA性能。
Comments 4 figures, 8 tables
快速且内存高效的考虑延迟的多模式行程规划
专题命中 记忆与上下文管理 ：planning(title,abstract)
AI总结 本文提出一种更高效、快速且准确的多模式行程规划方法，适用于单目标和双目标场景，通过优化算法提升速度和精度。
Comments v4: revised manuscript incorporating reviewer feedback (Related Work restructure, temporal-planning baselines, Bez 2020 thesis acknowledgment, equation relocation); style switched to the AAAI 2026 format
在部分可观测性下对手状态推断：一种用于2026年F1能源策略的HMM-POMDP框架
机构 * Independent Researcher（独立研究者）
专题命中 记忆与上下文管理 ：agent(abstract,abstract_cn)；分类 cs.AI、cs.LG
AI总结 本文提出HMM-POMDP框架用于2026F1能源策略，通过HMM推断对手状态并利用DQN决策，解决部分可观测博弈问题，检测反收割陷阱。
Comments 17 pages. v3: editorial corrections and bibliographic updates. Pre-registered theoretical framework; empirical calibration on 2026 race telemetry from Australian Grand Prix (8 March 2026) onwards
Traj-CoA：通过链式代理进行患者轨迹建模用于肺癌风险预测
机构 * University of Washington（华盛顿大学） ； Fred Hutch Cancer Center（Fred Hutch癌症中心） ； Harvard University（哈佛大学） ； Google（谷歌）
专题命中 记忆与上下文管理 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 Traj-CoA通过链式代理系统处理电子健康记录数据，减少噪声并保留完整时间线，从而在肺癌风险预测中优于基线方法。
Comments Accepted by NeurIPS 2025 GenAI4Health Workshop
RecMem：基于递归的记忆巩固用于高效且有效的长运行LLM代理
机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； School of Computer Science, Beijing University of Posts and Telecommunications（北京邮电大学计算机学院） ； Huawei Cloud（华为云） ； Huawei Theory Lab（华为理论实验室） ； Institute for Math and AI, Wuhan University（武汉大学数学与人工智能研究院）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 RecMem通过递归机制优化内存巩固，减少token消耗并提升准确性，有效解决长运行LLM代理的内存管理问题。
Comments Accepted to ACL 2026 Findings
前沿大语言模型与最先进的规划器相媲美
机构 * University of Oxford（牛津大学） ； Federal University of Rio Grande do Sul（里约格兰德杜斯尔大学） ； Linköping University（林霍普大学）
专题命中 记忆与上下文管理 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 研究显示前沿大语言模型在规划任务中超越传统规划器， Gemini 3.1 Pro在标准任务中表现突出，GPT-5表现接近基线，且在符号规划中仍具竞争力，揭示了大语言模型规划能力的提升趋势。
通过跨时间情感建模实现自然和陪伴型虚拟代理
机构 * Communication University of China（中国通信大学） ； Microsoft Research Asia（微软亚洲研究院） ； Institute of Artificial Intelligence, China Telecom（中国电信人工智能研究院）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 本文提出CTEM框架，通过链接长期行为历史与即时情感表达，提升虚拟代理的自然性和情感和谐度，实验显示在21天的真实场景中效果显著。
Comments 21 pages, published in CHI '26
Journal ref Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26), ACM, 2026
PRISM：通过迭代模拟和监控实现提示的可靠性用于企业对话式AI
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 PRISM通过持续模拟和监控，将提示工程视为可靠性工程问题，提升企业对话式AI的可靠性，减少提示开发时间并修复生产中的回归问题。
Comments 12 pages, 1 figure, 5 tables. arXiv preprint
残差强化学习用于具有随机延迟的机器人遥控
机构 * Technical University of Munich（慕尼黑技术大学）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 针对随机延迟导致的信号不连续问题，本文提出一种混合控制框架，通过LSTM状态估计器与残差强化学习策略相结合，提升遥控稳定性与性能。
Comments Accepted at 23rd IFAC World Congress 2026
隐私即是法币性：为何内生代币不是货币
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 本文论证内生代币如加密资产并非货币。通过定义和分类公开无许可账本上的代币，对比私人发行的稳定币及CBDC设计，指出多数公开账本缺乏现金原生要素，稳定币无法胜任，且依赖内生代币的网络会将持有者暴露于相同风险。
Comments 20 pages, 2 tables
湍流状态依赖控制的实时强化学习
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 本文提出REACT框架，通过实时强化学习控制风洞中 bluff-body 唆流，减少阻力并实现能耗节省，发现动态抑制相干结构能提高效率。
可验证的代理基础设施：基于证明的授权机制用于主权AI系统
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；AI agent(abstract)；autonomous agent(abstract)
AI总结 本文提出Distributed Trust Framework，通过结构化可验证的艺术品计算执行权限，解决自主AI代理执行安全风险问题，实现授权过程的可验证、分布和可回放。
Comments 19 pager, 2 figures, 4 tables
ColPackAgent：基于代理技能的硬粒子蒙特卡罗工作流程用于胶体堆积
机构 * Neutron Scattering Division, Oak Ridge National Laboratory, Oak Ridge, TN 37831, USA（奥克勒德国家实验室中子散射部）
专题命中 Agent评测 ：agent(title,abstract)；planning(abstract)；workflow(abstract)；分类 cs.AI
AI总结 ColPackAgent通过MCP工具服务器和代理技能实现胶体堆积模拟的自主工作流程，展示了如何利用LLM代理执行模拟任务并评估不同模型的性能。
代理AI是否准备好进行现实世界硬件工程？通过Phoenix-bench的深入探讨
机构 * National University of Singapore（新加坡国立大学）
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.SE
AI总结 本文通过Phoenix-bench评估代理AI在硬件工程中的表现，发现软件与硬件工程本质不同，且故障集中于设计控制流、验证测试用例等，定位精度比定位本身更重要。
SkillSmith：将技能编译为边界引导的运行时接口
机构 * AetherHeart Tech Co., Ltd.（AetherHeart科技有限公司） ； Renmin University of China（中国人民大学） ； University of California San Diego（加州大学圣地亚哥分校）
专题命中 Agent评测 ：agent(title,abstract)；planning(abstract)；分类 cs.AI、cs.SE
AI总结 SkillSmith通过将技能包编译为最小执行接口，减少运行时冗余，提升效率与准确性。
不要检索，导航：将企业知识转化为可导航的代理技能用于问答和RAG
机构 * Magellan Technology Research Institute（马格纳技术研究 institute）
专题命中 Agent评测 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出Corpus2Skill，通过将文档库转化为层次化技能目录，使LLM代理在服务时能导航该目录，提升问答质量和 grounding，但指出导航并非所有场景下的最佳替代方案。
代理发现神经架构：AIRA-Compose和AIRA-Design
机构 * FAIR at Meta（Meta的FAIR）
专题命中 Agent评测 ：agentic(title)；agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 本文提出AIRA-Compose和AIRA-Design框架，通过自主设计神经网络架构，实现超越标准Transformer的基础模型，提升模型性能和效率。
Comments 55 pages, 28 figures, 21 tables
为LLM-代理可操作论文的协调约定
机构 * arquicanedo
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 本文提出paper.json文件，通过稳定声明ID、明确不声明列表、精确图示命令和稳定定义ID等约定，解决LLM代理在阅读学术论文时的重复失败问题。
SMMBench：一种用于源分布多模态智能体记忆的基准测试
机构 * Shanghai Jiao Tong University, China（上海交通大学，中国） ； OPPO, China（OPPO，中国）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.CL
AI总结 SMMBench旨在评估智能体在多源分布证据下进行多模态推理、冲突解决和行动预测的能力，揭示当前系统在处理碎片化异构数据时的不足。
RTL-BenchMT：通过代理辅助分析和修订动态维护RTL生成基准
机构 * Hong Kong University of Science and Technology（香港科技大学）
专题命中 Agent评测 ：agent(title)；agentic(abstract)；分类 cs.AI
AI总结 本文提出RTL-BenchMT框架，通过自动识别和修正错误案例及检测更新过拟合案例，解决RTL基准中的缺陷和过拟合问题，降低人工维护成本。
Comments This paper has been accepted by DAC 2026
以验证假设为视角评估AI代理的人性化程度
专题命中 Agent评测 ：AI agent(title)；agent(abstract)
AI总结 本文提出利用验证过的行为假设作为评估AI代理人性化的视角，通过HumanStudy-Bench平台对12个研究进行评估，发现代理响应在完全复制与彻底失败间极化，代理设计比模型规模对齐影响更大但效果非单调。
STAR: 一种针对微服务中RCA代理的阶段属性分诊与修复框架
机构 * School of Artificial Intelligence, Beihang University Beijing, China（人工智能学院，北京航空航天大学，北京，中国）
专题命中 Agent评测 ：agent(abstract)；workflow(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文提出STAR框架，通过将RCA流程分解为四个阶段，提升微服务中RCA代理的可靠性与自修复能力。
Comments 11 pages
代理的信息成本：部署强化学习的有限交互效率度量
机构 * Semarx Research LLC（Semarx研究公司）
专题命中 Agent评测 ：agent(abstract)；agentic(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出Bipredictability度量代理与环境交互的效率，通过实验证明代理行为会降低该度量，且在多个系统中验证其普遍性，为部署自主系统提供运行可靠性测量。
Comments 12 pages, 2 figures
CryptoBench: 一种动态基准，用于评估LLM代理在加密货币领域的专家级能力
机构 * Princeton University（普林斯顿大学） ； Zenith Lab（Zenith实验室） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, Berkeley（加州大学伯克利分校） ； University of Michigan（密歇根大学）
专题命中 Agent评测 ：agent(abstract)；agentic(abstract)；分类 cs.CL
AI总结 本文提出CryptoBench，首个专家 curated 的动态基准，用于严格评估LLM在加密货币领域的真实能力。通过50题/月的动态任务，细分子类评估数据获取与预测能力，揭示LLM在检索与预测上的不平衡问题。
生物结构保证是否值得其复杂性？
专题命中 Agent评测 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 本文通过三个深度基准测试，比较生物启发式实现与非生物替代方案，评估生物结构保证在AI代理中的可靠性优势。
自动化对齐比你想象的更困难
机构 * AI Security Institute（人工智能安全研究所）
专题命中 Agent评测 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 论文指出，即使研究代理不故意破坏对齐工作，自动化对齐研究也可能导致误导性的安全评估，因模糊任务难以监督且人类判断有误。
Comments 15 pages, 4 figures
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