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。
学习在图像空间中定位参考轨迹用于视觉导航
机构 * Division of Robotics, Perception, and Learning（机器人、感知与学习 division） ； KTH Royal Institute of Technology（瑞典皇家理工学院）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出LoTIS模型，通过定位参考轨迹在机器人当前视图中的图像坐标，实现无需相机标定、位姿或机器人特定训练的跨实体视觉导航，在正向导航中成功率提升20-50个百分点，达到94-98%。
ElephantAgent: 智能体系统中的上下文状态连续性
专题命中 记忆与上下文管理 ：agentic(title,abstract)；agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 针对工具和记忆投毒攻击，提出ElephantAgent协议，通过强制上下文状态连续性防御状态篡改，并利用历史可追溯性实现事后审计与恢复。
未被选取的令牌：采样、状态与AI智能体输出的变异性
机构 * University of Pittsburgh（匹兹堡大学） ； Ejento.ai
专题命中 记忆与上下文管理 ：AI agent(title)；agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文分析AI智能体系统输出变异性的来源，区分令牌采样的内在随机性与环境、数据等外在因素，并讨论在匹配条件下变异性的可复现性及确定性执行在部署中未必导致相同行为的原因。
MemSyco-Bench：智能体记忆中的谄媚基准测试
专题命中 记忆与上下文管理 ：agent(title,abstract)；分类 cs.AI
AI总结 提出MemSyco-Bench基准，评估LLM智能体因记忆引发的谄媚问题，涵盖拒绝记忆、尊重适用范围、解决冲突、跟踪更新和个性化使用五个任务。
HaloGuard 1.0：一种用于多语言AI安全的开放权重宪法分类器
机构 * Astroware AI ； Karunya Institute of Technology and Sciences（卡鲁尼亚理工学院和科学学院）
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.CL、cs.LG
AI总结 提出HaloGuard 1.0，一种基于宪法分类器范式的输入安全模型，在英语和多语言提示安全基准上以约十分之一于当前领先模型的参数规模达到最先进性能，通过自然语言宪法驱动合成数据生成、一对一反事实对、两层无害设计及多语言平衡实现。
Comments 30 pages, 7 figures, 20 Tables, Link: https://huggingface.co/collections/astroware/haloguard-10
无身份漂移的情景到语义巩固
机构 * School of Software, Harbin Institute of Technology（哈尔滨工业大学软件学院） ； School of Computer Science and Technology, Harbin Institute of Technology（哈尔滨工业大学计算机科学与技术学院） ； School of Future Science and Engineering, Soochow University（苏州大学未来科学与工程学院）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 针对长期运行自适应智能体中知识巩固与身份完整性之间的张力，提出将巩固作为情景记忆上的确定性函数，输出可单独寻址的语义知识层，保持代理加密身份不变，实验证明平均减少79.82%无效规划尝试。
Lynx: 渐进式推测量化加速长上下文推理中的KV传输
机构 * University College London（伦敦大学学院） ； Huawei（华为）
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.LG
AI总结 针对长上下文推理中KV缓存传输延迟问题，提出Lynx系统，通过将KV缓存分为高优先级Anchor流和低优先级Residual流，实现渐进式传输和推测解码，在降低首令牌延迟的同时保持高精度。
Comments 15 pages, 12 figures. This manuscript was originally submitted to SIGCOMM '26 in February 2026
Memora: 一种平衡抽象与特异性的和谐记忆表示
机构 * Microsoft（微软）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 提出Memora记忆表示，通过主抽象和线索锚点平衡抽象与特异性，结合检索策略实现高效上下文感知检索，在LoCoMo和LongMemEval基准上达到新最优。
Comments ICML 2026
寻求分割：全景指代分割的主动感知
机构 * Fudan University（复旦大学）
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 提出主动全景指代分割任务，通过记忆增强智能体PanoSeeker结合视觉语言模型与空间记忆，实现高效搜索与分割。
Comments ECCV 2026, Project Page: https://henghuiding.com/APRS/
自适应智能体群体中的集体学习理论
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 通过扩展动力学理论，研究同质活性智能体群体通过交换策略和记忆进行分散式学习以实现宏观目标的过程，推导出策略分布的演化方程，并揭示有效奖励函数的关键作用。
NEARL: 基于正交正则化的交互式查询自适应用于医学视觉-语言理解
机构 * MoE Key Lab of Artificial Intelligence（人工智能MOE实验室） ； AI Institute（人工智能研究院） ； School of Computer Science（计算机科学学院） ； Shanghai Jiao Tong University（上海交通大学） ； Department of Radiology（放射科） ； The First Affiliated Hospital（第一附属医院） ； School of Medicine（医学院） ； Zhejiang University（浙江大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； State Key Laboratory of Infrared Physics（红外物理国家重点实验室） ； Shanghai Institute of Technical Physics（上海技术物理研究所） ； Chinese Academy of Science（中国科学院）
专题命中 记忆与上下文管理 ：planning(abstract)
AI总结 提出NEARL框架，通过统一协同嵌入变换器（USEformer）和正交交叉注意力适配器（OCA）实现双向跨模态交互，仅引入1.46M参数，在三个医学影像数据集上取得最先进性能。
AgenticRAGTracer：用于诊断Agentic RAG中多步检索推理的跳数感知基准
机构 * University of Science and Technology Beijing（北京科技大学） ； Peking University（北京大学） ； Zhongguancun Academy（中关村学院） ； Beijing Key Laboratory of Data Intelligence and Security (Peking University)（北京市数据智能与安全重点实验室（北京大学））
专题命中 Agent评测 ：agentic(title,title_cn)；agent(abstract)；分类 cs.CL
AI总结 提出首个由大语言模型自动构建的Agentic RAG基准AgenticRAGTracer，包含1305个跨领域数据点，支持逐跳验证，揭示模型在多步推理中推理链扭曲的问题。
Comments Accepted at ACL 2026 Findings
电力系统智能体基准测试：电力工程中AI智能体的可执行评估
机构 * Electric Power Engineering（电力工程）
专题命中 Agent评测 ：agent(title,abstract)；AI agent(title,abstract)；分类 cs.AI
AI总结 提出电力系统智能体基准测试，通过确定性评估器对智能体在电力工程任务中的结构化解决方案进行可执行评估，涵盖41个任务族，并采用私有种子按需生成保留案例以防止数据污染。
Comments 19 pages, 1 figure, 2 tables. Code and data: https://github.com/trashchenkov/power-systems-agent-benchmark ; archived at https://doi.org/10.5281/zenodo.20753046 v2: fixed unresolved citations and three missing references in Section 2, reference capitalization, Table 1 caption
LLM 代理能力评估的统一框架
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Chongqing University of Posts and Telecommunications（重庆邮电大学） ； North China Electric Power University（华北电力大学）
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出一个统一框架，通过标准化配置、固定 ReAct 架构和离线设置，分离框架与环境效应，实现 LLM 代理能力的公平评估，并在 7 个基准、24 个领域、15 个模型上进行了大规模实证分析。
多语言提示本地化用于法官-代理系统：在需求级评估中的语言与骨干敏感性
机构 * Hamad Bin Khalifa University（哈马德·本·哈利法大学） ； Texas A&M University（德克萨斯农工大学）
专题命中 Agent评测 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 研究探讨了多语言提示在法官-代理系统评估中的影响，发现语言与骨干模型的交互作用显著，不同语言下不同模型表现各异，强调语言应作为评估变量。
SkillCoach: 用于评估和增强智能体技能使用的自演化评分准则
机构 * HKUST(GZ)（香港科技大学（广州））
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.CL
AI总结 提出SkillCoach框架，通过自演化过程评分准则从技能选择、遵循、组合和反思四维度评估智能体轨迹，并利用演化准则筛选高质量训练数据，提升技能使用能力。
面向可靠WebGIS开发的代理人工智能双螺旋治理方法
机构 * Geographic Information Systems Center, Florida International University（佛罗里达国际大学地理信息系统中心） ； Geospatial Analytics, Technology and Open Research Lab, University of Florida（佛罗里达大学地理空间分析、技术与开放研究实验室）
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.SE
AI总结 针对代理AI在WebGIS开发中的不可靠问题，提出双螺旋治理框架，通过知识-行为-技能三轨架构和持久知识图谱外化事实与协议，实验证明能降低代码复杂度、减少输出方差并防止制图错误。
Comments Paper submitted to and under review in Transactions in GIS
AgentBound: 自主AI智能体的可验证行为治理
机构 * eBay Inc.（eBay公司）
专题命中 Agent评测 ：AI agent(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 提出AgentBound框架，通过委托授权、行为宪法和站点行动合同三权独立评估，结合形式化决策模型实现AI智能体行为的可验证治理，并生成加密可验证的治理收据以支持独立重放验证。
GroundEval：有状态智能体评估中LLM评判的确定性替代方案
机构 * Independent Researcher（独立研究员）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI、cs.CL、cs.SE
AI总结 提出GroundEval框架，通过记录智能体搜索、获取、引用和访问的证据轨迹，以确定性方式评估其回答，解决LLM评判无法检测的证据路径失效问题。
Comments Streamlined entry point into framework
A$^{2}$utoLPBench：通过逆KKT构造自动生成的、智能体友好的线性规划基准
机构 * The Chinese University of Hong Kong（香港中文大学）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 提出A$^{2}$utoLPBench，一种通过逆KKT条件自动生成线性规划文本问题的基准，提供无限新问题、难度可控、答案正确且防数据泄露。
Comments 25 pages and 4 figures
CLAP：领域智能体后训练的闭环训练、评估与发布控制
机构 * MatrixOrigin（矩阵起源）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 提出CLAP闭环方法，通过数据验证、奖励/KL诊断、离线门控和应用链回放，在制造场景中评估后训练效果，发现仅部分批次提升且存在KL风险，支持集成循环管理。
Comments 6 pages, 1 figure. Accepted to CRAE 2026; to appear in SPIE Proceedings. Best Poster Award
编码智能体强化学习中的回滚基础设施开销
机构 * Daytona
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.LG
AI总结 研究四种执行环境（单容器、托管沙箱、Kubernetes编排容器、云虚拟机）在编码智能体RL中的冷启动延迟和工人工时差异，发现优化执行基础设施可显著提升训练效率。
Comments Preprint. 6 pages, 6 figures, 2 tables. Submitted to ACM SoCC 2026
这是一个陷阱！面向网络代理的任务重定向说服基准
机构 * University of Cambridge（剑桥大学）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 提出TRAP基准，评估大型语言模型驱动的网络代理在动态网页中易受提示注入攻击的程度，发现平均25%的任务中代理被重定向，揭示了心理驱动的系统漏洞。
Comments ICML 2026
COMFYCLAW：面向图像生成工作流的自进化技能工具包
机构 * University of Maryland（马里兰大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Nvidia（英伟达） ； Lehigh University（里海大学）
专题命中 Agent评测 ：agent(abstract)；workflow(abstract)；agentic(abstract)；分类 cs.AI、cs.LG
AI总结 提出COMFYCLAW框架，通过类型化图编辑、区域级VLM验证器和渐进式技能库进化，提升ComfyUI工作流构建的代理可靠性和性能，在多个基准上取得最佳平均评分。
谁获得奖励 & 谁受到责备？面向多LLM智能体的评估对齐训练信号
机构 * Argonne National Laboratory（阿贡国家实验室） ； University of Chicago（芝加哥大学）
专题命中 Agent评测 ：agent(abstract,comments)；multi-agent(abstract)；分类 cs.AI、cs.CL；planning(comments)
AI总结 提出一个理论框架，结合合作博弈归因与过程奖励建模，将系统级评估转化为智能体信用和消息级信号，用于多LLM智能体训练。
Comments Accepted at the NeurIPS 2025 Workshop on Bridging Language, Agent, and World Models for Reasoning and Planning (LAW 2025)
TestEvo-Bench：一个可执行且动态的测试与代码协同演化基准
专题命中 Agent评测 ：agent(abstract,abstract_cn)；分类 cs.AI、cs.CL、cs.SE
AI总结 提出TestEvo-Bench基准，包含测试生成和更新两类任务，基于真实提交历史并支持执行指标，评估自动化代理在代码变更后同步调整测试的能力。
Comments TestEvo-Bench leaderboard and data explorer are hosted at https://www.testevo-bench.com
GMO-E$^2$DIT：面向电商图像的接地多操作编辑
机构 * Wuhan University（武汉大学） ； Xi’an Jiaotong University（西安交通大学） ； Sun Yat-sen University（中山大学）
专题命中 Agent评测 ：agent(abstract)；planning(abstract)；agentic(abstract)
AI总结 提出GMO-E$^2$DIT框架，通过VLM代理构建区域接地编辑议程，结合掩码条件图像编辑器和反思循环，实现多操作、可审计的电商图像编辑，在指令准确性和编辑保真度上超越现有基线。
MMBench-Live：一个持续演进的多模态模型基准
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； PRIS-CV
专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出MMBench-Live，一个通过多智能体自动化流水线构建的持续演进多模态基准，解决静态基准的时效性、数据污染和维护成本问题，采用分布一致性更新策略，每次更新成本约30美元。
StatEval：大型语言模型在统计学中的综合基准
机构 * Shanghai University of Finance and Economics（上海财经大学）
专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)；分类 cs.CL
AI总结 提出StatEval基准，包含10万+问题，覆盖本科到研究级统计推理，并开发TRACE管道和自适应评分方法，揭示LLM在基础任务上表现尚可但研究级推理薄弱。
接地优化：一种减少自动个人文档重写中LLM幻觉的分层工程框架
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 提出五层接地优化框架，通过时间验证、污染检测、结构不变性、提示接地和评估器，将简历重写中的幻觉率降至0.04-0.24。
Comments 13 pages, 1 figure. Equal contribution by both authors. Code and data: https://github.com/shashank-indukuri/grounded-optimization
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