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。
Kernel Forge：用于基于大语言模型的CUDA内核生成与优化的代理框架
机构 * University of Michigan（密歇根大学）
专题命中 软件智能体 ：agent(title)；agentic(abstract)；分类 cs.AI
AI总结 研究针对机器学习模型中计算内核优化需专家手写代码的问题，提出开源端到端代理框架Kernel Forge，它支持多种工作负载，用蒙特卡洛树搜索优化路径，经实验评估，优化后的内核性能优于PyTorch即时模式。
Comments The code is available at: https://github.com/TheJoshBrod/KernelForge
通过工具工程分发安全控制
专题命中 软件智能体 ：agent(abstract)；autonomous agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 研究商业AI编码代理安全控制分发问题，通过分阶段测试方法，利用SHarD工具在多种代理配置上测试，证明三类安全控制可通过单个命令嵌入分发，效果与直接安装商业代理相同，还提出相关框架特征及后续研究问题。
检索、调度、反思：用于芯片QoR优化的LLM代理
专题命中 软件智能体 ：agent(abstract)；agentic(abstract)
AI总结 本文提出基于LLM的代理框架，通过与EDA工具交互实现芯片优化调度，利用检索增强生成和帕累托驱动反馈提升QoR，实验显示其在时序改进、能耗和面积上优于强化学习等黑盒方法。
机器学习工程笔记本的自动化现代化进程以实现可重现性
机构 * University of Waterloo（滑铁卢大学） ； Google（谷歌公司）
专题命中 软件智能体 ：agentic(abstract)；分类 cs.LG、cs.SE
AI总结 本文提出MLEModernizer，通过LLM驱动的框架自动化现代化工机器学习工程笔记本，以恢复其在不断变化的环境中的可重现性。
SkillGate：编码代理中经济高效的运行时恶意技能文件检测
专题命中 软件智能体 ：agent(abstract)；分类 cs.SE
AI总结 研究针对编码代理中恶意技能文件检测问题，提出SkillGate安全网关，采用混合正则表达式预过滤器+大语言模型判断管道，在SkillsBench基准测试中，检测效果好、成本低、运行时开销小，相比现有工具性能显著提升。
Comments 10 pages, 5 figures
整合建模TRANSP代码对托卡马克等离子体的预测能力
专题命中 软件智能体 ：workflow(abstract)
AI总结 本文探讨TRANSP代码在预测托卡马克等离子体中的能力，重点介绍PT_SOLVER模块和高保真T3D/GX框架的开发，用于基于高保真gyrokinetic模型的湍流输运预测。
理解计算机使用代理的用户体验：构建代理用户体验原型的设计空间与机会
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Apple（苹果公司）
专题命中 GUI与网页智能体 ：agent(title,abstract)；分类 cs.AI
AI总结 研究计算机使用代理的用户体验，开发其设计考量分类法，经需求引出研究确定原型设计所需活动与能力，创建AgentUXlab，通过用户研究得出代理用户体验原型设计工具的见解与启示。
6G：从连接基础设施到有保障的数字服务
专题命中 GUI与网页智能体 ：agent(abstract)；autonomous agent(abstract)；agentic(abstract)
AI总结 研究6G网络转折点问题，提出重新排列控制优先等五个优先事项的观点，通过控制契约、保障经济、网络MCP平台及标准化阐述等成果实践该观点，并给出三阶段路线图区分标准与部署目标等。
Comments Submitted to IEEE Access (Manuscript ID: Access-2026-37371). 29 pages, 20 figures, 92 references
DSCD-Nav: 双视角协作辩论用于物体导航
机构 * School of Electronic Engineering, Xidian University, Xi' an 710071, China.（西安电子科技大学电子工程学院）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 DSCD-Nav通过双视角协作辩论机制提升机器人在部分可观测环境中的导航可靠性与效率。
PatchWorld：可执行世界模型的免梯度优化
机构 * Hong Kong Baptist University（香港 Baptist 大学） ； Independent Researcher（独立研究员） ； HKUST（香港科技大学） ； Beijing Institute of Technology（北京理工大学） ； Southern University of Science and Technology（南方科技大学） ； Wayne State University（韦恩州立大学） ； University of Edinburgh（爱丁堡大学）
专题命中 记忆与上下文管理 ：agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 提出 PatchWorld 框架，通过反例引导的代码修复将离线轨迹转化为可执行的 Python 世界模型，实现无需梯度优化的符号信念状态程序，在 AgentGym 环境中达到 76.4% 的宏观成功率。
迈向智能体操作系统——从经典操作系统和云操作系统中汲取的经验教训
专题命中 记忆与上下文管理 ：agent(title)；agentic(abstract)；分类 cs.AI
AI总结 智能体人工智能系统处于发展试验阶段，缺乏核心抽象概念共识。研究提出借鉴经典和云操作系统发展路径，扩展原语推导新智能体抽象概念，精确指定语义并整合，以推动该领域发展。
MemTX：用于有状态智能体内存的事务性信念提交
专题命中 记忆与上下文管理 ：agent(title,abstract)；分类 cs.AI
AI总结 研究针对大语言模型智能体通过共享内存协调时内存写入问题，提出事务性信念提交协议MemTX，通过携带多种信息、在事务中暂存写入等方式，经机器检查确保不变量，在多主干上领先基线且无下游危害。
Comments Preprint
当记忆成为媒介时会失去什么？评估人工智能生成的口述历史可视化
专题命中 记忆与上下文管理 ：agent(abstract)；planning(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 研究散居海外者口述历史可视化中记忆变媒介时的问题，基于口述历史理论设计指标，比较两种管道，发现场景规划与叙事保留冲突，提出基于失败模式的评估框架、冲突分析及系统选择路由协议。
Comments Accepted at ICML 2026 Workshop on Culture x AI: Evaluating AI as a Cultural Technology
LazyMem：广泛检索，按需构建以实现高效长期智能体记忆
机构 * School of Data Science and Engineering, East China Normal University（数据科学与工程学院，华东师范大学）
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.AI
AI总结 研究针对大语言模型智能体长期记忆中原始对话历史的问题，提出LazyMem方法，将记忆构建推迟到查询时，通过轻量级模型处理候选池，经特定训练方式，在基准测试中取得高准确率，减少记忆令牌数和延迟。
Comments 29 pages, under review
RSMeM：用于遥感智能体的知识增强记忆进化及系统评估
专题命中 记忆与上下文管理 ：tool-use(abstract)；planning(abstract)；分类 cs.AI、cs.CL
AI总结 研究针对现有遥感智能体问题，提出RSMeM机制，通过分层知识基础和失败感知经验提炼两个组件，迭代吸收领域知识转化为执行经验，经实验验证能提升工具使用性能和答案质量，具有强大知识密度。
Comments Accepted to ACL 2026 Main. Code: https://github.com/AI9Stars/RSMeM
超越记忆：一种用于异构协作知识工作的带大语言模型代理的模板化基础架构
机构 * University of Notre Dame（圣母大学）
专题命中 记忆与上下文管理 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 研究指出知识工作成果难传承，大语言模型代理无持久记忆。提出llm-wiki-memory-template，它是异构协作知识工作基础架构，沿多人类、多代理、多领域三个轴，通过案例研究展示其能保留失败路径等，解决负面结果丢失问题。
Comments 15 pages, 3 figures, 1 table
知识图谱下的短期到长期记忆转移：在部分可观测性下的短期到长期记忆转移
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文研究了在部分可观测性下知识图谱中的短期到长期记忆转移问题，提出了一种基于神经符号价值决策的方法，通过在长期插入前决定保留或丢弃观察到的三元组，从而提升记忆效率，并在RoomKG基准测试中优于符号和神经基线方法。
一种通过不确定性感知模仿学习实现鲁棒且反应式机器人操作的上下文自适应策略框架
专题命中 记忆与上下文管理 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 研究如何生成适应变化的机器人操作策略，基于策略融合与不确定性量化提出上下文自适应框架，用LfD获取策略并结合MoE提升鲁棒性，在多种场景下评估该方法。
SwiftGS: 基于事件的先验知识用于即时卫星表面恢复
机构 * University of Macau（澳门大学） ； Juntendo University（顺天堂大学） ； Tongji University（同济大学） ； Zhejiang University（浙江大学） ； University of Florida（佛罗里达大学） ； Tsinghua University（清华大学） ； Wuhan University（武汉大学） ； Juniata College（朱尼亚塔学院）
专题命中 记忆与上下文管理 ：planning(abstract)；分类 cs.LG
AI总结 SwiftGS通过元学习方法实现单次前向传递的3D重建，结合几何-辐射解耦的高斯基元和轻量SDF，降低单场景优化成本，实现高效准确的数字表面模型重建和视图一致渲染。
Comments 23 pages, 6 figures
交互式对齐
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 研究交互式主体与人类福祉的长期对齐问题，采用人工智能主体模拟和进化博弈论框架两种方法，结果显示进化博弈论可近似宪法主体经济动态，实用规范执行能更有效维持长期对齐。
Comments 53 pages, 18 Figures, 3 tables
医学中的智能体人工智能：临床转化的架构、应用、评估及挑战
机构 * School of Software Engineering, Dalian University（大连大学软件工程学院） ； Affiliated Zhongshan Hospital of Dalian University（大连大学附属中山医院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of California, San Francisco（加州大学旧金山分校） ； Yale University（耶鲁大学） ； The Hong Kong Polytechnic University（香港理工大学）
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；tool use(abstract)；planning(abstract)
AI总结 研究探讨医学中智能体人工智能的架构、应用等，通过范围审查筛选相关研究，指出其范围未定论且评估与临床需求不符，证据基础有限，临床转化需更清晰定义、可重复评估等。
Comments Review article, 6 figures, 2 tables. 42 pages
VeraGrid-Agent：用于电网边缘分布式最优潮流的工具增强大语言模型
专题命中 Agent评测 ：agent(title,title_cn)
AI总结 研究针对电网边缘分布式最优潮流问题，提出工具增强大语言模型VeraGrid-Agent，通过自主编写模拟器输入、执行求解器并读取输出作答。引入VeraGrid-MCQ-150测试评估，相比无工具推理，该模型显著提升准确率，且剩余错误源于推理而非求解器执行。
评估用于视频游戏QA中自主代理驱动的几何裁剪检测的视觉语言模型
机构 * Sony Interactive Entertainment（索尼互动娱乐）
专题命中 Agent评测 ：agent(title,abstract)；autonomous agent(title)；分类 cs.AI
AI总结 研究在代理驱动游戏QA中用VLMs检测几何裁剪异常，通过自定义代理收集视觉观察，自动注释提供标签，在零样本提示下对六个VLMs基准测试，分析对提示变体的敏感性，结果显示VLMs适合作多阶段QA管道的高召回候选过滤器。
PatientAgentBench：一个用于评估面向患者的健康人工智能代理的基准框架
机构 * Amazon Health AI（亚马逊健康人工智能）
专题命中 Agent评测 ：AI agent(title)；agent(abstract)；workflow(abstract)；agentic(abstract)
AI总结 研究面向患者的健康人工智能代理评估问题，核心方法是用PatientAgentBench框架，通过语言模型评审团在多维度评估，主要贡献是发现模型临床差距，发布可重复、经临床医生验证的评估标准助领域弥补差距。
Comments Code: https://github.com/amazon-science/PatientAgentBench
梅西耶：用于跨基准智能体评估的高分辨率语料库
机构 * Andromede AI（仙女座人工智能公司）
专题命中 Agent评测 ：agent(title,abstract)；AI agent(abstract)；function calling(abstract)；分类 cs.AI
AI总结 研究针对智能体评估中任务等碎片化问题，引入梅西耶语料库，整合多基准、智能体、任务和验证器等信息，标准化记录并分类。通过该语料库发现基准进展不均衡，指出多验证器任务评分问题，得出能力量表，为智能体评估提供基础可复用设施。
C-RE-ACT：用于O-RAN取证分类的因果反应代理
专题命中 Agent评测 ：agent(title,abstract)；autonomous agent(abstract)；agentic(abstract)
AI总结 研究O-RAN架构下性能降级攻击难区分问题，提出C-RE-ACT框架，用结构不可知模型构建加权有向无环图，经图同构网络编码，在测试平台评估，能准确分离根本原因，提升LLM准确率及代理异常分类准确率。
迈向自主网络中标准化的跨供应商代理工具信任管理
专题命中 Agent评测 ：agent(title,abstract)；AI agent(abstract)；分类 cs.AI
AI总结 研究自主网络中跨供应商代理工具信任管理问题，提出AgentToolMO模型，含信任状态机等内容。模拟评估显示该模型能减少传播范围、保证级联收敛，为可信多供应商自主网络管理提供标准化途径。
Comments 22 pages, 7 figures, 9 tables, 4 algorithms
智能体循环何时会将停滞误认为进步？长期运行的自主语言模型智能体循环中的自我评估偏差与外部基础验证
专题命中 Agent评测 ：agent(title,abstract)；autonomous agent(abstract)；分类 cs.AI
AI总结 研究长期运行的自主智能体循环中自我评估偏差导致的“进步幻觉”问题，通过构建测试平台，控制评估者信息通道类型，发现自我报告无意义，带内评判者也有偏差，指出开放式目标需带外评估，强调评估者依据对结果的重要性。
Comments 23 pages. Preregistered pilot measurement study. Also deposited on Zenodo (concept DOI 10.5281/zenodo.21594735)
巴西房地产投资基金的人工市场：基于代理的提议
专题命中 Agent评测 ：agent(title,abstract)；multi-agent(abstract)
AI总结 研究利用基于代理的建模方法开发巴西房地产投资信托人工市场，整合其价值链，纳入宏观经济变量体现代理异质性，经校准和验证，该模型能再现真实市场典型事实，为分析监管政策和定价机制提供新途径。
GAUGE：在没有标准答案的情况下对代理构建的金融模型进行评分
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Adelaide（阿德莱德大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） ； Peking University（北京大学）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究针对金融模型无标准答案的问题，引入GAUGE基准，依据分析师实际做法评估代理构建的估值模型，通过多种方式验证，揭示高级、初级分析师及学生在模型评分上的差异，指出当前代理在模型构建与估值判断上的强弱情况，并发布相关资源。
Comments 35 pages, including appendices. Code, benchmark materials, and evaluation artifacts will be publicly released
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