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。
超越试错：面向图像到视频一致性的智能体优化
机构 * Google Cloud（谷歌云） ； Google DeepMind（谷歌DeepMind）
专题命中 工具调用 ：agentic(title,summary_cn)；分类 cs.AI
AI总结 针对图像到视频模型试错效率低的问题，提出Agentic Self-Improvement框架，通过两阶段优化提升视频与文本一致性，生成视频胜率达69%，为视频生成模型提供实用可控的优化方法。
重试、切换还是弃权？通过受控错误注入学习策略感知的工具使用策略
机构 * Amazon（亚马逊）
专题命中 工具调用 ：tool-use(title,abstract)；agent(abstract)；tool use(abstract)；分类 cs.AI
AI总结 该研究提出BENCH2ROBUST框架，结合BTM与课程强化学习，提升LLM智能体在工具故障下的稳健性，在零售任务中BTM可提稳健性16.8个百分点，二者结合达40.8-45.5%。
智能体技能可能有害：LLM智能体中技能诱导故障的实证研究
机构 * Huazhong University of Science and Technology（华中科技大学） ； Microsoft Research（微软研究院） ； Microsoft（微软） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 工具调用 ：agent(title,abstract)；tool use(abstract)；planning(abstract)；分类 cs.AI
AI总结 本文通过提出差异分析框架，在SkillsBench等数据集上发现LLM智能体的技能会引发功能故障与效率回归，并构建SkillTriage工具，为安全复用技能提供研究方向。
VAKRA：评估工具使用策略下跨API与检索的多跳推理能力
机构 * IBM（国际商业机器公司（IBM））
专题命中 工具调用 ：tool-use(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 本研究推出VAKRA基准评估工具使用策略下跨API与检索的多跳推理，发现现有最优模型在相关任务上性能随推理深度显著下降，失败集中于语言介导推理环节。
基于代理的贝叶斯优化：通过代理增强的自动研究
机构 * Meta ； RWTH Aachen University（亚琛工业大学）
专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；分类 cs.LG
AI总结 该研究提出代理式贝叶斯优化范式，构建Sara代理与lenz后端，在合成及真实基准测试中，其兼具可靠性与性能，还可动态重构优化问题。
当API“说错”语言：重新审视多语言工具使用的后训练
机构 * Amazon（亚马逊）
专题命中 工具调用 ：tool use(title)；分类 cs.AI、cs.CL
AI总结 针对多语言API调用中存在的参数语言不匹配问题，研究发现监督微调可实现接近或优于复杂强化学习方法的性能，强化学习仅能提供渐进式改进。
AgonAlpha：通过提示经济与可扩展智能体搜索实现自主阿尔法发现
机构 * The Chinese University of Hong Kong（香港中文大学） ； University of Maryland（马里兰大学）
专题命中 工具调用 ：agentic(title)；分类 cs.AI
AI总结 AgonAlpha是首个结合经验证构件搜索、对抗审核器与并行预算分配的阿尔法挖掘系统，在WorldQuant BRAIN部署后产出SPECTACULAR级阿尔法，为交易因子自主研究提供了完整证据轨迹。
DREvo：提炼重校准的历史经验以实现工具链自主进化
专题命中 工具调用 ：agent(abstract)；agentic(abstract)；分类 cs.LG
AI总结 针对现有工具链自主进化方法的两个局限，提出DREvo方法，通过整合三项技术提升进化稳定性，在五个基准上取得最优准确率，在两类任务上较基线实现显著性能提升。
Comments 9 pages
超越单轮置信度：面向大语言模型智能体的轨迹适配不确定性量化
专题命中 工具调用 ：tool-use(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本研究探讨单轮UQ方法能否迁移至LLM智能体的交互式轨迹场景，评估三类UQ方法在多轮工具使用数据集上的表现，发现黑盒自一致性通常最优，提示需在轨迹层面重新验证单轮UQ方法。
优化低成本部署强模型：面向进化优化的成本感知跨层迁移
机构 * IBM Research（IBM研究院）
专题命中 工具调用 ：agentic(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 该研究提出成本感知跨层迁移方法，解耦LLM角色，在低成本层级完成大部分搜索，跨层部署提示词，在多任务多模型上实现成本大幅降低且性能不劣于同层级优化。
基于技能-工具链进化的自演化具身智能体
机构 * Microsoft Research（微软研究院） ； Northeastern University（东北大学）
专题命中 工具调用 ：agent(abstract)；分类 cs.CL
AI总结 提出免训练的SHAPER框架，通过演化技能与工具链实现冻结模型驱动的自演化具身智能体，在VLABench等数据集上验证其适配优势。
平面上的搜索与救援问题
专题命中 工具调用 ：agent(abstract)
AI总结 该研究针对平面搜索与救援问题，确定临界角$\theta^* \approx 15.6^\circ$，据此给出不同角度下智能体的最优检查点，推导竞争比闭式表达式，优化搜索与交付的竞争性能。
VIPER-MCP: 检测和利用模型上下文协议服务器中的污点式漏洞
专题命中 工具调用 ：agent(abstract)
AI总结 本文提出VIPER-MCP，一种用于模型上下文协议服务器的端到端自动漏洞审计框架，能够检测污点式漏洞并动态验证其可利用性，通过生成具体的概念验证提示。该框架引入了两种新技术：一种是双阶段静态分析策略中的锚查询，增强了标准污点警报的功能性上下文；另一种是反馈驱动的提示进化机制，通过双变异调度和适应度评分的种子选择，逐步优化自然语言提示以达到易受攻击的sink。
个性化作为逆向规划：通过结构去噪学习智能幻灯片生成的潜在设计意图
机构 * Purdue University（普渡大学） ； Rutgers University（罗格斯大学） ； University at Albany（奥尔巴尼大学） ； Microsoft（微软）
专题命中 规划决策 ：planning(title,abstract)；agentic(title)；agent(abstract)；AI agent(abstract)
AI总结 提出SPIRE框架，将页面级幻灯片个性化视为逆向规划问题，通过结构去噪和强化学习协作学习潜在设计意图，无需预设模板或用户详细指令。
Comments ECCV 2026
迈向自主人工智能代理的加密可验证授权：安全假设、初步形式化模型及概念验证实现
机构 * Universidad Tecnológica Atlántico-Mediterráneo (UTAMED)（西班牙阿塔兰蒂卡-地中海技术大学） ； Universidad de Santiago de Compostela (USC)（圣地亚哥-德孔波斯特拉大学）
专题命中 规划决策 ：AI agent(title,abstract)；agentic(abstract,comments)；agent(abstract)；分类 cs.AI
AI总结 研究自主AI代理加密可验证授权问题，提出将其形式化为关系$R_{CVA}$的假设，引入CVA形式化抽象，定义安全属性，给出零知识概念验证，还识别出身份等绑定间结构分离问题并提出研究议程。
Comments 11 pages, 1 figure, 2 Tables. Keywords: autonomous AI agents, zero-knowledge proofs, verifiable authorization, agentic security, zk-SNARKs, access control, cryptographic authorization, cryptographic protocols
工具作为连续流用于演进代理推理
机构 * Central South University（中南大学） ； The Hong Kong University of Science and Technology（香港科技大学）
专题命中 规划决策 ：agentic(title,abstract)；planning(abstract)；分类 cs.AI
AI总结 本文提出FlowAgent，通过连续轨迹生成改进代理推理，引入计划级闭环基准，理论证明其鲁棒性和泛化能力，实验证明在长周期推理任务中表现优异。
从提示到路面通过时间：代理场景到计划推理中的时间定位
机构 * Computer Science & Engineering Department, German University in Cairo (GUC), Egypt（德国亚历山大大学（GUC）计算机科学与工程系，埃及） ； C-DRiVeS Lab: Cognitive Driving Research in Vehicular Systems, Cairo, Egypt（认知驾驶系统实验室，埃及开罗，C-DRiVeS） ； M.Eng. Robotics Candidate at Deggendorf Institute of Technology, Germany（德国德格多夫技术学院机器人硕士候选人） ； IAV GmbH, Berlin, Germany（德国柏林IAV GmbH公司）
专题命中 规划决策 ：agentic(title)；agent(abstract)；planning(abstract)；分类 cs.AI、cs.CL
AI总结 本研究探讨了在代理间通信中引入时间条件是否能保持或增强推理的一致性，而不会降低语义或逻辑一致性，并通过BDD-X数据集的curated子集评估了三种具有递增时间整合的规划器架构。结果表明，时间条件改变了推理风格，但并未在标准NLP正确性指标上产生统计显著改进，但定性分析揭示了预测危险推理、稳定纠正行为和战略分歧。
不确定性作为规划信号：面向目标导向对话的多轮决策
机构 * The Ohio State University（俄亥俄州立大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI、cs.CL
AI总结 本文提出CUP框架，通过结合语言模型与结构化规划，解决目标导向对话中不确定性与信息获取之间的平衡问题，提升对话成功率并减少交互轮次。
Comments COLM 2026
DreamFly：面向空中视觉语言导航的因果记忆与后退时域扩散规划
机构 * School of Electronic Information Engineering, Xi’an Technological University（西安工业大学电子信息工程学院） ； School of Computer Science and Engineering, Xi’an Technological University（西安工业大学计算机科学与工程学院）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 DreamFly是基于Dream-VLA的扩散式空中VLN框架，通过因果记忆、后退时域扩散规划和LiteStop解耦终止，在OpenFly基准上显著优于对比方法。
Comments 24 pages, 6 figures, 3 tables
局部验证无法检测不可迁移性：智能体推理中上下文保持的上同调理论
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 本文提出智能体推理上下文保持的上同调理论，证明局部验证无法检测不可迁移性，提出Ksetra方法并通过外汇市场验证了所提检验的有效性。
Comments 17 pages, 10 figures. Includes an exact F-test for non-transportability with verified size and power, its precision-whitened generalisation, and a foreign-exchange case where the null hypothesis is known analytically rather than estimated
从提示到道路：基于大语言模型的代理行为树生成框架用于自动驾驶车辆
机构 * Computer Science & Engineering Department, German University in Cairo (GUC), Egypt（德国亚历山大·冯·洪堡大学（开罗分校）计算机科学与工程系，埃及） ； C-DRiVeS Lab: Cognitive Driving Research in Vehicular Systems, Cairo, Egypt（认知驾驶系统实验室（车辆系统中的认知驾驶研究），开罗，埃及） ； IAV GmbH, Berlin, Germany（IAV GmbH，柏林，德国）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 本文提出了一种基于大语言模型和多模态视觉模型的代理行为树生成框架，用于自动驾驶车辆在复杂环境中自适应导航。该框架通过链式符号提示评估场景关键性，通过上下文学习构建高层子目标，并通过生成器合成可执行的BT子树，实现了在CARLA+Nav2模拟中对突发障碍物（如道路堵塞）的成功绕行。
将智能体安全重新思考为一个网络问题
专题命中 规划决策 ：agent(title,abstract)；AI agent(abstract)
AI总结 该研究针对现有以智能体为中心的安全防御无法可靠防范AI智能体风险的问题，借鉴网络领域原则，提出结合确定性执行与语义策略的AI智能体安全系统设计思路。
部署决策可靠性：用于评估长 horizon 智能体规模的概化理论框架
机构 * Stanford School of Engineering（斯坦福工程学院）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI、cs.LG
AI总结 该研究采用概化理论框架分析三个智能体基准的排行榜，发现其排名反映专业化而非能力，提出 DDR 报告规范并发布相关资源，为企业评估长 horizon 智能体提供可靠方法。
Comments 11 pages, 1 figure, 1 table. Code and reproducibility artifacts: https://github.com/vasundras/agent-reliability-engineering-lab
基于学习的自动驾驶行为规划：现实世界集成与部署
机构 * RWTH Aachen University（亚琛工业大学） ； Technical University of Munich（慕尼黑工业大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文提出结合机器学习与经典方法的混合规划架构，通过深度神经网络解读交通场景、优化监督层验证约束，经实车部署验证其在自动驾驶行为规划中的有效性。
Comments 17 pages; Accepted to be published as part of the 17. Uni-DAS e.V. Workshop "Fahrerassistenz und automatisiertes Fahren", September 29-30, 2026
修复前诊断：将智能体故障转化为选择性自修正
机构 * Ant International（蚂蚁国际）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.CL
AI总结 本研究提出诊断引导的修复框架DARC，通过先诊断故障类型再进行选择性自修正，在ALFWorld等三个任务场景中提升了智能体平均任务性能并减少资源消耗，为缺乏类编译器反馈的领域构建可靠智能体提供了实用路径。
HUGIN：增强自主物流分拣的视觉-语言规划能力
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 针对自主物流分拣的联合多场景理解挑战，提出HUGIN训练框架，构建SortingBench基准，在多VLMs上性能提升，验证了方法有效性与实际可行性。
扫视、审视与思考：将视频异常检测从无训练推进到智能体推理
机构 * Beijing Jiaotong University（北京交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI
AI总结 该研究针对视频异常检测的“何时-何事”脱节问题，提出无训练框架GtS及工具增强型智能体方法，扩展基准并引入联合评估指标，实现了更高的异常检测准确性与推理速度。
Comments 34 pages, 8 figures, 8 tables. Journal extension of our AAAI 2026 paper (arXiv:2507.21507)
LoongReflect：通过全局视角蒸馏提升搜索智能体的长程反思能力
专题命中 规划决策 ：agent(abstract)；tool use(abstract)；planning(abstract)；分类 cs.AI、cs.LG
AI总结 LoongReflect是将反思表述为记忆控制策略的训练框架，通过双信号通道结合全局视角蒸馏与结果导向GRPO优化，在多跳检索增强生成和数学推理任务上提升了搜索智能体的长程反思能力。
Comments 15 pages, 8 figures
网络拓扑重构：最优过渡规划
专题命中 规划决策 ：planning(title,abstract)
AI总结 该研究针对网络拓扑重构的过渡难题，提出最优过渡规划问题，采用后退时域框架求解，在1354节点系统上实现最高18.4%的运行成本降低。
Comments This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible
VIScore：诊断潜在世界模型中与规划相关的质量
机构 * Altos Labs（阿尔托斯实验室） ； Brown University（布朗大学）
专题命中 规划决策 ：planning(title,abstract)
AI总结 该研究针对潜在世界模型规划成功率与潜在空间属性脱节的问题，提出VIScore指标，覆盖编码器、预测器、规划器，在跨任务场景下斯皮尔曼相关性超0.75，可更好解释规划成功率。
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