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。
AI智能体能模拟A/B测试结果吗？智能体实验的验证框架
机构 * Amazon（亚马逊公司）
专题命中 Agent评测 ：AI agent(title,abstract)；agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.CL
AI总结 该研究提出智能体实验的验证框架S-RCT，用AI智能体模拟A/B测试结果，经67个营销A/B测试验证，校准后可降低预测误差，为实验者提供智能体信号支持。
Comments Accepted as a workshop paper at https://www.aiagentbehavior.com/
基于缩放假设的无标签智能体学习控制器能力评估
机构 * Georgian
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.LG
AI总结 该研究提出基于缩放假设的无标签智能体学习控制器评估框架，以教师模型与学生模型的收敛度为评分指标，验证其可作为标签缺失时控制器真实增益的有效代理。
Comments 18 pages, 6 figures. Accepted at CAMLIS 2025 (Conference on Applied Machine Learning for Information Security)
TimeSage-EV：面向动态环境下智能体时间序列分析的实时基准测试集
机构 * Eindhoven University of Technology（埃因霍温理工大学） ； University of Oxford（牛津大学） ； VulpiVox Intelligence（VulpiVox智能公司） ； Squirrel Ai Learning（Squirrel AI学习公司） ； Griffith University（格里菲斯大学）
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 针对现有时间序列基准未评估时间有效性等问题，推出动态环境智能体时间序列分析基准TimeSage-EV，含多领域真实场景，实验揭示模型性能差距及失败模式，提供研究资源。
AutoSchema：面向异构知识图谱的智能体文本转SPARQL的实时模式接地
机构 * The University of Tokyo（东京大学） ； National Institute for Materials Science（国立材料科学研究所） ； RIKEN Center for Advanced Intelligence Project（理化学研究所高级智能项目中心）
专题命中 Agent评测 ：agentic(title)；agent(abstract)；分类 cs.LG
AI总结 提出无需训练的AutoSchema框架，用于异构知识图谱的智能体文本转SPARQL的实时模式接地，在多项生物医学KGQA等任务中优于TogoMCP，可支持未记录RDF图谱。
生成无奖励的评判标准以减少智能体评估中的过度打分
机构 * Trinity College Dublin（都柏林三一学院） ； University College Dublin（都柏林大学学院） ； Dublin City University（都柏林城市大学）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 该研究提出 RubricForge 方法，从带标签轨迹生成无奖励的智能体评判标准，可减少智能体评估中的过度打分，在 tau-bench 和 WebShop 上的表现优于通用 G-Eval 评判器。
音乐智能体系统：MACAT与MACataRT
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 本研究开发了两款音乐智能体系统MACAT与MACataRT，分别用于智能体主导的表演与协作式即兴创作，基于个性化小数据集训练，以推动以人为核心的交互式生成式AI在音乐创作中的应用。
Comments In Proceedings of the Creativity and Generative AI NIPS (Neural Information Processing Systems) Workshop 2024
绝非数字：将答案作为事实使用的AI系统的结构弃权
机构 * Apple Inc.（苹果公司）
专题命中 Agent评测 ：agent(abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 针对LLM文本转SQL系统返回错误答案且无法区分的问题，提出带生成式外壳的可信内核架构，即结构弃权，在生产案例中验证其可靠性优于两种生成式替代方案。
Comments 26 pages, 5 figures, 5 tables. Technical report. Describes architecture and design principles only; contains no code, schemas, datasets, or performance metrics
面向自主大语言模型智能体中结构化漂移诊断与恢复的基于图的强化学习框架
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本研究针对自主LLM智能体的运行时行为漂移问题，提出基于图的强化学习即插即用恢复框架，经AppWorld基准验证，该框架可利用漂移信息做出正确恢复决策且输出符合要求。
生物医学影像中的基础模型：从 hype 到现实
机构 * Department of Imaging Physics, The University of Texas MD Anderson Cancer Center（影像物理系，德克萨斯大学MD安德森癌症中心） ； Center for Secure Artificial Intelligence for Healthcare (SAFE), McWilliams School of Biomedical Informatics, UTHealth Houston（安全人工智能用于医疗保健中心（SAFE），麦威廉斯生物医学信息学学院，UTHealth休斯顿） ； Female Medicine in Machine Learning, Massachusetts Institute of Technology（机器学习中的女性医学，麻省理工学院） ； Department of Computer Science, Salim Habib University（计算机科学系，Salim Habib大学） ； School of Computer Science and Digital Technologies, Aston Centre for Artificial Intelligence Research and Application, Aston University（计算机科学与数字技术学院，阿斯顿人工智能研究与应用中心，阿斯顿大学） ； Division of Computing Science and Mathematics, University of Stirling（计算科学与数学系，斯特灵大学） ； School of Medicine and Health Sciences, George Washington University（医学与健康科学学院，乔治·华盛顿大学） ； Sheikh Zayed Institute for Pediatric Surgical Innovation, Children’s National Hospital（谢赫扎耶德儿童外科创新研究所，儿童医院） ； Department of Thoracic/Head and Neck Medical Oncology, The University of Texas MD Anderson Cancer Center（胸腔/头颈医学肿瘤科，德克萨斯大学MD安德森癌症中心）
专题命中 Agent评测 ：workflow(abstract)；分类 cs.AI、cs.LG
AI总结 本文探讨了基础模型在生物医学影像中的应用，提出REAL-FM框架以评估模型的实际临床价值，指出基础模型在因果推理和安全性方面存在不足，强调需要协调的专业AI系统。
Comments 9 figures and 3 tables
Journal ref Nature Biomedical Engineering 10, 1557-1575 (2026)
在语义约束下学习使用不熟悉部件组装新型结构
机构 * School of Informatics, University of Edinburgh（爱丁堡大学信息学院）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
AI总结 该研究提出神经符号架构，在模拟玩具卡车组装领域，借助具身对话与任务演示，通过自然语言传递语义约束提升智能体在线适应的数据效率，解决部署后遇未知语义约束的组装问题。
Comments Accepted to, and to appear in the 20th Conference on Neurosymbolic Learning and Reasoning (NeSy 2026)
测量语言模型智能体的跨任务行为一致性
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Mantis AI Research（螳螂人工智能研究院）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
AI总结 本文提出行为一致性指标（BCM），通过约9000条软件工程任务轨迹发现语言模型智能体的跨任务与任务内一致性是可分化的不同维度，且一致性与成功率无关，BCM可补充结果指标评估智能体。
SKILLER：面向小型语言模型可复用技能提取的语言级强化学习框架
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
AI总结 研究针对小型语言模型技能生成成本高的问题，提出SKILLER框架，经实验在多基准上优于现有方法，性能接近闭源模型，可大幅降低智能体技能部署成本。
Comments 15 pages, 6 figures, and 8 tables. Project and code: https://github.com/DANG-ai/SKILLER
SkillSight：通过共享描述实现准确技能检索
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
AI总结 研究针对大语言模型智能体技能检索问题，提出SkillSight框架，通过语义和词汇空间校准共享背景，减少偏差，实验证明该方法能提升检索指标，在端到端评估中表现出色且速度快，实现准确高效的技能选择。
Comments 9 pages, 4 figures
在策略智能体间构建自筹资金的市场
专题命中 Agent评测 ：agent(abstract)
AI总结 该研究针对策略智能体，提出自筹资金市场的机制设计问题，证明现有 truthful auction 近似性能上限，给出序贯 auction 实现对数级近似，还设计 auction 实现最大最小份额基准的常数级近似。
Comments Extended Abstract accepted 27th ACM Conference on Economics and Computation (ACM EC 2026)
THRIVE：虚拟环境中的治疗性人形机器人
专题命中 Agent评测 ：agent(abstract)
AI总结 本文提出了家用康复平台THRIVE，集成VR上肢康复游戏、摄像头运动追踪与机器人治疗师，采用模块化设计，为上肢运动障碍儿童提供持续且具吸引力的上肢治疗。
受限因子投资组合优化中的光子量子计算与经典求解器对比
专题命中 Agent评测 ：agent(abstract)
AI总结 该研究对比光子量子计算、Gurobi、SAC三种优化范式在因子投资组合优化中的表现，发现光子硬件在窄范围有优势，经典混合整数规划在严格尾部风险控制场景更优，还揭示了强化学习分配器的失效模式并给出应用指南。
84个星系SPARC基准中重子旋转曲线重建的可复现双边界运动学校正
专题命中 Agent评测 ：workflow(abstract)
AI总结 本研究针对Flynn等人提出的omega运动学校正，基于84星系SPARC基准开展可复现验证，通过双边界系数校正将平均偏差降至30.15 km/s，明确了算法流程与结果，为天文数据变换提供可复现基准。
Comments 22 Pages 7 Figures
市场中排名与个性化推荐的影响
专题命中 Agent评测 ：agent(abstract)
AI总结 本文通过大市场模型，量化了无容量与有容量约束供给下，公共排名和个性化推荐对市场福利的影响，发现二者价值随市场条件和偏好异质性变化，且引入策略定价后价值会被市场短边获取。
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