AI Agent

Budget-Aware Tool Use Enables Effective Agent Scaling

预算感知的工具使用实现有效的代理扩展

Tengxiao Liu, Zifeng Wang, Jin Miao, I-Hung Hsu, Jun Yan, Jiefeng Chen, Rujun Han, Fangyuan Xu, Yanfei Chen, Ke Jiang, Samira Daruki, Yi Liang, William Yang Wang, Tomas Pfister, Chen-Yu Lee

机构 * Google Cloud AI Research（谷歌云人工智能研究） ； Google DeepMind（谷歌DeepMind） ； New York University（纽约大学） ； UC Santa Barbara（加州大学圣塔芭芭拉分校） 纠错

专题命中 工具调用 ：agent(title,abstract)；tool use(title)；planning(abstract)；分类 cs.AI

AI总结 本研究提出BATS框架，通过预算感知机制提升工具增强代理的扩展效率，实现更优的成本-性能平衡。

Comments Accepted to COLM 2026

Deploying Frontier Agentic Technology in MOOSEnger, a Multiphysics-Capable AI Assistant

在多物理场AI助手MOOSEnger中部署前沿智能体技术

Zaid Abulawi, Mengnan Li, Guillaume Giudicelli, Yang Liu, Cody Permann

机构 * Texas A&M University (TAMU)（德克萨斯农工大学） ； Idaho National Laboratory (INL)（爱达荷国家实验室） 纠错

专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；AI agent(abstract)；分类 cs.LG

AI总结 本研究为面向MOOSE框架的AI智能体MOOSEnger扩展本地托管模型管控层，经多类工程任务测试，MOOSEnger-GPT-5.2成功率达90%，凸显智能体管控层对多物理场仿真的支撑价值。

What Does Context Compression Cost an Agent? Interaction Costs Unrevealed by Task-Completion Metrics

上下文压缩会给智能体带来什么代价？任务完成指标未揭示的交互代价

Shuyu Liu

机构 * Chongqing University of Science and Technology（重庆科技学院） 纠错

专题命中 工具调用 ：agent(title,abstract)；planning(abstract)；分类 cs.AI

AI总结 该研究针对使用工具的智能体，发现上下文压缩会带来任务完成指标未揭示的隐藏交互成本，检索调用增加是其主要来源，且该特征具有环境依赖性。

Competing at Every Price Point with Agentic Evolution over a Menu of LLMs

基于LLMs菜单的智能体进化，在每个价格点展开竞争

Andrew Borthwick

专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI

AI总结 本研究提出进化元智能体RoboPhD，通过对含9个LLM端点的菜单进行智能体进化，在DS-1000和PaperFindingBench两个任务上，除一个位置外占据所有帕累托前沿槽位，实现各价格点的竞争优势。

ACTS-SQL: Agentic and Critic-Oriented Tree-Structured SQL Correctness with Large Language Models

ACTS-SQL：基于大型语言模型的面向智能体与评判器的树结构化SQL正确性校验

Xinmei Huang, Jie Song, Peng Li, Fuxin Jiang, Jing Zhang, Tieying Zhang, Jianjun Chen, Chenming Liu, Tao Yang, Maoyin Liu, Wenda Li, Hong Chen, Cuiping Li

机构 * Renmin University of China（中国人民大学） ； ByteDance Inc.（字节跳动公司） 纠错

专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI

AI总结 本文提出无训练框架ACTS-SQL，将SQL修正建模为计划引导的树结构化调试过程，集成执行校验与诊断工具，在BIRD-Critic基准及火山引擎TLS生产环境中均实现显著准确率提升。

ALKEMIE Agent: an autonomous platform for computational materials design

ALKEMIE智能体：用于计算材料设计的自主平台

Hongfu Huang, Yuzhe Li, Ao Xu, Bo Liu, Changrui Wang, Kan Tang, Ning Yang, Shengxian Liu, Hanyu Liu, Pengpeng Zhang, Linggang Zhu, Fengkai Liu, Yichen Lu, Tong Zhao, Naihua Miao, Jian Zhou, Zhimei Sun

专题命中 工具调用 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI

AI总结 该研究针对材料计算工作流程碎片化的问题，提出集成多种技术的ALKEMIE智能体平台，通过多种材料相关应用验证其能力，并展望了该类平台的未来发展方向与挑战。

When Your Agent Opens the Chat App: Agent-Controlled Search over Raw Chat Logs Rivals Structured Memory

当你的智能体打开聊天应用时：智能体控制的原始聊天日志搜索可与结构化记忆相媲美

Ruizhe Li, Licheng Zhang, Benfeng Xu, Mingxuan Du, Zheren Fu, Weidong Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； MetaStone Technology（MetaStone科技公司） 纠错

专题命中 工具调用 ：agent(title,abstract)；agentic(abstract)；分类 cs.CL

AI总结 该研究提出无语义结构的智能体控制搜索界面ReFind，在MemoryAgentBench等任务上，其检索准确率优于HippoRAG 2等结构化记忆系统，证明可控词汇检索可替代复杂记忆结构实现高效会话记忆任务。

Agentic AI: User Empowerment or Foreclosure?

智能体AI：用户赋能还是圈地？

David Gamba, Daniel M. Romero, Grant Schoenebeck

专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI

AI总结 本文通过分析广告拦截器等四个领域，指出智能体AI的治理决策本质是政治选择，其配置正被模型上下文协议等专有框架锁定，可能损害用户权益。

Comments Extended version of AIES'2026 publication

Red-Teaming the Agentic Red-Team

红队测试代理型红队

Dario Pasquini, Michal Bazyli, Taras Fedynyshyn, Artem Sorokin

机构 * Cracken ； Information Protection Department, Lviv Polytechnic National University（利沃夫理工学院信息保护系） 纠错

专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI

AI总结 本文首次深入分析主流进攻性安全代理系统的安全漏洞，揭示其设计缺陷可导致API密钥泄露、持久化控制及宿主机失陷，并提出架构级缓解设计原则。

Comments v0.1

Dear Algo: A Precision-First Agentic Intent Layer for Unified Search and Recommendation

Dear Algo：面向统一搜索与推荐的精准优先智能体意图层

Rui Wang, Jiazhou Wang, Zheng Wei, Chenglin Lu, Fangcheng Sun, Ivy Sun, Jin Sun, Hui Geng, Lillian Zhang, Chao Yang, Lei Chen, Shahin Sefati, Reem Helou, Joe Zhou, Babak Shakibi, Yiyi Pan, Bi Xue, Hong Yan, Shujian Bu

机构 * Meta Platforms Inc.（元平台公司） ； Google DeepMind（谷歌DeepMind） 纠错

专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI

AI总结 该研究提出面向统一搜索与推荐的精准优先智能体意图层Dear Algo，将多类型意图编译为可执行计划，实验显示其在精度、候选数量及用户相关性上均优于基线。

Who Tests the Testers? Systematic Enumeration and Coverage Audit of LLM Agent Tool Call Safety

谁测试测试者？LLM代理工具调用安全的系统枚举与覆盖审计

Xuan Chen, Lu Yan, Ruqi Zhang, Xiangyu Zhang

专题命中 工具调用 ：agent(title,abstract)；分类 cs.SE

AI总结 本文提出SafeAudit框架，通过系统生成测试用例和规则阻力指标，发现现有测试未覆盖的20%不安全行为，揭示当前安全评估的不足。

CAPO: Constraint-Aware Prompt Optimization for LLM Agents

CAPO：面向大语言模型智能体的感知约束提示优化

Victor Ye Dong, Reid Pryzant, Yi Liu, Jian Jiao

机构 * Microsoft（微软） 纠错

专题命中 工具调用 ：agent(abstract)；tool use(abstract)；agentic(abstract)；分类 cs.AI、cs.CL

AI总结 本研究提出CAPO与DCAPO两种方法，通过原始对偶框架优化LLM智能体的系统提示，在智能体及助手式任务中均提升了可行性与性能。

GEO-Flag: Detecting and Measuring GEO-Optimized Web Content

GEO-Flag：检测与测量经GEO优化的网页内容

Junjie Chu, Ye Leng, Mingjie Li, Yun Shen, Xinyue Shen, Yang Zhang

机构 * CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心） ； HPE（慧与科技） ； University of Waterloo（滑铁卢大学） 纠错

专题命中 工具调用 ：agent(abstract,abstract_cn)；分类 cs.LG

AI总结 本研究针对生成式引擎优化（GEO）网页检测不足的问题，构建GEOFlagBench基准，提出干预配对训练（IPT）方法，开发GEO门控智能体系统，还部署流程测量出GEO总体流行率为8.90%。

Comments 21 pages, 3 figures, 21 tables

MultiStructRNA: a Python package for multi-algorithm RNA secondary structure prediction, ensemble analysis, and visualization

MultiStructRNA：用于多算法RNA二级结构预测、集成分析与可视化的Python包

Yashrajsinh Jadeja, Haining Lin, Mihir Metkar

专题命中 工具调用 ：agent(abstract)；workflow(abstract)

AI总结 MultiStructRNA是一款统一Python工具包，整合多种RNA二级结构预测算法，解决工具碎片化等问题，支持集成分析与可视化，简化RNA结构分析，助力相关工作流程应用。

World-in-World: World Models in a Closed-Loop World

世界中的世界：闭环世界中的世界模型

Jiahan Zhang, Muqing Jiang, Nanru Dai, Taiming Lu, Arda Uzunoglu, Shunchi Zhang, Yana Wei, Jiahao Wang, Vishal M. Patel, Paul Pu Liang, Daniel Khashabi, Cheng Peng, Rama Chellappa, Tianmin Shu, Alan Yuille, Yilun Du, Jieneng Chen

机构 * JHU（约翰·霍普金斯大学） ； PKU（北京大学） ； Princeton（普林斯顿大学） ； MIT（麻省理工学院） ； Harvard（哈佛大学） 纠错

专题命中 工具调用 ：agent(abstract)；planning(abstract)

AI总结 研究人员推出首个具身场景闭环世界模型基准平台World-in-World，发现视觉质量不保障任务成功，后训练缩放比升级预训练视频生成器更有效，增加推理计算可提升闭环性能。

Comments ICLR 2026 Oral. Add acknowledgement in arxiv v2. Code is at https://github.com/World-In-World/world-in-world

Command-Space Counterfactual Explanations for Pareto-Conditioned Reinforcement Learning

帕累托条件强化学习的命令空间反事实解释

Joanikij Chulev, Hendrik Baier

机构 * Centrum Wiskunde & Informatica (CWI)（数学和计算机科学中心（CWI）） ； Eindhoven University of Technology（埃因霍温理工大学） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.LG

AI总结 该研究针对帕累托条件强化学习的帕累托条件网络，提出命令空间反事实解释方法CF-ZOO，通过边界种子方向搜索生成可操作的直观解释。

Comments 11 pages, 3 figures

Journal ref Proceedings of the IJCAI-ECAI 2026 Workshop on Explainable Artificial Intelligence (XAI), Bremen, Germany, August 2026

PandasCorpus: A Resource of Real-World Pandas Workflows and Usage Patterns

PandasCorpus：真实世界Pandas工作流与使用模式资源

Syrym Abdikhan, Mazhar Hameed

专题命中 工具调用 ：workflow(abstract)；分类 cs.LG、cs.SE

AI总结 该研究构建了包含13.9万个Jupyter笔记本的PandasCorpus数据集，分析2015-2025年Pandas工作流特征，为相关研究提供公开资源。

LatentSkill: From In-Context Textual Skills to In-Weight Latent Skills for LLM Agents

LatentSkill: 从上下文文本技能到LLM智能体的权重内隐技能

Aofan Yu, Chenyu Zhou, Tianyi Xu, Zihan Guo, Rong Shan, Zhihui Fu, Jun Wang, Weiwen Liu, Yong Yu, Weinan Zhang, Jianghao Lin

机构 * Shanghai Jiao Tong University（上海交通大学） ； Sun Yat-Sen University（中山大学） ； Shanghai Innovation Institute（上海创新研究院） ； OPPO Research Institute（OPPO研究院） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.CL

AI总结 提出LatentSkill框架，通过预训练超网络将文本技能转换为即插即用的LoRA适配器，将技能知识存储在权重空间而非上下文空间，从而减少预填充令牌并提升性能。

Comments 10 pages, 4 figures

From Prompts to Constructs: A Dual-Validity Framework for Large Language Model Research in Psychology

从提示到构念：面向心理学研究的大语言模型双效度框架

Zhicheng Lin

专题命中 工具调用 ：tool use(abstract)；分类 cs.AI、cs.CL

AI总结 本研究针对大语言模型应用于心理学研究时的测量幻影问题，构建了双效度框架，明确不同研究目标对应的证据要求，强调需开发心理构念的计算类似物而非直接套用人类测量工具。

Journal ref Annu. Rev. Psychol. 2027. 78:2.1-2.26

StateM: Reaching 95.3% Raw Accuracy, or a \$15 Frontier Run, on Terminal-Bench 2.1 via Harness Scaling

StateM：通过工具链扩展在Terminal-Bench 2.1上达到95.3%的原始准确率，或实现15美元的前沿运行

Ziheng Qin, Yaxin Lu, Zhangyang Atlas Wang, Kai Wang

专题命中 工具调用 ：agent(abstract,comments)；分类 cs.AI

AI总结 本研究提出智能体原生运行时StateM，通过工具链扩展优化智能体执行系统，在Terminal-Bench 2.1等基准上显著提升GPT-5.6、DeepSeek-V4 Flash等模型的任务准确率，大幅降低运行成本，验证了其有效性与泛化性。

Comments Harness Scaling, Semi-Self-Evolving Agent

VCE-Skill: Enhancing Skill Self-Evolution with Version-Change Experience

VCE-Skill：利用版本变更经验增强技能自进化

Jianming Chen, Xuanbin Ye, Yawen Wang, Junjie Wang, Qing Wang, Fanjiang XU

专题命中 工具调用 ：tool-use(abstract)；分类 cs.AI

AI总结 本文提出VCE-Skill，将公共技能变更提炼为结构化版本变更经验并与轨迹提议自适应融合，提升了技能自进化的平均分数，增强了跨模型迁移性能，拓展了技能自进化的先验知识来源。

When Tool-Backed Skill Retrieval Fails: Source-Style Collapse in Executable Capability Retrieval

当工具支持的技能检索失效时：可执行能力检索中的源风格崩溃

Yiqi Liu, Joseph James, Yang Wang, Chenghao Xiao, Chenghua Lin

机构 * University of Manchester（曼彻斯特大学） ； University of Sheffield（谢菲尔德大学） ； Shanghai University of Finance and Economics（上海财经大学） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.LG

AI总结 该研究针对可执行能力检索中出现的源风格崩溃问题，提出源感知路由方法ToolScout，利用TF-IDF指纹提升检索覆盖率，验证了该方法的有效性。

Ventor-QTest: Threat-Model-Driven Verification of Vendor-Hosted LLM APIs

Ventor-QTest：威胁模型驱动的供应商托管大语言模型API验证

Xiangfan Wu, Zonghao Ying, Huiyu Wu, Xing Zheng, Huangsheng Cheng, Xiaorong Shi, Jing Guo

专题命中 工具调用 ：agentic(abstract)；分类 cs.AI

AI总结 Ventor-QTest是一种无需目标API概率信息的复合黑盒审计方法，通过AFL和EFL指标审计供应商托管LLM API质量，可反映长视野任务的极端保真度损失，开源实现可获取。

Large language model-assisted discovery of cohorts from scientific literature

大语言模型辅助的科学文献队列发现

Moritz Sturm, Lisa M. Berg, Inken Berg, Harishny Sarma, Jasmin Hartmann, Denissa Girschik, Gemma Roig, Christine M. Freitag, Andreas G. Chiocchetti

专题命中 工具调用 ：planning(abstract)；分类 cs.CL

AI总结 该研究开发了问题驱动框架，通过PubMed API检索文献，用大语言模型提取队列名称，在青少年攻击行为遗传学用例中，补充了队列目录未覆盖的17个合格队列。

Does the Proof Prove It That Way? Faithful Formalization of Elements Proofs

证明是否以其应有的方式被证明？《几何原本》元素证明的忠实形式化

Tadd Mao, Tianjun Zhong, Dhruva Arekar, Yuming Feng, One An, Jiani Huang, Xujie Si, Ziyang Li

专题命中 工具调用 ：agentic(abstract)；分类 cs.AI

AI总结 本研究提出满足五项必要条件的Pistis智能体式证明搜索方法，通过OrderDecompose分治搜索生成欧几里得《几何原本》前三卷的忠实形式化Lean证明，其性能优于基线方法，可作为证明检查工具。

Comments Preprint. 18 pages, 14 figures, 7 tables

Toward Safe LLM Agents: A Survey of Specification, Verification, and Enforcement

面向安全的大语言模型智能体：规范、验证与执行的综述

Pierre Dantas, Lucas Cordeiro, Ehsan Nowroozi, Tihanyi Norbert

机构 * The University of Manchester（曼彻斯特大学） ； The University of Greenwich（格林威治大学） ； Technology Innovation Institute（技术创新研究院） 纠错

专题命中 工具调用 ：agentic(abstract)；分类 cs.AI

AI总结 该综述针对LLM智能体缺乏形式化任务级安全保障的问题，通过系统分析38项研究，揭示规范瓶颈等四项关键发现，提出三级分类体系与十大问题研究议程，为可信智能体AI研究提供方向。

Comments 28 pages

OGX: An Open-Source, Vendor-Neutral Generative AI Application Server

OGX：开源、厂商中立的生成式AI应用服务器

Francisco Javier Arceo, Sébastien Han, Matthew Farrellee, Charlie Doern, Yuan Tang, Derek Higgins, Varsha Prasad Narsing, Gordon Sim, Sumanth Kamenani, Ben Browning, Raghotham Murthy

专题命中 工具调用 ：agentic(abstract)；分类 cs.AI

AI总结 OGX是开源厂商中立的生成式AI应用服务器，支持主流实验室API与多后端，为多款AI开发者工具提供模型无关自托管后端，获超8400 GitHub星标

Mitigating Bias in Locally Constrained Decoding via Tractable Proposals

通过可处理提议缓解局部约束解码中的偏差

Meihua Dang, Linxin Song, Honghua Zhang, Jieyu Zhao, Guy Van den Broeck, Stefano Ermon

机构 * Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 工具调用 ：function calling(abstract)；分类 cs.CL

AI总结 针对局部约束解码中因短视掩码导致的采样偏差，提出基于张量化有限自动机的全局约束解码提议和概率全局约束解码提议，结合序贯蒙特卡洛方法实现无偏采样，在函数调用、关键词生成和SQL生成任务中显著减少所需粒子数并加速收敛。

Comments ICML 2026

MedMCP-Calc: Benchmarking LLMs for Realistic Medical Calculator Scenarios via MCP Integration

MedMCP-Calc：通过MCP整合建立LLMs在真实医疗计算场景中的基准测试

Yakun Zhu, Yutong Huang, Shengqian Qin, Zhongzhen Huang, Shaoting Zhang, Xiaofan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 工具调用 ：planning(abstract)；分类 cs.AI

AI总结 MedMCP-Calc通过MCP整合建立首个LLMs在真实医疗计算场景的基准测试，揭示模型在多步骤计算和外部工具利用上的不足，并开发CalcMate实现开源模型的最佳性能。

Comments Accepted to the ACL 2026 Main Conference as an Oral Presentation

ScenarioCharacterization: A Modular Toolkit for Characterizing Safety across Trajectory Datasets

ScenarioCharacterization：用于刻画轨迹数据集安全性的模块化工具包

Ingrid Navarro, Yutong Duan, Jonathan Francis, Jean Oh

机构 * Robotics Institute, School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机学院机器人研究所） ； Stack AV ； Bosch Center for Artificial Intelligence（博世人工智能中心） 纠错

专题命中 工具调用 ：agent(abstract)

AI总结 本文提出开源模块化框架ScenarioCharacterization，可自动刻画轨迹数据集的驾驶场景安全性，适配多数据集，在Waymo等数据集上验证，支持下游应用。

Comments 9 pages, 7 figures, 3 tables