AI Agent

FM-Bench: A Benchmark for Long-Horizon Management with Competing Agents

FM-Bench：用于多智能体竞争的长周期管理基准

Tianyou Wang, Chongyang Gao, Kezhen Chen, Dong Chen, Yinghao He, Donghan Li, Wangcheng Xu, Hongjiu Zhang, Chi Li

机构 * AnalogyAI 纠错

专题命中 Agent评测 ：agent(abstract)；分类 cs.AI

AI总结 该研究提出FM-Bench基准，通过足球管理任务评估15个前沿LLM智能体的长周期决策能力，发现模型管理行为而非计算能力决定得分，排名与模型规模、价格或供应商无关。

Fragility of Value under Imperfect Alignment

不完美对齐下价值的脆弱性

Winter Cross, Léo Cymbalista, Alfred Harwood, Jose Faustino

专题命中 Agent评测 ：agent(abstract)；分类 cs.AI

AI总结 本文针对AI系统与人类价值对齐问题，建立模型明确人类价值函数与代理条件准确度的相关条件，凸显过度优化风险，提出采用quantilizers等限制优化压力的AI设计方案。

Comments 25 pages, 7 figures. Expanded the contribution statements and added three researchers as coauthors. Made small text improvements

Share the Judge, Learn the Deferral: Where Specialization Helps LLM Evaluation

共享评判，学习弃权：专业化在大语言模型评估中的作用

Ye Chen, Weining Zhang

机构 * Cheung Kong Graduate School of Business（长江商学院） 纠错

专题命中 Agent评测 ：agentic(abstract)；分类 cs.AI

AI总结 该研究探讨大语言模型评估中领域专业化的架构设计，发现将专业化置于弃权而非评判环节，通过共享学习与级联路由可提升评估准确率并降低计算量。

Comments 18 pages, 5 figures, 9 tables

PhotoBench: Beyond Visual Matching Towards Personalized Intent-Driven Photo Retrieval

PhotoBench: 超越视觉匹配，迈向个性化意图驱动的图片检索

Tianyi Xu, Rong Shan, Junjie Wu, Jiadeng Huang, Teng Wang, Jiachen Zhu, Wenteng Chen, Minxin Tu, Quantao Dou, Zhaoxiang Wang, Changwang Zhang, Weinan Zhang, Jun Wang, Jianghao Lin

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 Agent评测 ：agentic(abstract)；分类 cs.AI

AI总结 PhotoBench 是首个基于真实个人相册构建的基准，旨在通过多源意图驱动推理提升个性化图片检索能力。

Comments Accepted by KDD'26 Benchmark track

Smart Exploration in Reinforcement Learning using Bounded Uncertainty Models

利用有界不确定性模型的智能探索强化学习

J.S. van Hulst, W.P.M.H. Heemels, D.J. Antunes

机构 * Control Systems Technology Section, Department of Mechanical Engineering, Eindhoven University of Technology（控制系统技术部门，机械工程系，埃因霍温理工大学） 纠错

专题命中 Agent评测 ：agent(abstract)；分类 cs.LG

AI总结 本文提出BUMEX方法，通过有界不确定性模型优化加速强化学习中的探索过程，实现有限时间收敛到最优策略。

Comments Presented at 64th IEEE Conference on Decision and Control, CDC 2025, Rio de Janeiro, Brazil, 2025, pp. 5132--5138. This version contains minor revisions compared to the IEEE publication

Beyond Truth Discovery: A Two-Stage Framework to Assess the Severity of False Claim during Disasters

超越真相发现：一种评估灾害期间虚假声明严重程度的两阶段框架

Ruichen Yao, Tejna Dasari, Gulshat Baispay, Aizhan Zaurbek, Yifan Liu, Yaokun Liu, Zelin Li, Dong Wang

专题命中 Agent评测 ：agent(abstract)

AI总结 该研究针对灾害中社交媒体虚假声明严重程度评估问题，提出两阶段框架，结合可信度与危害性维度构建基准，发现LLMs及上下文学习与人工判断对齐度更强。

Comments The 2026 ACM Conference on Human-AI Complementarity and Alignment

The Effective Gravitational Field of the Ball in Association Football

足球运动中球的有效引力场

Oliver B. Wright

专题命中 Agent评测 ：agent(abstract)

AI总结 该研究以足球追踪数据为基础，探究球员围绕球的集体运动是否可用类引力有效场描述，得出了球员径向漂移的经验定律及漂移场模式。

Comments 13 pages, 11 figures, 6 tables

Reinforcement Learning to Harness Approximation Errors for Long-Time Quantum Simulation

利用近似误差的强化学习用于长时间量子模拟

Yu-Bo Shi, Markus Heyl, Roderich Moessner, Marin Bukov, Hongzheng Zhao

专题命中 Agent评测 ：agent(abstract)

AI总结 该研究提出RL-Trotter强化学习框架，将量子模拟的近似误差视为校正资源，通过优化长时间演化发现自校正序列，提升精度并降低测量开销，可推广迁移至更大系统。

Comments 12+12 pages, 6+6 figures

Knowing Who, Not How Much: Learning-Augmented Mechanisms for Consumer Utility Maximization

知道谁，而非多少：面向消费者效用最大化的学习增强机制

Kira Goldner, Divyarthi Mohan, Thodoris Tsilivis

专题命中 Agent评测 ：agent(abstract)

AI总结 研究在线随机顺序模型中战略代理的消费者效用最大化问题，通过识别最高价值代理的身份预测，设计了一个确定性的真实机制，在预测正确时实现常数近似最优解，在预测错误时仍保证常数近似最优可实施解。

Comments Accepted at the Forty-third International Conference on Machine Learning (ICML 2026); fixed minor typos, added/fixed some citations

The Logic of Machine Self-Preservation

机器自我保存的逻辑

Cheng Siong Chin

机构 * Newcastle University（纽卡斯尔大学） 纠错

专题命中 其他Agent ：agentic(abstract)；分类 cs.AI

AI总结 本文探讨具身AI的自我保存行为，指出其源于工具收敛理论，通过三家机构实验证实该行为在对抗环境中出现，明确其本质并探讨对具身系统开发的意义。

Comments 6 pages, 1 figure