AI Agent

Generating Biomedical Fact-Checking Reports with RL-Enhanced Agentic Search

用强化学习增强的智能体搜索生成生物医学事实核查报告

Jiongxiao Wang, Dingli Ma, Chaoqun Ni

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Washington（华盛顿大学） 纠错

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

AI总结 该研究提出BioCheck Agent智能体结合EG-GRPO强化学习方法，生成生物医学事实核查报告，在SciFact数据集上提升了标签预测准确率、证据质量并降低了幻觉率。

Superintelligent Retrieval Agent: The Next Frontier of Agentic Retrieval

超级智能检索代理：代理检索的下一个前沿

Zeyu Yang, Xu Han, Qi Ma, Jason Chen, Anshumali Shrivastava

机构 * Meta Superintelligence Labs（Meta超级智能实验室） ； Rice University（里士满大学） 纠错

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

AI总结 提出SIRA，通过单次语料判别性检索压缩多轮探索，利用LLM丰富文档词汇、预测查询缺失词汇并基于语料统计过滤，在BEIR基准上取得最强平均检索性能，并在下游QA任务中超越RL训练的代理系统。

Exploit More, Explore Smarter for Budget-Constrained Agentic Search

面向预算受限的智能体搜索：更充分利用，更智能探索

Haoyang Fang, Bernie Wang

机构 * Amazon AGI（亚马逊AGI） 纠错

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

AI总结 针对预算受限的智能体搜索场景，提出ExTS树搜索策略，结合三种机制优化树搜索，在多项任务上实现性能提升，还提供了问题结构差异的诊断方法。

When May an Agent Stop? Evidence-Carrying Termination for Tool-Using LLMs

智能体何时可以停止？带证据的工具使用大语言模型终止机制

Jason Liu

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

AI总结 该研究针对工具使用大语言模型的终止问题，提出带证据的终止（ECT）机制，经实验验证其能显著减少不安全完成与过早无支持终止，满足非劣效性要求，可实现成功恢复。

From State to Action: OODA-Tool for Reliable Multi-Turn Tool Use

从状态到动作：用于可靠多轮工具使用的OODA-Tool

Rongfeng Guo, Yinxuan Huang, Yusen Wu, Maoqing Zhong, Yunlu Chen, Meng Tang, Teng Long, Vincent Tao Hu

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

AI总结 该研究提出OODA-Tool策略，通过分离状态维护与动作实现缓解状态-动作竞争，经Qwen3模型在多轮多工具任务上验证，可提升多轮工具使用的任务成功率，尤其对小模型及依赖多轮信息的任务效果显著。

Apodex 1.1: Scaling Agentic Intelligence for Complex Work

Apodex 1.1：为复杂工作扩展智能体智能

B. An, B. Li, B. Wang, B. Zhang, B.L. Wang, C. Feng, C. Wei, C. Xue, C. Zhang, D. Ng, D. Ye, E. Min, F. Chen, F. Liu, F. Yang, F. Ye, G. Sun, H. Ji, H. Xu, H. Yang, H. Ye, H. Zhang, H. Zhao, J. Li, J. Lin, J. Xia, K. Jin, K. Wang, K. Yang, L. Bing, L. Lei, L. Su, Le. Wang, Lu. Wang, N. Wang, Q. Ren, Q. Yang, R. Li, S. Bai, S. Du, S. Li, S. Lin, S. Nie, S. Wang, S. Zhang, S.Z. Wang, T. Ge, Ta.Q. Fang, Ti.Q. Fang, W. Fang, W. Li, W. Zhang, X. Chen, X. Li, X. Tang, X. Wang, X. Xu, X. Zhang, X.Q. Wang, X.Y. Wang, Y. Deng, Y. Gao, Y. Hu, Y. Li, Y. Sui, Y. Wang, Y. Xiao, Y. Zhang, Y. Zhou, Z. Chen, Z. Cheng, Z. Feng, Z. Liang, Z. Liu, Z. Zhang

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

AI总结 Apodex 1.1 从环境扩展与智能体协调扩展两维度开发工作能力，在多领域复杂任务中性能领先，其 350亿参数的 Mini 版本可本地部署，助力构建长周期任务的重型求解器。

PHMForge: Evaluating LLM Agents on Industrial Prognostics through MCP-Native, Algorithm-Grounded Tools

PHMForge：通过MCP原生、算法基础的工具评估LLM代理在工业预测维护中的表现

Yusheng Li, Tianjun Feng, Yunfeng Chen, Chun-Yi Tsai, Yihan Sun, Ayan Das, Kaoutar El Maghraoui, Shuxin Lin, Dhaval Patel

机构 * Columbia University（哥伦比亚大学） ； Georgia Institute of Technology（佐治亚理工学院） ； IBM, New York（IBM，纽约） 纠错

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

AI总结 PHMForge通过MCP原生工具评估LLM代理在工业预测维护中的可靠性，揭示了静态检索在预测计算中的局限性，展示了不同框架和模型的表现差异。

Comments 23 pages, 3 figures

Attributing Structured-Output Gains in Function Calling: Interface Alignment versus Procedural Transfer

函数调用中结构化输出增益的归因：接口对齐与过程转移

Wanyi Chen, Daoyuan Chen, Fang Kong

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

AI总结 研究结构化输出基准中提示诱导函数调用增益的归因，介绍四层增益归因协议，应用于相关数据集得出部分增益源于接口对齐而非过程转移的结论，并发布相关资源。

Comments 18 pages, 5 figures

CAFE: Self-Improving Search Agents Need Co-Evolving Feedback

CAFE：自改进搜索智能体需要协同演化的反馈

Boyang Liu, Senjie Jin, Peixin Wang, Zhangyue Yin, Yibo Wang, Yuhao Zhou, Xinbing Liang, Shizheng Zhu, Yuhui Wang, Jingqi Tong, Zhiheng Xi, Jiazheng Zhang, Clive Bai, Clarenceai, Blaze Chen, Tao Gui, Qi Zhang, Xuanjing Huang

机构 * Fudan University（复旦大学） ； Tencent（腾讯） 纠错

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

AI总结 该研究提出 CAFE 框架，通过共享参数模型耦合搜索智能体与评判者的协同演化反馈，在七个及六个域外搜索基准上均优于现有 RL 智能体，减少答案幻觉且性能持续提升。

Callability Is Not Operability: Controlled Interface Interventions for LLM Agents

可调用性并非可操作性：针对大语言模型智能体的受控接口干预

Zihao Wang

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

AI总结 该研究针对大语言模型智能体的工具调用问题，提出以智能体为核心的工具设计AFT机制，并构建受控接口干预框架AFT-Bench，探究工具接口暴露与智能体安全操作的关系。

Tool-Making and Self-Evolving LLM Agents in Low-Latency Systems

低延迟系统中的工具制作与自我进化大语言模型智能体

Kalle Kujanpää, Ning Liu, Shahnawaz Alam, Yeshwanth Reddy Sura, Tianyu Yang, Kristina Klinkner, Shervin Malmasi

机构 * Amazon（亚马逊） 纠错

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

AI总结 研究如何解决生产LLM智能体因重复生成代码浪费延迟和可靠性的问题，提出用智能工具制作管道取代推理时编码循环，部署该方法使系统更快、更可靠、易操作，降低延迟和错误率，提高可审计性。

Comments To appear at EMNLP 2026 Industry Track

Structurally-bounded Agentic Graph Exploration for Evidence-Grounded Scholarly DeepSearch

用于证据导向学术深度搜索的结构受限智能体图探索方法

Rima Hazra, Sayan Layek, Somnath Banerjee, Soumen Chakrabarti, Animesh Mukherjee

机构 * National University of Singapore（新加坡国立大学） ； TCG CREST ； Indian Institute of Technology Kharagpur（印度理工学院卡拉格普尔分校） ； Singapore Institute of Technology（新加坡理工学院） ； Indian Institute of Technology Bombay（印度理工学院孟买分校） 纠错

专题命中 工具调用 ：agentic(title)；分类 cs.CL

AI总结 Crase是一种有界可检查的学术搜索方法，通过1.5跳引用邻域扩展等操作，在50万篇arXiv论文的基准上，召回率@50最高达同类深度研究智能体的3倍且成本仅为其三分之一。

AHEAD: Adaptive Hindsight with Environment-Augmented Distillation for Agentic RL

AHEAD：用于智能体强化学习的环境增强蒸馏自适应回溯

Xiaolong Jin, Dingmin Wang, Vijay Lingam, Varun Kumar

机构 * AWS AI Labs（亚马逊云科技人工智能实验室） ； Purdue University（普渡大学） 纠错

专题命中 工具调用 ：agentic(title)；分类 cs.AI

AI总结 AHEAD是一种步骤感知的智能体强化学习框架，通过匹配不同监督源适配步骤类型，在多任务及多模型规模下提升了GRPO算法的任务成功率，减少了训练步骤并适配更严格的交互预算。

Comments 22 pages, 15 figures, 7 tables

PeakBench: Benchmarking Resource-Aware Tool Invocation in LLM Agents

PeakBench：面向大语言模型智能体的资源感知工具调用基准测试

Zhi-Kai Chen, Xu-Xiang Zhong, Song-Yan Li, De-Chuan Zhan, Han-Jia Ye

机构 * School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； Nanjing University（南京大学） 纠错

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

AI总结 PeakBench是面向LLM智能体的资源感知工具调用基准，通过两部分评估框架解耦逻辑规划与物理调度，实验表明资源信息可减少溢出、提升利用率，为相关研究提供测试平台。

ToolRobustBench: Stage-Wise Perturbation Evaluation and Failure Diagnosis for Tool-Calling Agents

ToolRobustBench：工具调用智能体的分阶段扰动评估与故障诊断

YiShan Zheng, Yuan Wu, Yi Chang

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

AI总结 本研究推出ToolRobustBench，这一工具调用智能体的分阶段诊断基准，通过四类扰动族评估7个模型等的15456个实例，发现工具输出/观测扰动是主要瓶颈，可诊断工具调用故障来源与传播。

EviDx: Evidence-Aware Active Diagnosis with Scaffolded LLM Agents

Lihang Zeng, Shaoting Zhang, Xiaofan Zhang

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

Illuminating the Three Dogmas of Reinforcement Learning under Evolutionary Light

在进化之光下揭示强化学习的三个教条

Mani Hamidi, Terrence W. Deacon

机构 * Department of Computer Science, University of Tübingen（图宾根大学计算机科学系） ； Department of Anthropology, University of California, Berkeley（加州大学伯克利分校人类学系） 纠错

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

AI总结 本文从人工生命视角批判强化学习的三个核心假设，提出将学习视为适应而非优化，并利用开放新颖性搜索和热力学理论构建更生物真实的智能体模型。

EviGraph: Towards Verifiable Evidence Construction for Information-Seeking Agents

EviGraph：面向信息检索智能体的可验证证据构建

Jiashun Chen, Yirong Mao, Wenhui Que

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

AI总结 EviGraph是分离搜索与证据记录的深度搜索框架，在BrowseComp等数据集上显著提升了智能体网络搜索的准确率，每轮生成token更少，验证了结构化证据记录的有效性。

StarHarness: Evolving Harnesses with Stratified Search for Enterprise Environments

StarHarness：针对企业环境的分层搜索进化 harness（工具适配层）

Esakkivel Esakkiraja, Denis Akhiyarov, Vikas Yadav, Sai Rajeswar, Patrice Bechard, Sridhar Nemala, Sagar Davasam

机构 * ServiceNow（ServiceNow公司） ； Mila（米拉研究所） ； Université de Montréal（蒙特利尔大学） 纠错

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

AI总结 StarHarness是一种固定模型权重的harness进化框架，经分层搜索优化后，在ITBench等3个企业任务基准上性能提升20-35个百分点，且可跨GPT、Qwen模型迁移，缓解模型-环境不匹配问题。

Joint Optimization of Tool Creation and Use for Large Language Model Agents

大型语言模型智能体的工具创建与使用联合优化

Zhi Rui Tam, Chieh-Yen Lin, Yun-Nung Chen, Shao-Hua Sun, Hung-yi Lee

机构 * Appier AI Research（沛星人工智能研究院） ； National Taiwan University（台湾大学） 纠错

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

AI总结 提出SMITH框架联合训练工具创建与使用，4B Qwen3经训练在多任务上取得最优表现，其编写的工具还提升了其他模型的推理性能

Feedback That Backfires: Why Small Language Model Agents Repeat the Call They Just Watched Fail

适得其反的反馈：为什么小型语言模型智能体重复它们刚刚看到的失败调用

Esmail Gumaan

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

AI总结 该研究发现小型语言模型智能体的失败工具调用反馈会适得其反，调用表面形式是主要原因，替换失败描述或使其不可达可减少重复，明确指令或删除失败尝试无效。

Comments 25 pages, 6 figures, 13 tables. Code, data, probe items and rollout logs: this https URL (https://github.com/Esmail-ibraheem/feedback-that-backfires)

StepGuard: Learning Step-Level Guardrails with Scalable Supervision and Safety-Utility Balancing

StepGuard：利用可扩展监督与安全-效用平衡学习步骤级护栏

Zhijie Zheng, Yu Li, Chen Qian, Yuqian Fu, Yanwei Fu, Lu Sheng, Jing Shao, Dongrui Liu

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Beihang University（北京航空航天大学） ； Fudan University（复旦大学） ； Renmin University of China（中国人民大学） ； KAUST（阿卜杜拉国王科技大学） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 该研究针对LLM智能体交互的安全风险，提出步骤级护栏模型StepGuard，通过自动数据引擎StepGen与动态平衡学习方法Balance-GRPO训练，在降低攻击成功率的同时仅小幅影响效用。

Comments Accepted by EMNLP 2026. Project page: this https URL (https://zheng977.github.io/StepGuard/)

Discovering Adaptive Transmission Programs for Collective Innovation

面向集体创新的自适应传输程序发现

Cédric Colas, Jérémy Perez, Eleni Nisioti, Akhilesh Mocherla, Pierre-Yves Oudeyer, Clément Moulin-Frier, Maxime Derex

机构 * Flowers AI & CogSci Lab（Flowers AI与认知科学实验室） ； Inria（法国国家信息与自动化研究所） ； IT University of Copenhagen（哥本哈根IT大学） ； Institute for Advanced Study in Toulouse（图卢兹高等研究院） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 该研究针对集体创新任务，提出用LLM引导的进化搜索设计基于状态感知的传输协议，使集体性能较基准提升37%，协议可跨领域与群体迁移，为AI辅助设计协调基础设施提供了路径。

Comments CogSci 2026; longer version in prep

VideoHarness-RSI: Recursive Harness Self-Improvement for Long-Video Understanding with Frozen Vision-Language Models

VideoHarness-RSI：基于冻结视觉语言模型的长视频理解的递归 harness 自改进方法

Guoyang Xu, Hao Chen

机构 * Tencent（腾讯） 纠错

专题命中 工具调用 ：agentic(abstract)；分类 cs.AI

AI总结 该研究提出 VIDEOHARNESS-RSI，通过递归搜索可执行上下文构建程序，在冻结 VLM 上实现长视频理解的改进，且所选 harness 可迁移至其他长视频基准。

SQLite is Enough. Lexical, Semantic, and Hybrid Search with scrydb

SQLite 就足够了：使用 scrydb 的词汇、语义及混合搜索

Timo Breuer

专题命中 工具调用 ：agentic(abstract)；分类 cs.CL

AI总结 本研究推出 Python 库 scrydb，基于 SQLite 的 FTS5 和 sqlite-vec 扩展实现词汇、语义及混合搜索，经 IR 基准数据集验证，可为信息检索或智能体搜索下游任务提供轻量高效的解决方案。

Comments Software available at this https URL (https://github.com/breuert/scrydb)

WeMM-Embedding: WeChat Multi-Modal Embedding Technical Report

WeMM-Embedding：微信多模态嵌入技术报告

Junjie Zhou, Ke Mei, Lei Li, Tianyi Wang, Fengyun Rao, Jing Lyu

机构 * WeChat Vision, Tencent Inc.（腾讯微信视觉部） 纠错

专题命中 工具调用 ：agentic(abstract)；分类 cs.CL

AI总结 本报告提出WeMM-Embedding多模态嵌入模型家族，含2B、4B、9B变体，经两阶段训练后在公开基准及微信应用中表现优异，已部署并开源。

Beyond Confidence: Test-Time Scaling for Multi-Turn Search Agents via Retrieval Grounding

超越置信度：基于检索 grounding 的多轮搜索智能体测试时缩放

Hyunho Kook, Junhyuk So, Tianyu Fu, Haizhong Zheng, Beidi Chen

机构 * University of Southern California（南加州大学） ； Pohang University of Science and Technology (POSTECH)（浦项科技大学） ； Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 针对多轮搜索智能体中基于置信度投票因复制膨胀失效的问题，提出检索接地投票（RGV）方法，在四个基准和五个 LLM 上性能优于基线，准确率最高提升 5.4%

Comments Accepted to EMNLP 2026 Findings

Discrete Flow-Based Generative Models for Measurement Optimization in Quantum Computing

基于离散流的量子计算测量优化生成模型

Isaac L. Huidobro-Meezs, Jun Dai, Rodrigo A. Vargas-Hernández

专题命中 工具调用 ：workflow(abstract)

AI总结 针对量子模拟中的测量瓶颈，提出基于生成流网络（GFlowNets）的哈密顿量图着色算法，生成非重叠分组以优化测量成本，在基准分子上相比排序插入法降低测量成本19%，并减少双量子比特门数。

Comments 26 pages, 9 figures and 4 tables. Contact authors for SM

MMDynOpt-Agent: Dynamic Optimization for Multimodal Large Language Model Reasoning via Reinforcement Learning

MMDynOpt-Agent：基于强化学习的多模态大语言模型推理动态优化方法

Wenjin Liu, Haoran Luo, Fayuan Ke, Zhenghong Lin, Yue Lu, Zhe Cui, Anh Tuan Luu, Carl Yang

专题命中 规划决策 ：agent(title,title_cn)

AI总结 该研究针对多模态大语言模型推理效率不足的问题，提出MMDynOpt-Agent，通过强化学习将多模态推理动态优化建模为马尔可夫决策过程，结合多轮优化提示与多维度奖励机制，在15个公开数据集上性能优于基线方法。

Don't Just Listen, Try Planning: Graph-based Retrieval-Generation Agent for Long-form Audio Meeting Understanding

不止聆听，尝试规划：面向长音频会议理解的基于图的检索-生成智能体

Quanwei Tang, Dong Zhang, Shoushan Li, Guodong Zhou

机构 * Jiangsu Key Lab of Language Computing（江苏省语言计算重点实验室） 纠错

专题命中 规划决策 ：agent(title,abstract)；planning(title,abstract)；分类 cs.AI

AI总结 针对长音频会议理解任务的问答数据集稀缺及现有语音模型的声学信息丢失、长期记忆差问题，构建LongAudioQA数据集，提出基于图的GRGA模型，利用智能体规划实现检索与答案生成。

Comments ACL Findings 2026 Accepted