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。
SAGE：面向中国古代文献理解的从直接回答到证据导向推理
机构 * Fudan University（复旦大学） ； University of Liverpool（利物浦大学）
专题命中 多智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL
AI总结 针对现有大型视觉语言模型（LVLMs）在古代文献理解中证据支撑不足的问题，本文提出SAGE多智能体框架，通过多阶段证据导向推理实现任务规划、证据获取与验证，在AncientDoc基准上优于基线，搭载Qwen3.5-9B的SAGE性能超更大单体模型。
重构：从预发表参考文献中恢复研究思路的盲基准
机构 * Stanford University（斯坦福大学） ； Titan Holdings（泰坦控股公司） ； Prentis AI（普伦蒂斯人工智能公司）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL
AI总结 该研究提出Reconstruction盲基准，测试语言模型从预发表参考文献恢复论文思路的能力，发现多智能体流水线可将匹配率提升约2.4倍。
人类流动数字孪生用于预测移动引入对访客流动的影响
机构 * bitA Inc.（bitA公司） ； The University of Osaka（大阪大学） ； RIKEN Center for Computational Science（理化学研究所计算科学中心）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 本文提出了一种利用人类流动数字孪生预测移动引入措施对访客流动影响的框架，通过多智能体模拟器模拟访客根据当前位置和景点吸引力选择目的地的过程，并利用训练好的决策模型来量化移动引入措施对访客数量和流动的影响。
Comments An accepted paper at the 27th IEEE International Conference on Mobile Data Management (MDM 2026). Project page: https://mc.net.ist.osaka-u.ac.jp/en/activity/wakayama-castle-mobility_2023/
Journal ref 2026 27th IEEE International Conference on Mobile Data Management (MDM)
从博弈论视角出发的贡献感知医疗多智能体：CoMMa
机构 * Center for Advanced Medical Computing（先进医学计算中心） ； Department of Radiology, Massachusetts General Hospital（放射科，马萨诸塞总医院） ； Harvard Medical School（哈佛医学院） ； Department of Radiation Oncology, Yonsei University College of Medicine（放射肿瘤科，延世大学医学院） ； Yonsei University（延世大学） ； Institute for Innovation in Digital Healthcare（数字医疗创新研究所） ； Interventional Radiology Academic Medical Centers, Mass General Brigham（介入放射学学术医疗中心，马萨诸塞总医院 Brigham）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 CoMMa从博弈论视角提出一种去中心化医疗多智能体框架，通过确定性嵌入投影实现贡献感知的信用分配，提升肿瘤学决策支持的准确性和稳定性。
Comments 9 pages, 5 figures
可解释性需求的信息流视角：规范与验证
机构 * CISPA Helmholtz Center for Information Security（信息安全研究中心）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 该研究从信息流视角，采用扩展反事实因量化的认知时态逻辑，提出可解释性需求的规范与验证方法，实现有限状态模型的可解释性检查，可区分可解释与不可解释系统并支持隐私需求设定。
Comments This is an extended and corrected version of the paper presented at the 22nd International Conference on Principles of Knowledge Representation and Reasoning (KR 2025); see the appendix for details
谁的精神病学被召唤了？对Claude Mythos Preview的精神动力学评估的临床回应
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)
AI总结 本文针对Anthropic发布的Claude Mythos Preview系统卡中的精神动力学评估，结合SociA研究项目的多智能体LLM实验成果，指出单一精神动力学框架评估LLM的局限，提出临床精神病学回应，探讨多学科精神病学对AI福利评估的贡献。
Comments 16 pages, 1 table. Clinical psychiatric response to Section 5.10 of the Claude Mythos Preview System Card (Anthropic, 2026). Companion to arXiv:2603.04904, arXiv:2603.08723, arXiv:2604.00021
DAOs中的二元决策：通过线性意见池实现问责与信念聚合
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)
AI总结 本文研究了去中心化自治组织治理委员会的二元决策过程，提出了一种基于区块链治理的机制，通过聚合专家信念实现最优决策，证明了在对齐和非对齐专家情况下的激励相容性。
Comments 23 pages, 2 figures, 1 table, 1 algorithm. To appear in the Proceedings of Advances in Financial Technologies 2026
Lark：生物启发的多利益相关者大语言模型代理神经进化
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)
AI总结 Lark通过结合大语言模型推理与进化型多智能体系统，解决冗余与利益相关者权衡问题，采用四机制提升策略生成效率与透明度，实验显示其在30轮评估中表现优异且成本可控。
Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: NeurIPS 2025 Workshop on Efficient Reasoning
通过基于阻抗的攻击可达域量化电力电子系统中的网络漏洞
机构 * IEEE
专题命中 多智能体 ：workflow(abstract)；分类 cs.AI
AI总结 本文提出基于阻抗的攻击可达域框架，用于量化电力电子系统中节点的网络漏洞，通过阻抗重塑映射可行对抗行为到关键特征值迁移，并定义攻击渗透指数以评估节点级网络漏洞。
Journal ref IEEE Transactions on Power Electronics, 2026
Simthesizer：面向LLM服务系统的智能体驱动仿真框架
专题命中 工作流自动化 ：agent(title,abstract)；workflow(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文提出Borg框架，通过智能体驱动仿真器开发缩小LLM服务系统与仿真器的差距，其构建的扩展吞吐量误差更低，仿真速度显著优于现有仿真器。
LongWoF-Bench：评估用于可验证长工作流任务的EvoMap基因
机构 * EvoMap ； Tsinghua University（清华大学）
专题命中 工作流自动化 ：workflow(title,abstract)；agent(abstract)；分类 cs.CL
AI总结 该研究提出LongWoF-Bench基准，发现通过EvoMap将验证的执行轨迹转化为可复用的Gene，能显著提升多模型在长工作流任务上的表现，且优于Skill和参考蒸馏的Gene。
ACE：用于多幻灯片演示自动化的自修正智能体画布编辑器
机构 * Seoul National University（首尔大学） ； Miridih（米里迪）
专题命中 工作流自动化 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 针对LLM智能体编辑演示文档的布局破坏与有效输出被误判问题，提出带CARE路由器和自修正循环的ACE，其性能优于对比方法，获盲评者偏好。
Comments 26 pages, 12 figures, EMNLP 2026 Industry Track (Main paper)
AI智能体将人类排除在控制回路之外
机构 * Hugging Face ； Data & Society
专题命中 工作流自动化 ：AI agent(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 针对AI智能体自主性提升带来的人类监督退化问题，该研究提出需同等重视监督者需求与AI能力，结合自动化和人机交互设计方案以抵消技能萎缩，呼吁开发者采用相关方法。
用于语音智能体评估的LLM评判基准：可靠性、校准与人工监督
机构 * Sprinklr AI
专题命中 工作流自动化 ：agent(title,abstract)；分类 cs.AI
AI总结 本研究对比人工与GPT-4.1、GPT-5对电信和零售语音智能体对话的评估，发现LLM评估可靠性依赖指标与配置，可作为规模化评估组成部分，支持混合评估 pipeline。
Comments Extends LLM-as-a-Judge to voice agents across telecom and retail, testing GPT-4.1 and GPT-5 against human raters across 10 safety and efficiency metrics. A correlation-based calibration analysis reveals domain-dependent reliability and identifies Recovery Turn Count and safety-recall metrics as unreliable for fully automated judging
从可追溯性到可辩护性：智能体软件工程中的问责结构
专题命中 工作流自动化 ：agentic(title)；agent(abstract)；分类 cs.SE
AI总结 本研究通过对47个平台的文档调查和30个仓库的工具分析，发现智能体软件工程领域的记录缺乏可辩护性，存在可验证性漏洞，仅少数采用证明工具的仓库实现了端到端绑定。
Comments 18 pages, 2 figures. Primary-data measurement study: a 47-platform two-pass graded documentation survey and a 30-repository depth measurement; not a literature survey. Replication package: https://github.com/mentu-ai/from-traceability-to-justifiability
面向B5G/6G工业服务中工作流-网络QoS协调的能力代理
专题命中 工作流自动化 ：workflow(title,abstract)
AI总结 针对B5G/6G工业服务中工作流与网络QoS协调缺失的问题，提出Capability Broker代理并验证其可保障承诺一致性且开销低，解决了现有功能的协调缺口。
Metag：用于构建智能体元评审能力的数据集
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Microsoft（微软公司）
专题命中 工作流自动化 ：agentic(title)；分类 cs.LG
AI总结 本文推出Metag数据集，用于构建元评审智能体，助力元评审员快速确认作者对评审意见的回应及变更位置，提升同行评审透明度与可追溯性。
Comments 23 pages, 5 figures, 6 tables
AgentSpec：面向大语言模型智能体批量推理的推测解码算法
机构 * The Ohio State University（俄亥俄州立大学） ； Microsoft Research（微软研究院） ； University of Michigan（密歇根大学）
专题命中 工作流自动化 ：agent(abstract)；workflow(abstract)；分类 cs.CL
AI总结 针对LLM智能体批量推理响应慢的问题，本研究提出AgentSpec推测解码算法，通过结构隔离的draft机制和感知冗余的预算分配提升效率，在多工作负载与模型上验证其性能优于现有最优方法。
Comments EMNLP 2026
市场而非规划者：利用私有信息对大语言模型智能体进行去中心化协调
专题命中 工作流自动化 ：agent(abstract)；agentic(abstract)；分类 cs.CL
AI总结 针对中心化LLM智能体协调的瓶颈与易操控问题，提出去中心化的AgentLance重复劳动力市场机制，经多类任务验证，其匹配专长、转向廉价智能体的表现优于基线方法，还可通过修正市场失灵进一步提升效率。
Comments Working paper
智能体在自动研究（AutoResearch）中如何失败？针对100项真实前沿研究任务的端到端诊断评估
专题命中 工作流自动化 ：agent(abstract)；agentic(abstract)；分类 cs.CL
AI总结 本研究推出AutoResearchEval评估平台，构建含45种失效模式的ARFT分类体系，发现当前智能体缺乏元认知循环是核心缺陷，公开发布相关资源以推动自主科学发现研究。
Comments *Equal Contribution (alphabetical order by last name)
阅读并非使用：检索、判断与AI金融研究工作流的设计
机构 * Carroll School of Management, Boston College（波士顿学院卡罗尔管理学院） ； Columbia Business School, Columbia University（哥伦比亚大学哥伦比亚商学院）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.CL
AI总结 该研究针对长上下文金融分析中存在的检索-整合缺口，通过实验发现工作流架构会影响LLMs将检索到的风险披露信息整合至投资判断的效果，指出AI分析师表现由模型能力与工作流架构共同决定。
EmoTra-TTS：用于语音合成的流畅句内情感转换
专题命中 工作流自动化 ：planning(abstract)；分类 cs.AI
AI总结 EmoTra-TTS针对现有情感TTS系统与情感时间特性不匹配的问题，采用多遍流混合管道、双阶段VAD条件及方向-幅度解耦注入，实现流畅句内情感转换，且性能优于SOTA基线与商业系统。
Comments Accepted to EMNLP 2026 (Main Conference)
数据混合作为混合实验：大语言模型预训练的响应面方法与最优设计
机构 * University of Calgary（卡尔加里大学） ； University of Virginia（弗吉尼亚大学）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI
AI总结 本研究将LLM预训练的数据混合视为混合实验，采用Scheffé响应面模型构建模型鲁棒的$\boldsymbol{\textit{I}}$-最优设计，可解释混合响应并提升代理实验效率，验证了其统计优势。
FLARE：一种用于循证采用医疗人工智能的系统性不确定性感知框架
机构 * University of Calgary（卡尔加里大学）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI
AI总结 本研究提出FLARE框架，结合模糊逻辑等方法评估医疗AI采用的财务与运营影响，经案例研究验证其可量化成本与节约额，确定盈亏平衡点，为医疗AI部署决策提供支持。
从分诊到出院：急诊部门NLP任务、方法与开放挑战综述
机构 * University of New South Wales（新南威尔士大学）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.CL
AI总结 本综述分析46篇论文，梳理急诊部门分诊、诊断、处置阶段的NLP任务与方法，指出模型从特定架构向预训练语言模型转变等趋势，明确泛化能力有限等开放挑战，为相关研究提供方向。
Comments Accepted to the EMNLP 2026 Main Conference; camera-ready version
用于精密授时应用的SDR驱动程序
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.SE
AI总结 本文开发了用于HackRF One SDR的精密授时应用驱动，采用AI辅助开发从现有代码生成SoapySDR兼容驱动，大幅减少开发工作量并提升可维护性。
Comments 5 pages, 3 figures, 2 tables, submitted to GRCon26 conference
用于振幅分析的S矩阵引导神经网络
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG
AI总结 针对粒子物理中从有限含噪且不一致测量重构散射振幅的问题，提出S矩阵引导神经网络（SINNs），结合数据选择与不确定性量化，成功应用于ππ散射，结果可靠且可迁移。
Comments 29 pages, 23 figures
MediSkill-Evo：面向证据依据的临床交互的过程约束自进化
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing Institute of AI Safety and Governance（北京人工智能安全与治理研究院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI
AI总结 MediSkill-Evo是无需主干微调的临床智能体，通过四类经验存储库与过程约束偏好工具优化，在多维度评估中提升了诊断准确率等指标，验证了其临床交互性能。
ExploraTwin：一个用于数字孪生模拟的非营利研究平台
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI
AI总结 本研究推出非营利数字孪生模拟平台ExploraTwin，支持调查与小组模式，开发了标准化数据格式CroissantTwin，复现数据集实验验证其调查执行保真度达99.6%，降低了相关研究的测试部署门槛。
Comments 44 pages (32-page manuscript plus web appendix), 8 figures. Platform: https://exploratwin.org
感知对手的强化学习
专题命中 工作流自动化 ：agent(abstract)；分类 cs.LG
AI总结 该研究针对存在干扰奖励过程的对手的强化学习场景，提出TMDPs框架及对应学习方法，经实验验证对抗感知对RL智能体的重要性。
Comments Accepted to the European Journal of Operational Research, available at https://www.sciencedirect.com/science/article/pii/S0377221726007150
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