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。
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
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）
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。
面向预算受限的智能体搜索：更充分利用，更智能探索
机构 * Amazon AGI（亚马逊AGI）
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。
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
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。
从状态到动作：用于可靠多轮工具使用的OODA-Tool
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。
CAFE：自改进搜索智能体需要协同演化的反馈
机构 * Fudan University（复旦大学） ； Tencent（腾讯）
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。
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
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。
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
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）
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：用于智能体强化学习的环境增强蒸馏自适应回溯
机构 * AWS AI Labs（亚马逊云科技人工智能实验室） ； Purdue University（普渡大学）
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：面向大语言模型智能体的资源感知工具调用基准测试
机构 * School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； Nanjing University（南京大学）
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：工具调用智能体的分阶段扰动评估与故障诊断
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。
专题命中 工具调用 ：tool use(abstract)；agentic(abstract)；分类 cs.AI
EviGraph：面向信息检索智能体的可验证证据构建
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：针对企业环境的分层搜索进化 harness（工具适配层）
机构 * ServiceNow（ServiceNow公司） ； Mila（米拉研究所） ； Université de Montréal（蒙特利尔大学）
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。
大型语言模型智能体的工具创建与使用联合优化
机构 * Appier AI Research（沛星人工智能研究院） ； National Taiwan University（台湾大学）
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
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
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：利用可扩展监督与安全-效用平衡学习步骤级护栏
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）
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/)
面向集体创新的自适应传输程序发现
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）
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：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
机构 * Tencent（腾讯）
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 就足够了：使用 scrydb 的词汇、语义及混合搜索
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：微信多模态嵌入技术报告
机构 * WeChat Vision, Tencent Inc.（腾讯微信视觉部）
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。
超越置信度：基于检索 grounding 的多轮搜索智能体测试时缩放
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）
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
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
机构 * Jiangsu Key Lab of Language Computing（江苏省语言计算重点实验室）
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
LUCAID：用于肺癌精准病理学的智能体多模态AI
机构 * Institute of Pathology, Charité – Universitätsmedizin Berlin（柏林夏里特医学院病理学研究所） ； Freie Universität Berlin（柏林自由大学） ； Humboldt-Universität zu Berlin（柏林洪堡大学） ； Berlin Institute of Health at Charité – Universitätsmedizin Berlin（柏林夏里特医学院柏林卫生研究所） ； Aignostics GmbH（Aignostics有限公司） ； Machine Learning Group, Technical University of Berlin（柏林工业大学机器学习组） ； BIFOLD – Berlin Institute for the Foundations of Learning and Data（BIFOLD——柏林学习与数据基础研究所） ； MVZ HPH Institut für Pathologie und Hämatopathologie GmbH（HPH病理及血液病理诊断中心有限公司）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；workflow(abstract)；分类 cs.AI、cs.LG
AI总结 该研究开发并临床验证了LUCAID智能体多模态AI系统，其覆盖肺癌病理全流程任务，前瞻性验证中临床决策一致性达93.0%，优于经验丰富的胸病理学家，解决了现有AI工具的不足。
长期分裂的帝国必须统一：三种大语言模型智能体框架的架构趋同
专题命中 规划决策 ：agent(title,abstract)；autonomous agent(abstract)；分类 cs.AI、cs.SE
AI总结 通过对LangChain deepagents、Earendil pi、DeepSeek dsh三种编码智能体框架的多案例研究，发现它们虽初始理念迥异却趋同于含五个元素的架构，同时指出外部可验证性是未趋同的关键维度。
MetaRAG：面向智能体检索增强生成的信念-行动对齐策略优化
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； City University of Hong Kong（香港城市大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 MetaRAG是面向智能体RAG的信念-行动对齐策略优化框架，通过优先验证的行动生成与内部信念探测，提升了智能体RAG的准确率-效率权衡，收益可迁移至多种场景与模型。
Comments EMNLP 2026 MainConference
RePolicy：用于智能体安全保障中安全策略调用的强化学习方法
机构 * Zhejiang University（浙江大学） ； Zhongguancun Academy（中关村学院） ； University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 针对现有智能体安全保障方法难以适应未见轨迹和变化策略上下文的问题，提出RePolicy方法，结合PolicyTraj-20K与带可验证奖励和策略上下文扰动的GRPO，在六个智能体安全基准上取得良好安全检测与策略调用效果。
SPO++：面向异步智能体强化学习的流对齐策略优化
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Duke University（杜克大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
专题命中 规划决策 ：agentic(title)；tool-use(abstract)；分类 cs.AI
AI总结 SPO++通过标准化终端结果优势、按策略事件组织提示证据优化SPO，在ALFWorld和Math-TIR上提升异步智能体强化学习的在线学习效率，动作token测度归一化是其核心有效组件。
Comments 9 pages, 2 figures, 3 tables
智能体的决策依据是什么？通过定位行为引导指令来裁决未授权行为
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI
AI总结 针对LLM智能体易受动态注入攻击的问题，提出Attnlocate框架，通过目标检测定位行为引导指令以裁决未授权行为，在多场景下表现优异且可跨模型迁移。
递归智能体推理
机构 * Google（谷歌） ； University of Maryland（马里兰大学）
专题命中 规划决策 ：agentic(title)；agent(abstract)；分类 cs.AI
AI总结 本文将测试时推理方法统一为递归算子，通过共享框架对比发现BRANCH算子在多场景下提升准确率，且配对评估是测试时计算评估的标准协议。
LeFlow：面向世界模型的生成式潜在流规划
机构 * University of Washington（华盛顿大学）
专题命中 规划决策 ：planning(title,abstract)
AI总结 本研究提出LeFlow，它从世界模型学习可复用潜在轨迹先验，将规划转为条件潜在轨迹生成，在四个目标条件像素控制基准中提升规划成功率并大幅减少规划时间。
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