AI Agent

Paint What You See: Benchmarking Dexterous Visual Tool Use in Multimodal Agents

绘制你所见：多模态智能体的灵巧视觉工具使用基准测试

Shudong Liu, Dongyang Chen, Enci Zhang, Jinwei Liang, Zheng Ma, Lewei Lu

机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； SenseTime Research（商汤科技研究院） 纠错

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

AI总结 本文提出名为EASEL的基准测试，结合44万样本的EASEL-Data数据集与EASEL-9B模型，评估多模态智能体的灵巧视觉工具使用能力，发现现有25个模型在该任务上表现不佳，EASEL-9B相对基础模型提升6.3%。

Retrieve, Match, Escalate: Accurate and Scalable Product Linking with VLM-Distilled Cross-Encoders and Agentic VLMs

检索、匹配、升级：基于VLM蒸馏的交叉编码器与智能体VLMs的准确且可扩展的商品链接

Jian Wang, Steven Xu, Sanjyot Thete, Maryam Barouti, Tom Tang, Elaine Wu, Charu Sareen, Kyle MacDonald

机构 * DoorDash Inc.（DoorDash公司） 纠错

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

AI总结 该研究针对大规模商品链接的成本与精度矛盾，提出“检索-匹配-升级”级联框架，用VLM蒸馏的交叉编码器处理多数简单案例，智能体VLM解决模糊案例，提升了链接覆盖率且降低成本。

Comments 9 pages, 3 figures, 5 tables

AdaVDR: Adaptive Tool Use and Reflection for Video Deep Research

AdaVDR：面向视频深度研究的自适应工具使用与反思

Xintong Zhang, Xiaomeng Fan, Shilin Yan, Ekko He, Zicheng Liu, Zijian Zou, Guannan Zhang, Yuwei Wu, Zhi Gao, Hongwei Xue

机构 * Alibaba Group（阿里巴巴集团） ； Beijing Institute of Technology（北京理工大学） 纠错

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

AI总结 提出AdaVDR自适应视频深度研究智能体，通过自适应工具调用与反思解决视频深度研究的不当工具调用等问题，构建相关基准并在VDR-EE、VideoDR上取得优于基础模型的效果。

ToolMinimize: Auditing and Rewriting LLM Agent Tool Calls to Minimize Privacy Exposure

ToolMinimize：审计与重写大语言模型智能体的工具调用以最小化隐私暴露

Wenbiao Li, Yuqiao Xu

专题命中 工具调用 ：agent(title)；分类 cs.SE

AI总结 ToolMinimize是一款中间件，通过拦截并重写LLM智能体的工具调用参数，结合schema感知分析与四种操作，在保证100%任务有效性的同时大幅降低隐私暴露，可选层可进一步提升效果，延迟极低。

Tunable Tool-Call Rates in LLM Agents via Representation Steering

通过表示调控实现LLM智能体中可调节的工具调用率

Yuqi Chen, Vincent Siu, Yang Liu, Dawn Song, Chenguang Wang

机构 * UC Santa Cruz（圣克鲁兹加利福尼亚大学） ； UC Berkeley（加利福尼亚大学伯克利分校） 纠错

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

AI总结 本研究提出通过调控LLM残差流的线性方向，可在推理时无需额外训练调节工具调用率，使开放域问答准确率近翻倍，且能泛化到多种模型与工具。

Analyzing and Correcting Benevolence Bias in Large Language Models

分析与修正大语言模型中的善意偏差

Yuanzi Li, Junhao Wang, Minghui Liu, Boyi Li, Bingchen Chen, Zihang Tian, Jingyu Zhao, Yuhan Wang, Lei Wang, Pei Wang, Jinchao Wu, Xu Chen

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 本研究识别出大语言模型存在的善意偏差，发现其稳定且随模型规模增大而增强，提出轻量对比校准法可修正该偏差，明确了对齐后的大语言模型作为人类替代者的适用场景与修正方法。

TAU-Agent: An Agentic Retrieval-Augmented Framework for Traffic Anomaly Understanding

TAU-Agent：用于交通异常理解的智能体式检索增强框架

Yuqiang Lin, Yan Shi, Sam Lockyer, Harish Tayyar Madabushi, Adrian Evans, Wenbin Li, Yinhai Wang, Nic Zhang

机构 * University of Bath（巴斯大学） ； University of Washington（华盛顿大学） 纠错

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

AI总结 针对交通异常理解需求，提出TAU-Agent智能体式检索增强框架，调度两类视觉工具获取证据，结合微调视觉语言模型推理，在AI City 2026挑战赛多赛道取得对应排名成绩。

Can your AI agent be cheaper? Investigating the effects of task specifications on token spend in agentic coding tasks

你的AI智能体能更便宜吗？探究智能体编码任务中任务规格对token消耗的影响

Jakub Smékal

机构 * Stanford University（斯坦福大学） 纠错

专题命中 规划决策 ：agent(title,abstract)；agentic(title,abstract)；AI agent(title)；tool use(abstract)

AI总结 本文以Kimi K3模型为对象，探究智能体编码任务中任务规格对token消耗的影响，发现简化任务规格会提升token消耗，拟合的预测器可较优地预测token消耗，为评估AI编码工作流成本提供方法。

SIMGUIDE: Procedurally Grounded Multi-Context Representations for Personalized Agent Planning

SIMGUIDE：用于个性化智能体规划的过程式基础多上下文表示

Chirag Shah

机构 * University of Washington（华盛顿大学） 纠错

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

AI总结 本研究针对个性化AI智能体无法适配用户多场景优先级的问题，提出SIMGUIDE方法，构建SIMBENCH基准验证，发现过程式基础的Sims优于RAG，且表示格式是关键设计变量。

TraceML: An Empirical Analysis of Human-Agent Planning in Machine Learning Development

TraceML：机器学习开发中人类-智能体规划的实证分析

Jiarui Yan, Weiwei Sun, Sijie Li, Wenhan Li, Yiming Yang

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 TraceML通过构建人类与智能体在Kaggle竞赛中的配对轨迹数据集，实证分析了人类与智能体在机器学习开发规划上的差异，发现智能体存在行为循环问题，提炼的人类规划提示可缩小部分差距。

Auto-Policy, not Auto-Skill: Compiled Agent Skills for the Physical World

自动策略，而非自动技能：面向物理世界的编译智能体技能

Zhonghao Zhan, Hamed Haddadi

机构 * Imperial College London（帝国理工学院） 纠错

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

AI总结 本文针对恶意智能体技能造成物理伤害的问题，提出位于技能制品内部的类型化权限层Edge Skillguard，可高效拒绝借用权限请求，验证了其在多场景下的防护效果。

Comments Presented at the 1st Workshop on Agent Skills (Agent Skills '26), ACM CAIS 2026, San Jose, May 26, 2026

LifePlanner: Evaluating LLM Agents for Geo-spatial Planning with Social Media Data

LifePlanner：利用社交媒体数据评估LLM智能体的地理空间规划能力

Zhen Dong, Yuning Peng, Yutao Shi, Lei Zhong, Yongsen Mao, Yuan Liu, Haiping Wang

机构 * Wuhan University（武汉大学） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 该研究推出LifePlanner基准测试，结合社交媒体数据评估LLM智能体的地理空间规划能力，发现前沿LLM在简单检索中表现好但复杂规划通过率仅40.2%，失败源于证据获取、工具使用及约束整合问题，需改进实际规划能力而非单纯扩大模型规模。

Comments 25 pages, 7 figures, 11 tables

Agentic World Analysis (AWA) - an alternative way to explore systems and support decision making

智能体世界分析（AWA）——一种探索系统与支持决策的替代方法

Yongchao Zeng, Alexey Voinov, Calum Brown, Tatiana Filatova, Mark Rounsevell

专题命中 规划决策 ：agentic(title,abstract)

AI总结 该研究提出智能体世界分析（AWA）方法，结合模拟建模与专家征询，实现生成式智能体世界引擎（WEGA），并以荷兰氮危机为例验证其功能，生成两条未来路径供评估。

Learning What to Share and What to Personalize: Hierarchical Strategy Co-Evolution for Agent Memory

学习共享与个性化内容：面向智能体记忆的分层策略协同进化

Yupeng Han, Shuochen Liu, Kai Zhang, Ze Liu, Zhihong Pan, Xianquan Wang

机构 * University of Science and Technology of China（中国科学技术大学） ； State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室） 纠错

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

AI总结 本研究提出HiPS框架，将智能体记忆管理解耦为全局共享基础与用户特定自适应层，通过协同进化优化策略，使记忆增强智能体的响应性能持续优于基线方法。

Comments EMNLP'2026 Main Conference

Bayesian Flow Networks for Offline Trajectory Planning

用于离线轨迹规划的贝叶斯流网络

Ludvig Killingberg, Helge Langseth

机构 * Norwegian University of Science and Technology（挪威科技大学） 纠错

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

AI总结 该研究提出基于贝叶斯流网络（BFNs）的BFN-RL框架，可在单一概率公式内建模离散与连续轨迹空间，经实验验证其能在两类状态空间生成有效轨迹，为离线轨迹规划提供通用生成基础。

Leveraging Inter-object Affordances for Efficient Planning in Contact-rich Tasks

利用物体间可供性实现接触密集型任务的高效规划

Pouya P. Niaz, Justus Piater, Alejandro Agostini

机构 * University of Innsbruck（因斯布鲁克大学） 纠错

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

AI总结 该研究针对传统TAMP方法在接触密集型任务中规划时间长、成功率低的问题，提出结合VLM与U-TAMP的方法，在模拟厨房场景中实现了更高的规划成功率与更快的规划速度。

ClueWeaver: Reward-Guided Dual-Agent Evidence Reasoning for Compact LLMs on Literary Long Narratives

ClueWeaver：面向紧凑型大语言模型的、针对文学长篇叙事的奖励引导双智能体证据推理框架

Jihao Zhu, Zhiwei Yang, Wenxiao Zhang, Junqian Zhao, Qi You, Fangqi Wang, Zheyuan Deng, Hanzhe Yang, Yu Liu, Jin B. Hong

机构 * Institute of Information Engineering, CAS（中国科学院信息工程研究所） ； University of Aberdeen（阿伯丁大学） ； The University of Western Australia（西澳大学） ； Brown University（布朗大学） 纠错

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

AI总结 ClueWeaver是用于紧凑型本地模型的双智能体证据推理框架，可提升本地语言模型在长篇叙事问答与声明验证任务中的性能，提供可检查的证据推理轨迹。

Comments Accepted by ICONIP 2026

Anytime Global Tensor Motion Planning

anytime 全局张量运动规划

Sai Coumar, An T. Le, Zachary Kingston

机构 * Purdue University（普渡大学） ； VinUniversity（范安大学） ； TU Darmstadt（达姆施塔特工业大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 该研究泛化全局张量运动规划（GTMP），提出两种 anytime 策略，证明其同伦类覆盖与概率特性，在操作任务和二维导航基准上表现良好。

Comments 8 pages, 5 figures. Code: this https URL (https://github.com/commalab/anytime_gtmp.git)

Reassembling Distributed Risk: Trajectory-Conditioned Action Generation for Multi-Turn Agent Safety

重构分布式风险：面向多轮智能体安全的轨迹条件动作生成

Yanbo Dai, Zhenlan Ji, Zongjie Li, Shuai Wang

专题命中 规划决策 ：agent(title,abstract)

AI总结 针对多轮分解攻击下使用工具的LLM智能体的安全风险，提出生成时防御方法ReDiR，通过轨迹级安全条件整合跨轮安全信息，将攻击成功率降至8%以下，可迁移且开销低。

Trust-Aware Sequential Decision Making and Rollout Planning for Resilient Multi-Robot Systems

面向弹性多机器人系统的信任感知序贯决策与滚动规划

Roee M. Francos, Daniel Garces, Orhan Eren Akgün, Nathaniel D. Bastian, Stephanie Gil

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对多机器人系统中智能体被入侵导致规划与执行不匹配的问题，提出信任感知监测器结合分层二分匹配策略，实现对定位欺骗的检测与弹性路由，恢复滚动规划的成本优势。

Comments 20 pages, 17 figures

GPU-Accelerated Quantum Annealing-Inspired UAV Path Planning for Smart Agriculture

GPU加速的量子退火启发式无人机路径规划在智慧农业中的应用

Maho Hirahara, Aohan Li

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出GPU并行伊辛求解器框架，将智慧农业无人机路径规划问题转化为QUBO模型，仿真显示其性能优于遗传算法和模拟退火，可作为大规模智慧农业的稳健实时解决方案。

Comments 6 pages, 3 figures, conference

Interpretable physics-informed retrieval-augmented generation language model for end-to-end inorganic crystal synthesis planning

用于端到端无机晶体合成规划的可解释物理信息增强检索生成语言模型

Wei-Jian Jiang, Ye-Nan Sha, Hui Guo, Jie Chen, Yu-Cai Liang, Ke Zhou, Qi-Long Gao, Dong-Lin Han, Xin-Gao Gong, Wan-Jian Yin

专题命中 规划决策 ：planning(title,abstract)

AI总结 本研究开发可解释PIRAG-LM模型，构建含13820种晶体的SSKB，合成方法预测准确率达91.4%，指导合成5种新化合物，为材料发现与实验搭建桥梁。

It's a matter of timescale: non-linear utility in successor features and multi-objective planning and learning

这是一个时间尺度问题：后继特征与多目标规划和学习中的非线性效用

Liam P.H. Mertens, Lucas N. Alegre, Florent Delgrange, Diederik M. Roijers, Ann Nowé, Peter Vamplew

机构 * AI Lab, Vrije Universiteit Brussel（布鲁塞尔自由大学AI实验室） ； Institute of Informatics - Federal University of Rio Grande do Sul（南大河州联邦大学信息学研究所） ； Federation University Australia（澳大利亚联邦大学） 纠错

专题命中 规划决策 ：planning(title)；分类 cs.AI、cs.LG

AI总结 本文针对多目标强化学习及后继特征方法未考虑同一决策问题中不同时间尺度非线性效用效应的不足，通过示例论证后提出新视角，指出相关研究存在显著空白。

Agentic Game Development as a Verifiable Trajectory Data Engine for Scaling World Models

智能体游戏开发：用于扩展世界模型的可验证轨迹数据引擎

Pengfei Zhou, Hexin Wang, Zhengfeiyang Zhang, Yixing Ma, Zhenglin Wan, Kaipeng Zhang, Wangbo Zhao, Yang You

机构 * Cardinal AI Lab（卡迪纳尔人工智能实验室） ； University of California, Berkeley（加州大学伯克利分校） ； Hong Kong University of Science and Technology（香港科技大学） ； National University of Singapore（新加坡国立大学） ； HPC-AI Lab（高性能计算与人工智能实验室） 纠错

专题命中 规划决策 ：agentic(title)；分类 cs.AI

AI总结 本文指出扩展世界模型的传统策略效率低，提出将游戏开发作为可验证轨迹数据引擎，构建RLHEV后训练范式，为空间世界模型提供高质量奖励信号与长程轨迹数据。

Separating Disclosure from Authorization: Field-Tier Minimization for Agent Action Mediation

将授权与披露分离：面向智能体动作调解的字段层级最小化

Jiten Oswal, John Cadeddu

专题命中 规划决策 ：agent(title)；分类 cs.SE

AI总结 该研究提出智能体动作调解的字段层级最小化方法，将参数字段分为三类，实现授权与披露分离，解决事实计算方问题并分析泄露，保障账本安全与审计需求。

Comments 19 pages, 2 figures, 5 tables. Describes an implemented system in private pilot deployment

Large Language Model Few-Shot Prompting with Dilemma Training Outperforms Human Surrogates in Predicting Patient Preferences

采用困境训练的大语言模型少样本提示在预测患者偏好方面优于人类替代者

Natasha Ureyang, Sebastian Porsdam Mann, Yuxin Liu, Zuriel Hassirim, Melanie Almonte, Wenhao Chen, Joyce Ng, Thant Nay Lin, Aung Thiha, Gerald CH Koh, Brian David Earp, Pin Sym Foong

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

AI总结 该研究提出采用困境训练的P4-DT智能体，通过12组患者-替代者配对实验，其预测患者治疗选择的准确率达81.7%，优于人类替代者及相关方法。

Plans You Can Check: Verifier-Grounded Learning of an Open-Weight Planner for Executable Video-Editing

可核查的方案：基于验证器的可执行视频编辑开放权重规划器学习

Haoyu Wang, Cheng Feng, Liuyang Bian, Ruiyang Huang, Lei Wei, Yafei Wen, Xiaoxin Chen, Xiaoying Tang

机构 * School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）人工智能学院） ； vivo AI Lab（vivo AI实验室） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Southeast University（东南大学） ； Peking University（北京大学） ； School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）理工学院） ； Shenzhen Future Network of Intelligence Institute (FNii-Shenzhen)（深圳未来智能网络研究院） ； Guangdong Provincial Key Laboratory of Future Networks of Intelligence, CUHK-Shenzhen（香港中文大学（深圳）广东省未来智能网络重点实验室） 纠错

专题命中 规划决策 ：planning(abstract)；workflow(abstract)；分类 cs.CL

AI总结 针对可执行视频编辑规划问题，提出基于验证器的RefineCut及RefineCut-Evo方法，训练8B开放权重规划器，在基准上取得优于前沿模型的效果，代码与基准已公开。

Comments Accepted to the Main Conference of EMNLP '26

Federation Is Nearly Free, Reasoning Is Not: Tradeoffs for AI Co-Scientists in Protein Characterization Workflows

联合近乎免费，推理并非如此：AI 联合科学家在蛋白质表征工作流中的权衡

Maia Kapur, Timothy Boe, Abby Jerger, Paul Rigor

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

AI总结 该研究在生产级科学智能体平台上，对比联合拓扑、PPO策略及不同LLM等，发现LLM选择对蛋白质表征预测质量影响最大，PPO策略成本低且一致性好，联合对性能影响可忽略，为科学工作流智能体部署提供了指导。

Comments 24 Pages, 4 main figures, 5 main tables, 2 supplementary figures

Teaching Geometric Proof with Tech: Pitfalls and Possibilities

技术辅助几何证明教学：误区与可能性

Hwei-Shin Harriman, Wode Ni, Yuchen Jin, Dominik Moritz, Joshua Sunshine

专题命中 规划决策 ：planning(abstract)；workflow(abstract)

AI总结 该研究通过访谈18名几何教师、审查33款工具，发现数字工具在几何证明正式教学中存在不足，进而提出四项教育证明工具的设计准则。

Imitation Learning for Connection-Tableau Construction

用于连接表构造的模仿学习

Fredrik Rømming, Mantas Bakšys, Martin S. Fixman, Sean B. Holden

机构 * University of Cambridge（剑桥大学） 纠错

专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG

AI总结 该研究将连接表构造建模为迁移系统中的策略，结合模仿学习与图神经网络训练策略，在多个基准上较leanCoP提升了定理证明的问题解决率并大幅减少步数。

Comments 9 pages. Code: this https URL (https://github.com/fredrrom/connections)