AI Agent

AsymSpec: Context-Asymmetric Speculative Decoding for Agentic LLMs

AsymSpec：面向智能体大语言模型的上下文非对称投机解码

Sheng Liang, Yongyue Zhang, Nathanael Brian, Hang Lv, Hao Wang, Chen Zhang, Yong Liu

机构 * Huawei Technologies Co., Ltd.（华为技术有限公司） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；tool use(abstract)；分类 cs.AI、cs.CL

AI总结 AsymSpec是面向智能体大语言模型的非对称投机解码框架，通过轻量级草稿读全输入、大型验证模型用压缩视图，实现近90%完整上下文准确率，获1.3-1.7倍吞吐量加速且计算成本仅0.2-0.3倍。

Comments EMNLP Main Conference 2026

AgentWorld: Personality-Aware Reliability Evaluation for Agentic Information Retrieval

AgentWorld：面向智能体信息检索的人格感知可靠性评估

Gunja Agarwal, Arup Kumar Das, Arun Menon, Jitesh Chandra Mishra, Vignesh Divakaran

机构 * PayPal（贝宝） 纠错

专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；tool-use(abstract)；分类 cs.AI

AI总结 AgentWorld框架整合多模块，通过三类实验验证其可评估智能体信息检索的人格感知可靠性，能发现统一测试未暴露的故障模式及轨迹级脆弱性。

Comments Accepted at Agent4IR @ KDD 2026

HRGuard: Gating Relationship Manipulation in Multi-Turn Agentic AI Conversations

HRGuard：多轮智能体AI对话中的门控关系操纵

Pei-Sze Tan, Tasuku Igarashi, Isao Echizen

专题命中 Agent评测 ：agentic(title,abstract)；AI agent(abstract)；workflow(abstract)

AI总结 针对多轮智能体AI对话中AI协助的人际操纵问题，构建含1000个五轮对话的基准数据集，提出HRGuard双门控机制，在8个模型上表现优于通用安全方案，可减少有害顺从并保留保护指导。

ClayBuddy: A Framework, Evaluation, & Mitigation of Coding Agent Failures

AgentArmor：编码代理失败的框架、评估与缓解

Kenneth Ge, Andre Assis

机构 * Anthropic Fellows Program（Anthropic Fellow 项目） ； Constellation 纠错

专题命中 Agent评测 ：agent(title,abstract)；AI agent(abstract)；分类 cs.LG、cs.SE

AI总结 提出AgentArmor框架，通过系统提示增强、命令分类器、三振政策等机制，缓解编码代理因规范不足、能力错误和工具错误导致的失败，显著提升安全性。

Comments Accepted at The Third Annual Conference on Language Modeling 2026 Workshop on Agent Behavior

Corpus2Skill: Distilling Enterprise Knowledge into Navigable Agent Skills for QA and RAG

不要检索，导航：将企业知识转化为可导航的代理技能用于问答和RAG

Yiqun Sun, Pengfei Wei, Lawrence B. Hsieh

机构 * Magellan Technology Research Institute（马格纳技术研究 institute） 纠错

专题命中 Agent评测 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出Corpus2Skill，通过将文档库转化为层次化技能目录，使LLM代理在服务时能导航该目录，提升问答质量和 grounding，但指出导航并非所有场景下的最佳替代方案。

Comments Accepted to EMNLP 2026 Findings

BixBench3: Benchmarking AI agents on research-study-scale computational biology tasks

BixBench3：面向研究级计算生物学任务的AI智能体基准测试

Zane Koch, Asmamaw T. Wassie, Javier Valdes-Aleman, Jason Lee, Michaela M. Hinks, Samuel G. Rodriques, Andrew D. White, Jon M. Laurent

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

AI总结 研究人员推出BixBench3基准测试，评估AI智能体完成研究级计算生物学任务的能力，发现前沿模型表现差异大，且智能体在大数据集、多步骤任务中性能更差，高分智能体更高效。

Comments 28 pages, 6 figures

SimVerity: When Does Simulated Agent Success Survive Physical Deployment?

SimVerity：当模拟智能体的成功能在物理部署中延续时？

Zhonghao Zhan, Yefan Zhang, Krinos Li, Hamed Haddadi

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

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

AI总结 研究量化模拟智能体成功与物理部署的关联，提出SimVerity框架，通过交叉验证判决转移，发现模拟通过与物理实际存在差异，可预测错误通过并提升智能体可审计性，暴露模拟器盲点。

Comments Submitted to the Main Technical Track of AAAI Conference on Artificial Intelligence (AAAI-27); currently under review

InternBootcamp: Boosting LLM Reasoning with Verifiable Task Scaling

InternBootcamp 技术报告：通过可验证的任务扩展提升大语言模型推理能力

Peiji Li, Jiasheng Ye, Yongkang Chen, Linyang Li, Yichuan Ma, Zijie Yu, Ganqu Cui, Haozhan Li, Jiacheng Chen, Chengqi Lyu, Wenwei Zhang, Qipeng Guo, Dahua Lin, Bowen Zhou, Kai Chen

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） 纠错

专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；分类 cs.CL

AI总结 本文提出InternBootcamp框架，通过可验证的任务扩展方法提升大语言模型的推理能力，为基于强化学习的模型优化、合成数据生成和模型评估提供了基础设施。

Mind2Report: Expert-Level Commercial Report Synthesis via Cognitive Deep Research Agent

Mind2Report: 一种用于专家级商业报告综合的认知深度研究代理

Mingyue Cheng, Daoyu Wang, Qi Liu, Shuo Yu, Xiaoyu Tao, Yuqian Wang, Chengzhong Chu, Yu Duan, Mingkang Long, Enhong Chen

机构 * State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China（认知智能国家重点实验室，中国科学技术大学） ； Artificial Intelligence Engineering Institute, iFLYTEK Co., Ltd（人工智能工程院，iFLYTEK公司） 纠错

专题命中 Agent评测 ：agent(title,abstract)；planning(abstract)；分类 cs.CL

AI总结 Mind2Report是一种通过动态内存增强大语言模型，实现专家级商业报告综合的认知深度研究代理，优于现有基线模型。

Comments Accepted at the 35th ACM International Conference on Information and Knowledge Management (CIKM 2026), Rome, Italy

Gavel: Agent Meets Checklist for Evaluating LLMs on Long-Context Legal Summarization

Gavel: 智能体结合检查表评估LLM长上下文法律摘要

Yao Dou, Benjamin Mamut, Wei Xu

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 Agent评测 ：agent(title,abstract)；分类 cs.CL

AI总结 提出Gavel框架，通过参考评估和免参考智能体评估12个前沿LLM在多文档法律摘要中的表现，发现模型易遗漏关键信息而非幻觉，且性能随案件长度增加而下降。

Comments Accepted at EMNLP 2026 Main; webpage at this https URL (https://yao-dou.github.io/gavel/)

StarDojo: Benchmarking Open-Ended Behaviors of Agentic Multimodal LLMs in Production-Living Simulations with Stardew Valley

StarDojo：基于Stardew Valley的多模态大语言模型在生产-生活模拟中的开放性行为基准测试

Weihao Tan, Changjiu Jiang, Yu Duan, Mingcong Lei, Jiageng Li, Yitian Hong, Xinrun Wang, Bo An

机构 * Nanyang Technological University（南洋理工大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； East China University of Science and Technology（华东理工大学） ； Singapore Management University（新加坡管理大学） 纠错

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

AI总结 StarDojo通过Stardew Valley模拟评估多模态大语言模型在生产与社交活动中的综合能力，包含1000个任务，发现GPT-4.1在视觉理解与多模态推理方面存在显著不足。

Comments Accepted by ECCV 2026. Project website: this https URL (https://weihaotan.github.io/StarDojo)

FABRICA: Agentic CUDA-to-CSL Translation and Optimization for Wafer-Scale Systems

FABRICA：面向晶圆级系统的智能体CUDA到CSL的翻译与优化框架

Yuebo Luo, Eliu Huerta, Venkatram Vishwanath, Caiwen Ding, Rajeev Thakur, Le Chen

专题命中 Agent评测 ：agentic(title,abstract)；workflow(abstract)

AI总结 FABRICA是结合目标知识、故障修复与正确性优化的智能体框架，在晶圆级系统的CUDA转CSL内核任务中，大幅提升成功率并实现3.47×以上加速，凸显跨架构内核生成的关键因素。

Rethinking Agentic Kernel Generation for Emerging Accelerators

面向新兴加速器的智能体内核生成方法反思

Ruijie Gao, Jirong Yang, Barry Lyu, Haoran Jin, Nathan Bleier

专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)

AI总结 针对新兴加速器内核生成的现有方法反复重建无关语义的问题，提出编译器介导的Zomboss框架，将语义编译为可复用接口，在20个Gemmini和36个PLENA工作负载上实现全实例正确，且性能优于基线方法、推理成本更低。

Comments 12 pages, 7 figures

APPA: Recoverable Information-Flow Control for Real-World LLM Agents

用于大语言模型代理中污点限制的代理权限策略代数

Arseny Kravchenko, Vadim Liventsev, Innokentii Konstantinov, Ildar Iskhakov, Matvey Kukuy

专题命中 Agent评测 ：agent(abstract)；workflow(abstract)；agentic(abstract)；multi-agent(abstract)

AI总结 研究大语言模型代理处理混合机密数据时的安全风险，提出APPA框架，通过引擎管理上下文分支等解决可用性瓶颈，经双幺半群模型证明相关特性，实验表明其能抑制数据泄露并恢复部分被污点跟踪损失的效用。

Comments 21 pages, 3 figures. v2: Major revision with updated title, MCP protocol gateway architecture, 3-model empirical benchmark (6,600 episodes), recovery ablations, gradual security typing, and complete formal safety proofs

A Metric with Positive Sectional Curvature on $S^2\times S^3$

S²×S³上具有正截面曲率的度量

Shengtao Guo, Ethan X. Fang, Junwei Lu

专题命中 Agent评测 ：agent(summary_cn,abstract)

AI总结 Odin Automatic AI Research Agent构造S²×S²上第一陈类(1,1)的主S¹-丛，经Cheeger形变等步骤，得到S²×S³上的正截面曲率黎曼度量。

Training-Free Agentic Computer Vision for Structural Component Detection in 2D Structural Framing Plans

基于确定性几何与受约束智能体视觉-语言优化的结构平面图到模型转换

Mohammad Talebi-Kalaleh, Qipei Mei

机构 * University of Alberta（阿尔伯塔大学） 纠错

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

AI总结 该研究提出首个无需特定任务检测器训练的结构平面图转模型框架，经100张图基准评估，各构件指标优异，可高效修正绘图错误。

When Is an Agent Evaluation Over? Outcome Finality and Cross-Unit Separation

智能体评估何时结束？结果终局性与跨单元分离

Avyay M. Casheekar, Hariganesh Tangirala

机构 * University of Michigan Law School（密歇根大学法学院） 纠错

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

AI总结 针对现有智能体评估将终点分数视为最终结果的问题，该研究提出结果终局性与跨单元分离两个条件，通过实验和协议审查指出当前评估的不足，并提出开放效应记录方案以完善评估。

StreamMemBench: Streaming Evaluation of Agent Memory for Future-Oriented Assistance

StreamMemBench: 面向未来辅助的智能体记忆流式评估

Guanming Liu, Yuqi Ren, Hansu Gu, Peng Zhang, Weihang Wang, Jiahao Liu, Ning Gu, Tun Lu

机构 * Fudan University（复旦大学） ； Amazon Stream（亚马逊流） 纠错

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

AI总结 提出StreamMemBench基准，通过两步任务序列测试智能体记忆从流式观察到后续任务中证据回忆、反馈整合与重用能力，实验发现现有系统在证据使用和反馈转化上存在不足。

Comments Accepted to Findings of EMNLP 2026

Draining the Energy Commons: Self-Defeating Over-Appropriation as a Coordination Failure in Agentic LLM Collectives

耗尽能源共享池：自我挫败的过度占用作为智能体大语言模型集体中的协调失败

Marcantonio Bracale Syrnikov, Federico Pierucci, Matteo Prandi, Marcello Galisai, Piercosma Bisconti, Francesco Giarrusso, Daniele Nardi

专题命中 Agent评测 ：agentic(title)；agent(abstract)

AI总结 研究大语言模型智能体在共享可再生能源储备时的协调失败问题，通过让四个同系列智能体自博弈，改变储备再生率，发现它们在需求超阈值时过度占用致自我挫败，实际消耗类似更不耐烦的开放访问基准，孤立响应评估会忽略此系统层面协调失败。

MacroAgent: Regularity-Aware Macro Legalization with LLM-Agent-Designed Contour Algorithms

MacroAgent：结合大语言模型智能体设计轮廓算法的感知规则性宏合法化方法

Jiaxi Jiang, Xufeng Yao, Yuxuan Zhao, Yuntao Lu, Peiyu Liao, Zuodong Zhang, Yibo Lin, Bei Yu

机构 * The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学） 纠错

专题命中 Agent评测 ：agent(title)；分类 cs.LG

AI总结 MacroAgent是结合LLM智能体设计轮廓算法的四阶段宏合法化框架，在TILOS、Chipyard等基准及Cadence Innovus工具上，实现布局规则性、布线长度等指标的显著提升与更好鲁棒性。

AI Research Preference Models

AI研究偏好模型

Thomas Simon Foster, Bassel Al Omari, Tingchen Fu, Thomas Mann, Carl Domond, Lucia Cipolina-Kun, Bhavul Gauri, Muna Aghamelu, Alexander D. Goldie, Eryk Helenowski, Jean-Christophe Gagnon-Audet, Alberto Pepe, Saba Nazir, Daniel Izcovich, Noam Levi, Rishi Hazra, Karen Hambardzumyan, Nicolas Baldwin, Xian Li, Martin Josifoski, Paris Giampouras, Masoud Jalili Sabet, Anya Sims, Hela Momand, Tatiana Shavrina, Despoina Magka, Jason Weston, Yulin Wang, Anirudh Goyal, João Henriques, Yoram Bachrach, Emily McMilin, Jakob Nicolaus Foerster

机构 * FAIR at Meta ； University of Oxford（牛津大学） ； University College London（伦敦大学学院） 纠错

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

AI总结 该研究针对AI研究智能体的候选方案评估成本过高问题，提出AI研究偏好模型，将其集成到AIRA-dojo智能体后提升了基准任务性能，且达到目标性能的时间更短、预算更少。

Comments 34 pages, 17 figures, 6 tables

FinRiskAtlas: Decision-Aligned Evaluation of Large Language Models for Financial Risk Review

FinRiskAtlas：面向金融风险审查的决策对齐大语言模型评估

Suyang Zhong, Jingzhe Zhu, Qi Xu, Liyao Sun, Yin Wang, Qingqing Sun, Shuai Chen, Tianyi Zhang

机构 * Ant International（蚂蚁集团） ； Xiamen University（厦门大学） ； Shanghai University（上海大学） ； Tongji University（同济大学） 纠错

专题命中 Agent评测 ：workflow(abstract)；分类 cs.AI、cs.CL

AI总结 本研究推出面向金融风险审查的中文基准FinRiskAtlas，从操作执行与证据状态控制两维度评估金融大语言模型，发现通用金融能力评分无法完全反映模型在专业工作流程中的可靠性，需采用决策对齐的评估单元。

Clarify User Expertise: Towards Proactive Conversational Agents Tailoring Responses to User Proficiency

明确用户专业能力：面向可根据用户熟练度调整响应的主动式对话智能体

Zhihong Cao, Chen Huang

机构 * School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所） ； College of Computer Science, Sichuan University（四川大学计算机学院） 纠错

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

AI总结 本研究针对现有对话智能体无法仅通过查询判断用户专业能力的缺陷，提出PASSING方法，通过LLM自博弈生成的询问策略主动明确用户专业能力，以调整响应提升用户理解，实验显示该方法具有优越性。

Comments Findings of EMNLP 2026

Using profiles of cognitive capability to assess AI suitability for workplace tasks

利用认知能力画像评估AI对职场任务的适用性

Jonathan Prunty, Marko Tešić, Patrick Quinn, José Hernández-Orallo, Lucy Cheke

机构 * University of Cambridge（剑桥大学） ； Department for Science, Innovation and Technology（科学、创新与技术部） ； Universitat Politècnica de València（瓦伦西亚理工大学） 纠错

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

AI总结 本研究提出基于共享核心认知能力的画像流程，通过AI与职场任务的认知维度匹配，为AI职场任务范围界定提供工具，还探讨了扩展至人机协同画像的方向。

A Programming Paradigm for Spatiotemporal Composability

一种时空可组合性的编程范式

Yifan Shi (1 and 2), Wei Zhang (1), Tianyi Cui (2) ((1) Peking University, (2) DeepSeek-AI)

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

AI总结 该研究针对软件动态组合的时空可组合性问题，提出上下文范式，实现可撤销效应与反应式余效应，开发元框架Cordis，将时空可组合性扩展至整个组件系统。

Comments 92 pages, 1 figure, 2 tables

Point-in-Time Audit Before Alpha: Public-Archive Availability and a Negative Matched-Budget Study on BTC Perpetual Futures

Alpha前的时点审计：公开存档可用性及BTC永续期货的负向匹配预算研究

Baocheng Zeng, Jinhao Yang, Peilin Han, Kangnan He

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

AI总结 本研究审计Binance BTCUSDT USD-M永续期货公开存档的可用性，调整数据要求后，经审计的自适应智能体未确立优越性，报告范围受限的负向结果。

Comments 11 pages, 4 figures; scoped negative-result preprint; reproducibility materials included

MTDiag: A Multi-Turn Diagnostic Dataset Towards Clinically Meaningful LLM Evaluation

MTDiag：面向临床有意义的大语言模型评估的多轮诊断数据集

Pia Chouayfati, Alexander M. Fichtl, Miriam Anschütz, George Doumat, Georg Groh

机构 * Technical University of Munich（慕尼黑工业大学） ； UT Southwestern（西南大学（德克萨斯州）） 纠错

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

AI总结 本研究针对现有医学大语言模型评估基准无法反映临床多轮交互诊断能力的问题，构建了多轮诊断数据集MTDiag，并提出临床知识导向的多轮鉴别诊断评估指标。

Comments 20 pages, published in the SIGDIAL 2026 conference proceedings, see this https URL (https://aclanthology.org/2026.sigdial-1.58/)

From Blind Edits to Verified Repair: Building Trustworthy User-Side LLM Agents for Web Accessibility

从盲编辑到经验证的修复：构建可信的用户端大语言模型智能体以实现网页可访问性

Lily Bundgaard Wanscher, Markus Heidemann Lorensen, Mohammed Ammad Shafiq, Mahyar Tourchi Moghaddam, Mina Alipour

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

AI总结 本研究构建了用户端LLM智能体的三个核心模块，通过双条件协议诊断盲编辑的缺陷，再结合验证修复工具实现了网页可访问性的可信修复，相关资源已公开。

Comments Accepted to be presented at ICME 2026 (5-9 October, Napoli, Italy) and to be published in ICMI companion proceedings by ACM

FLARE: Verifying MILP Reformulations with LLM-Based Theorem Proving

FLARE：基于大语言模型定理证明的MILP重构验证方法

Henry Robbins, Connor Lawless, Madeleine Udell, Ellen Vitercik

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出FLARE方法，结合LLM智能体与Lean证明助手验证MILP重构，在FormulationBench的NP-难子集达100%准确率，还提出无需证书的FLARE-NL，为自动化优化建模提供可靠验证。

Simultaneous inference of environmental and interaction forces in collective dynamics

群体动力学中环境力与相互作用力的同时推断

Nipuni de Silva, Ming Zhong, James M. Greene

机构 * Clarkson University（克拉克森大学） ； University of Houston（休斯顿大学） 纠错

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

AI总结 本研究提出一种框架，可同时非参数推断群体动力学的相互作用核并学习环境力，通过引入的模型选择程序能从轨迹数据区分群体动力学框架并恢复相互作用机制。