AI Agent

Agent Seer: Synthesizing Scenarios from Specification Understanding

Agent Seer：基于规范理解的场景合成

Harish Karumuri, Mahesh Vemula, David Lopes Pegna

机构 * Apple（苹果公司） 纠错

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

AI总结 Agent Seer仅用单个MCP规范，无需示例、实时工具访问或领域调优，即可合成高质量测试场景，在7个不同领域的MCP规范上实现完整工具覆盖，为AI智能体评估提供了可扩展方案。

Benchmarking AI Agents for Hardware Design Automation via MCP Tool Calling

通过MCP工具调用对硬件设计自动化的AI智能体进行基准测试

Leonardo Liparulo, Francesco Pierri

机构 * Politecnico di Milano（米兰理工大学） 纠错

专题命中 工具调用 ：AI agent(title,abstract)；agent(abstract)；tool use(abstract)；multi-agent(abstract)

AI总结 本研究构建含MCP服务器的硬件设计自动化基准，评估7种开源AI智能体，发现其可靠性依赖任务结构与配置，为本地LLM智能体部署提供实用指导。

AgentFold: Closed-Loop Agentic Search for Protein Folding Model Design

AgentFold：用于蛋白质折叠模型设计的闭环智能体搜索

Mingquan Liu, Jiangyu Chen, Hanqun Cao, Xujun Zhang, Pengsen Ma, Xiangru Tang, Shuting Jin, Zhuo Yang, Tianfan Fu, Fang Wu, Xiangxiang Zeng

机构 * Hunan University（湖南大学） ； Nanjing University（南京大学） ； The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） ； Yale University（耶鲁大学） ； Wuhan University of Science and Technology（武汉科技大学） ； Southeast University（东南大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 AgentFold是将蛋白质折叠模型开发转化为闭环搜索的多智能体框架，以ESMFold为起点，通过MCTS策略分配计算资源，在匹配预算下较Codex提案提升lDDT 7.5%，优于随机搜索。

RedEvoAgent: Automatic Red-Teaming Agent with Experience-Driven Skill Evolution

RedEvoAgent：具备经验驱动技能演化的自动红队代理

Junjie Zhang, Hui Liu, Kecheng Chen, Xianbo Mo, Changsheng Chen, Haoliang Li

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

AI总结 针对LLM代理的越狱攻击风险，提出RedEvoAgent黑盒红队代理，通过提炼攻击轨迹实现技能演化，在多基准实验中性能优于基线，工具效率更高且可迁移。

Five Primitives for Governing Autonomous AI Agents at Runtime

运行时管控自主AI智能体的五大原语

Jiten Oswal, John Cadeddu

机构 * Aurite AI（奥莱特人工智能公司） 纠错

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

AI总结 针对企业自主AI智能体管控的适配问题，提出发现、身份等五大运行时管控原语，描述其实现方案、成本及部分原语的开发状态。

Comments 14 pages, 2 figures, 1 table. Describes an implemented system in private pilot deployment; four of five primitives implemented

AgentJudgeBench: A Multi-Difficulty Benchmark for Evaluating LLM Judges on Agentic Tool-Calling

AgentJudgeBench：用于评估智能体工具调用的多难度基准

Abhigya Verma, Amit Kumar Saha, Seganrasan Subramanian, Sai Harshitha Aluru

机构 * ServiceNow AI（ServiceNow人工智能部门） 纠错

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

AI总结 该研究提出AgentJudgeBench基准，评估LLM评判在智能体工具调用工作流上的可靠性，发现其对齐度随难度下降，真实值并非总有益，还给出了实用评估指南。

Comments 31 Pages, 9 Figures, 31 Tables, Accepted as a main conference paper at EMNLP 2026

SPT: Skills as Pre-Training Data for Agentic Language Models

SPT：将技能作为智能体语言模型的预训练数据

Yufei Sun, Yudong Li, Yiming Cheng

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本研究提出技能预训练（SPT）方法，将公开技能包作为训练数据，结合参考感知组装策略，可提升智能体语言模型的工具使用性能，同时保留通用性能，验证了技能包作为预训练数据源的价值。

Naive Prompt Optimization: Rethinking the Need for Complex Prompt Search

朴素提示优化：重新思考复杂提示搜索的必要性

Yuan Chang, Xiaoqi Chen

机构 * Purdue University（普渡大学） 纠错

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

AI总结 该研究提出轻量级朴素提示优化（NPO），发现其性能优于复杂优化器GEPA，且优化后的提示可迁移至同系列其他模型，表明简单线性提示优化可媲美复杂搜索方法。

Comments 22 pages, 12 figures

SpeechGym: An Audio-Native Gym for Training Voice Agents via Reinforcement Learning

SpeechGym：一种用于通过强化学习训练语音智能体的原生音频 Gym

Jiajun Fan, Jingyuan Li, Prashanth Gurunath Shivakumar, Jia-Hong Huang, Qi Luo, M. Maruf, Ivan Bulyko, Ge Liu, Roger Ren

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon AGI Foundations（亚马逊AGI基础研究部） 纠错

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

AI总结 研究针对语音智能体训练中梯度无法流动、难以强化学习的问题，提出原生音频环境 SpeechGym，用每轮过程奖励解决稀疏性问题，使开放权重模型在语音基准上任务成功率翻倍且排名提升。

LLM Agents for Time-Series: A Survey

面向时间序列的大语言模型（LLM）智能体：一项综述

Yilong Chen, Xiao Qin, Chenghao Liu, Liang Wu, Noelle I. Samia, Kaize Ding

机构 * Northwestern University（西北大学） ； Datadog AI Research（Datadog人工智能研究院） ； Nokia（诺基亚） 纠错

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

AI总结 本综述针对LLM智能体在时间序列问题上设计差异大的问题，采用问题驱动分类法梳理现有系统，分析任务对架构等的影响，对比模型性能，为相关设计提供指南并指出未来缺口。

Comments Accepted to Findings of EMNLP 2026

Dispersive Forward Tree Search for Optimal Control: Coverage, Complexity, and Computation

用于最优控制的分散式前向树搜索：覆盖性、复杂度与计算

Shashank A. Deshpande, Jonathan P. How

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 工具调用 ：planning(abstract)

AI总结 本文针对非线性平台的规划问题，提出具有有限样本近最优性保证的DFT*算法，通过分散指令集与代价剪枝，在嵌入式处理器上实现高效实时规划，性能优于现有运动学动力学规划器。

Comments 28 pages. Code: this https URL (https://github.com/croshank/DFTSearch)

Behavior2Trip: Towards Personalized Travel Planning via User Behavior Trajectory

Behavior2Trip：基于用户行为轨迹的个性化旅行规划

Zihao Cheng, Yingyu Shan, Hongru Wang, Zeming Liu, Xinyi Wang, Xiangrong Zhu, Yuhang Guo, Wei Lin, Yunhong Wang

机构 * Meituan Inc.（美团公司） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； Beijing Institute of Technology（北京理工大学） ； University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 该研究提出行为感知旅行规划新任务，构建Behavior2Trip基准，提出B2T-Agent智能体，实验显示其在旅行规划任务上表现优于基线，凸显任务挑战性与模型泛化性。

Comments Accepted by EMNLP 2026 Findings

Thinking on Shots: Consistent Multi-Shot Video Editing with Agentic Reasoning

思考镜头：基于智能体推理的一致多镜头视频编辑

Chenyang Wu, Fuchen Long, Binyuan Huang, Xinlong Sun, Xi Chen, Chun-Le Guo, Chongyi Li

机构 * Nankai University（南开大学） ； Tencent（腾讯） 纠错

专题命中 规划决策 ：agent(summary_cn,abstract)；agentic(title,abstract)

AI总结 本文针对多指令编辑长视频的挑战，提出MMLVE任务与智能体编辑框架，构建MMLVE-Bench数据集及评估指标，所提MMLVE-Agent优于Seedance 2.0等闭源SOTA方法，可实现一致且无幻觉的长视频编辑。

Comments Project Page: this https URL (https://wucy0519.github.io/MMLVE/) and see source codes at this https URL (https://github.com/Wucy0519/MMLVE)

Don't Overthink, Don't Underthink: Toward Adaptive Reasoning in Agentic AI

不要过度思考，不要思考不足：面向智能体人工智能的自适应推理

Md Jueal Mia, M. Hadi Amini

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

AI总结 该研究针对智能体AI中推理分配不当导致的过度/思考不足问题，在MATH-500和GAIA基准上验证相关失败模式，为自适应推理机制研究提供依据。

Do User-Authored Permission Policies Improve Protection Against AI Agent Overreach?

用户自主编写的权限策略能否提升对智能体越权行为的防护？

Ting Yan

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

AI总结 研究对比HITL、AUTO、POLICY三种场景发现，用户自主编写的POLICY策略未显著提升对AI智能体越权行为的防护，因多数规则选“询问”，总干预时间未降低，且偏好与承诺存在差距。

Comments 15 pages, 5 figures

Decoupling Planning and Control for Instructable Agents

可指令智能体的规划与控制解耦

Zineng Tang, Kelsey R. Allen, Sjoerd van Steenkiste, Ishita Dasgupta, Alane Suhr

机构 * UC Berkeley（加州大学伯克利分校） ； UBC（不列颠哥伦比亚大学） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 本研究提出Instruct-to-Act系统，将VLM规划器与世界模型控制器解耦，在七个具身环境中验证其性能优于仅控制器、直接VLM动作生成等基线，可替换VLM规划器且保持快速控制。

Comments Published as a conference paper at COLM 2026. Project page: this https URL (https://zinengtang.github.io/instruct-to-act/)

INTENT-AS-A-TOOL Makes it Easy to Track Agentic Misalignment

意图作为工具：轻松追踪智能体失配问题

Yutong Zhang, Jianshuo Dong, Peng Xu, Long Wang, Jie Zhang, Tianwei Zhang, Xiaoping Zhang, Han Qiu

机构 * Tsinghua University（清华大学） ； MatrixOrigin（矩阵起源） ； SiliconProspect AI（硅景人工智能） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本研究针对智能体失配问题，提出INTENT-AS-A-TOOL方法，通过添加意图专用工具追踪智能体推理过程中的意图变化，补充CoT监控，为智能体安全追踪提供细粒度信号。

Diffusion Policies for Short-Horizon Planning in Robot Crowd Navigation

用于机器人人群导航短程规划的扩散策略

Wendong Li, Jochen Garcke

机构 * Institute for Numerical Simulation（数值模拟研究所） ； University of Bonn（波恩大学） 纠错

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

AI总结 针对机器人人群导航中现有方法难以表征多样化短期避障策略的问题，提出PDPO框架，生成短程动作块并引入边界约束，在基准测试中取得更好导航成功率。

Harness Engineering for Predictable Agentic Systems: An Empirical Study of Deterministic Execution Constraints

利用工程实现可预测的智能体系统：确定性执行约束的实证研究

Saransh Dhage

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

AI总结 本研究通过实证探究harness工程中确定性执行约束对LLM智能体的影响，发现添加结构化规划可提升可复现性与任务成功率，但延迟存在模型依赖的成本差异。

Comments 9 pages, 3 tables

Embodied Scene Rearrangement Planning

具身场景重排规划

Canzhi Chen, Zan Wang, Siqi Zhu, Qi Wu, Yixuan Li, Wei Liang

机构 * School of Computer Science and Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出具身场景重排规划（ESRP）新任务，构建含5400+场景对的ESRP-Bench基准，评估四类方法发现现有方法难高效完成，为智能体现实部署奠定基础。

Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L), 2026. Project page: this https URL (https://bit-pie.github.io/ESRP/) Code: this https URL (https://github.com/BIT-PIE/ESRP) Dataset: this https URL (https://huggingface.co/datasets/serendipity800/ESRP-PD)

CLIPPER: Replayable Shortlisted Optimization for Repeated Spatial Coverage Planning

CLIPPER：用于重复空间覆盖规划的可重放短名单优化

Julian Teusch, Jörg Philipp Müller, Monika Sester

机构 * Clausthal University of Technology（克劳斯塔尔工业大学） ； Leibniz University Hannover（莱布尼茨汉诺威大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 CLIPPER是用于重复空间覆盖规划的可重放优化方法，通过构建候选池等技术实现，在多地城市规模测试中，大幅降低了规划推出时间，覆盖度与全量贪心算法接近。

Comments Accepted at ACM SIGSPATIAL 2026. 6 pages, 2 figures, 2 tables

STEP: State-Aware Task Estimation and Planning with Multi-Modal LLMs for Human-Robot Collaboration

STEP：基于多模态大语言模型的状态感知任务估计与规划，用于人机协作

Maitrey Gramopadhye, Prakash Baskaran, Xiao Liu, Songpo Li, Soshi Iba

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Honda Research Institute（本田研究所） 纠错

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

AI总结 该研究针对多模态大语言模型用于人机协作任务规划时的状态理解缺失问题，提出STEP方法，在机器人装配模拟任务中使动作可执行性提升32.8%、最终状态误差降低14.8%。

Comments Published in IEEE International Conference on Robot and Human Interactive Communication (RO-MAN), 2026, 8 pages, 4 figuers, 5 tables

BALMS: Benchmarking Agentic LLMs for Longitudinal Mental Health Sensing

BALMS：面向纵向心理健康感知的智能体大语言模型基准测试

Yu Yvonne Wu, Arvind Pillai, Yuliang Chen, Yuwei Zhang, Sudarshan Regmi, Tess Z. Griffin, Michael V. Heinz, Lisa A. Marsch, Nicholas C. Jacobson, Andrew Campbell

机构 * Dartmouth College（达特茅斯学院） ； University of Cambridge（剑桥大学） 纠错

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

AI总结 该研究提出首个面向纵向心理健康感知的智能体大语言模型基准BALMS，经多数据集、任务与主干评估发现零样本智能体表现有限，思维链提示有提升但存不足，凸显了对特定智能体的需求。

Comments Accepted to EMNLP 2026 Main Conference

Planning a Shared Modular Fixture Layout Across Robotic Disassembly Stages

面向机器人拆卸阶段的共享模块化夹具布局规划

Haohui Pan, Takuya Kiyokawa, Kensuke Harada

机构 * The University of Osaka（大阪大学） ； The National Institute of Advanced Industrial Science and Technology (AIST)（日本国立先进工业科学技术研究所（AIST）） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 该研究针对机器人拆卸中支撑布局需适配阶段变化的问题，提出基于去噪扩散概率模型与贝叶斯优化的模块化真空夹具系统，实现螺丝刀、剃须刀拆卸的共享布局，稳定裕度达66.9%和81.6%，验证了方案的可行性与稳定性。

Comments 15 pages, 9 figures. Submitted to IEEE Transactions on Automation Science and Engineering (T-ASE)

Multi-Objective Planning for Healthcare Facility Resilience: Mitigate Now or Respond Later?

医疗设施韧性的多目标规划：当前缓解还是事后响应？

Gizem Toplu-Tutay, John J. Hasenbein, Matt Kammer-Kerwick, Erhan Kutanoglu

专题命中 规划决策 ：planning(title)

AI总结 本研究针对医疗设施洪水风险，提出双目标两阶段随机优化模型，开发Benders分解与拉格朗日对偶方法，通过得州3752家机构案例验证，可在有限额外成本下平衡经济损失与社会脆弱地区服务中断影响。

Comments Submitted manuscript with supplementary material. Data and code: this https URL (https://doi.org/10.5281/zenodo.21510695)

BekchiAI: Measuring, Observing, and Controlling LLM Agents in One Click

BekchiAI：一键式测量、观测与控制大语言模型智能体

Mesut Toruk

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

AI总结 BekchiAI是一款兼具智能体技能测量基准与实时观测控制平台的工具，含2057个测试任务的基准及配套平台，已公开发布并完成多模型对比。

Comments 8 pages, 1 Figure, 6 tables

The Artificial Experimentalist: Discovery and Control of Self-Organizing Phenomena with Autotelic Reinforcement Learning

人工实验者：利用自目的强化学习发现与控制自组织现象

Marko Cvjetko, Benedikt Hartl, Michael Levin, Clément Moulin-Frier, Pierre-Yves Oudeyer

机构 * Inria Centre at the University of Bordeaux（波尔多大学Inria中心） ； Allen Discovery Center at Tufts University（塔夫茨大学艾伦发现中心） ； Wyss Institute for Biologically Inspired Engineering at Harvard University（哈佛大学Wyss生物启发工程研究所） ； Inria（法国国家信息与自动化研究所） ； INSA Lyon（里昂国立应用科学学院） ； CITI（CITI研究所） ； UR3720（UR3720实验室） 纠错

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

AI总结 该研究提出基于自目的强化学习的闭环框架CARL，以Lenia为对象，实现了高效发现、控制自组织孤子及实时引导其穿越迷宫的能力，策略可零样本泛化至分布外条件。

Comments 8 pages, 8 figures. Accepted at ALIFE 2026. Companion website: this https URL (https://developmentalsystems.org/carl/)

When Text Misleads: Inconsistent-Aware Reasoning for Audio-Grounded Dialogue

当文本误导时：面向音频接地对话的不一致感知推理

Yen-Ju Lu, Yuzhe Wang, Yaohan Guan, Xiluo He, Jiarui Hai, Mingrui Liang, Kaavya Chaparala, Thomas Thebaud, Laureano Moro-Velazquez, Najim Dehak, Jesus Villalba

机构 * Center for Language and Speech Processing, Johns Hopkins University（约翰霍普金斯大学语言与语音处理中心） 纠错

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

AI总结 本研究针对口语对话理解中基于转录本的捷径问题，构建了含501个问题的受控基准ContraTalk，提出Audio Twin智能体式推理框架，可提升冲突问答案例的准确率并减少文本偏向陷阱选择。

Comments 24 pages, 4 figures

Performance Foundations of Parallel & Distributed Reasoning Language Models

并行与分布式推理语言模型的性能基础

Maciej Besta, Leonard Schmidt, Lara Nonino, Robert Gerstenberger, Pierre Pang, Patrik Okanovic, Ales Kubicek, Tiancheng Chen, Baraq Lipshitz, Torsten Hoefler

机构 * ETH Zurich（苏黎世联邦理工学院） 纠错

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

AI总结 该研究针对RL-for-LLM范式，分析主流后训练算法框架，构建RLM并行策略分类体系，提炼实用指南并概述开放方向，以推动开发高性能可扩展的高性价比RLM。

Knowledge Cards: Structured Knowledge for AI Systems

知识卡片：面向AI系统的结构化知识

Liliana Ferreira

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

AI总结 本文针对现有AI文档制品未覆盖输入输出间知识层的问题，提出可捕获概念相关结构化知识的Knowledge Card，已在能源等领域构建原型并发布公共草案。

Comments 11 pages