AI Agent

Action Agent: Agentic Video Generation Meets Flow-Constrained Diffusion

动作代理：代理视频生成与流约束扩散的结合

Jeffrin Sam, Nguyen Khang, Yara Mahmoud, Miguel Altamirano Cabrera, Dzmitry Tsetserukou

机构 * Intelligent Space Robotics Laboratory, Skoltech（斯克里普切尔技术大学智能空间机器人实验室） 纠错

专题命中 GUI与网页智能体 ：agent(title,summary_cn)；agentic(title,abstract)

AI总结 本文提出Action Agent框架，结合代理导航视频生成与流约束扩散控制，通过两阶段方法提升多体机器人导航性能，实现从语言和图像输入生成物理合理的第一人称导航视频，并在真实和仿真环境中取得高成功率。

Comments 8 pages, 5 figures

Wuying-Browser-Agent: Real-World Centric Fundamental Long-Horizon Browser Agents

Wuying-Browser-Agent：以真实场景为中心的基础长时程浏览器智能体

AIMAE Team, Tianxiang Chen, Yan Cheng, Zhangye Han, Xiaowei Li, Chang Liu, Cheng Liu, Zhongqiang Ma, Long Peng, Xiaobing Tu, Yinggui Wang, Hongliang Wei, Chen Wu, Daiping Xin, Kunyu Zhou, Pengyang Zhou, Peiyuan Chen, Ziyuan Chen, Yutao Deng, Chunyu Dong, Xiangyu Fu, Yicheng Feng, Ruian He, Haochen Li, Miancan Liu, Zhengqin Liu, Wei Peng, Jinkui Ren, Haoyu Tan, Dong Xiao, Rongkun Xue, Shujian Yang, Xianhang Ye, Ziqi Yuan, Ziyang Yu, Linghan Zhang, Xiantao Zhang, Xuanpu Zhao, Yinan Zhao, Zhenghui Zhao, Bin Zhu, Likai Zou

机构 * Alibaba Cloud（阿里云） ； End-User Intelligent Computing BU（终端用户智能计算业务部） ； AI Model Application & Engineering Team（AI模型应用与工程团队） 纠错

专题命中 GUI与网页智能体 ：agent(title,title_cn)；agentic(abstract)；分类 cs.AI

AI总结 本文提出Wuying-Browser-Agent统一框架，通过多层面技术对齐解决浏览器智能体实际部署问题，在多项基准取得最优成绩，且具备通用智能体迁移能力。

SpecOps: A Fully Automated AI Agent Testing Framework in Real-World GUI Environments

SpecOps：一种在真实GUI环境中完全自动化的AI代理测试框架

Syed Yusuf Ahmed, Shiwei Feng, Chanwoo Bae, Calix Barrus Xiangyu Zhang

专题命中 GUI与网页智能体 ：agent(title,abstract)；AI agent(title,abstract)；planning(abstract)；agentic(abstract)

AI总结 SpecOps是一种全新的自动化AI代理测试框架，通过专门设计的LLM代理处理四个阶段，实现对真实GUI环境中复杂代理的高效测试与验证。

Comments Accepted to ICSE 2026

Journal ref Proceedings of the IEEE/ACM International Conference on Software Engineering (ICSE 2026)

Agent-E: From Autonomous Web Navigation to Foundational Design Principles in Agentic Systems

Tamer Abuelsaad, Deepak Akkil, Prasenjit Dey, Ashish Jagmohan, Aditya Vempaty, Ravi Kokku

专题命中 GUI与网页智能体 ：agent(title,abstract)；agentic(title,abstract)；AI agent(abstract)；multi-agent(abstract)

Agentic AI for Mobile Network RAN Management and Optimization

Jorge Pellejero, Luis A. Hernández Gómez, Luis Mendo Tomás, Zoraida Frias Barroso

专题命中 GUI与网页智能体 ：agentic(title,abstract)；agent(abstract)；AI agent(abstract)；tool use(abstract)

Tool Use as Action: Towards Agentic Control in Mobile Core Networks

工具使用作为行动：迈向移动核心网络中的智能体控制

Purna Sai Garigipati, Onur Ayan, Kishor Chandra Joshi, Xueli An

专题命中 GUI与网页智能体 ：agentic(title,abstract)；tool use(title)；agent(abstract)；AI agent(abstract)

AI总结 本文提出基于智能体AI的移动核心网络工具接口设计与原型，利用MCP和A2A协议实现意图驱动任务，并分析端到端延迟。

Comments Accepted for presentation at IEEE PIMRC 2026

Qwen-UI-Agent Technical Report: Toward Next-Generation Real-World Centric Foundation GUI Agents

Qwen-UI-Agent技术报告：面向下一代以真实世界为中心的基础图形用户界面智能体

Hanzhang Zhou, Panrong Tong, Xu Zhang, Quyu Kong, Chenglin Cai, Tianyu Xia, Gongjie Zhang, Jianan Zhang, Long Li, Long Chen, Lei Wang, Gaole Dai, Pengxiang Li, Liangyu Chen, Yue Wang, Steven Hoi

机构 * Alibaba Group（阿里巴巴集团） 纠错

专题命中 GUI与网页智能体 ：agent(title,title_cn)；分类 cs.AI

AI总结 本研究推出以真实世界为中心的基础GUI智能体Qwen-UI-Agent，结合多环境与数据飞轮等机制，在移动端基准达最优，在多类任务上表现具竞争力。

Benchmarking Web Agent Safety under E-commerce Deceptive Interfaces

电子商务欺骗性界面下的Web Agent安全基准测试

Zijing Shi, Meng Fang, Ling Chen

机构 * AAII, University of Technology Sydney（悉尼科技大学AAII） ； University of Liverpool（利物浦大学） 纠错

专题命中 GUI与网页智能体 ：agent(title,title_cn)；分类 cs.CL

AI总结 提出WebDecept框架，在电子商务环境中注入七种常见欺骗性界面模式，测试多模态Web Agent的安全性，发现当前Agent极易受骗且提示约束不足。

Comments Accepted to ACL 2026

MemGUI-Agent: An End-to-End Long-Horizon Mobile GUI Agent with Proactive Context Management

MemGUI-Agent: 一种具有主动上下文管理的端到端长时移动GUI智能体

Guangyi Liu, Gao Wu, Congxiao Liu, Pengxiang Zhao, Liang Liu, Mading Li, Qi Zhang, Mengyan Wang, Liang Guo, Yong Liu

专题命中 GUI与网页智能体 ：agent(title,title_cn)

AI总结 提出MemGUI-Agent，通过主动上下文管理机制（ConAct）将上下文管理作为一等动作，解决长时任务中提示膨胀和关键信息稀释问题，在8B模型上达到最佳性能。

Comments 33 pages, 6 figures. Project page: https://memgui-agent.github.io/

FP-Agent: Fingerprinting AI Browsing Agents

FP-Agent：指纹化AI浏览代理

Ethan Wang, Zubair Shafiq, Yash Vekaria

专题命中 GUI与网页智能体 ：agent(title,title_cn)

AI总结 本文研究了AI浏览代理与人类用户之间的区分，通过行为指纹识别发现其显著差异，并展示FP-Agent在检测AI代理中的有效性。

Heterogeneous Computing: The Key to Powering the Future of AI Agent Inference

异构计算：AI代理推理未来的关键

Yiren Zhao, Junyi Liu

机构 * Imperial College London（伦敦帝国理工学院） ； Microsoft Research（微软研究院） 纠错

专题命中 GUI与网页智能体 ：agent(title,abstract)；AI agent(title,abstract)；agentic(abstract)；分类 cs.AI

AI总结 本文提出运算强度和容量足迹指标，揭示AI代理推理中内存瓶颈问题，并提出异构计算和硬件协同设计以提升大规模AI推理效率。

OWMM-Agent: Open World Mobile Manipulation With Multi-modal Agentic Data Synthesis

Junting Chen, Haotian Liang, Lingxiao Du, Weiyun Wang, Mengkang Hu, Yao Mu, Wenhai Wang, Jifeng Dai, Ping Luo, Wenqi Shao, Lin Shao

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Shanghai Jiaotong University（上海交通大学） ； Tsinghua University（清华大学） 纠错

专题命中 GUI与网页智能体 ：agent(title,abstract)；agentic(title,abstract)；function calling(abstract)；分类 cs.AI

Comments 9 pages of main content, 19 pages in total

Mobile-Agent-v2: Mobile Device Operation Assistant with Effective Navigation via Multi-Agent Collaboration

Junyang Wang, Haiyang Xu, Haitao Jia, Xi Zhang, Ming Yan, Weizhou Shen, Ji Zhang, Fei Huang, Jitao Sang

专题命中 GUI与网页智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.CL

Comments 22 pages, 11 figures, 10 Tables

Empowering smart app development with SolidGPT: an edge-cloud hybrid AI agent framework

通过SolidGPT赋能智能应用开发：一种边缘-云混合AI代理框架

Liao Hu, Qiteng Wu, Ruoyu Qi

机构 * University of Illinois, Chicago, USA（伊利诺伊大学芝加哥分校） ； North Carolina State University, North Carolina, USA（北卡罗来纳州立大学） 纠错

专题命中 GUI与网页智能体 ：agent(title,abstract)；AI agent(title,abstract)；分类 cs.AI、cs.LG、cs.SE

AI总结 SolidGPT是一种结合边缘计算与云计算的AI代理框架，通过交互式代码查询、自动化项目生成和人机协作提升开发者生产力，适用于智能移动和软件工程领域。

Journal ref Advances in Engineering Innovation 16.7 (2025): 86-92

Compiling Large Multi-Modal Requirement Documents into Runnable Software Systems: From an Agentic Test-Driven Perspective

ARC：将大型多模态需求文档编译为可运行软件系统

Weiyu Kong, Yun Lin, Xiwen Teoh, Duc-Minh Nguyen, Ruofei Ren, Jiaxin Chang, Haoxu Hu, Haoyu Chen

专题命中 GUI与网页智能体 ：agentic(title,summary_cn)；workflow(abstract)；分类 cs.SE

AI总结 提出Agentic需求编译（ARC）技术，通过双向测试驱动智能体循环，将多模态DSL文档直接编译为可运行Web系统，在GUI测试通过率上平均提升50.6%。

Comments This work is accepted at issta'26 (SIGSOFT International Symposium on Software Testing and Analysis)

AegisUI: Behavioral Anomaly Detection for Structured User Interface Protocols in AI Agent Systems

AegisUI：用于AI代理系统中结构化用户界面协议行为异常检测

Mohd Safwan Uddin, Saba Hajira

机构 * Department of Computer Science（计算机科学系） ； Department of Information Technology（信息技术系） ； Muffakham Jah College of Engineering（穆法卡姆·贾赫工程学院） 纠错

专题命中 GUI与网页智能体 ：AI agent(title,abstract)；agent(title,comments)；workflow(abstract)；分类 cs.AI

AI总结 AegisUI通过生成结构化UI载荷并检测行为异常，提升AI代理系统中用户界面的安全性。

Comments 8 pages, 7 figures, 5 tables. Behavioral anomaly detection framework for security analysis of AI agent-generated UI protocol payloads

Magentic-UI: Towards Human-in-the-loop Agentic Systems

Hussein Mozannar, Gagan Bansal, Cheng Tan, Adam Fourney, Victor Dibia, Jingya Chen, Jack Gerrits, Tyler Payne, Matheus Kunzler Maldaner, Madeleine Grunde-McLaughlin, Eric Zhu, Griffin Bassman, Jacob Alber, Peter Chang, Ricky Loynd, Friederike Niedtner, Ece Kamar, Maya Murad, Rafah Hosn, Saleema Amershi

机构 * Microsoft Research AI Frontiers（微软研究院人工智能前沿） 纠错

专题命中 GUI与网页智能体 ：agentic(title,abstract)；agent(abstract)；AI agent(abstract)；planning(abstract)

Perceive, Reflect, and Plan: Designing LLM Agent for Goal-Directed City Navigation without Instructions

Qingbin Zeng, Qinglong Yang, Shunan Dong, Heming Du, Liang Zheng, Fengli Xu, Yong Li

专题命中 GUI与网页智能体 ：agent(title,abstract)；AI agent(abstract)；planning(abstract)；workflow(abstract)

Interaction-Aware Multi-Agent Reinforcement Learning for Mobile Agents with Individual Goals

Anahita Mohseni-Kabir, David Isele, Kikuo Fujimura

专题命中 GUI与网页智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.LG

Journal ref ICRA 2019

An Industrial Perspective on Multi-Agent Decision Making for Interoperable Robot Navigation following the VDA5050 Standard

Niels van Duijkeren, Luigi Palmieri, Ralph Lange, Alexander Kleiner

专题命中 GUI与网页智能体 ：agent(title,abstract)；multi-agent(title,abstract)

Comments 6 pages, 2 figures, presented in the Decision Making in Multi-Agent Systems Workshop at IROS2022

Towards an Agent-First Web: Redesigning the Web for AI Agents

迈向智能体优先的Web：为AI智能体重新设计Web

Eranga Bandara, Ross Gore, Ravi Mukkamala, Asanga Gunaratna, Safdar H. Bouk, Xueping Liang, Peter Foytik, Abdul Rahman, Sachini Rajapakse, Isurunima Kularathna, Pramoda Karunarathna, Chalani Rajapakse, Ng Wee Keong, Kasun De Zoysa, Tharaka Hewa, Amin Hass, Wathsala Herath, Aruna Withanage, Nilaan Loganathan, Atmaram Yarlagadda, Sachin Shetty

机构 * Old Dominion University（老 Dominion 大学） ； AI Motion Labs（AI Motion 实验室） ； Florida International University（佛罗里达国际大学） ； Accenture Technology Labs（Accenture 技术实验室） ； Nanyang Technological University（南洋理工大学） ； University of Colombo（科伦坡大学） ； Center for Wireless Communications, University of Oulu（无线通信中心，奥卢大学） ； McDonald Army Health Center（麦克唐纳陆军健康中心） 纠错

专题命中 GUI与网页智能体 ：agent(title,abstract)；AI agent(title,abstract)；分类 cs.AI

AI总结 本文提出三层重新设计原则，包括访问层（代理继承人类权限）、经济层（基于意图的代币订阅模型）和内容层（ATML标记语言与加密溯源链），以解决AI智能体作为中间人时Web的访问、经济与内容问题。

Executable Agentic Memory for GUI Agent

可执行代理记忆用于GUI代理

Zerui Qin, Sheng Yue, Xingyuan Hua, Yongjian Fu, Ju Ren

机构 * Tsinghua University, China（清华大学, 中国） ； Sun Yat-sen University, China（中山大学, 中国） 纠错

专题命中 GUI与网页智能体 ：agentic(title,abstract)；agent(title)；planning(abstract)；分类 cs.AI

AI总结 本文提出EAM，一种结构化知识图谱，通过检索与执行过程提升GUI规划的鲁棒性，实验显示其在AndroidWorld上优于现有基线模型，并显著降低token成本。

M$^2$-Miner: Multi-Agent Enhanced MCTS for Mobile GUI Agent Data Mining

M$^2$-Miner: 多智能体增强的MCTS用于移动GUI智能体数据挖掘

Rui Lv, Juncheng Mo, Tianyi Chu, Chen Rao, Hongyi Jing, Jiajie Teng, Jiafu Chen, Shiqi Zhang, Liangzi Ding, Shuo Fang, Huaizhong Lin, Ziqiang Dang, Chenguang Ma, Lei Zhao

机构 * Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学） 纠错

专题命中 GUI与网页智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 M$^2$-Miner通过多智能体增强MCTS方法，实现了低成本、高效率的移动GUI智能体数据挖掘，提升了数据质量和挖掘效果。

Comments Accepted by ICLR 2026. Supplementary material is included at the end of the main paper (16 pages, 15 figures, 2 tables)

Robust, Observable, and Evolvable Agentic Systems Engineering: A Principled Framework Validated via the Fairy GUI Agent

鲁棒、可观测和可进化的代理系统工程：一种经过Fairy GUI代理验证的原则性框架

Jiazheng Sun, Ruimeng Yang, Xu Han, Jiayang Niu, Mingxuan Li, Te Yang, Yongyong Lu, Xin Peng

机构 * Fudan University（复旦大学） 纠错

专题命中 GUI与网页智能体 ：agent(title,abstract)；agentic(title,abstract)；分类 cs.AI

AI总结 本文提出了一种原则性框架，通过Fairy GUI代理验证，解决了代理系统在鲁棒性、可观测性和可进化性方面的不足，提供了可维护和可扩展的代理AI系统设计方法。

Comments 50 pages, 14 figures

MIDAS: Multi-agent Interaction-aware Decision-making with Adaptive Strategies for Urban Autonomous Navigation

Xiaoyi Chen, Pratik Chaudhari

专题命中 GUI与网页智能体 ：agent(title,abstract)；multi-agent(title)；planning(abstract)；分类 cs.LG

Comments Code available at https://github.com/sherrychen1120/MIDAS. To be presented at IEEE International Conference on Robotics and Automation (ICRA), 2021

PersonalAlign: Hierarchical Implicit Intent Alignment for Personalized GUI Agent with Long-Term User-Centric Records

PersonalAlign：面向个性化GUI代理的分层隐式意图对齐

Yibo Lyu, Gongwei Chen, Rui Shao, Weili Guan, Liqiang Nie

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

专题命中 GUI与网页智能体 ：agent(title,summary_cn)；分类 cs.AI、cs.LG

AI总结 本文提出PersonalAlign，通过长期用户记录实现个性化GUI代理的隐式意图对齐，引入AndroidIntent基准测试，评估代理在模糊指令解析和主动建议中的表现，HIM-Agent在执行和主动性能上提升显著。

Comments Accepted to ACL26 Main

Human-Inspired Pavlovian and Instrumental Learning for Autonomous Agent Navigation

受人类启发的经典条件反射与工具性学习用于自主体导航

Jingfeng Shan, Francesco Guidi, Mehrdad Saeidi, Enrico Testi, Elia Favarelli, Andrea Giorgetti, Davide Dardari, Alberto Zanella, Giorgio Li Pira, Francesca Starita, Anna Guerra

专题命中 GUI与网页智能体 ：autonomous agent(title,abstract)；agent(title)；planning(abstract)

AI总结 本文提出一种融合经典条件反射、工具性MF和工具性MB组件的混合强化学习架构，通过地理参考环境特征塑造内在价值信号，提升自主体在不确定环境中的导航安全性和效率。

Diffusion-based Dynamic Contract for Federated AI Agent Construction in Mobile Metaverses

基于扩散的动态合同用于移动元宇宙中联邦AI代理的构建

Jinbo Wen, Jiawen Kang, Yang Zhang, Yue Zhong, Dusit Niyato, Jie Xu, Jianhang Tang, Chau Yuen

专题命中 GUI与网页智能体 ：agent(title,abstract)；AI agent(title,abstract)

AI总结 本文提出基于扩散模型的EDMSAC算法，通过动态合同机制优化边缘-云协作下的AI代理构建，提升移动元宇宙中服务的低延迟与安全性。

Decentralized Unlabeled Multi-Agent Navigation in Continuous Space

Stepan Dergachev, Konstantin Yakovlev

专题命中 GUI与网页智能体 ：agent(title,abstract)；multi-agent(title)；planning(abstract)

Comments This is a pre-print of the paper accepted to ICR 2024. It contains 16 pages, 5 figures, 1 table

Journal ref In: International conference on interactive collaborative robotics. pp. 186-200. Springer (2024)

Dense Multi-Agent Navigation Using Voronoi Cells and Congestion Metric-based Replanning

Senthil Hariharan Arul, Dinesh Manocha

专题命中 GUI与网页智能体 ：agent(title,abstract)；multi-agent(title)；planning(abstract)