AI Agent

Safety Testing LLM Agents at Scale: From Risk Discovery to Evidence-Grounded Verification

大规模安全测试LLM智能体：从风险发现到基于证据的验证

Yunhao Feng, Ruixiao Lin, Ming Wen, Qinqin He, Yanming Guo, Yifan Ding, Yutao Wu, Jialuo Chen, Zhuoer Xu, Xiaohu Du, Jianan Ma, Zixing Chen, Xingjun Ma, Yunhao Chen, Xinhao Deng

机构 * AntGroup（蚂蚁集团） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Alibaba Group（阿里巴巴集团） ； Hunan Institute of Advanced Technology（湖南先进技术研究院） ； Deakin University（迪肯大学） 纠错

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

AI总结 提出Vera框架，通过文献驱动的风险发现、组合生成可执行安全用例和自适应执行与证据验证三阶段流水线，实现端到端自动化安全测试，在四个生产级智能体框架上发现严重漏洞，平均攻击成功率93.9%。

AutoRestTest at the SBFT 2026 Tool Competition

AutoRestTest 在 SBFT 2026 工具竞赛中

Tyler Stennett, Myeongsoo Kim, Saurabh Sinha, Alessandro Orso

专题命中 工具调用 ：agent(abstract)；multi-agent(abstract)；分类 cs.SE

AI总结 提出结合语义属性依赖图、多智能体强化学习和大型语言模型的AutoRestTest方法，在SBFT 2026 REST联赛中11个API上三项评估均获第一。

Comments 2 pages, 1 figure. Published in the 19th Search-Based and Fuzz Testing Workshop (SBFT '26), co-located with ICSE 2026

Journal ref Proceedings of the 19th Search-Based and Fuzz Testing Workshop (SBFT '26), April 12-18, 2026, Rio de Janeiro, Brazil. ACM, New York, NY, USA, 2026

ToolPrivacyBench: Benchmarking Purpose-Bound Privacy in Tool-Using LLM Agents

ToolPrivacyBench: 对使用工具的LLM代理进行目的绑定隐私基准测试

Shijing Hu, Liang Liu, Zhu Meng, Zhicheng Zhao

机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing（北京未来区块链与隐私计算先进创新中心） 纠错

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

AI总结 针对现有评估忽略多工具轨迹中目的绑定信息流的问题，提出ToolPrivacyBench基准，通过策略知识库审计工具参数和后端日志，评估任务完成与隐私过度披露，发现成功执行任务可能伴随不必要的隐私泄露。

Comments 24 pages, 7 figures, 15 tables

ProMSA:Progressive Multimodal Search Agents for Knowledge-Based Visual Question Answering

ProMSA: 渐进式多模态搜索智能体用于基于知识的视觉问答

ZhengXian Wu, Hangrui Xu, Kai Shi, Zhuohong Chen, Yunyao Yu, Chuanrui Zhang, Zirui Liao, Jun Yang, Zhenyu Yang, Haonan Lu, Haoqian Wang

机构 * OPPO AI Center, OPPO Inc. China（OPPO AI中心，OPPO公司） ； The Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） 纠错

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

AI总结 提出渐进式多模态搜索智能体ProMSA，通过迭代选择图像搜索、文本搜索或停止，在显式工具调用预算和去重机制下，结合序列级强化学习优化，提升基于知识的视觉问答的检索和端到端准确性。

Closing the Loop to Discover Psychological Theories with an Automated Cognitive Scientist

闭环发现心理学理论：自动化认知科学家

Akshay K. Jagadish, Younes Strittmatter, Nori Jacoby, George Kachergis, Eric Schulz, Nathaniel Daw, Suyog H. Chandramouli, Thomas L. Griffiths

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

AI总结 提出AutoCog系统，利用大语言模型代理自动生成、测试和优化认知理论，在决策领域发现并验证了新理论。

Comments 44 pages, 9 figures

How Do Tool-Augmented LLM Agents Perform on Real-World Energy Analytics Tasks?

工具增强的LLM智能体在真实世界能源分析任务中的表现如何？

David Akinpelu, Akintonde Abbas, Rereloluwa Alimi, Ayodeji Lana

机构 * Independent Researcher（独立研究员） ； Tume AI 纠错

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

AI总结 针对能源领域缺乏智能体评估基准的问题，构建了包含243个专家策划问题的测试环境，评估工具增强的LLM智能体在数据检索、知识解释和定量建模三类任务上的表现。

GIF: Locally Sound Geometric Information Flow Control for LLMs

GIF: 局部几何信息流控制用于大语言模型

Adam Storek, Nikolaus Holzer, Zhuo Zhang, Suman Jana

机构 * Columbia University（哥伦比亚大学） 纠错

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

AI总结 提出GIF框架，利用LLM雅可比矩阵和局部输出几何上界香农互信息，实现可扩展的信息流追踪，在提示注入和隐私泄露任务中达到近完美召回，且计算成本低。

PulseCX: Breaking the Closed-World Assumption in Real-Time CX

PulseCX：打破实时客户体验中的封闭世界假设

Rajat Agarwal, Suvidha Tripathi, Shubham Sharma

机构 * Sprinklr AI, Gurugram, India（Sprinklr AI，古尔冈，印度） 纠错

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

AI总结 提出PulseCX框架，通过解耦知识获取与消费，采用异步代理和衰减感知时序知识图谱（DA-TKG）管理信息生命周期，结合分层意图门控消除同步搜索瓶颈，在动态环境中提升意图解析率和客户满意度。

AI-Driven Framework for Adaptive Water Network Management with Proof-of-Concept Implementation: Addressing Non-Revenue Water in Jordan

基于AI的自适应水网管理框架及概念验证实施：解决约旦无收益水问题

Mohammed Fasha, Nahel Al-Maayta, Bilal Sowan, Mohammad Athamneh, Husam Barham

机构 * Jordan（约旦） 纠错

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

AI总结 提出集成EPANET水力建模、数字孪生、SCADA和LLM智能体的框架，通过实时数据与物理模拟结合实现异常检测与自适应决策，概念验证在约旦1164节点管网中实现2分钟内自动生成健康报告，爆管检测定位准确。

Journal ref 2026 2nd International Conference on Computational Intelligence Approaches and Applications (ICCIAA)

Specifications for Humans, Agents, and Tooling

面向人类、智能体和工具化的规范

Mark Marron

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

AI总结 提出 Bosque API (BAPI) 生态系统，通过高表达力的规范语言支持全生命周期开发，解决智能体 AI 系统的安全与编码挑战。

CacheRL:Multi-Turn Tool-Calling Agents via Cached Rollouts and Hybrid Reward

CacheRL: 通过缓存轨迹和混合奖励实现多轮工具调用智能体

Md Amirul Islam, Sumiran Thakur, Huancheng Chen, Su Min Park, Jiayun Wang, Gyuhak Kim

机构 * Center for Advanced AI Accenture（埃森哲高级人工智能中心） 纠错

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

AI总结 提出CacheRL系统，通过混合思维轨迹流水线、三级模糊缓存和缓存层级感知奖励，以100倍更少计算量实现92%的多步工具调用准确率，接近GPT-5的94%。

Can I Buy Your KV Cache?

我能买你的KV缓存吗？

Luoyuan Zhang

机构 * Harbin Institute of Technology, Shenzhen (HITSZ)（哈尔滨工业大学（深圳）） 纠错

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

AI总结 针对AI代理重复计算相同文档KV缓存的问题，提出由发布者预计算KV缓存，其他代理付费加载以跳过预填充，实验表明在Qwen3-4B上计算成本降低9-50倍，并设计了代理原生预填充CDN架构。

PI-Hunter: Automated Red-Teaming for Exposing and Localizing Prompt Injections

PI-Hunter：用于暴露和定位提示注入的自动化红队测试

Pengfei He, Lesly Miculicich, Vishesh Sharma, Ash Fox, George Lee, Jiliang Tang, Tomas Pfister, Long T. Le

机构 * Google Cloud AI Research（谷歌云人工智能研究） ； Google（谷歌） ； Michigan State University（密歇根州立大学） 纠错

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

AI总结 提出PI-Hunter自动化审计框架，通过构建源感知测试用例并迭代演化，主动暴露LLM智能体中的潜在提示注入漏洞，显著提升漏洞暴露和攻击面覆盖。

When More Documents Hurt RAG: Mitigating Vector Search Dilution with Domain-Scoped, Model-Agnostic Retrieval

当更多文档损害RAG：利用领域限定、模型无关的检索缓解向量搜索稀释

Nabaraj Subedi, Ahmed Abdelaty, Shivanand Venkanna Sheshappanavar

机构 * Dept. of Electrical Engineering & Computer Science, University of Wyoming（怀俄明大学电气工程与计算机科学系） ； Dept. of Civil, Architectural Engineering & Construction Management, University of Wyoming（怀俄明大学土木、建筑工程与施工管理系） 纠错

专题命中 工具调用 ：agent(abstract)；multi-agent(abstract)；分类 cs.CL

AI总结 针对检索增强生成在异构文档集合中因向量搜索稀释导致性能下降的问题，提出基于组织元数据的领域限定方法MASDR-RAG，显著提升P@10至0.86，并揭示多智能体编排的精度-忠实度悖论。

Comments 24 pages, 8 figures, 30 tables. Preprint under review

MIRAGE: A Polarity-Flipping Encoding Subspace in LLM Agents

MIRAGE: LLM智能体中的极性翻转编码子空间

Pratibha Revankar, Kargi Chauhan, Jihye Kim, Sadiba Nusrat Nur, Vincent Siu, Chenguang Wang

机构 * University of California, Santa Cruz（加州大学圣克ruz分校） 纠错

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

AI总结 发现LLM智能体在隐蔽编码敏感数据时，残差流中存在共享的低维编码子空间，通过逻辑回归探针可高精度检测，并构建MIRAGE实时监控器，在126个场景中AUC达0.918，远超仅输出检测。

Brain-Prompt Injection: A Route-Safety Audit for BCI-LLM Agents

脑提示注入：BCI-LLM代理的路径安全审计

Jianwei Tai

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出路径安全审计契约，通过分离定理和共形校准量化BCI-LLM代理中脑信号注入攻击的风险，实验证明确认通道可降低路由风险。

VisualLeakBench: Reproducible Action-Boundary Propagation Failures in Vision-Language Agents

VisualLeakBench: 视觉语言智能体中可复现的动作边界传播失败

Youting Wang, Yuan Tang, Yitian Qian, Chen Zhao

机构 * Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 提出VisualLeakBench基准，评估视觉语言智能体在截图、文档等场景下将敏感文本从图像复制到工具参数中的动作边界传播失败，发现PII传播率达78.8%，不安全文本传播率达85.5%。

Bidirectional Semantic Complementary Tool Retrieval for Remote Sensing Agents

面向遥感智能体的双向语义互补工具检索

Zeyuan Wang, Dongyang Hou, Cheng Yang, Xuezhi Cui, Linrui Xu, Bo Yu, Gaozhi Zhou, Ziyu Li, Liangtian Liu, Kai Ouyang, Wang Guo, Lili Zhu, Chao Tao

机构 * School of Geosciences and Info-Physics, Central South University（地质科学与信息物理学院，中南大学） ； School of Mechanical and Electrical Engineering, Central South University（机械与电子工程学院，中南大学） ； Hunan Key Laboratory of Land Resources Evaluation and Utilization, Hunan Provincial Institute of Land and Resources Planning（湖南省国土资源评价与利用重点实验室，湖南省国土资源规划院） 纠错

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

AI总结 针对遥感智能体工具检索中查询与文档语义不对称问题，提出双向语义互补方法：通过规划增强查询机制补充功能语义，利用动态工具依赖图注入上下文语义，显著提升复杂遥感任务工具检索精度。

EcoAgent-Bench: Evaluating Economic Decision-Making in Budget-Constrained LLM Agents

EcoAgent-Bench：评估预算约束下大语言模型智能体的经济决策能力

Jie Wu, Ming Gong, Feixiang Cheng, Qinqin Zhao

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

AI总结 本文提出EcoAgent-Bench基准，评估大语言模型智能体在预算约束下的经济决策能力，发现现有智能体在该任务上表现不佳，发布了相关研究资源。

Comments 8 pages, 3 figures, 4 tables. Benchmark, dataset (304 budget-conditioned agent tasks), and evaluation harness; artifacts to be released

PATE-Forensics: Perception-as-Tool for Explainable Deepfake Forensics with General-Purpose MLLMs

PATE-Forensics：以通用多模态大语言模型（MLLM）为工具的可解释深度伪造取证方法

Yaqi Li, Jielun Peng, Yabin Wang, Jincheng Liu, Xiaopeng Hong

机构 * Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 本研究提出PATE-Forensics，采用“感知即工具”范式，基于DINOv3构建取证感知工具，结合通用MLLM实现可解释深度伪造取证，在DDL-X Track 3数据集上取得0.89的最佳官方分数，较次席高出0.19分。

Comments 9 pages, 3 figures, 2 tables; DDL-X Track 3, IJCAI 2026 AI Safety Workshop

DART-SD: Diamond-topology Aware Retrieval and Tuning for Self-Distillation of Multi-Turn Tool-Calling Agents

DART-SD：面向多轮工具调用智能体自蒸馏的钻石拓扑感知检索与微调

Hangrui Xu, Jiarui Wang, Yang Yang, Chuanbo Zhu, Fangda Chen, Ziqi Wu, Jingming Cai, Yan Song

机构 * ByteDance（字节跳动） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文针对多轮工具调用智能体训练中的拓扑崩溃问题，提出DART-SD框架，通过建模拓扑、检索恢复参考与渐进自蒸馏提升策略多样性，性能优于传统全轨迹基线。

MultiStructRNA: a Python package for multi-algorithm RNA secondary structure prediction, ensemble analysis, and visualization

MultiStructRNA：用于多算法RNA二级结构预测、集成分析与可视化的Python包

Yashrajsinh Jadeja, Haining Lin, Mihir Metkar

专题命中 工具调用 ：agent(abstract)；workflow(abstract)

AI总结 MultiStructRNA是一款统一Python工具包，整合多种RNA二级结构预测算法，解决工具碎片化等问题，支持集成分析与可视化，简化RNA结构分析，助力相关工作流程应用。

The Ĝ Infrared Search for Extraterrestrial Civilizations with Large Energy Supplies. V. When Galaxies Glow with Industry

Ĝ红外搜寻拥有大型能源供应的地外文明。V. 当星系因工业而发光时

Olivia Curtis, Aidan J. Rowland, Jason T. Wright, Caryl Gronwall, Jakob M. Helton, Joel Leja

专题命中 工具调用 ：agent(abstract,abstract_cn)

AI总结 本研究基于恒星族群合成，对129个近邻星系开展戴森球相关技术废热搜寻，未检测到戴森球成分，设定了上限并给出群体约束，还开发了未来技术信号搜寻的框架，指出宁静星系外围是最佳搜寻区域。

Comments 34 pages, 16 figures, 4 tables, submitted to ApJ

Beyond Single-Turn Confidence: Trajectory-Adapted Uncertainty Quantification for LLM Agents

超越单轮置信度：面向大语言模型智能体的轨迹适配不确定性量化

Dylan Bouchard, Mohit Singh Chauhan

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

AI总结 本研究探讨单轮UQ方法能否迁移至LLM智能体的交互式轨迹场景，评估三类UQ方法在多轮工具使用数据集上的表现，发现黑盒自一致性通常最优，提示需在轨迹层面重新验证单轮UQ方法。

FaLCon: Facet-Anchored Retrieval with Late Consensus for Sim2Real Text-Based Person Anomaly Search

FaLCon：用于Sim2Real基于文本的行人异常搜索的基于面锚定的后期共识检索

Hieu Dinh Trung Pham, Phuong Huu Vu Tran, Thuan Duc Mai, Son Nguyen Minh Le, Khang Le Minh, Hoang Vo, Minh-Chi Phung, Huy Minh Nhat Nguyen, Cuong Tuan Nguyen

机构 * Vietnamese-German University（越南-德国大学） ； Ho Chi Minh City University of Technology（胡志明市技术大学） ； University of Information Technology（信息技术大学） ； Ho Chi Minh city University of Science（胡志明市科学大学） 纠错

专题命中 工具调用 ：agent(abstract)；multi-agent(abstract)

AI总结 该研究针对Sim2Real基于文本的行人异常搜索的挑战，提出FaLCon框架，结合全局匹配与细粒度验证，在PAB基准上取得优异性能，代码将开源。

Comments accepted to the ECCV 2026 AI City Challenge Workshop

MemeMind: Reference-Guided Trace Construction for Offline Context Optimization

MemeMind：用于离线上下文优化的参考引导轨迹构建

Run Yang, Weihang Wang, Boheng Sheng, Yuchen He, Jielei Zhang, Pengyu Chen, Zhiyu Wu, Qiang Sun, Huyang Sun, Longwen Gao

机构 * Bilibili（哔哩哔哩） ； Fudan University（复旦大学） 纠错

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

AI总结 MemeMind针对离线上下文优化中失败rollout缺失成功示例的问题，通过参考引导构建工具轨迹，在梗解读任务上提升了Qwen3-VL模型的性能。

Comments 24 pages, 16 figures, 8 tables

AskChem: Claim-Centered Infrastructure for Chemistry Literature Synthesis

AskChem：面向化学文献综合的以主张为中心的基础设施

Bing Yan, Gregory Wolfe, Stefano Martiniani, Kyunghyun Cho

机构 * New York University（纽约大学） ； Matterstack, Inc.（Matterstack公司） 纠错

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

AI总结 AskChem是一种以主张为中心的跨论文化学搜索基础设施，将检索单元改为带来源的主张，提供多种检索结构与访问接口，在基准测试中提升了DOI可解析率，为化学文献综合提供了支持。

Baikal: Structured Search for Deep Research over Data Lakes

Baikal：面向数据湖深度研究的结构化搜索框架

Dhruv Agarwal, Rishitha Guttapalle Mohan, Aarti Kumari, Ashi Sinha, Athulya Anil, Kavitha Srinivas, Horst Samulowitz, Andrew McCallum

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

AI总结 Baikal是面向数据湖深度研究的结构化搜索框架，通过聚类证据为语义区域并自适应搜索，在HybridQA和TAT-QA数据湖上较基线方法提升报告得分28%和36%，展现了结构化语义探索的价值。

Robust Interpretation of Historical Documents in Knowledge Graphs Through Query Inference and Execution

通过查询推理和执行对知识图谱中的历史文档进行鲁棒解释

Sebastià Nicolau, Adrià Molina, Oriol Ramos Terrades, Josep Lladós

专题命中 工具调用 ：agent(abstract)；agentic(abstract)

AI总结 研究如何在利用大语言模型泛化能力时保证可靠性，提出智能检索系统，比较传统RAG与智能GraphRAG架构，引入半符号框架，通过单词识别与代码生成协作构建鲁棒检索查询，提升历史文档分析准确性与可验证性。

Comments Accepted at ICDAR2026

The Evolution of Digital Search: From Blue Links to Delegated Decision-Making

数字搜索的演变：从蓝色链接到委托决策

David M. Rothschild, Nicole Immorlica, Brendan Lucier, Markus Mobius, Aleksandrs Slivkins

专题命中 工具调用 ：agent(abstract)；agentic(abstract)

AI总结 研究数字搜索从传统模式到人工智能原生模式的转变，指出小设计选择影响重大，未来搜索发展不由算法和界面改进决定，而是取决于开放透明有竞争力的代理系统设计，揭示多领域交叉的重大挑战。

Comments 4 pages, 0 figures