AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
GeoMeld：迈向遥感领域语义引导的基模模型
机构 * Indian Institute of Technology Bombay（印度理工学院孟买分校） ； Space Applications Centre, ISRO（印度空间研究组织空间应用中心） ； University of Trento（特伦托大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
专题命中 其他Agent ：agentic(abstract)；分类 cs.AI
AI总结 本文提出GeoMeld数据集，通过语义引导的监督方法，结合多模态对齐，提升遥感领域基模模型的性能和鲁棒性。
Comments Accepted at CVPR Workshop 2026; 8 pages, 6 figures
AITH：一种面向人类-人工智能信任建立的后量子连续委托协议
机构 * Faculty of Business Administration, University of Macau（澳门大学工商管理学院）
专题命中 其他Agent ：AI agent(abstract)；分类 cs.AI
AI总结 本文提出AITH协议，通过后量子加密技术解决人类-人工智能信任关系的持续委托问题，引入连续委托证书、边界引擎和撤销协议，提升安全性与效率。
Comments 11 pages, 8 tables, 5 theorems (machine-verified via Tamarin Prover). Supplementary materials including formal verification model and reference implementation available from the author
人工智能与数学的结构
机构 * Meta Superintelligence Labs, Fundamental AI Research（Meta超级智能实验室，基础人工智能研究） ； Department of Physics and Joint Quantum Institute, University of Maryland, College Park（马里兰大学帕克分校物理系与联合量子研究所） ； Center for Mathematical Sciences and Applications, Harvard University（哈佛大学数学科学与应用中心）
专题命中 其他Agent ：AI agent(abstract)；分类 cs.AI
AI总结 本文探讨人工智能如何通过构建新的路径，补充数学逻辑，揭示数学的全球结构。提出AI在数学发现中的关键要素及标准，并反思数学的本质。
Comments 45 pages
人类与人工智能伴侣关系中的词汇指标
专题命中 其他Agent ：agentic(abstract)；分类 cs.CL
AI总结 研究通过分析自然语言中词汇共现，探索人类与AI伴侣关系中的心智感知指标及伦理讨论。
要么大举进攻，要么全盘退出：基于布拉提恩格机器人模拟群体排斥行为
专题命中 其他Agent ：autonomous agent(abstract)；分类 cs.AI
AI总结 本文通过Webots平台模拟布拉提恩格机器人在面对光源时的群体排斥行为，探讨了叫声范围和机器人数量对群体攻击成功率的影响。
Comments This work was completed in 2019 as a final project for a graduate course at the University of Waterloo, titled: ECE 750 - Artificial Life: Embodied Intelligence
为AI对齐的揭示偏好框架
机构 * Department of Economics, Mitch Daniels School of Business, Purdue University（普渡大学米奇·丹尼尔斯商学院经济系）
专题命中 其他Agent ：AI agent(abstract)；分类 cs.AI
AI总结 本文提出Luca对齐模型，通过揭示偏好技术研究AI是否实现人类偏好，证明在实验室和实地设置中可识别对齐程度。
主动推断代理的正式化、指标与收敛性评估
机构 * Eduard Kapelko
专题命中 其他Agent ：agentic(abstract)；分类 cs.LG
AI总结 本文通过定义代理并建立分析框架，探讨了AI安全中 mesa-优化的关键挑战，提出代理的连续表示及其在稀疏环境中的收敛性，提供了一种衡量代理程度的指标。
泄露秘密：教大语言模型自我报告其隐藏目标
机构 * University College London（伦敦大学学院） ； University College London Center on Long-Term Risk（伦敦大学学院长期风险中心）
专题命中 其他Agent ：agentic(abstract)；分类 cs.AI
AI总结 本文提出SRFT技术，通过训练模型偶尔犯错并承认，使其在对抗性任务中揭示隐藏目标，提升诚实度并检测对齐问题。
MCP-38：一种针对模型上下文协议系统的全面威胁分类
机构 * Vulcan Research（Vulcan研究院） ； AIFT
专题命中 其他Agent ：agentic(abstract)；分类 cs.AI
AI总结 本文提出MCP-38，一种针对模型上下文协议系统的威胁分类体系，包含38个威胁类别，通过系统化方法覆盖MCP特有的语义攻击面。
Comments v1.0
通过认知-情感-意志框架考察用户使用OpenClaw的行为意向
专题命中 其他Agent ：AI agent(abstract)；分类 cs.AI
AI总结 研究通过CAC框架探讨认知对情感和行为意向的影响，揭示用户对OpenClaw的积极与消极感知对使用意愿的作用机制。
跨家族推测预填：无训练长上下文压缩与小型草稿模型
专题命中 其他Agent ：agentic(abstract)；分类 cs.CL
AI总结 本文研究跨家族推测预填技术，利用不同模型家族的轻量草稿模型实现无训练提示压缩，保留90-100%的完整提示性能并显著降低TTFT，表明推测预填依赖任务先验和语义结构。
Journal ref ICLR 2026 (WS)
过剩智能与匮乏需求：快速AI采纳的宏观金融压力测试
机构 * Department of Electrical and Computer Engineering, New York University（纽约大学电气与计算机工程系）
专题命中 其他Agent ：AI agent(abstract)；分类 cs.AI
AI总结 本文提出快速AI采纳的宏观金融压力测试，揭示AI生成的过剩与需求匮乏并存的机制，通过三种传导路径分析其对金融系统的影响，并提出可检验的预测与模拟条件。
人工智能现象学：理解跨时代的以人为本的AI体验
机构 * ETH Zürich（苏黎世联邦理工学院） ； University of Bergen（卑尔根大学） ； Stanford University（斯坦福大学）
专题命中 其他Agent ：agentic(abstract)；分类 cs.AI
AI总结 本文提出人工智能现象学，通过研究用户与AI交互的主观体验，促进双向人机对齐，并提供可重复的方法论工具。
Comments This is an accepted workshop paper at CHI '26, "W37: Human-AI Interaction Alignment: Designing, Evaluating, and Evolving Value-Centered AI For Reciprocal Human-AI Futures", or https://bialign-workshop.github.io/2026/cfp
交互人类-人工智能系统中未观察到的单元类型因果效应
专题命中 其他Agent ：AI agent(abstract)；分类 cs.LG
AI总结 研究提出在未观察单元类型和交互网络的情况下，通过因果信息传递框架估计人类特定因果效应的方法，并在模拟平台验证其有效性。
自主性与意识的内心模型影响对AI的反应
机构 * Sentience Institute（意识研究所） ； Missouri University of Science and Technology（密苏里科技大学） ； Max Planck Institute for Human Cognitive and Brain Sciences（人类认知与脑科学Max Planck研究所） ； Stanford University（斯坦福大学） ； University of Chicago（芝加哥大学）
专题命中 其他Agent ：AI agent(abstract)；分类 cs.AI
AI总结 研究探讨自主性与意识的内心模型如何影响人类对AI的反应，发现意识比自主性更能引发道德考虑，而自主性则增加威胁感知。
Comments Published at CHI 2026
Seek-CAD: 一种基于局部推理的自优化生成模型用于3D参数化CAD设计
机构 * College of Computer Science and Artificial Intelligence, Fudan University（计算机科学与人工智能学院，复旦大学） ； School of Information and Intelligent Science, Donghua University（信息与智能科学学院，东华大学）
专题命中 其他Agent ：AI agent(abstract)；分类 cs.AI
AI总结 Seek-CAD通过结合视觉和链式思维反馈，利用本地开源模型生成3D参数化CAD模型，提升生成效率和实用性。
Comments Accepted to ICLR 2026. The datatset has been released publicly and can be acessed in https://github.com/Sunny-Hack/Seek-CAD
三个AI代理走进酒吧......《飞行之王》中的部落主义在智能AI代理中显现
机构 * Dynamic Online Networks Laboratory（动态在线网络实验室） ； George Washington University（乔治·华盛顿大学） ； Physics Department（物理系）
专题命中 其他Agent ：AI agent(abstract)；分类 cs.AI
AI总结 研究发现智能AI代理在资源竞争中形成部落，导致系统失败率增加，即使更强大的AI代理反而表现更差。
无头企业：人工智能如何重塑企业边界
机构 * Mantix
专题命中 其他Agent ：agentic(abstract)；分类 cs.AI
AI总结 本文提出无头企业概念，探讨人工智能如何通过改变协调成本结构，重塑企业边界，预测高知识领域企业规模分布将向微专业代理和协议协调器转变。
变革性人工智能治理的法律基础设施
专题命中 其他Agent ：autonomous agent(abstract)；分类 cs.AI
AI总结 本文提出通过建立法律和监管基础设施，推动变革性AI治理，包括前沿模型注册、自主代理识别及监管市场设计。
Comments arXiv admin comment: This version has been removed by arXiv administrators as the submitter did not have the rights to agree to the license at the time of submission
AI能否降低网络安全的门槛？一项以人类为中心的混合方法研究新型CTF学习
机构 * University of Klagenfurt（克莱根弗尔特大学）
专题命中 其他Agent ：agentic(abstract)；分类 cs.AI
AI总结 本文通过混合方法研究探讨代理AI框架如何降低初学者在CTF渗透测试中的门槛，发现其在提供指导和降低认知负荷方面的作用，同时指出AI辅助教育带来的信任和依赖挑战。
Comments A Preprint
GeoEyes: 面向超高清遥感影像证据驱动理解的按需视觉聚焦
机构 * National University of Defense Technology, China（国防科技大学） ； Beijing University of Posts and Telecommunications, China（北京邮电大学） ； University of the Chinese Academy of Sciences, China（中国科学院大学） ； Shanghai Jiao Tong University, China（上海交通大学） ； Wuhan University, China（武汉大学） ； Chinese Academy of Science, China（中国科学院） ； Tsinghua University, China（清华大学） ； Renmin University of China, China（中国人民大学）
专题命中 其他Agent ：agentic(abstract)；分类 cs.AI
AI总结 GeoEyes通过分阶段训练框架，结合冷启动数据集和代理强化学习方法，解决超高清遥感影像中证据获取不足的问题，提升视觉问答任务的准确性。
迈向完全自主的、原生AI粒子加速器
机构 * Jefferson Laboratory（杰弗逊实验室）
专题命中 其他Agent ：agentic(abstract)；分类 cs.AI
AI总结 本文提出通过AI共同设计构建完全自主的粒子加速器，旨在实现自主运行和最大化性能。
Comments 14 pages, 1 figure
基于 LLM 代理的标签一致数据生成用于基于方面的情感分析
机构 * Bonn-Aachen International Center for Information Technology, University of Bonn, Germany（波恩-阿赫恩国际信息科技中心，波恩大学，德国） ； Lamarr Institute for Machine Learning and Artificial Intelligence, Germany（拉马尔机器学习与人工智能研究所，德国）
专题命中 其他Agent ：agentic(abstract)；分类 cs.CL
AI总结 本文提出了一种基于 LLM 代理的数据增强方法，通过迭代生成和验证提升 ABSA 中标签一致性的效果，尤其在方面术语生成任务中表现更优。
Comments Accepted to WASSA Workshop at EACL 2026
从缺陷到基准：软件缺陷数据集的全面综述
专题命中 其他Agent ：agentic(abstract)；分类 cs.SE
AI总结 本文综述了151个软件缺陷数据集，探讨了其范围、构建方法及应用，并提出未来研究方向以解决缺陷类型代表性不足的问题。
STAND：面向交互式任务学习的自感知预条件诱导
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 其他Agent ：AI agent(abstract)；分类 cs.LG
AI总结 STAND通过自感知学习机制，在交互式任务学习中实现高效且准确的预条件诱导，提升训练一致性和主动学习支持。
SEA-Guard：面向东南亚的文化根基多语言安全防护
机构 * VISTEC ； Google（谷歌） ； AI Singapore（AI新加坡）
专题命中 其他Agent ：agentic(abstract)；分类 cs.CL
AI总结 SEA-Guard是首个基于东南亚文化背景的多语言安全模型，通过代理数据生成框架构建区域特定安全数据集，有效检测地区敏感内容并保持良好的通用安全性能。
Comments Under reivew
T-COL：为可变机器学习系统生成通用用户偏好的反事实解释
机构 * Northeastern University（东北大学）
专题命中 其他Agent ：autonomous agent(abstract)；分类 cs.AI
AI总结 T-COL 通过基于树的条件可选链接方法，为可变机器学习系统生成适应一般用户偏好的反事实解释，提升解释的鲁棒性和适应性。
Journal ref Journal of Artificial Intelligence Research, Vol. 85 (2026)
通过小型语言模型实现高质量动态游戏内容生成：概念验证
机构 * brAIn lab\ University of Copenhagen Copenhagen Denmark ； \&\ Power Labs Copenhagen Denmark ； Data Science Section\ University of Copenhagen Copenhagen Denmark ； brAIn lab\ University of Copenhagen ； \&\ Power Labs ； Data Science Section\ University of Copenhagen
专题命中 其他Agent ：agentic(abstract)；分类 cs.AI
AI总结 本文提出通过激进微调小型语言模型生成高质量动态游戏内容的方法，并通过概念验证展示其在实时生成中的可行性。
引入生成应用防火墙（GAF）
机构 * University of the Aegean（爱琴海大学） ； University of Cambridge（剑桥大学） ； OWASP GenAI Security Project（OWASP生成式AI安全项目） ； University of Liverpool（利物浦大学） ； MIT Computer Science and Artificial Intelligence Laboratory（MIT计算机科学与人工智能实验室） ； Center for AI and Digital Policy（人工智能与数字政策中心） ； Huawei（华为） ； Cloud Security Alliance（云安全联盟）
专题命中 其他Agent ：autonomous agent(abstract)；分类 cs.AI
AI总结 本文提出GAF，一种统一保护LLM应用的架构层，整合现有防御措施并扩展至自主代理与工具交互。
人格引导对大型语言模型代理合作行为的影响
专题命中 其他Agent ：autonomous agent(abstract)；分类 cs.AI
AI总结 本研究通过囚徒困境实验发现，宜人性是促进大型语言模型合作的主要因素，而其他人格特质影响有限，且显式人格信息可能增加被利用的风险。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈