AI Agent

Agentic AI in medicine: architectures, applications, evaluation, and challenges for clinical translation

医学中的智能体人工智能：临床转化的架构、应用、评估及挑战

Zheng Tong, Yang Liu, Wanshu Fan, Jing Qin, Zhongbin Han, Haifan Gong, Congyu Liao, Xiaofeng Liu, Cong Wang

机构 * School of Software Engineering, Dalian University（大连大学软件工程学院） ； Affiliated Zhongshan Hospital of Dalian University（大连大学附属中山医院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of California, San Francisco（加州大学旧金山分校） ； Yale University（耶鲁大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 研究探讨医学中智能体人工智能的架构、应用等，通过范围审查筛选相关研究，指出其范围未定论且评估与临床需求不符，证据基础有限，临床转化需更清晰定义、可重复评估等。

Comments Review article, 6 figures, 2 tables. 42 pages

VeraGrid-Agent: Tool-Augmented LLMs for Distribution Optimal Power Flow at the Grid Edge

VeraGrid-Agent：用于电网边缘分布式最优潮流的工具增强大语言模型

Shivanshu Tripathi, Hamed Mohsenian-Rad, Maziar Raissi

专题命中 Agent评测 ：agent(title,title_cn)

AI总结 研究针对电网边缘分布式最优潮流问题，提出工具增强大语言模型VeraGrid-Agent，通过自主编写模拟器输入、执行求解器并读取输出作答。引入VeraGrid-MCQ-150测试评估，相比无工具推理，该模型显著提升准确率，且剩余错误源于推理而非求解器执行。

A Framework of User Experience Principles for Human-AI Agent Interaction in the Workplace

工作场所中人类与人工智能代理交互的用户体验原则框架

Kathrin Paimann, Elizangela Valarini, Sebastian Juhl

机构 * SAP SE（SAP公司） ； Hochschule Fresenius（弗赖辛大学） ； University of Missouri（密苏里大学） 纠错

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

AI总结 研究工作场所人类与人工智能代理交互的用户体验原则，采用多方法识别并验证八项核心原则框架及标准，为设计师和工程师提供指导方针，为相关实证研究奠定结构化基础。

Comments 6 pages, 1 figure, 1 table, to be published in the proceedings of Mensch und Computer 2026

Assistant or Actor? Student Trust, Control, and Delegation Regret When Using a General-Purpose AI Agent

助手还是执行者？使用通用人工智能代理时学生的信任、控制与委托遗憾

Shiva Pochampally, Shengwei An, Yan Chen

机构 * Department of Computer Science（计算机科学系） ； Virginia Tech（弗吉尼亚理工大学） 纠错

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

AI总结 研究探讨用户使用通用人工智能代理时的委托遗憾问题，通过大学生完成不同任务的对照研究，发现参与者按任务校准信任，不可逆与外部可见性影响信任撤回，代理无预览执行行动时委托遗憾常现，为代理设计提供了相关启示。

Comments 10 pages, 3 figures

Embodied-BenchClaw: An Autonomous Multi-Agent System for Embodied Spatial Intelligence Benchmark Construction

Embodied-BenchClaw：用于具身空间智能基准构建的自主多智能体系统

Baoyang Jiang, Fengchun Zhang, Leyuan Wang, Haotian Li, Yida Wang, Zhe Ji, Jinshan Lai, Xi Ren, Jianwei Hu, Qiang Ma

机构 * QiYuan Lab（启元实验室） ； School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） ； 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） 纠错

专题命中 Agent评测 ：agent(title)；multi-agent(title)；autonomous agent(abstract)；planning(abstract)

AI总结 提出Embodied-BenchClaw，一个通过五阶段流水线和三个智能体协调的自主系统，自动构建可验证、可执行、可维护且诊断有用的具身空间智能基准，减少人工工作量。

Open Evaluation Agent: Efficient and Promptable Evaluation of Visual Generative Models

开放评估智能体：视觉生成模型的高效且可提示的评估

Shulin Tian, Ziqi Huang, Fan Zhang, Hongyuan Zhu, Yu Qiao, Ziwei Liu

机构 * S-Lab, Nanyang Technological University（南洋理工大学S-Lab） ； Agency for Science, Technology and Research (A*STAR)（科学、技术与研究局（A*STAR）） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 该研究提出Evaluation Agent框架及基于其构建的Open-EA，可高效评估视觉生成模型，将评估时间减至传统方法的10%，还通过EA-CoT-10K和EA-3B减少对专有骨干的依赖，验证了其在多基准及跨家族的有效性。

Comments Journal extension of our ACL 2025 paper (arXiv:2412.09645). 12 pages. Code: https://github.com/Vchitect/Evaluation-Agent

Binding Biometrics with AI Agent Identifiers for Delegation of Authority

将生物特征与AI智能体标识符绑定以实现权限委托

Joseph Geo Benjamin, Anil K Jain, Karthik Nandakumar

机构 * Michigan State University（密歇根州立大学） 纠错

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

AI总结 本研究提出BIND框架，通过生物特征密码系统将人类生物特征与AI智能体ID及权限范围绑定，实现经认证的权限委托，基于人脸特征的实验验证其在零错误匹配率下96%真实匹配率，支持1024位智能体令牌。

Comments Accepted in IJCB sessions 2026

DrawAI: Agentic Benchmark and Workflow for Making Raster Images Editable

DrawAI：用于生成可编辑光栅图像的智能体基准与工作流

Pu Cao, Qingye Kong, Xuedan Yin, Xuekun Zhao, Rupeng Yan, Qing Song, Yao Zhang, Lu Yang

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

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

AI总结 DrawAI提出图像到可编辑重建任务，构建含DrawAI-Bench基准与DrawAI-Flow工作流的智能体方案，经实验验证DrawAI-Flow可提升可编辑结构，不同模型-harness配置的重建质量与成本差异显著。

Comments Project URL: https://drawai.renaissancemind.ai/

Securing the AI Agent: A Unified Framework for Multi-Layer Agent Red Teaming

保护AI代理：多层代理红队测试的统一框架

Yong Yang, Xing Zheng, Huiyu Wu, Huangsheng Cheng, Xiaorong Shi, Jing Guo, Bo Yang, Yi Zhou, Xiangfan Wu, Zonghao Ying

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

AI总结 提出AI-Infra-Guard框架，通过分层攻击面（基础设施、协议/工具、代理行为、模型）匹配不同检测范式，覆盖75+组件和1400+漏洞规则，实现代理安全红队测试。

Agentic-SQL Revisited: Autonomy-Based Taxonomy and Empirical Benchmark Analysis for LLM Text-to-SQL

重新审视Agentic-SQL：面向LLM文本转SQL的基于自主性的分类与实证基准分析

Changruo Zhao, Zujun Peng, Yu Tian, Yuting Liu, Yiyun Su, Huiying Zhu, Luyan Zhang, Heming Zeng

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

AI总结 本研究针对LLM文本转SQL领域，构建基于自主性的分类框架，通过Spider案例研究分析8B开源模型与DeepSeek-V3等基线的表现，发布工具链用于构建可追溯的基准排行榜。

AgenticPD: A Stage-Aware Agentic Framework for Physical Design QoR Optimization

AgenticPD：用于物理设计QoR优化的阶段感知智能体框架

Shuo Ren, Zijin Cheng, Yaohui Han, Libo Shen, Leilei Jin, Wanting Tian, Rongliang Fu, Chao Wang, Bei Yu, Tsung-Yi Ho

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

AI总结 针对物理设计QoR优化难题，现有方法欠佳。提出AgenticPD框架，围绕物理设计流程阶段边界组织，利用Judge Agent引导搜索，阶段专用智能体借助本地工具做决策，提升优化效果。

Comments 7 pages, 6 figures

Measuring What Persists: Conditioning Mechanisms and a Geometric Framework for AI Agent Identity

测量持续存在的内容：AI智能体身份的调节机制与几何框架

Andrew Tanner

机构 * Anisotrope AI 纠错

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

AI总结 提出基于√JSD度量空间和丰富范畴理论中幅度同调的几何框架，用于测量AI智能体身份结构，发现双机制调节结构：身份真空簇和安全盆地簇，并通过等边探针基线验证身份规范创造可测量的行为丰富性。

Comments 29 pages, 6 figures, 8 tables

Power Systems Agent Benchmark: Executable Evaluation of AI Agents in Electric Power Engineering

电力系统智能体基准测试：电力工程中AI智能体的可执行评估

Sergei Trashchenkov

机构 * Electric Power Engineering（电力工程） 纠错

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

AI总结 提出电力系统智能体基准测试，通过确定性评估器对智能体在电力工程任务中的结构化解决方案进行可执行评估，涵盖41个任务族，并采用私有种子按需生成保留案例以防止数据污染。

Comments 19 pages, 1 figure, 2 tables. Code and data: https://github.com/trashchenkov/power-systems-agent-benchmark ; archived at https://doi.org/10.5281/zenodo.20753046 v2: fixed unresolved citations and three missing references in Section 2, reference capitalization, Table 1 caption

Autodata: An agentic data scientist to create high quality synthetic data

Autodata: 一种创建高质量合成数据的智能数据科学家方法

Ilia Kulikov, Chenxi Whitehouse, Tianhao Wu, Yixin Nie, Swarnadeep Saha, Eryk Helenowski, Weizhe Yuan, Olga Golovneva, Jack Lanchantin, Yoram Bachrach, Jakob Foerster, Xian Li, Han Fang, Sainbayar Sukhbaatar, Jason Weston

机构 * Meta 纠错

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

AI总结 提出Autodata方法，让AI代理充当数据科学家，通过元优化学习创建更优的训练和评估数据，在计算机科学、法律推理和数学推理任务上优于传统方法。

Causal Agent Replay: Counterfactual Attribution for LLM-Agent Failures

因果智能体回放：LLM智能体故障的反事实归因

Jaineet Shah

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 提出Causal Agent Replay (CAR)方法，通过结构因果模型和干预操作，对LLM智能体失败步骤进行反事实归因，解决现有方法无法定位决策步骤的问题。

Comments Open-source: https://github.com/jaineet17/causal-agent-replay

402Pilot: An x402 Decision Layer for Autonomous Agent Micropayments

402Pilot：面向自主智能体微支付的x402决策层

Yin Li, Yanbo He, Boo-Ho Yang, Rav Lawana, Ziyue Li, Wei Zeng, Jing Tang, Fugee Tsung

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

AI总结 针对自主智能体微支付的买方决策问题，提出协议无关的402Pilot决策层，结合PA-DCT策略在402Pilot-Bench基准中验证其自适应采购的有效性，为可编程支付补充买方决策能力。

A Diagnostic Framework for AI Agent Behavior

人工智能代理行为的诊断框架

Xichen Zhang, Yingjie Zhang, Tianshu Sun

机构 * Cheung Kong Graduate School of Business（长江商学院） 纠错

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

AI总结 研究人工智能代理在复杂系统中的行为评估问题，提出层归因诊断框架，该框架含基础计算层和行为调制层，阐明了替代有效性等三个结果，为评估代理行为提供了新方法。

TrustX Agent Risk Classification Framework (ARC): Risk-Tiering Internally Created Agentic AI Systems

TrustX智能体风险分类框架（ARC）：对内部创建的智能体人工智能系统进行风险分层

Hannah M. Liu, Rhea Saxena, Shiv Asthana

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

AI总结 针对智能体人工智能系统超出通用风险框架治理能力的问题，提出TrustX智能体风险分类框架（ARC），利用十二维度评分标准等组件量化风险，输出三层治理结果，为相关人员提供工具，且会持续迭代完善。

Comments This is a working paper on our risk classification tool, with iterations currently underway

Can Trustless Agents Be Trusted? An Empirical Study of the ERC-8004 Decentralized AI Agent Ecosystem

无信任代理能否被信任？ERC-8004 去中心化 AI 代理生态系统的实证研究

Xihan Xiong, Zelin Li, Wei Wei, Qin Wang, William Knottenbelt, Zhipeng Wang

机构 * Imperial College London（伦敦帝国学院） ； Ohio State University（俄亥俄州立大学） ； University of Bristol（布里斯托大学） ； The University of Manchester（曼彻斯特大学） 纠错

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

AI总结 本研究首次实证分析 ERC-8004 协议在三条链上的身份、声誉和验证注册表，发现大多数注册为占位符，声誉不可比且易被操纵，大量评论者存在 Sybil 行为，表明该协议目前无法提供可信决策基础。

ContextNest: Verifiable Context Governance for Autonomous AI Agent

ContextNest：自主AI智能体的可验证上下文治理

Misha Sulpovar, Benn R. Konsynski, Qaish Kanchwala, Gabe Goodhart

机构 * PromptOwl, LLC（PromptOwl公司） ； Goizueta Business School, Emory University（埃默里大学戈伊苏埃塔商学院） ； IBM Research（IBM研究院） 纠错

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

AI总结 提出ContextNest，一种在检索前提供上下文治理的开放规范，通过版本链、哈希校验和审计追踪确保知识可验证性，实验表明其在防过时攻击和检索确定性上优于传统方法。

Comments 35 pages, 11 tables, 4 figures

A Five-Plane Reference Architecture for Runtime Governance of Production AI Agents

生产AI代理运行时治理的五平面参考架构

Krti Tallam

机构 * Kamiwaza 纠错

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

AI总结 针对生产AI代理打破传统数据边界治理假设的问题，提出由推理平面和四个执行平面组成的五平面参考架构，通过可组合原语实现运行时治理，阻断七种威胁并验证四个正确性不变式。

Comments 65 pages, 3 figures, 5 tables. Reference architecture with a reference implementation of the policy-engine core and microbenchmark results; full-system evaluation identified as future work

Agentic Environment Engineering for Large Language Models: A Survey of Environment Modeling, Synthesis, Evaluation, and Application

面向大语言模型的智能体环境工程：环境建模、合成、评估与应用综述

Jiachun Li, Zhuoran Jin, Tianyi Men, Yupu Hao, Kejian Zhu, Lingshuai Wang, Dongqi Huang, Longxiang Wang, Shengjia Hua, Lu Wang, Jinshan Gao, Hongbang Yuan, Ruilin Xu, Kang Liu, Jun Zhao

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

AI总结 本文从环境工程生命周期出发，系统综述了智能体环境的建模、合成、评估与应用，涵盖八种属性与领域、两种合成范式、四种智能体演化路径及三种环境演化范式。

Comments 63 pages, 10 figures

Are LLM-Generated GPU Kernels Production-Ready? A Trace-Driven Benchmark and Optimization Agent

大语言模型生成的GPU内核能否用于生产？基于追踪的基准测试与优化代理

Lingyun Yang, Yuxiao Wang, Shenghao Liang, Linfeng Yang, Daocheng Ying, Chunbo You, Rui Zhang, Luping Wang, Yinghao Yu, Guodong Yang, Liping Zhang

机构 * Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 研究大语言模型生成GPU内核用于生产的可行性，提出Atrex-Bench基准测试，发现现有模型表现不佳。为此发布Atrex-Kernel-Agent优化代理，结合多种技术，经案例研究能将回退转换为匹配或超越生产基线的内核。

Comments Both artifacts are released as open source: Atrex-Bench (https://github.com/alibaba/atrex-bench) and Atrex-Kernel-Agent (https://github.com/alibaba/atrex-kernel-agent)

Small Language Model enabled Autonomous agent for Language-Conditioned Cognitive Radar

基于小型语言模型的语言条件认知雷达自主智能体

Minhaj Uddin Ahmad, Zakia Zaman, Shunqiao Sun, Mizanur Rahman

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

AI总结 本文提出一种小型语言模型驱动的自主智能体框架，作为语言条件认知雷达的智能控制器，经实验验证可在多种雷达场景下完成算法选择，且雷达特定提示与基于物理的工具执行是可靠决策的必要条件。

Comments Accepted at MLSP 2026, ATL, USA

VIGIL: Runtime Enforcement of Behavioral Specifications in AI Agent Skills

VIGIL：AI代理技能中行为规范的运行时执行

Ying Li, Yanju Chen, Hongbo Wen, Bosi Zhang, Hanzhi Liu, Peiran Wang, Yu Feng, Yuan Tian

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

AI总结 提出VIGIL框架，通过符号策略语言将自然语言规范转化为SMT约束，实现代理系统跨技能行为策略的运行时监控，检测违规召回率>95%。

From Agent Identity to Agent Economy: Measuring the Operational Readiness of ERC-8004 AI Agents

从代理身份到代理经济：衡量ERC-8004 AI代理的操作就绪度

Rischan Mafrur, Priagung Khusumanegara

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

AI总结 本文通过分析以太坊上ERC-8004代理的数据，构建操作就绪度框架，发现早期采用以注册为主但操作浅层，身份层可见但元数据、服务、声誉和跨链证据有限，所有权和反馈活动高度集中，表明从代理身份到代理经济的转型尚未完成。

Governing Execution Risk in Agentic AI Systems: A Trajectory-Guided Framework for Red Teaming

管控智能体AI系统的执行风险：一种基于轨迹的红队测试框架

Zhihao Zhu, Yi Yang

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

AI总结 本研究提出基于轨迹的红队测试框架TrajRed和运行时管控层TrajGuard，在AgentDojo实验中，TrajRed识别的漏洞更强，TrajGuard可将攻击成功率降至近零且保留任务效用。

WeClawArena: An Auditable Sandbox and Benchmark for Cross-User Agents Collaboration and Security in Human-Centered Agent Networks

WeClawArena：面向以人为中心的智能体网络中跨用户智能体协作与安全的可审计沙箱及基准

Prince Zizhuang Wang, Aojie Yuan, Haiyue Zhang, Xiyang Hu, Yue Zhao, Shuli Jiang

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

AI总结 WeClawArena是面向以人为中心的智能体网络的可审计沙箱与基准，含124个基础任务及620个场景变体，可评估跨用户智能体协作的效用与攻击成功率，支持安全审计与诊断。

Comments 31 pages

$S^3$: Improving Agent Safety through Multi-Stage Defense

$S^3$：通过多阶段防御提升智能体安全性

Zibo Xiao, Haoyu Wang, Jun Sun

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

AI总结 本研究针对LLM智能体工作流的跨阶段安全风险问题，提出多阶段防御框架$S^3$，引入阶段特定安全技能，构建MSRB基准，实验显示其安全有效性和效用保留均优于现有基线。

Agentic Commerce World: An Auditable and Verifiable Environment for Vibe Commerce

智能体商业世界：一种可审计可验证的氛围式商业环境

Shicheng Fan, Mingdai Yang, Duohao Wang, Canyu Chen, Yongfeng Zhang, Hua Wei, Manling Li, Julian McAuley, Kun Zhang, Philip S. Yu, Kejing Yu, Zhiwei Liu

机构 * University of Illinois at Chicago（伊利诺伊大学芝加哥分校） ； Springbrand（斯普林布兰德公司） ； Northwestern University（西北大学） ； Rutgers University（罗格斯大学） ； Arizona State University（亚利桑那州立大学） ； University of California San Diego（加州大学圣迭戈分校） ； Carnegie Mellon University（卡内基梅隆大学） ； MBZUAI（Mohamed bin Zayed 人工智能大学） ； Microsoft AI（微软人工智能部门） 纠错

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

AI总结 该研究提出智能体商业世界（ACWorld）环境，通过氛围式商业协议（VCP）实现可审计可验证的氛围式商业智能体评估，构建含两类轨道的基准并验证模型性能，分析得出过程级证据对评估智能体的必要性。