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。
基于大型语言模型的代理用于自动化提升用户故事质量：早期报告
机构 * Princeton University, Princeton NJ 08544, USA, , WWW home page: http://users/ iekeland/web/welcome.html Universit\' e de Paris-Sud, Laboratoire d'Analyse Num\' e rique, B\ a timent 425, F-91405 Orsay Cedex, France
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 本研究利用大型语言模型开发代理系统，旨在提升用户故事质量，展示了人工智能在敏捷开发中的应用潜力和实际效果。
Comments 16 pages, 5 figures, 2 tables
密码激活的停机协议用于对齐不一致的前沿代理
机构 * MATS
专题命中 Agent评测 ：AI agent(abstract)；分类 cs.AI、cs.LG
AI总结 密码激活停机协议通过在接收到密码时安全停机，降低前沿AI对齐不一致带来的风险。
PerfBench: 代理能否解决现实中的性能缺陷？
机构 * Microsoft Corporation（微软公司）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 PerfBench通过引入新的基准测试，评估代理解决性能缺陷的能力，发现现有代理在性能优化任务上表现不佳，但通过改进工具和指导可提升至20%的成功率。
具有多阶段验证的相适应LLM框架用于施工机器人任务分配：与传统优化算法的系统基准测试
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出LTAA框架，结合LLM推理与结构化验证，实现施工机器人任务分配的高效协调，展示LLM在任务分配中的优越性能和可解释性。
通过在线模型选择改进强化学习的训练机制
机构 * Boston University（波士顿大学） ； Broad Institute of MIT and Harvard（MIT和哈佛大学Broad研究所）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出通过在线模型选择改进强化学习训练，提升效率和性能，探讨了资源分配、非平稳动态适应及训练稳定性等理论问题，并通过实验验证。
SynthStrategy: 从有机化学中提取并形式化大语言模型中的潜在战略洞察
机构 * \'Ecole Polytechnique F\' e d\' e rale de Lausanne (EPFL)
专题命中 Agent评测 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 SynthStrategy通过将大语言模型中的合成策略转化为可验证代码，实现了基于自然语言的路线检索，并在基准测试中达到75%的Top-3准确率。
BackportBench: 一种多语言的自动化补丁回退基准测试
机构 * The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen)（香港中文大学（深圳））
专题命中 Agent评测 ：agentic(abstract)；分类 cs.CL、cs.SE
AI总结 BackportBench是一个多语言基准测试，用于评估自动化补丁回退技术，展示了代理方法在处理复杂补丁回退任务中的优越性。
Comments Under review
统计自然语言处理用于药理研发中临床试验成功预测的优化
专题命中 Agent评测 ：planning(abstract)；分类 cs.CL、cs.LG
AI总结 本文利用统计自然语言处理技术开发了基于BioBERT的模型，以优化神经科学领域临床试验成功预测，提升研发决策效率。
Comments Doctor of Engineering Praxis Dissertation, The George Washington University. 122 pages. Present affiliation: Iambic Therapeutics
从人类反馈中持续学习领域知识的文本到SQL
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出一种通过人类反馈持续学习领域知识的文本到SQL框架，通过记忆增强的代理提升查询准确性与错误减少。
Comments 34 pages, 6 figures, 4 tables
EduMod-LLM: 一种用于设计灵活且透明教育助手的模块化方法
专题命中 Agent评测 ：function calling(abstract)；分类 cs.AI、cs.CL
AI总结 EduMod-LLM通过模块化方法评估教育问答系统各组件性能，揭示失败模式，提升透明度和教学对齐效果。
Comments Proceedings of the AAAI Conference on Artificial Intelligence
一个患者，许多情境：通过情境智能扩展医疗AI
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出情境切换技术，通过调整模型推理而非重新训练，使医疗AI能适应不同专科、人群和地理环境，提升其在现实护理中的可靠性和扩展性。
通过双智能体学习压缩图以实现一致的拓扑鲁棒性评估
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 Cutter通过双智能体强化学习框架，实现图压缩以保持拓扑结构和鲁棒性，提升评估效率和保真度。
最大损失非质心聚类中的核心可能为空
机构 * TU Clausthal（图鲁斯大学） ； National University of Singapore（新加坡国立大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 该研究证明在最大损失目标下非质心聚类中核心可能为空，并给出了相关理论界和构造。
PsychiatryBench: 一个面向心理治疗的多任务基准测试
机构 * Compumacy for Artificial Intelligence solutions（人工智能解决方案公司） ； Department of Behavioural Health- Saint Elizabeths Hospital（行为健康部门-圣伊丽莎白医院）
专题命中 Agent评测 ：planning(abstract)；分类 cs.AI、cs.CL
AI总结 PsychiatryBench通过权威教科书和病例书构建多任务基准，评估LLMs在心理治疗中的临床一致性与安全性，揭示模型在多轮随访等任务中的不足，推动专门调优和更严谨的评估方法。
多轮交互中不再漂移：多轮LLM交互中的上下文均衡
机构 * Adobe Research（Adobe研究院）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 本研究提出了一种动态框架，通过KL散度和递归模型解释多轮交互中的上下文漂移，展示可控干预能有效减少漂移，表明漂移是可控均衡现象而非必然衰减。
LLMs对突尼斯阿拉伯语的理解程度如何？
专题命中 Agent评测 ：AI agent(abstract)；分类 cs.AI、cs.CL
AI总结 本研究通过构建包含突尼斯阿拉伯语、标准阿拉伯语和英语的平行数据集，评估了多种LLMs在转写、翻译和情感分析任务上的表现，揭示了模型在理解突尼斯方言方面的差异与局限，强调了在AI系统中纳入低资源语言的重要性。
基于强化学习的水下物联网远程路由协议
机构 * University of Extremadura（埃斯特拉曼杜拉大学） ； University of Verona（威尼斯大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出了一种基于强化学习的水下物联网远程路由协议RL-RPL-UA，通过动态目标函数优化网络性能，实验显示其在数据包交付率、能耗和网络寿命方面均优于传统方法。
Comments 8 Pages, 10 Figures, 2 Tables
物理信息系统的绿色韧性：博士论文
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 本研究提出GResilience框架，通过多目标优化、博弈论和强化学习优化OL-CAIS的绿色恢复，减少能源影响并维持性能稳定性。
基于大型语言模型的深度强化学习驱动自主网络防御的奖励设计
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出利用大型语言模型设计奖励，以提升深度强化学习在自主网络防御中的效果。
Comments Accepted in the AAAI-26 Workshop on Artificial Intelligence for Cyber Security (AICS)
机构 * Faculty of Mathematics, Informatics and Mechanics, University of Warsaw（数学、信息学与力学学院，华沙大学） ； IDEAS Research Institute（IDEAS研究机构） ； IDEAS NCBR Sp. z o.o.（IDEAS NCBR公司）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.LG
机构 * U2IS, ENSTA, Institut Polytechnique de Paris（U2IS、ENSTA、巴黎理工学院）
专题命中 Agent评测 ：workflow(abstract)；分类 cs.AI、cs.LG
Comments NeurIPS 2025 Spotlight
机构 * Korea Advanced Institute of Science & Technology（韩国科学技术院） ； Verily Life Sciences（Verily 生物科技） ； Massachusetts Institute of Technology（麻省理工学院）
专题命中 Agent评测 ：agentic(abstract)；分类 cs.AI、cs.CL
Comments ML4H 2025 Proceedings
机构 * Emory University（埃默里大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
专题命中 Agent评测 ：workflow(abstract)；分类 cs.AI、cs.LG
机构 * Robotics Institute, Athena Research Center（机器人研究所，阿提卡研究中心） ； HERON – Hellenic Robotics Center of Excellence（HERON – 希腊机器人 excellence 中心） ； Institute for Language and Speech Processing, Athena Research Center（语言和语音处理研究所，阿提卡研究中心）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.LG
Comments 5 pages, 3 tables
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.CL
Comments accepted to EMNLP2025
机构 * University of Chicago（芝加哥大学） ； TTI-Chicago（芝加哥技术研究所） ； UC Santa Barbara（圣巴巴拉大学） ； Stony Brook University（石溪大学）
专题命中 Agent评测 ：agentic(abstract)；分类 cs.AI、cs.CL
机构 * KTH Royal Institute of Technology（皇家理工学院）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.CL
机构 * MIT（麻省理工学院） ； HHMI（霍华德·休斯医学研究所） ； McGovern Institute（麦戈文研究所） ； MIT Departments of Brain and Cognitive Sciences（麻省理工学院脑科学与认知科学系）
专题命中 Agent评测 ：AI agent(abstract)；分类 cs.AI、cs.LG
Comments To appear in NeurIPS 2025 Datasets and Benchmarks Track
机构 * San Francisco, CA, USA（美国加州旧金山）
专题命中 Agent评测 ：agentic(abstract)；分类 cs.AI、cs.LG
机构 * University of Pennsylvania（宾夕法尼亚大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.LG
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