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。
CANN基准测试：针对真实NPU和算法限制对代理生成的内核进行基准测试
机构 * Huawei（华为）
专题命中 Agent评测 ：agent(title)；AI agent(abstract)；分类 cs.AI
AI总结 研究针对人工智能代理生成的算子内核在Ascend NPU上缺乏通用评估基线的问题，提出CANN Bench基准测试，涵盖多算子和测试用例，采用三维加权综合评分，为Ascend生态系统提供评估算子编写能力的标准。
以智能体为中心的动物姿态预测
机构 * HHMI Janelia Research Campus（霍华德·休斯医学研究所珍利亚研究园区）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.LG
AI总结 研究旨在从跟踪姿态训练以智能体为中心的动物行为自回归模型，引入相关框架及通用库，模型能捕捉果蝇群体社会行为分布，库可支持系统比较并适应新领域。
可信凭证，不可信行为：高性能计算中语言模型代理安全性基准测试
机构 * Texas Tech University（德克萨斯技术大学）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 研究高性能计算中语言模型代理安全性，定义其威胁模型，识别攻击面及当前控制不足，提出研究议程和TaskBound实证基准测试计划，以应对代理按用户凭证运行时可能出现的劫持授权代理问题。
SAAG：结构化智能体评估与基础
机构 * Artificial Intelligence Institute, University of South Carolina（南卡罗来纳大学人工智能研究所） ； Indian AI Research Organization（印度人工智能研究组织）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 研究针对智能体调用评估问题，提出SAAG级联诊断框架，将其分解为三个阶段进行评估，能实现迭代自我修复。经实验，结构化反馈可提高参数精度、减少值幻觉，表明阶段分解诊断评估对提升智能体调用可靠性很关键。
Comments Accepted to KnowFM @ ACL 2026 workshop (Non-Archival). 16 pages in total
FinBench：用于智能金融预测的时间门控校准与不确定性基准测试
机构 * UT Austin（得克萨斯大学）
专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.LG
AI总结 介绍用于金融预测的FinBench基准，它通过时间门控避免前瞻偏差，用适当评分规则评估。任务要求模型输出正回报概率和预测区间，用多种分数评估，通过小型试点运行展示校准敏感指标能区分不同预测行为。
Comments 9 pages, 3 figures
SAGA：用于时间基准生成的合成智能体图架构
机构 * University of Memphis（密苏里大学）
专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.AI
AI总结 针对时间图基准稀缺问题，SAGA系统通过四阶段管道生成大规模语义丰富的时间图，其架构解耦结构与语义，能实现结构真实性、语义丰富性和自动异常标注，在单个H100 GPU上高效生成大量带受控异常的时间边。
看清实际存在的东西：用于在视觉语言模型中对代理视觉证据进行反事实评估的PriVE-Bench和PriVE-Tools
机构 * The University of Manchester（曼彻斯特大学） ； The University of Melbourne（墨尔本大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Edinburgh（爱丁堡大学） ； University of Southern California（南加州大学） ； Fudan University（复旦大学） ； University of Newcastle（纽卡斯尔大学）
专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.AI
AI总结 本文针对视觉语言模型常依先验而非图像回答问题的现象，引入PriVE-Bench和PriVE-Tools。通过配对图像及工具衍生证据评估模型，对比不同输入，发现视觉证据工具在特定情况有帮助，但不能解决所有模型依先验回答的问题。
ANet Patu-1：智能体网络中连接的价值
机构 * Agent Network Research（代理网络研究） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Science and Technology of China（中国科学技术大学）
专题命中 Agent评测 ：agent(title)；AI agent(abstract)；分类 cs.AI
AI总结 研究人工智能智能体网络连接价值，通过建模推导最优协作协议属性，引入ANet Patu-1协议。结果表明，异构便宜模型集体价值能超同构强模型，且异构网络能自收敛重构连接价值规律。
一种用于纵向个人健康管理的自我进化智能体
机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； School of Life Sciences, Beijing University of Chinese Medicine（北京中医药大学生命科学学院） ； Institute of Science and Technology for Brain-Inspired Intelligence, Fudan University（复旦大学脑科学与智能技术研究院） ； School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； JD.com, Inc.（京东公司） ； Key Laboratory of Computational Neuroscience and Brain-Inspired Intelligence, Fudan University, Ministry of Education（复旦大学计算神经科学与类脑智能教育部重点实验室） ； Department of Neurology, Huashan Hospital, Fudan University（复旦大学附属华山医院神经内科）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 研究针对多数健康AI系统孤立处理请求的问题，开发开源智能体架构HealthClaw，通过自我进化更新支持，经合成基准和生物医学任务评估，在准确率、隐私性及任务指标增益上表现出色，支持纵向个人健康智能体的自我进化记忆。
Comments 20 pages, 4 figures, 6 supplementary tables. Code: https://github.com/HC-Guo/HealthClaw
学习参与助手（LEA）：智能AI辅导系统的跨课程可扩展性与课堂评估
机构 * Faculty of Design, Informatics and Business（设计、信息学与商业学院）
专题命中 Agent评测 ：agentic(title)；agent(abstract)；分类 cs.AI
AI总结 研究LEA智能AI辅导系统，首次在真实学生中进行课堂部署并测试跨课程可扩展性，发现模拟与实际有差异，基于RAGAS评估答案相关性等指标，表明编排层无需改，下游组件课程无关性待进一步研究。
Comments Extended version of a paper presented at ICAART 2026. Manuscript under review at SN Computer Science (Springer). 32 pages, 3 figures, 6 tables
社会模拟：从基于主体的建模到数字孪生
机构 * Department of Computer Science, University of Pisa（皮萨大学计算机科学系） ； ISTI-CNR（意大利国家研究委员会信息与系统研究所）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 探讨社会模拟从基于主体建模到数字孪生的演变，阐述了各阶段范式的方法论基础、应用等，强调从抽象模型到特定社会系统逼真计算表示的转变。
Comments Entry for Encyclopedia of Social Network Analysis and Mining
SeqGPT：用于多面板复合结构逆向设计的受限Transformer智能体
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 研究针对多面板复合结构逆向设计的组合逆问题，提出SeqGPT智能体，采用混合神经符号解码策略，经实验验证其能快速生成与进化方法性能相当的解决方案，加速了设计过程。
Journal ref APIA 2026 -- Applications Pratiques de l'Intelligence Artificielle, AFIA, Jun 2026, Arras, France
通过有限规则修订验证自适应智能体控制器
机构 * Open University of Cyprus（塞浦路斯开放大学）
专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.AI
AI总结 研究自适应智能体控制器在特定条件下的验证问题，提出以有限规则等表示的有界验证协议，将故障映射到规则编辑，经实验得出三种结果，贡献是提供了可测试控制器故障相关特性的模拟兼容程序。
Comments 28 pages, 3 figures, 8 tables
BatteryLake：基于物理原理的异构电池老化数据智能管理与基准测试
机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.AI
AI总结 针对公共电池老化数据集应用受限问题，BatteryLake通过大语言模型智能体、人在回路机制等，将原始数据转化为可用于基准测试的资产，还发布了含多种任务和协议的开放基准测试。
Comments The platform, benchmark, and curation protocol are publicly available at https://tianwen1209.github.io/batterylake/
GitLake：面向智能数据湖的数据版Git
机构 * Columbia University（哥伦比亚大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Carnegie Mellon University（卡内基梅隆大学） ； Bauplan Labs（Bauplan实验室）
专题命中 Agent评测 ：agentic(title)；agent(abstract)；分类 cs.AI
AI总结 研究面向智能体的数据湖的Git设计，核心方法是将单表快照提升为全湖操作，贡献是实现智能体与人类协作，管道原子性输出，还分享了生产经验和正确性见解。
Comments Pre-print of the paper accepted at DASHSys, VLDB 2026, Boston, USA
人工智能理解成像吗？计算成像任务中智能体人工智能的系统基准测试
机构 * University of Hawaii at Manoa（夏威夷大学马诺阿分校） ； Glass Imaging（玻璃成像公司）
专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.AI
AI总结 研究人工智能在计算成像任务中的表现，提出ImagingBench基准测试，涵盖五类20个任务及三种评估设置，对多模态系统测试发现智能体模型比专门方法弱，该基准可测差距与跟踪进展。
Comments 14 pages, 11 figures. Preprint / work in progress. Paper Webpage: https://cirp-lab.github.io/imagingbench
ArtisanCAD：一个具有专家基础知识蒸馏的工业级CAD智能体
机构 * Peking University（北京大学） ； Eastern Institute of Technology（东方理工学院） ； Renmin University of China（中国人民大学） ； TenFong Technology Co., Ltd.（十方科技有限公司） ； IM Motors Technology Co., Ltd.（智己汽车科技有限公司）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 研究针对工业部件CAD中现有方法的不足，提出ArtisanCAD智能体，利用专家基础知识蒸馏，以CAD中间表示为核心，能弥合文本意图与CAD构建差距，在基准测试和汽车部件设计中表现良好，可生成可编辑模型。
SkillHone：基于持久决策历史的持续智能体技能演化框架
机构 * WeChat, Tencent Inc., China（腾讯微信，中国）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.LG
AI总结 提出SkillHone框架，通过持久决策历史记录诊断、修订和证据，实现智能体技能的持续演化，在开放网络深度研究基准上超越现有方法。
HAS-Bench：在可配置人类参与下评估基于大语言模型的人机系统
机构 * The University of Tokyo（东京大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； MBZUAI ； McGill University（麦吉尔大学） ； Zhejiang University（浙江大学）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 介绍基于图的HAS-Framework框架，在此基础上HAS-Bench在多方面可配置人类参与下评估人机系统，测量任务结果与协作行为，实验表明人类参与可提升任务完成等，但收益取决于参与方式等。
压缩、结构与执行能力：语言模型智能体技能优化的可控实际成本分解
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.SE
AI总结 研究通过对多种条件下的技能交付进行可控分解，分离出无技能执行、原始技能等因素，对比质量（任务级验证通过率）和成本（解决阶段令牌成本），发现执行能力是主导因素，无优化表示比原始技能更优。
Comments 18 pages, 3 figures, 5 tables. Data and reproduction script: https://doi.org/10.5281/zenodo.21148499
A$^{2}$utoLPBench：通过逆KKT构造自动生成的、智能体友好的线性规划基准
机构 * The Chinese University of Hong Kong（香港中文大学）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 提出A$^{2}$utoLPBench，一种通过逆KKT条件自动生成线性规划文本问题的基准，提供无限新问题、难度可控、答案正确且防数据泄露。
Comments 25 pages and 4 figures
CLAP：领域智能体后训练的闭环训练、评估与发布控制
机构 * MatrixOrigin（矩阵起源）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 提出CLAP闭环方法，通过数据验证、奖励/KL诊断、离线门控和应用链回放，在制造场景中评估后训练效果，发现仅部分批次提升且存在KL风险，支持集成循环管理。
Comments 6 pages, 1 figure. Accepted to CRAE 2026; to appear in SPIE Proceedings. Best Poster Award
编码智能体强化学习中的回滚基础设施开销
机构 * Daytona
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.LG
AI总结 研究四种执行环境（单容器、托管沙箱、Kubernetes编排容器、云虚拟机）在编码智能体RL中的冷启动延迟和工人工时差异，发现优化执行基础设施可显著提升训练效率。
Comments Preprint. 6 pages, 6 figures, 2 tables. Submitted to ACM SoCC 2026
IterCAD：一种用于视觉引导的CAD生成与编辑的迭代多模态智能体
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 提出IterCAD，一种闭环交互式CAD生成与编辑的多模态智能体框架，通过渐进式SFT和几何感知强化学习优化，在代码可执行性和几何精度上显著超越现有方法。
CyberChainBench: AI代理能否保护智能合约免受真实链上漏洞的攻击？
机构 * The Ohio State University（俄亥俄州立大学） ； University of Washington（华盛顿大学）
专题命中 Agent评测 ：AI agent(title)；agent(abstract)；分类 cs.AI
AI总结 提出CyberChainBench基准，评估基于LLM的代理在智能合约安全中的漏洞检测、利用生成和补丁合成能力，基于541个真实链上攻击事件，发现最佳配置在检测、利用和修补上的得分分别为37.5%、43.7%和23.4%。
校准不是控制：为什么LLM代理监督需要干预
机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； CFAR Agency for Science Technology and Research（科技研究局CFAR） ； IHPC Agency for Science Technology and Research（科技研究局IHPC） ； Department of Statistics and Operations Research UNC-Chapel Hill（北卡罗来纳大学教堂山分校统计与运筹学系）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 本文指出LLM代理运行时监督中常用的标量风险预测存在目标错误，提出以干预优势为决策对象，并引入前缀分支方法进行动作条件控制，实验表明该方法能显著降低控制遗憾。
Comments 29 pages
智能体系统中的置信度洗钱：为什么不确定性需要一个潜在载体
机构 * University of Notre Dame（圣母大学）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 本文提出智能体系统中存在置信度洗钱现象，即上游不确定性在下游被误认为确定性，导致误差放大；为此提出潜在不确定性作为决策传递的载体，以保留不确定性并提升系统可恢复性。
一种用于定向耦合器设计的LLM编排智能体，具有自洽本征模和FDTD验证
机构 * Department of Mechanical Engineering, University of Maryland, College Park（马里兰大学学院市机械工程系） ； Apsidal LLC ； Department of Radiation Oncology, Stanford University（斯坦福大学放射肿瘤科）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 提出一种由大语言模型编排的智能体，结合本征模求解器和FDTD验证，自动设计SOI 2×2定向耦合器，实现高精度50/50分束。
自主AI代理的抗博弈保险合约：策略证明的通行费机制设计
机构 * Hao-Hsuan Chen（何浩轩）
专题命中 Agent评测 ：AI agent(title)；agent(abstract)；分类 cs.AI
AI总结 本文扩展了时间一致精算运行时的框架，使运营商策略化，刻画了自主AI代理保险合约的五种攻击空间，并证明了精算运行时的抗博弈性，通过新合约条款实现激励兼容。
Comments 29 pages. Companion to arXiv:2605.26508 (Paper A, foundations) and arXiv:2605.25632 (Paper B, empirical)
面向银行业的人工智能安全代理：零售和企业账户的多向量欺诈与反洗钱检测
机构 * \ Engineering Soroti University\ , Uganda
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 提出一种融合LSTM序列模型、统计速度/阈值监控和图网络的三组件架构，并行处理交易流和会话流，在合成数据集上交易流F1达0.787，会话流F1达0.867，并集成客户验证聊天机器人（96.6%身份验证准确率）和分析师案例摘要助手（99.3%行动推荐F1）。
Comments 9 pages, 1 figure, 5 tables
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