AI Agent

Agentic Framework for Political Biography Extraction

政治传记提取的代理框架

Yifei Zhu, Songpo Yang, Jiangnan Zhu, Junyan Jiang

机构 * Department of Politics and Public Administration, The University of Hong Kong（政治与公共行政系，香港大学） ； School of International Studies, Peking University（国际关系学院，北京大学） ； Department of Political Science, Columbia University（政治学系，哥伦比亚大学） 纠错

专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI、cs.CL

AI总结 本文提出一种两阶段的合成-编码框架，利用大语言模型自动化提取多维精英传记，提升政治科学研究的效率和准确性。

Comments 70 pages, 14 figures

Meta-Reinforcement Learning with Self-Reflection for Agentic Search

具有自我反思的元强化学习用于代理搜索

Teng Xiao, Yige Yuan, Hamish Ivison, Huaisheng Zhu, Faeze Brahman, Nathan Lambert, Pradeep Dasigi, Noah A. Smith, Hannaneh Hajishirzi

机构 * Allen Institute for AI（Allen人工智能研究所） ； University of Washington（华盛顿大学） ； Independent（独立） 纠错

专题命中 工具调用 ：agentic(title,abstract)；分类 cs.CL、cs.LG

AI总结 本文提出MR-Search，一种基于上下文的元强化学习框架，通过自我反思优化搜索策略，提升测试时探索效率，实验显示其在多个基准上表现优异。

Comments 23 pages, Preprint

Describing Agentic AI Systems with C4: Lessons from Industry Projects

用C4描述代理AI系统：来自行业项目的启示

Andreas Rausch, Stefan Wittek

机构 * Institute for Software and Systems Engineering（软件与系统工程研究所） ； Clausthal University of Technology（克莱斯特哈大学） 纠错

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

AI总结 本文基于行业项目经验，提出针对代理AI系统风格的文档系统，通过风格导向的建模词汇和分层描述技术，实现透明且可持续的架构文档。

Improving Search Agent with One Line of Code

通过一行代码改进搜索代理

Jian Li, Dongsheng Chen, Zhenhua Xu, Yizhang Jin, Jiafu Wu, Chengjie Wang, Xiaotong Yuan, Yabiao Wang

机构 * Nanjing University（南京大学） ； Tencent YoutuLab（腾讯优图实验室） 纠错

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

AI总结 通过一行代码改进搜索代理，提出SAPO算法以稳定训练并提升性能

Interpretable Markov-Based Spatiotemporal Risk Surfaces for Missing-Child Search Planning with Reinforcement Learning and LLM-Based Quality Assurance

可解释的基于马尔可夫的时空风险表面用于缺失儿童搜索规划的强化学习与基于LLM的质量保证

Joshua Castillo, Ravi Mukkamala

机构 * Old Dominion University（老奥尔巴尼大学） 纠错

专题命中 工具调用 ：planning(title,abstract)；分类 cs.AI、cs.LG

AI总结 Guardian系统利用马尔可夫链、强化学习和LLM进行可解释的时空风险建模，以提升失踪儿童搜索规划的效率和准确性。

Comments 14 pages, 7 figures. Accepted at ICEIS 2026 (International Conference on Enterprise Information Systems)

VTool-R1: VLMs Learn to Think with Images via Reinforcement Learning on Multimodal Tool Use

VTool-R1: 通过在多模态工具使用上的强化学习使VLMs学会通过图像思考

Mingyuan Wu, Jingcheng Yang, Jize Jiang, Meitang Li, Kaizhuo Yan, Hanchao Yu, Minjia Zhang, Chengxiang Zhai, Klara Nahrstedt

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Michigan Ann Arbor（密歇根大学安娜堡分校） ； Independent Researcher（独立研究者） 纠错

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

AI总结 VTool-R1通过强化学习训练视觉语言模型生成多模态思考链，提升其通过图像进行推理的能力。

Comments ICLR 2026

ProtRLSearch: A Multi-Round Multimodal Protein Search Agent with Large Language Models Trained via Reinforcement Learning

ProtRLSearch: 一种基于大语言模型的多轮多模态蛋白质搜索代理，通过强化学习进行训练

Congying Liu, Taihao Li, Ming Huang, Xingyuan Wei, Peipei Liu, Yiqing Shen, Yanxu Mao, Tiehan Cui

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Hangzhou Institute for Advanced Study（杭州高等研究院） ； Shenzhen Institutes of Advanced Technology（深圳先进技术研究所） ； Institute of Information Engineering（信息工程研究所） ； Johns Hopkins University（约翰霍普金斯大学） ； Henan University（河南大学） 纠错

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

AI总结 ProtRLSearch通过强化学习训练，利用多模态输入提升蛋白质搜索的准确性和效率，解决传统方法在多模态整合和搜索过程约束上的不足。

Search-P1: Path-Centric Reward Shaping for Stable and Efficient Agentic RAG Training

Search-P1: 基于路径的奖励塑造用于稳定且高效的代理RAG训练

Tianle Xia, Ming Xu, Lingxiang Hu, Yiding Sun, Wenwei Li, Linfang Shang, Liqun Liu, Peng Shu, Huan Yu, Jie Jiang

机构 * Tencent（腾讯） 纠错

专题命中 工具调用 ：agentic(title,abstract)；分类 cs.CL、cs.LG

AI总结 Search-P1通过路径中心奖励塑造提升代理RAG训练的稳定性和效率，实现7.7个百分点的准确率提升。

Repurposing Synthetic Data for Fine-grained Search Agent Supervision

将合成数据重新利用于细粒度搜索代理的监督

Yida Zhao, Kuan Li, Xixi Wu, Liwen Zhang, Dingchu Zhang, Baixuan Li, Maojia Song, Zhuo Chen, Chenxi Wang, Xinyu Wang, Kewei Tu, Pengjun Xie, Jingren Zhou, Yong Jiang

机构 * School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院） ； Shanghai Engineering Research Center of Intelligent Vision and Imaging（智能视觉与成像上海工程研究中心） ； Tongyi Lab, Alibaba Group（阿里集团通义实验室） 纠错

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

AI总结 本文提出E-GRPO框架，通过利用训练中被丢弃的实体信息，提升搜索代理的细粒度学习和推理效率。

Machine Learning as a Tool (MLAT): A Framework for Integrating Statistical ML Models as Callable Tools within LLM Agent Workflows

机器学习作为工具（MLAT）：一种将统计机器学习模型作为可调用工具集成到LLM代理工作流中的框架

Edwin Chen, Zulekha Bibi

机构 * Legacy AI LLC 纠错

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

AI总结 MLAT框架通过将统计机器学习模型作为可调用工具集成到LLM代理工作流中，实现快速生成专业提案的自动化流程。

Comments Submitted to the Google Gemini 3 Hackathon

Accelerating Social Science Research via Agentic Hypothesization and Experimentation

通过代理假设和实验加速社会科学研究

Jishu Sen Gupta, Harini SI, Somesh Kumar Singh, Syed Mohamad Tawseeq, Yaman Kumar Singla, David Doermann, Rajiv Ratn Shah, Balaji Krishnamurthy

机构 * Adobe Media and Data Science Research (MDSR)（Adobe媒体与数据科学研究所） 纠错

专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI、cs.CL

AI总结 EXPERIGEN通过代理框架实现端到端的科学发现，发现更多显著且预测性强的假设，并通过A/B测试验证其有效性。

Empirical-MCTS: Continuous Agent Evolution via Dual-Experience Monte Carlo Tree Search

经验-MCTS：通过双经验蒙特卡洛树搜索实现连续智能体进化

Hao Lu, Haoyuan Huang, Yulin Zhou, Chen Li, Ningxin Zhu

机构 * JianChengXingYun Technology Co., Ltd.（健成星云科技有限公司） 纠错

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

AI总结 经验-MCTS通过双环框架实现连续智能体进化，结合局部探索与全局记忆优化，提升复杂推理任务性能。

Comments 9 pages, 5 figures

Beyond Accuracy: A Cognitive Load Framework for Mapping the Capability Boundaries of Tool-use Agents

超越准确率：一种认知负荷框架用于映射工具使用代理的能力边界

Qihao Wang, Yue Hu, Mingzhe Lu, Jiayue Wu, Yanbing Liu, Yuanmin Tang

专题命中 工具调用 ：tool-use(title)；agent(abstract)；分类 cs.CL、cs.SE

AI总结 本文提出一种认知负荷框架，用于评估工具使用代理的能力边界，通过分解任务复杂性为内在负荷和额外负荷，揭示模型的真实能力限制。

Comments Accepted to AAAI 2026

OpenNovelty: An LLM-powered Agentic System for Verifiable Scholarly Novelty Assessment

OpenNovelty: 一种基于大语言模型的代理系统，用于可验证的学术新颖性评估

Ming Zhang, Kexin Tan, Yueyuan Huang, Yujiong Shen, Chunchun Ma, Li Ju, Xinran Zhang, Yuhui Wang, Wenqing Jing, Jingyi Deng, Huayu Sha, Binze Hu, Jingqi Tong, Changhao Jiang, Yage Geng, Yuankai Ying, Yue Zhang, Zhangyue Yin, Zhiheng Xi, Shihan Dou, Tao Gui, Qi Zhang, Xuanjing Huang

机构 * Fudan University（复旦大学） ； Claremont McKenna College（克莱蒙特麦肯纳学院） 纠错

专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI、cs.CL

AI总结 OpenNovelty通过基于大语言模型的代理系统，提供可验证的学术新颖性评估，提升同行评审的公平性和证据支持性。

Beneficial Reasoning Behaviors in Agentic Search and Effective Post-training to Obtain Them

代理搜索中的有益推理行为及有效训练以获得这些行为

Jiahe Jin, Abhijay Paladugu, Chenyan Xiong

专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出行为引导方法，通过预训练使代理搜索模型具备信息验证、权威评估等有益推理行为，从而在强化学习前提升任务性能。

LRAS: Advanced Legal Reasoning with Agentic Search

LRAS: 基于代理搜索的先进法律推理

Yujin Zhou, Chuxue Cao, Jinluan Yang, Lijun Wu, Conghui He, Sirui Han, Yike Guo

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI、cs.CL

AI总结 LRAS通过整合反思模仿学习和难度感知强化学习，使大推理模型能够识别知识边界并处理法律推理的复杂性，从而在法律领域取得显著性能提升。

mind_call: A Dataset for Mental Health Function Calling with Large Language Models

mind_call: 一个用于大语言模型心理健康新功能调用的数据集

Fozle Rabbi Shafi, M. Anwar Hossain, Salimur Choudhury

机构 * School of Computing, Queen’s University Kingston（计算学院，女王大学金斯顿） 纠错

专题命中 工具调用 ：function calling(title,abstract)；分类 cs.AI、cs.LG

AI总结 mind_call数据集通过合成功能调用任务，为大语言模型在心理健康领域的应用提供支持，涵盖多种自然语言查询与标准化API调用的映射，促进意图识别和可靠功能调用的研究。

Naiad: Novel Agentic Intelligent Autonomous System for Inland Water Monitoring

Naiad：一种新型智能自主系统用于内陆水体监测

Eirini Baltzi, Tilemachos Moumouris, Athena Psalta, Vasileios Tsironis, Konstantinos Karantzalos

机构 * National Technical University of Athens（希腊国家技术大学） 纠错

专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI、cs.CL

AI总结 Naiad是一种基于大语言模型和外部工具的智能系统，用于通过地球观测数据实现内陆水体的全面监测。

AT$^2$PO: Agentic Turn-based Policy Optimization via Tree Search

AT$^2$PO: 通过树搜索实现基于回合的代理策略优化

Zefang Zong, Dingwei Chen, Yang Li, Qi Yi, Bo Zhou, Chengming Li, Bo Qian, Peng Chen, Jie Jiang

机构 * Tencent Inc（腾讯公司） ； Sun Yat-Sen University（中山大学） ； Shenzhen MSU-BIT University（深圳MSU-BIT大学） 纠错

专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI、cs.CL

AI总结 AT$^2$PO 通过树搜索实现多轮代理强化学习，解决探索多样性、奖励分配和策略优化不一致问题，提升性能达1.84个百分点。

Optimizing Agentic Language Model Inference via Speculative Tool Calls

通过推测性工具调用优化代理语言模型推理

Daniel Nichols, Prajwal Singhania, Charles Jekel, Abhinav Bhatele, Harshitha Menon

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

AI总结 本文通过推测性工具调用优化代理语言模型推理，提升推理吞吐量并提供理论分析与工具缓存API。

AgentSHAP: Interpreting LLM Agent Tool Importance with Monte Carlo Shapley Value Estimation

AgentSHAP: 通过蒙特卡洛夏普利值估计解释LLM代理工具的重要性

Miriam Horovicz

机构 * Fiverr Labs（Fiverr实验室） 纠错

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

AI总结 AgentSHAP通过蒙特卡洛夏普利值估计为LLM代理提供工具重要性解释，解决了工具层面可解释性问题。

Reducing Latency of LLM Search Agent via Speculation-based Algorithm-System Co-Design

通过基于猜测的算法-系统联合设计降低LLM搜索代理的延迟

Zixiao Huang, Wen Zeng, Tianyu Fu, Tengxuan Liu, Yizhou Sun, Ke Hong, Xinhao Yang, Chengchun Liu, Yan Li, Quanlu Zhang, Guohao Dai, Zhenhua Zhu, Yu Wang

机构 * Tsinghua University（清华大学） ； Infinigence ； Lenovo（联想） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 SPAgent通过基于猜测的算法-系统联合设计框架，减少LLM搜索代理的延迟，实现端到端加速并保持高准确性。

Efficient Multi-Hop Question Answering over Knowledge Graphs via LLM Planning and Embedding-Guided Search

通过LLM规划和嵌入引导搜索实现高效的多跳知识图谱问答

Manil Shrestha, Edward Kim

机构 * Department of Computer Science, Drexel University, Philadelphia, PA, USA（计算机科学系，德雷塞尔大学，费城，宾夕法尼亚州，美国） 纠错

专题命中 工具调用 ：planning(title,abstract)；分类 cs.AI、cs.CL

AI总结 本文提出两种混合算法，通过LLM规划和嵌入引导搜索实现高效且可验证的多跳知识图谱问答，提升推理效率与准确性。

Path-Constrained Retrieval: A Structural Approach to Reliable LLM Agent Reasoning Through Graph-Scoped Semantic Search

路径约束检索：一种通过图域语义搜索实现可靠LLM代理推理的结构方法

Joseph Oladokun

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

AI总结 路径约束检索通过结合结构图约束与语义搜索，提升LLM代理推理的可靠性和一致性。

Comments 10 pages

AIonopedia: an LLM agent orchestrating multimodal learning for ionic liquid discovery

Yuqi Yin, Yibo Fu, Siyuan Wang, Peng Sun, Hongyu Wang, Xiaohui Wang, Lei Zheng, Zhiyong Li, Zhirong Liu, Jianji Wang, Zhaoxi Sun

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

A Comprehensive Survey on Reinforcement Learning-based Agentic Search: Foundations, Roles, Optimizations, Evaluations, and Applications

Minhua Lin, Zongyu Wu, Zhichao Xu, Hui Liu, Xianfeng Tang, Qi He, Charu Aggarwal, Hui Liu, Xiang Zhang, Suhang Wang

机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； The University of Utah（犹他大学） ； Amazon（亚马逊） ； Microsoft（微软） ； IBM T.J. Watson Research Center（IBM T.J.沃森研究中心） ； Michigan State University（密歇根州立大学） 纠错

专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI、cs.CL

Comments 38 pages, 4 figures, 7 tables

Beyond Ten Turns: Unlocking Long-Horizon Agentic Search with Large-Scale Asynchronous RL

Jiaxuan Gao, Wei Fu, Minyang Xie, Shusheng Xu, Chuyi He, Zhiyu Mei, Banghua Zhu, Yi Wu

机构 * IIIS, Tsinghua University（清华大学智能技术学部） ； Ant Group（蚂蚁集团） ； University of Washington（华盛顿大学） 纠错

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

TAI3: Testing Agent Integrity in Interpreting User Intent

Shiwei Feng, Xiangzhe Xu, Xuan Chen, Kaiyuan Zhang, Syed Yusuf Ahmed, Zian Su, Mingwei Zheng, Xiangyu Zhang

机构 * Purdue University（普渡大学） 纠错

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

Comments Accepted to NeurIPS 2025

What Limits Agentic Systems Efficiency?

Song Bian, Minghao Yan, Anand Jayarajan, Gennady Pekhimenko, Shivaram Venkataraman

机构 * UW-Madison（威斯康星大学麦迪逊分校） ； University of Toronto（多伦多大学） ； NVIDIA（英伟达） 纠错

专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI、cs.LG

Comments 27 pages, 15 figures

Iterated Agent for Symbolic Regression

Zhuo-Yang Song, Zeyu Cai, Shutao Zhang, Jiashen Wei, Jichen Pan, Shi Qiu, Qing-Hong Cao, Tie-Jiun Hou, Xiaohui Liu, Ming-xing Luo, Hua Xing Zhu

机构 * School of Physics, Peking University（北京大学物理系） ； Peking University（北京大学） ； Center for High Energy Physics, Peking University（北京大学高能物理中心） ； University of California, Berkeley（加州大学伯克利分校） ； School of Physics and Astronomy, Beijing Normal University（北京师范大学物理天文学院） ； Beijing Normal University（北京师范大学） ； Key Laboratory of Multi-scale Spin Physics, Ministry of Education, Beijing Normal University（北京师范大学多尺度自旋物理重点实验室） ； Beijing Computational Science Research Center（北京计算科学研究中心） 纠错

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

Comments 45 pages, 22 figures, 8 tables