Instance-Adaptive Hypothesis Tests with Heterogeneous Agents
专题命中 Agent评测 ：agent(abstract)；分类 cs.LG
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. Agent评测 15866 篇
Identifying Super Spreaders in Multilayer Networks
机构 * Wroc{\l}aw University of Science and Technology（沃拉夫科技大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.LG
Integrating Machine Learning into Belief-Desire-Intention Agents: Current Advances and Open Challenges
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
Competition is the key: A Game Theoretic Causal Discovery Approach
机构 * The School of Interdisciplinary Research (SIRe), Indian Institute of Technology (IIT) Delhi（跨学科研究学院（SIRe）、印度理工学院德里分校） ； Robert Bosch GmbH, India（德国罗伯特·博世有限公司，印度） ； Department of Applied Mechanics, Yardi School of Artificial Intelligence, Indian Institute of Technology (IIT) Delhi（应用力学系、雅迪人工智能学院、印度理工学院德里分校）
专题命中 Agent评测 ：agent(abstract)；分类 cs.LG
Multi Task Inverse Reinforcement Learning for Common Sense Reward
机构 * Bar-Ilan University（巴伊兰大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.LG
WebGraphEval: Multi-Turn Trajectory Evaluation for Web Agents using Graph Representation
机构 * Northeastern University（东北大学） ； Boston University（波士顿大学） ； University of Victoria（维多利亚大学） ； University of Minnesota（明尼苏达大学） ； George Washington University（乔治华盛顿大学） ； Tufts University（塔夫茨大学） ； Oregon State University（俄勒冈州立大学） ； University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） ； The Ohio State University（俄亥俄州立大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Multi-Turn Interactions in Large Language Models
Presenting a Paper is an Art: Self-Improvement Aesthetic Agents for Academic Presentations
专题命中 Agent评测 ：agent(abstract)；分类 cs.CL
Open-World Drone Active Tracking with Goal-Centered Rewards
机构 * South China University of Technology（华南理工大学） ； Institute for Super Robotics (Huangpu)（超机器人研究所） ； Pazhou Laboratory（琶洲实验室） ； Key Laboratory of Big Data and Intelligent Robot, Ministry of Education（大数据与智能机器人重点实验室） ； Peng Cheng Laboratory（鹏城实验室） ； Sun Yat-sen University（中山大学） ； Harbin Engineering University（哈尔滨工程大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
Comments NeurIPS 2025
LLM Bazaar: A Service Design for Supporting Collaborative Learning with an LLM-Powered Multi-Party Collaboration Infrastructure
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
Comments https://repository.isls.org//handle/1/11832
Journal ref Proceedings of the 18th International Conference on Computer-Supported Collaborative Learning - CSCL 2025 (pp. 108-115). International Society of the Learning Sciences
Sherlock Your Queries: Learning to Ask the Right Questions for Dialogue-Based Retrieval
机构 * Technical University of Denmark (DTU)（丹麦技术大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
DeLoad: Demand-Driven Short-Video Preloading with Scalable Watch-Time Estimation
机构 * Beijing University of Posts and Telecommunications, BUPT（北京邮电大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
Heterogeneous Adversarial Play in Interactive Environments
机构 * Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学） ； School of Psychological and Cognitive Sciences, Peking University（心理与认知科学学院，北京大学） ； School of Computer Science & Technology, Beijing Institute of Technology（计算机科学与技术学院，北京理工大学） ； State Key Lab of General AI, Peking University（通用人工智能国家重点实验室，北京大学） ； Beijing Key Laboratory of Behavior and Mental Health, Peking University（北京行为与心理健康重点实验室，北京大学） ； Yangtze Delta Region Academy of Beijing Institute of Technology, Jiaxing（北京理工大学长江三角洲地区研究院，嘉兴） ； Embodied Intelligence Lab, PKU-Wuhan Institute for Artificial Intelligence（具身智能实验室，北京大学-武汉人工智能研究院）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
Comments NeurIPS 2025
DynaQuery: A Self-Adapting Framework for Querying Structured and Multimodal Data
机构 * Al Akhawayn University（阿尔阿克哈文大学）
专题命中 Agent评测 ：planning(abstract)；分类 cs.AI
Comments 15 pages, 2 figures, 10 tables. Source code and experimental artifacts are available at: https://github.com/aymanehassini/DynaQuery . The 'DynaQuery-Eval-5K' benchmark, introduced in this work, is also publicly available at: https://www.kaggle.com/datasets/aymanehassini/dynaquery-eval-5k-benchmark
NEBULA: Do We Evaluate Vision-Language-Action Agents Correctly?
机构 * Department of Computer & Data Sciences（计算机与数据科学系） ； Case Western Reserve University（凯斯西储大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
Comments Homepage: https://vulab-ai.github.io/NEBULA-Alpha/
Improving Human-AI Coordination through Online Adversarial Training and Generative Models
机构 * University of Washington, Seattle（华盛顿大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
Can We Validate Counterfactual Estimations in the Presence of General Network Interference?
机构 * Stanford University（斯坦福大学） ； Emory University（埃默里大学）
专题命中 Agent评测 ：AI agent(abstract)；分类 cs.LG
A Comparative User Evaluation of XRL Explanations using Goal Identification
机构 * School of Electronics and Computer Science, University of Southampton, UK（电子与计算机科学学院，南安普顿大学，英国） ； Computer Science, University of Southampton, UK（计算机科学，南安普顿大学，英国） ； Department of Informatics, Kings College London, UK（信息学院，伦敦国王学院，英国）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
Comments Accepted to ECAI 2025 Workshop on Evaluating Explainable AI and Complex Decision-Making, 8 Pages
Detecting Adversarial Fine-tuning with Auditing Agents
机构 * MATS & Anthropic Fellows Program（MATS与Anthropic Fellow项目） ； Thinking Machines Lab（Thinking Machines实验室） ； Anthropic
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
Paper2Web: Let's Make Your Paper Alive!
机构 * ONE Lab, Huazhong University of Science and Technology（华中科技大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； University of Maryland（马里兰大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.CL
Comments Under Review. Check https://github.com/YuhangChen1/Paper2All for the unified platform to streamline all academic presentation
WebGen-V Bench: Structured Representation for Enhancing Visual Design in LLM-based Web Generation and Evaluation
机构 * National Yang Ming Chiao Tung University, Sony Group Corporation（National Yang Ming Chiao Tung University, Sony集团） ； Sony Group Corporation（Sony集团）
专题命中 Agent评测 ：agentic(abstract)；分类 cs.AI
Identity-Link IRT for Label-Free LLM Evaluation: Preserving Additivity in TVD-MI Scores
机构 * Stanford University（斯坦福大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.LG
Comments 9 pages, 2 figures
LLM Agents for Automated Web Vulnerability Reproduction: Are We There Yet?
专题命中 Agent评测 ：agent(abstract)；分类 cs.SE
Requirement Identification for Traffic Simulations in Driving Simulators
专题命中 Agent评测 ：agent(abstract)；分类 cs.SE
Comments 2 Pages, 1 figure
Learning to Undo: Rollback-Augmented Reinforcement Learning with Reversibility Signals
机构 * School of Computing and Communications, Lancaster University, Lancaster LA1 4WA, United Kingdom（1 计算与通信学院，兰卡斯特大学，英国兰卡斯特 LA1 4WA） ； Neubility, 2F 115 (04768) Wangsimni-ro, Seongdong-gu, Seoul, South Korea（2 Neubility，韩国首尔松江区 Wangsimni-ro 2F 115 (04768)）
专题命中 Agent评测 ：agent(abstract)；分类 cs.LG
Comments Submitted PLOS ONE
Polynomial-Time Algorithms for Fair Orientations of Chores
机构 * University of Victoria（维多利亚大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
Comments 8 pages, to appear in ECAI 2025
Nearly Minimax Optimal Regret for Multinomial Logistic Bandit
机构 * Seoul National University（首尔国立大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.LG
Comments Accepted at NeurIPS 2024
Doing Things with Words: Rethinking Theory of Mind Simulation in Large Language Models
机构 * CoLing Lab, Department of Philology, Literature and Linguistics, University of Pisa（帕尔马大学哲学、文学与语言学系语言实验室）
专题命中 Agent评测 ：agent(abstract)；分类 cs.CL
Journal ref roceedings of the Eleventh Italian Conference on Computational Linguistics (CLiC-it 2025)
PPA-Game: Characterizing and Learning Competitive Dynamics Among Online Content Creators
机构 * MoE Key Laboratory of Interdisciplinary Research of Computation and Economics, Institute for Theoretical Computer Science, Shanghai University of Finance and Economics（交叉学科计算与经济学联合实验室，理论计算机科学研究院，上海财经大学） ； College of Computer Science and Technology, National University of Defense Technology（计算机科学与技术学院，国防科技大学） ； Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学） ； School of Economics and Management, Tsinghua University（经济管理学院，清华大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.LG
Comments KDD 2025
MedKGEval: A Knowledge Graph-Based Multi-Turn Evaluation Framework for Open-Ended Patient Interactions with Clinical LLMs
机构 * Shanghai Jiao Tong University（上海交通大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
AgentAda: Skill-Adaptive Data Analytics for Tailored Insight Discovery
机构 * ServiceNow Research（ServiceNow 研究所） ； University of British Columbia（不列颠哥伦比亚大学） ； University of Toronto（多伦多大学） ； University of Montreal（蒙特利尔大学） ； Mila（Mila 研究所） ； CIFAR AI Chair（CIFAR 人工智能主席职位） ； Polytechnique Montréal（蒙特利尔理工学院）
专题命中 Agent评测 ：agent(abstract)；分类 cs.CL
