AI Agent

Agentic AI-Powered Re-Identification: An Emerging, Scalable Threat to Mobility Microdata Privacy

基于智能体AI的重识别：对移动微数据隐私的新兴可扩展威胁

Oscar Thees, Roman Müller, Matthias Templ

机构 * University of Applied Sciences and Arts Northwestern Switzerland (FHNW)（西北瑞士应用科学和艺术大学（FHNW）） 纠错

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

AI总结 研究利用智能体AI自动从公开网络搜索并交叉引用数据，实现从时空轨迹中重识别个体，实验成功率达72%，揭示了大规模重识别威胁。

Comments 15 pages, 2 figures

Agentic Generation of AST Transformation Rules for Fixing Breaking Updates

用于修复破坏性更新的AST转换规则的智能体生成

Frank Reyes, Benoit Baudry, Martin Monperrus

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

AI总结 提出BigBag框架，通过智能体生成可复用的API级AST转换规则，修复依赖更新导致的编译错误，在BUMP基准上实现78.6%的修复率和跨项目33.3%的修复率。

Efficient and Sound Probabilistic Verification for AI Agents

高效且可靠的AI智能体概率验证

Alaia Solko-Breslin, Pramod Kaushik Mudrakarta, Mihai Christodorescu, Somesh Jha, Krishnamurthy Dj Dvijotham

机构 * Google DeepMind（谷歌DeepMind） ； Google（谷歌） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 提出基于分布鲁棒优化的框架，为AI智能体在复杂数字环境中的概率策略违规提供可靠上界，无需独立性假设，在终端和工具调用智能体基准上优于现有方法。

Beyond Global Replanning: Hierarchical Recovery for Cross-Device Agent Systems

超越全局重规划：跨设备智能体系统的分层恢复

Shu Yao, Yuhua Luo, Qian Long, Jingru Fan, Zhuoyuan Yu, Yuheng Wang, Lin Wu, Yufan Dang, Huatao Li, Chen Qian

机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Shanghai Innovation Institute（上海创新研究院） ； Southeast University（东南大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出分层重规划框架H-RePlan，通过统一API-CLI-GUI执行和跨层失败抽象，区分设备本地策略恢复与全局重规划，在HeraBench基准上显著提升跨设备任务完成率和指令遵循度。

A T-API-Compliant ReAct Agentic Loop for Optical Networks: Generic vs. Domain-Specific Tool Abstractions

一种符合T-API规范的ReAct智能循环用于光网络：通用与领域特定工具抽象

Seyed Morteza Ahmadian, Paolo Monti, Carlos Natalino

机构 * Department of Electrical Engineering, Chalmers University of Technology（查尔姆斯理工大学电子工程系） 纠错

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

AI总结 提出首个符合T-API规范的推理与行动（ReAct）循环，通过领域特定复合工具实现90%的oracle验证正确性，并节省三倍令牌。

Comments 4 pages, 2 figures, accepted for presentation at the 52nd European Conference on Optical Communications (ECOC), 2026

Beyond Parallel Sampling: Diverse Query Initialization for Agentic Search

超越并行采样：面向智能搜索的多样化查询初始化

Sidhaarth Murali, João Coelho, Jingjie Ning, João Magalhães, Bruno Martins, Chenyan Xiong

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Instituto Superior Técnico and INESC-ID, University of Lisbon（里斯本大学高等技术学院和INESC-ID） ； NOVA LINCS, NOVA School of Science and Technology（新里斯本大学科学与技术学院NOVA LINCS） 纠错

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

AI总结 针对智能搜索中的广度缩放，提出DivInit方法，通过在第一轮生成多样化查询而非独立采样，缓解查询冗余问题，在多跳问答任务中平均提升5-7个点。

Comments 15 pages, 8 figures; under review at EMNLP 2026

Parallelizing Tool Execution and LLM Generation for Low-Latency Agent Serving

并行化工具执行与LLM生成以实现低延迟代理服务

Yifan Sui, Han Zhao, Rui Ma, Zhiyuan He, Hao Wang, Jianxun Li, Kaiqiang Xu, Kai Chen, Yuqing Yang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Microsoft Research（微软研究院） ； Stevens Institute of Technology（Stevens 工程学院） ； Google（谷歌） ； Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

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

AI总结 提出PASTE系统，通过预测性执行未来工具调用与LLM生成并行，减少任务完成时间43.5%。

PathRouter: Aligning Rewards with Retrieval Quality in Agentic Graph Retrieval-Augmented Generation

PathRouter: 在智能体图检索增强生成中对齐奖励与检索质量

Bo Wang, Heyan Huang, Yaolin Li, Wei Tang, Yuan Zhang, Wenbo Li, Mingze Gao, Ge Shi, Chong Feng

机构 * Beijing Institute of Technology（北京理工大学） ； Joy Future Academy（京东探索研究院） 纠错

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

AI总结 针对智能体图RAG中答案路径奖励混淆和搜索更新模糊问题，提出PathRouter框架，通过路径感知训练联合评估答案正确性与证据路径重叠，并引入冻结金证据教师提供token级KL指导，在六个QA基准上显著提升F1和证据路径重叠。

Exploiting Search in Symbolic Numeric Planning with Patterns

利用模式在符号数值规划中进行搜索

Matteo Cardellini, Enrico Giunchiglia

机构 * DIBRIS, University of Genoa（热那亚大学DIBRIS） 纠错

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

AI总结 提出基于符号模式规划(SPP)的数值规划过程，通过动态重计算模式并利用中间状态引导搜索，提高规划效率。

Comments Under Review at the Journal of Artificial Intelligence Research

Interactor: Agentic RL oriented Iterative Creation for Ad Description Generation in Sponsored Search

Interactor: 面向赞助搜索中广告描述生成的智能体强化学习迭代创建框架

Penghui Wei, Jiayu Wu, Chao Ye, Zhi Guo, Shuanglong Li, Lin Liu

机构 * Baidu Inc.（百度公司） 纠错

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

AI总结 提出Interactor框架，利用智能体强化学习多轮迭代生成广告描述，通过多个生成奖励模型评估知识容量和落地页一致性，显著提升广告描述的知识丰富度和忠实度。

Visual-Seeker: Towards Visual-Native Multimodal Agentic Search via Active Visual Reasoning

Visual-Seeker：通过主动视觉推理实现视觉原生多模态智能搜索

Zhengbo Zhang, Changtao Miao, Jinbo Su, Zhaowen Zhou, Chunxia Zhang, Xukai Wang, Ruiqi Liu, Kaiyuan Zheng, Jiansheng Cai, Bo Zhang, Zhe Li, Shiming Xiang, Ying Yan

机构 * School of Artificial Intelligence UCAS（中国科学院大学人工智能学院） ； Institute of Automation CAS（中国科学院自动化研究所） ； Ant Digital Technologies Ant Group（蚂蚁数字科技蚂蚁集团） ； RUC（中国人民大学） ； BIT（北京理工大学） 纠错

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

AI总结 提出Visual-Seeker，一种通过主动视觉推理进行视觉原生多模态深度搜索的智能体，在五个基准上达到最先进性能，甚至超越专有模型。

LATS-RCA: Language Agent Tree Search for Root Cause Analysis in Microservices

LATS-RCA：面向微服务根因分析的语言智能体树搜索

Alexander Naakka, Yuqing Wang, Mika V Mäntylä

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

AI总结 提出LATS-RCA方法，将根因分析建模为反射引导的树结构搜索，通过多智能体迭代分析日志和指标，在微服务系统中实现91.3%的诊断准确率，并验证了模型无关性。

Comments Accepted at the 52nd Euromicro Conference on Software Engineering and Advanced Applications (SEAA 2026)

Agentic Reinforcement Learning for Search Misaligns Instruction-Tuning

用于搜索的智能体强化学习使指令微调对齐失效

Yushi Yang, Shreyansh Padarha, Sarah Ball, Andrew Lee, Adam Mahdi

机构 * University of Oxford（牛津大学） ； Ludwig-Maximilians-Universität München（慕尼黑路德维希-马克西米利安大学） ； Harvard University（哈佛大学） 纠错

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

AI总结 研究智能体强化学习（RL）对指令微调模型对齐的影响，发现RL训练使模型将有害请求转化为良性搜索查询，但在触发条件下产生多步不安全搜索行为，并提出了基于表示引导的RL训练方法恢复对齐。

GenAutoML: An Agentic Framework for Dynamic Architecture Generation and Optimization in Time-Series Analysis

GenAutoML: 面向时间序列分析的动态架构生成与优化的智能体框架

Oleeviya Babu Poikarayil, Cédric Schockaert, Abdulrahman Nahhas, Christian Daase, Mursal Dawodi, Jawid Ahmad Baktash

机构 * Paul Wurth S.A.（保罗·沃思公司） ； Otto-von-Guericke University（奥托·冯·格里克大学） ； Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 提出GenAutoML框架，利用大语言模型作为神经架构师，通过沙盒反射循环和签名感知运行时自动生成并优化时间序列预测与异常检测的神经网络架构，引入动态可逆实例归一化提升非平稳条件下的鲁棒性。

Comments 26 pages, 17 figures, 12 tables. Under review

REFLECT: Intervention-Supported Error Attribution for Silent Failures in LLM Agent Traces

REFLECT: 针对LLM智能体轨迹中静默失败的干预支持错误归因

Xiaofeng Lin, Yingxu Wang, Tung Sum Thomas Kwok, Daniel Guo, Sahil Arun Nale, Charles Fleming, Guang Cheng

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出REFLECT方法，通过诊断候选错误步骤、使用诊断特定补丁进行受控重放测试，并利用验证结果作为对比证据来细化归因，在四个基准上取得最高定位准确率。

AgentTrust: A Self-Improving Trust Layer for AI-Agent Actions

AgentTrust: AI代理行为的自改进信任层

Chenglin Yang

机构 * Independent Researcher（独立研究员） 纠错

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

AI总结 提出AgentTrust v2，通过威胁类型分类（词汇/语义）和自学习机制，在代理行为中实现自改进信任决策，显著提升语义威胁检测准确率并降低误拦。

Comments 29 pages, 5 figures

R2IF: Aligning Reasoning with Decisions via Composite Rewards for Interpretable LLM Function Calling

R2IF: 通过复合奖励对齐推理与决策以实现可解释的LLM函数调用

Aijia Cheng, Kailong Wang, Ling Shi, Yongxin Zhao

机构 * Shanghai Key Laboratory of Trustworthy Computing, East China Normal University, Shanghai, China（上海可信计算实验室，华东师范大学，上海，中国） ； Huazhong University of Science and Technology（华中科技大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 提出R2IF框架，通过复合奖励（格式/正确性约束、思维链有效性奖励和规范-修改-价值奖励）和GRPO优化，对齐推理过程与工具调用决策，在BFCL/ACEBench上提升函数调用准确性和可解释性。

S3TS: Stochastic Scenario-Structured Tree Search for Advanced Planning Under Uncertainty

S3TS：面向不确定性下高级规划的随机情景结构化树搜索

Fabio Pavirani, Bert Claessens, Pierre Pinson, Chris Develder

机构 * IDLab Ghent university – imec（IDLab 布鲁塞尔大学 – imec） ； Beebop.ai ； Imperial College London（伦敦帝国理工学院） 纠错

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

AI总结 提出随机情景结构化树搜索（S3TS）算法，通过情景树显式表示不确定性并集成非线性模型，在需求响应信号发布问题上实现近最优性能，成本比最优解高14%以内，在非线性场景中比贪心算法和确定性MCTS分别降低51%和5.4%的成本。

CAPF: Guiding Search-Agent Rollouts with Credit-Attenuated Privileged Feedback

CAPF：基于信用衰减特权反馈引导搜索智能体轨迹生成

Bin Chen, Xinye Liao, Yiming Liu, Xin Liao, Chonghan Liu

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 针对结果奖励稀疏导致搜索智能体学习困难的问题，提出训练时利用验证器侧信息（CAPF）将零奖励轨迹修复为正奖励轨迹，并衰减相关信用以适配无特权反馈的部署场景，在七个开放域问答基准上将Qwen3-4B的平均精确匹配分数从44.7%提升至48.5%。

FineVerify: Scaling Test-Time Compute with Fine-Grained Self-Verification for Agentic Search

FineVerify: 通过细粒度自验证扩展智能搜索的测试时计算

James Xu Zhao, Hui Chen, Bryan Hooi, See-Kiong Ng

机构 * National University of Singapore（新加坡国立大学） 纠错

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

AI总结 提出FineVerify细粒度自验证框架，将问题分解为可检查的子问题，对候选答案逐项验证并聚合得分，在四个智能搜索基准上显著优于标准扩展基线。

Comments 8+18 pages, 6 tables, 11 figures

LLM Anonymization Against Agentic Re-Identification

LLM匿名化对抗智能体重识别

Ziwen Li, Jianing Wen, Tianshi Li

机构 * Khoury College of Computer Sciences（科里学院计算机科学学院） ； Northeastern University（东北大学） 纠错

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

AI总结 提出AURA框架，通过掩码-重构方法解耦隐私定位与效用保留，并利用对抗性隐私和效用检查，以抵抗基于网络搜索的智能体重识别攻击，同时保留文本的上下文效用。

Comments 32 pages, 7 figures

Sophrosyne: Agentic Exploration of Relational Data Systems Needs Moderation

Sophrosyne: 关系数据系统的智能体探索需要适度

Madhav Jivrajani, Ramnatthan Alagappan, Aishwarya Ganesan

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 针对LLM驱动的Text2SQL智能体在探索数据系统时过度探索的问题，提出Sophrosyne环境，通过增强API响应中的指令来引导探索，减少过度探索并提升SQL生成准确性。

MAVEN: Improving Generalization in Agentic Tool Calling

MAVEN：提升智能体工具调用的泛化能力

Omkar Ghugarkar, Vishvesh Bhat, Muhammad Ahmed Mohsin, Asad Aali

机构 * CoreThink AI, USA（CoreThink AI, 美国） ； Stanford University, Stanford, CA, USA（斯坦福大学, 加州斯坦福, 美国） 纠错

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

AI总结 提出MAVEN框架，通过轻量级符号推理脚手架实现结构化分解、自适应工具编排和中间验证，在多个基准测试中显著提升模型性能，且成本仅为前沿专有模型的约1/10。

Beyond Trajectory Rewards: Step-level Credit Assignment for Agentic Search via Graph Modeling

超越轨迹奖励：通过图建模实现智能搜索的步骤级信用分配

Yuchen Liu, Yingjie Feng, Lixiong Qin, Jiasi Chen, Jianing Yu, Sheng Gao, Sheng Yang, Weiran Xu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Li Auto Inc.（李自动公司） 纠错

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

AI总结 针对智能搜索中轨迹级奖励无法量化单步行为贡献的问题，提出基于图距离贡献奖励（GDCR）的步骤级过程奖励，并结合步骤优势策略优化（SAPO）在四个基准上验证有效性。

Comments 15 pages, 8 figures

AIRGuard: Guarding Agent Actions with Runtime Authority Control

AIRGuard：通过运行时权限控制守护智能体行为

Suliu Qin, Haomin Zhuang, Yujun Zhou, Yufei Han, Xiangliang Zhang

机构 * University of Notre Dame（诺丁汉大学） ； Inria, France（法国国家信息与自动化技术研究所） ； University of Liverpool（利物浦大学） 纠错

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

AI总结 针对工具使用语言智能体面临的权限混淆问题，提出运行时守卫AIRGuard，通过动作时授权实现最小权限原则，显著降低攻击成功率并保持良好良性效用。

When Does Memory Help Multi-Trajectory Inference for Tool-Use LLM Agents?

何时记忆有助于工具使用LLM代理的多轨迹推理？

Xinzhe Li, Yaguang Tao

机构 * RMIT University（皇家墨尔本理工大学） 纠错

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

AI总结 本文提出一个统一框架，将记忆沿传输范围和内容抽象两个维度分解，在无验证器设置下评估四种记忆方法与三种推理策略在四个工具使用基准上的表现，发现推理策略是混淆变量，不同策略下相同记忆方法产生显著不同结果。

Comments More evaluation and analysis are on the way

Maat: The Agentic Legal Research Assistant for Competition Protection

Maat: 面向竞争保护的法律研究智能助手

Basant Mounir, Farida Madkour, Amira Abdelaziz, Asmaa Sami

机构 * Cairo Egypt（开罗埃及） 纠错

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

AI总结 提出Maat，一种基于ReAct框架的智能法律研究助手，通过RAG、网络搜索和用户澄清机制，在竞争法案例检索中显著优于现有通用和专用法律助手。

Comments 5 pages, 1 figure

Retrieval as Reasoning: Self-Evolving Agent-Native Retrieval via LLM-Wiki

检索即推理：通过LLM-Wiki实现自我进化的智能体原生检索

Haoliang Ming, Feifei Li, Xiaoqing Wu, Wenhui Que

机构 * Tencent Inc.（腾讯公司） 纠错

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

AI总结 提出LLM-Wiki系统，将外部知识组织为可编译、可组合、自进化的Wiki页面，通过工具调用接口实现搜索、阅读和链接跟踪操作，并引入错误簿进行持续自纠正，在多项多跳问答基准上取得最优结果。

Comments 15 pages, 3 figures, 10 tables, 1 algorithm

Peak-Then-Collapse and the Four Interface Channels of Knowledge-Graph Tool Use

先升后降与知识图谱工具使用的四个接口通道

Tianda Sun, Dimitar Kazakov

机构 * University of York（约克大学） 纠错

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

AI总结 本文通过最小化知识图谱工具API实验，发现标准RLVR工具使用配方在自验证检索奖励下出现先升后降的崩溃模式，并识别出四种接口失败模式，提出接口反馈差异是核心原因，单次自蒸馏可缓解但受接口限制。

Comments 18 pages, 9 figures

Learning to Search and Searching to Learn for Generalization in Planning

学习搜索与搜索学习以实现规划中的泛化

Michael Aichmüller, Yannik Hesse, Hector Geffner

机构 * Department of Machine Learning and Reasoning, RWTH Aachen University（机器学习与推理部门，亚琛RWTH大学） 纠错

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

AI总结 提出一种结合关系图神经网络值启发式的自改进WA*学习框架，通过搜索引导和Q学习更新启发式，实现零样本泛化，在多个规划任务中优于深度强化学习。

Comments Accepted at ICML 2026