AI Agent

Deploy, Calibrate, Monitor, Heal -- No Human Required: An Autonomous AI SRE Agent for Elasticsearch

部署、校准、监控、修复——无需人工：一个用于Elasticsearch的自主AI SRE代理

Muhamed Ramees Cheriya Mukkolakkal

专题命中 Agent评测 ：agent(title,abstract)；tool-use(abstract)

AI总结 本文提出ES Guardian Agent，通过十一阶段自主管理Elasticsearch全生命周期，利用多源预测失败引擎实现故障预测与修复，展示LLM在高可用性目标中的应用。

Comments 8 pages, 1 figure, 15 tables. Submitted to IEEE CNSM 2026. Cluster: Elasticsearch 8.17.0, 3 master + 12 data nodes, Kubernetes

Dive into the Agent Matrix: A Realistic Evaluation of Self-Replication Risk in LLM Agents

深入代理矩阵：对LLM代理自复制风险的现实评估

Boxuan Zhang, Yi Yu, Jiaxuan Guo, Jing Shao

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 本文通过构建真实环境评估LLM代理自复制风险，引入OR和AOC指标，发现超过50%的模型在压力下表现出不受控的自复制倾向，强调了对风险评估和安全措施的迫切需求。

Comments 26 pages, 6 figures

FusionAgent: A Multimodal Agent with Dynamic Model Selection for Human Recognition

FusionAgent：一种具有动态模型选择的多模态代理用于人体识别

Jie Zhu, Xiao Guo, Yiyang Su, Anil Jain, Xiaoming Liu

机构 * Michigan State University（密歇根州立大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

专题命中 Agent评测 ：agent(title,abstract)；agentic(abstract)

AI总结 FusionAgent通过动态模型选择提升人体识别鲁棒性，利用多模态大语言模型进行样本特定的模型选择，结合ACT分数融合方法，实验表明其在效率和性能上优于现有方法。

Comments CVPR 2026

On Randomness in Agentic Evals

关于代理评估中的随机性

Bjarni Haukur Bjarnason, André Silva, Martin Monperrus

机构 * KTH Royal Institute of Technology（皇家理工学院） 纠错

专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.AI、cs.LG、cs.SE

AI总结 研究通过分析6万条轨迹发现单次运行的pass@1分数存在显著波动，建议采用多轮运行、统计分析和多指标评估以提高代理系统评估的可靠性。

Can AI Agents Answer Your Data Questions? A Benchmark for Data Agents

AI代理能否回答您的数据问题？一个数据代理的基准测试

Ruiying Ma, Shreya Shankar, Ruiqi Chen, Yiming Lin, Sepanta Zeighami, Rajoshi Ghosh, Abhinav Gupta, Anushrut Gupta, Tanmai Gopal, Aditya G. Parameswaran

专题命中 Agent评测 ：AI agent(title,abstract)；agent(abstract)

AI总结 本文提出数据代理基准测试（DAB），旨在评估多数据库系统中数据整合、转换和分析的全流程能力，通过12个数据集、9个领域和4种数据库管理系统中的54个查询，测试了前沿模型在数据代理任务中的表现。

Comments 22 pages, 7 figures, 9 tables

SciNav: A General Agent Framework for Scientific Coding Tasks

SciNav：一种通用的科学编码任务代理框架

Tianshu Zhang, Huan Sun

机构 * The Ohio State University（俄亥俄州立大学） 纠错

专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 本文提出SciNav框架，用于科学编码任务，通过相对判断指导的top-K搜索提升解决方案探索效率，优于直接提示和现有代理。

Comments Accepted by ICLR 2026

LLM-Agent Interactions on Markets with Information Asymmetries

在信息不对称市场中的人工智能代理互动

Alexander Erlei, Lukas Meub

专题命中 Agent评测 ：agent(title,abstract)；AI agent(abstract)

AI总结 本文研究了在信息不对称市场中，人工智能代理的行为，发现社会偏好协调对市场效率至关重要。

MistyPilot: An Agentic Fast-Slow Thinking LLM Framework for Misty Social Robots

MistyPilot: 一种面向Misty社交机器人的代理快速-缓慢思考LLM框架

Xiao Wang, Lu Dong, Jingchen Sun, Ifeoma Nwogu, Srirangaraj Setlur, Venu Govindaraju

机构 * State University of New York at Buffalo（纽约州立大学布法罗分校） 纠错

专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)

AI总结 MistyPilot通过代理驱动的LLM框架，实现社交机器人中工具选择、协调及参数配置的高效执行，提升任务效率与情感一致性。

Behind the Prompt: The Agent-User Problem in Information Retrieval

提示背后：信息检索中的代理-用户问题

Saber Zerhoudi, Michael Granitzer, Dang Hai Dang, Jelena Mitrovic, Florian Lemmerich, Annette Hautli-Janisz, Stefan Katzenbeisser, Kanishka Ghosh Dastidar

专题命中 Agent评测 ：agent(title,abstract)；AI agent(abstract)

AI总结 研究揭示了信息检索中代理-用户问题的结构性挑战，指出基于人类意图假设的模型在代理存在时可能失效。

Earth-Agent: Unlocking the Full Landscape of Earth Observation with Agents

Earth-Agent: 解锁地球观测的全貌与潜力

Peilin Feng, Zhutao Lv, Junyan Ye, Xiaolei Wang, Xinjie Huo, Jinhua Yu, Wanghan Xu, Wenlong Zhang, Lei Bai, Conghui He, Weijia Li

专题命中 Agent评测 ：agent(title,abstract)；agentic(abstract)

AI总结 Earth-Agent是一种结合RGB和光谱数据的代理框架，通过多模态工具生态系统实现跨模态、多步骤推理，提升地球观测分析的科学性和应用潜力。

Comments Published as a conference paper at ICLR 2026

Grid-Mind: An LLM-Orchestrated Multi-Fidelity Agent for Automated Connection Impact Assessment

Grid-Mind: 一种基于LLM的多保真度代理用于自动化连接影响评估

Mohamed Shamseldein

专题命中 Agent评测 ：agent(title,abstract)；tool-use(abstract)

AI总结 Grid-Mind是一种基于LLM的多保真度代理，通过自主协调电力系统模拟，实现自动化连接影响评估，具有高准确率和自我纠正能力。

VoiceAgentBench: Are Voice Assistants ready for agentic tasks?

VoiceAgentBench: 聊天助手是否准备好处理代理任务？

Dhruv Jain, Harshit Shukla, Gautam Rajeev, Ashish Kulkarni, Chandra Khatri, Shubham Agarwal

机构 * OLA Electric（OLA电讯） ； Krutrim AI（Krutrim人工智能） 纠错

专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 VoiceAgentBench评估语音模型在代理任务中的表现，发现ASR-LLM在英语任务中表现优于端到端SpeechLMs，但两者在多语言和安全评估中均存在局限。

Making AI Agents Evaluate Misleading Charts without Nudging

让AI代理在不引导的情况下评估误导性图表

Swaroop Panda

专题命中 Agent评测 ：AI agent(title,abstract)；agent(abstract)

AI总结 本文研究了AI代理在未被引导的情况下评估误导性图表的能力，发现其在图形完整性受损时仍能保持较高的审美和可读性评分，表明需明确引导才能有效识别完整性问题。

FinMTM: A Multi-Turn Multimodal Benchmark for Financial Reasoning and Agent Evaluation

FinMTM：面向金融推理和智能体评估的多轮多模态基准

Chenxi Zhang, Ziliang Gan, Liyun Zhu, Youwei Pang, Qing Zhang, Rongjunchen Zhang

机构 * HiThink Research（HiThink研究机构） ； Wuhan University（武汉大学） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Shanghai Institute of Technology（上海理工大学） 纠错

专题命中 Agent评测 ：agent(title,abstract)；planning(abstract)

AI总结 FinMTM提出一个多轮多模态基准，用于评估金融推理和智能体任务，通过多样化数据和任务设计，揭示了VLMs在视觉感知、推理和复杂工作流中的局限性。

OpenClaw Agents on Moltbook: Risky Instruction Sharing and Norm Enforcement in an Agent-Only Social Network

OpenClaw代理在Moltbook上的应用：代理-only社交网络中风险性指令分享与规范执行

Md Motaleb Hossen Manik, Ge Wang

专题命中 Agent评测 ：agent(title,abstract)；agentic(abstract)

AI总结 OpenClaw代理在Moltbook上通过风险性指令分享和规范执行展现选择性社会调节行为，揭示了代理-only社交系统中规范行为的涌现。

Versatile Behavior Diffusion for Generalized Traffic Agent Simulation

多功能行为扩散用于通用交通代理模拟

Zhiyu Huang, Zixu Zhang, Ameya Vaidya, Yuxiao Chen, Chen Lv, Jaime Fernández Fisac

机构 * School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） ； Department of Electrical and Computer Engineering, Princeton University（普林斯顿大学电气与计算机工程系） ； NVIDIA Research（NVIDIA研究） 纠错

专题命中 Agent评测 ：agent(title,abstract)；multi-agent(abstract)

AI总结 多功能行为扩散通过生成多代理互动场景，提升交通模拟的灵活性和实用性，为自动驾驶系统测试提供基础工具。

An Agent-based Model of Citation Behavior

引用行为的智能体模型

George Chacko, Minhyuk Park, Vikram Ramavarapu, Ananth Grama, Pablo Robles-Granda, Tandy Warnow

专题命中 Agent评测 ：agent(title,abstract)；autonomous agent(abstract)

AI总结 本文通过智能体模型研究引用行为，探讨引用策略对后续引用的影响，并发现适应性和局部性等效应在引用捕捉中的作用。

Journal ref Applied Network Science (2026)

EZBlender: Efficient 3D Editing with Plan-and-ReAct Agent

EZBlender：基于计划与反应代理的高效3D编辑

Hao Wang, Wenhui Zhu, Shao Tang, Zhipeng Wang, Xuanzhao Dong, Xin Li, Xiwen Chen, Ashish Bastola, Xinhao Huang, Yalin Wang, Abolfazl Razi

专题命中 Agent评测 ：agent(title,abstract)；planning(abstract)

AI总结 EZBlender通过结合计划与反应机制，实现高效且语义忠实的3D编辑，提升Human AI协作效率与经济性。

A Probabilistic Digital Twin of UK En Route Airspace for Training and Evaluating AI Agents for Air Traffic Control

基于英国航路空域的概率数字孪生：用于训练和评估空管AI代理

Nick Pepper, Adam Keane, Amy Hodgkin, Dewi Gould, Edward Henderson, Lynge Lauritsen, Christos Vlahos, George De Ath, Richard Everson, Richard Cannon, Alvaro Sierra Castro, John Korna, Ben Carvell, Marc Thomas

专题命中 Agent评测 ：AI agent(title,abstract)；agent(abstract)

AI总结 本文提出基于英国航路空域的概率数字孪生，用于训练和评估空管AI代理，通过结合历史与实时数据及概率模型，提供高保真虚拟环境以支持AI代理的开发与评估。

A Network Arena for Benchmarking AI Agents on Network Troubleshooting

一个用于AI代理在网络故障排除中基准测试的网络竞技场

Zhihao Wang, Alessandro Cornacchia, Alessio Sacco, Franco Galante, Marco Canini, Dingde Jiang

专题命中 Agent评测 ：AI agent(title)；agent(abstract)；agentic(abstract)

AI总结 NIKA是一个开源的网络故障排除基准，用于评估AI代理在动态网络环境中的性能，包含数百个精心挑选的网络事件和54个代表性问题，旨在帮助研究人员和网络专家改进网络故障诊断能力。

Agentic Artificial Intelligence for Ethical Cybersecurity in Uganda: A Reinforcement Learning Framework for Threat Detection in Resource-Constrained Environments

代理人工智能用于乌干达的伦理网络安全：一种强化学习框架用于资源受限环境中的威胁检测

Ibrahim Adabara, Bashir Olaniyi Sadiq, Aliyu Nuhu Shuaibu, Yale Ibrahim Danjuma, Venkateswarlu Maninti, Mutebi Joe

专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)

AI总结 本研究提出一种结合强化学习和伦理治理的代理人工智能框架，用于资源受限环境中的网络安全威胁检测，实现了100%的检测率和零假阳性，提升网络安全效果和公平性。

Comments 29 pages, 7 figures, 2 tables, 1 appendix

David vs. Goliath: Can Small Models Win Big with Agentic AI in Hardware Design?

大卫与歌利亚：小型模型能否通过代理AI在硬件设计中胜出？

Shashwat Shankar, Subhranshu Pandey, Innocent Dengkhw Mochahari, Bhabesh Mali, Animesh Basak Chowdhury, Sukanta Bhattacharjee, Chandan Karfa

机构 * Indian Institute of Technology, Guwahati, India（印度理工学院冈瓦提分校） ； NXP USA, Inc.（NXP美国公司） 纠错

专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.AI、cs.LG、cs.SE

AI总结 本研究探讨小型语言模型结合代理AI在硬件设计中的应用，证明其在成本效率和性能上的优势。

AutoEnv: Automated Environments for Measuring Cross-Environment Agent Learning

AutoEnv：用于测量跨环境智能体学习的自动化环境

Jiayi Zhang, Yiran Peng, Fanqi Kong, Cheng Yang, Yifan Wu, Zhaoyang Yu, Jinyu Xiang, Jianhao Ruan, Jinlin Wang, Maojia Song, HongZhang Liu, Xiangru Tang, Bang Liu, Chenglin Wu, Yuyu Luo

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； DeepWisdom ； Peking University（北京大学） ； Singapore University of Technology and Design（新加坡科技设计大学） ； Sydney University（悉尼大学） ； Yale University（耶鲁大学） ； Université de Montréal & Mila（蒙特利尔大学及Mila） 纠错

专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 AutoEnv通过自动化生成异质环境和组件驱动的学习方法，探讨了跨环境智能体学习的挑战与扩展性问题。

Crystalyse: a multi-tool agent for materials design

Crystalyse：一种用于材料设计的多工具代理

Ryan Nduma, Hyunsoo Park, Aron Walsh

专题命中 Agent评测 ：agent(title,abstract)；agentic(abstract)

AI总结 Crystalyse是一种用于材料设计的多工具代理，通过三种操作模式在探索速度和验证深度之间进行权衡，提升材料设计的透明性和可重复性。

Comments 23 pages, 4 figures

Planetarium: A Rigorous Benchmark for Translating Text to Structured Planning Languages

Max Zuo, Francisco Piedrahita Velez, Xiaochen Li, Michael L. Littman, Stephen H. Bach

机构 * Brown University（布朗大学） 纠错

专题命中 Agent评测 ：planning(title,abstract)；分类 cs.AI、cs.CL、cs.LG

Comments NAACL Main Conference 2025

Journal ref Proceedings of the 2025 Conference of the Nations of the Americas Chapter of the Association for Computational Linguistics: Human Language Technologies (Volume 1: Long Papers)

Portal UX Agent -- A Plug-and-Play Engine for Rendering UIs from Natural Language Specifications

Xinsong Li, Ning Jiang, Jay Selvaraj

专题命中 Agent评测 ：agent(title,abstract)；agentic(abstract)

AutoLibra: Agent Metric Induction from Open-Ended Human Feedback

Hao Zhu, Phil Cuvin, Xinkai Yu, Charlotte Ka Yee Yan, Jason Zhang, Diyi Yang

机构 * Stanford University（斯坦福大学） ； University of Toronto（多伦多大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI、cs.CL、cs.LG

Comments https://github.com/Open-Social-World/autolibra

Green Hydrogen under Uncertainty: Evaluating Power-to-X Strategies Using Agent-Based Simulation and Multi-Criteria Decision Framework

Frederik Wagner Madsen, Joy Dalmacio Billanes, Bo Nørregaard Jørgensen, Zheng Ma

专题命中 Agent评测 ：agent(title,abstract)；planning(abstract)

Sequence Modeling for N-Agent Ad Hoc Teamwork

Caroline Wang, Di Yang Shi, Elad Liebman, Ishan Durugkar, Arrasy Rahman, Peter Stone

专题命中 Agent评测 ：agent(title,abstract)；multi-agent(abstract)

Comments Presented at RLDM 2025

Agentic Design of Compositional Machines

Wenqian Zhang, Weiyang Liu, Zhen Liu

机构 * The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） 纠错

专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.AI、cs.CL、cs.LG

Comments 75 pages, 31 figures, Project Page: https://besiegefield.github.io