AI Agent

Search-Based Path Planning Algorithm for Autonomous Parking:Multi-Heuristic Hybrid A*

Jihao Huang, Zhitao Liu, Xuemin Chi, Feng Hong, Hongye Su

专题命中 工具调用 ：planning(title)

SEED: Series Elastic End Effectors in 6D for Visuotactile Tool Use

H. J. Terry Suh, Naveen Kuppuswamy, Tao Pang, Paul Mitiguy, Alex Alspach, Russ Tedrake

专题命中 工具调用 ：tool use(title)

Comments Submitted to Robosoft 2022

ToolNet: Using Commonsense Generalization for Predicting Tool Use for Robot Plan Synthesis

Rajas Bansal, Shreshth Tuli, Rohan Paul, Mausam

专题命中 工具调用 ：tool use(title)

Comments Advances & Challenges in Imitation Learning for Robotics Workshop in Robotics Science and Systems (RSS) 2020. The first two authors contributed equally

A good body is all you need: avoiding catastrophic interference via agent architecture search

Joshua Powers, Ryan Grindle, Lapo Frati, Josh Bongard

专题命中 工具调用 ：agent(title)

Comments arXiv admin note: text overlap with arXiv:1910.07487

Search-based Kinodynamic Motion Planning for Omnidirectional Quadruped Robots

Pei Wang, Xiaoyu Zhou, Qingteng Zhao, Jun Wu, Qiuguo Zhu

专题命中 工具调用 ：planning(title)

Comments 7 pages

Anticipatory Human-Robot Path Planning for Search and Rescue

Barnabas Gavin Cangan, Larkin Heintzman, Amanda Hashimoto, Nicole Abaid, Ryan K. Williams

专题命中 工具调用 ：planning(title)

Comments IROS 2019 - Workshop on Informed Scientific Sampling in Large-scale Outdoor Environments

The Birkhoff Diamond as Double Agent

James A. Tilley

专题命中 工具调用 ：agent(title)

Comments 10 pages, 5 figures; earlier version of an article that has since been retitled to "Kempe-locking configurations" and submitted in revised form to and accepted by Mathematics for a special issue on graph theory

Say Hi to Eliza. An Embodied Conversational Agent on the Web

Gerard Llorach, Josep Blat

专题命中 工具调用 ：agent(title)

Comments 4 Pages, 1 figure, 17th International Conference Intelligence Virtual Agents (IVA)

Current status of MCNP6 as a simulation tool useful for space and accelerator applications

S. G. Mashnik, J. S. Bull, H. G. Hughes, R. E. Prael, A. J. Sierk

专题命中 工具调用 ：tool use(title)

Comments 4 pages, 3 figures, Proc. 11th Conference on the Intersections of Particle and Nuclear Physics (CIPANP 2012), St. Petersburg, FL, May 28 - June 3, 2012

IntelligentWeb Agent for Search Engines

Avinash N Bhute, B. B. Meshram

专题命中 工具调用 ：agent(title)

Comments 5 pages. International Conference on Trends and Advances in Computation and Engineering TRACE -2010. arXiv admin note: text overlap with arXiv:1205.2891 by other authors

Intelligent Agent Based Semantic Web in Cloud Computing Environment

Debajyoti Mukhopadhyay, Manoj Sharma, Gajanan Joshi, Trupti Pagare, Adarsha Palwe

专题命中 工具调用 ：agent(title)

Comments 10 pages, 10 figures

LLM Agents for Time-Series: A Survey

面向时间序列的大语言模型（LLM）智能体：一项综述

Yilong Chen, Xiao Qin, Chenghao Liu, Liang Wu, Noelle I. Samia, Kaize Ding

机构 * Northwestern University（西北大学） ； Datadog AI Research（Datadog人工智能研究院） ； Nokia（诺基亚） 纠错

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

AI总结 本综述针对LLM智能体在时间序列问题上设计差异大的问题，采用问题驱动分类法梳理现有系统，分析任务对架构等的影响，对比模型性能，为相关设计提供指南并指出未来缺口。

Comments Accepted to Findings of EMNLP 2026

Tunable Tool-Call Rates in LLM Agents via Representation Steering

通过表示调控实现LLM智能体中可调节的工具调用率

Yuqi Chen, Vincent Siu, Yang Liu, Dawn Song, Chenguang Wang

机构 * UC Santa Cruz（圣克鲁兹加利福尼亚大学） ； UC Berkeley（加利福尼亚大学伯克利分校） 纠错

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

AI总结 本研究提出通过调控LLM残差流的线性方向，可在推理时无需额外训练调节工具调用率，使开放域问答准确率近翻倍，且能泛化到多种模型与工具。

EviDx: Evidence-Aware Active Diagnosis with Scaffolded LLM Agents

EviDx：基于证据感知的支架式大语言模型智能体主动诊断框架

Lihang Zeng, Shaoting Zhang, Xiaofan Zhang

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

AI总结 EviDx是结合患者诊断环境、临床诊断支架与运行时控制模块的证据感知主动诊断框架，可提升LLM的诊断性能与过程稳定性，还能揭示模型的能力边界。

Illuminating the Three Dogmas of Reinforcement Learning under Evolutionary Light

在进化之光下揭示强化学习的三个教条

Mani Hamidi, Terrence W. Deacon

机构 * Department of Computer Science, University of Tübingen（图宾根大学计算机科学系） ； Department of Anthropology, University of California, Berkeley（加州大学伯克利分校人类学系） 纠错

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

AI总结 本文从人工生命视角批判强化学习的三个核心假设，提出将学习视为适应而非优化，并利用开放新颖性搜索和热力学理论构建更生物真实的智能体模型。

Where World Models Break: Natural-Input Failure Discovery

世界模型何时失效：自然输入的故障发现

Zhanpeng Shi, Zi Liang, Rong Feng, Shiqin Tang, Xuyang Chen, Hongzong Li

机构 * School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机学院） ； The Hong Kong Polytechnic University（香港理工大学） ； City University of Hong Kong（香港城市大学） ； Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电气与计算机工程系） ； Generative AI Research and Development Center, The Hong Kong University of Science and Technology（香港科技大学生成式人工智能研发中心） 纠错

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

AI总结 本文针对现有世界模型评估忽略灾难性故障风险的问题，提出 BasinLens 方法，可在有限查询预算下发现自然输入引发的可复现、局部持续的世界模型故障，暴露常规基准未覆盖的漏洞。

GEO-Flag: Detecting and Measuring GEO-Optimized Web Content

GEO-Flag：检测与测量经GEO优化的网页内容

Junjie Chu, Ye Leng, Mingjie Li, Yun Shen, Xinyue Shen, Yang Zhang

机构 * CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心） ； HPE（慧与科技） ； University of Waterloo（滑铁卢大学） 纠错

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

AI总结 本研究针对生成式引擎优化（GEO）网页检测不足的问题，构建GEOFlagBench基准，提出干预配对训练（IPT）方法，开发GEO门控智能体系统，还部署流程测量出GEO总体流行率为8.90%。

Comments 23 pages, 8 figures, 23 tables

Bridging Search and CRM: Productionizing AI Product Research Agents for Customer Re-Engagement

打通搜索与客户关系管理（CRM）：将AI产品研究智能体应用于客户再互动的生产部署

Mandar Kulkarni, Pooja A., Samir Shah

机构 * Flipkart Internet Pvt Ltd（Flipkart互联网私人有限公司） 纠错

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

AI总结 该研究提出打通搜索与CRM的AI产品研究智能体框架，在23天生产部署中验证其可提升WhatsApp推荐的CTR、带来GMV增长，实现客户再互动与旅程优化。

DREvo: Distilling Recalibrated Historical Experience for Harness Self-Evolution

DREvo：提炼重校准的历史经验以实现工具链自主进化

Hanghui Guo, Weijie Shi, Zhangze Chen, Shengxiang Xu, Yishu Wang, Yimei Zhang, Wangze Ni, Jia Zhu, Shimin Di

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

AI总结 针对现有工具链自主进化方法的两个局限，提出DREvo方法，通过整合三项技术提升进化稳定性，在五个基准上取得最优准确率，在两类任务上较基线实现显著性能提升。

Comments 9 pages

Mitigating Context Interference for Reliable and Efficient Search Agents

缓解可靠高效搜索智能体的上下文干扰

Boyang Xue, Bin Wu, Shuofei Qiao, Sheng Wang, Rui Wang, Yiming Du, Hongru Wang, Jeff Z. Pan, Emine Yilmaz, Kam-Fai Wong, Aldo Lipani

机构 * The Chinese University of Hong Kong（香港中文大学） ； University College London（伦敦大学学院） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） ； The University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 本文针对多轮搜索智能体的上下文干扰问题，提出基于蒸馏的上下文优化器，将其纳入RL训练后可显著提升搜索智能体的可靠性与效率，开创了AI智能体“先优化上下文再生成”的新范式。

CognixShield: PoV-Guided Vulnerable API Usage Detection in Large Codebases via LLMs

CognixShield：基于LLM的、面向大型代码库的PoV引导式漏洞API使用检测

Quanzhi Fu, Wang Lingxiang, Wenjia Song, Gelei Deng, Yi Liu, Dan Williams, Ying Zhang

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

AI总结 CognixShield是一款LLM驱动的框架，通过保留语义的AST碎片化、感知漏洞的多智能体RAG、PoV引导的语义推理三个核心组件，在57个Java应用上实现了优于现有工具的漏洞API使用检测性能。

Comments accepted in ESEM 2026

The Bitter Lesson of Tool Calling

工具调用的惨痛教训

Ishan Patel, Sahil Sen, Elias Lumer, Vamse Kumar Subbiah

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

AI总结 本研究在BFCL v4上对比14种模型的程序化工具调用与JSON工具调用，发现程序化工具调用在多数场景下性能更优且鲁棒性更强，是可行的替代方案。

Magnet: Detecting Cross-Session AI Misuse Through Capability Accumulation

Magnet：通过能力累积检测跨会话的AI滥用

Natalie Isak, Matthew Dressman

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

AI总结 该研究针对AI集成体的跨会话滥用风险，提出Magnet方法，通过聚合跨会话累积的相关能力来检测此类滥用，填补了现有单会话检测的缺口。

SearchMaster: Grounded and Regulated Self-Play for Search Agents

SearchMaster：面向搜索智能体的基于接地与调控的自博弈框架

Wentao Tan, Qiong Cao, Jiaqi Wang, Nan Duan

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

AI总结 本文提出SearchMaster自博弈框架，通过ECG、SDR、OOP三项调控措施优化LLM搜索智能体训练，在六个深度搜索基准上显著提升Qwen3.5-9B模型的平均准确率，无需人工标注数据。

LeanCSP: A Framework for Certifying Constraint Reformulation and Solving in Lean

LeanCSP：Lean中用于验证约束重构与求解的框架

Pablo Manrique, Stefan Szeider

机构 * TU Wien（维也纳技术大学） 纠错

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

AI总结 本研究在Lean定理证明器中提出LeanCSP框架，可验证约束重构的语义正确性与求解器结果，其已验证对称性破缺能大幅减少求解搜索工作量，且Lean内认证成本可承受。

Delegation Intelligence in Deep Search: A Controllable Framework for Disentangled Capability Diagnosis

深度搜索中的委托智能：一种用于解缠能力诊断的可控框架

Xinhao Yao, Yuanzhuo Liu, Changhao Wang, Yunfei Yu, Haoran Tan, Yuyao Zhang, Ruifeng Ren, Minlong Peng, Yong Liu

机构 * UCAS（中国科学院大学） ； Renmin University of China（中国人民大学） 纠错

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

AI总结 研究深度搜索中委托智能，将其分解为搜索决策和信息合成与验证维度。通过开发可控合成管道构建DelegSearchBench及评估协议，实验证明仅用最终答案准确性不能充分表征深度搜索能力。

Comments Work in Progress

ARdena: Scenario-driven control of real-time LLM agents

ARdena：实时大语言模型智能体的场景驱动控制

Luka Borozan, Domagoj Matijević

机构 * Faculty of Applied Mathematics and Informatics, University of Osijek Croatia（奥西耶克大学应用数学与信息学院，克罗地亚） ； Meet Intelligent Innovations LLC（Meet智能创新有限责任公司） 纠错

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

AI总结 研究如何在实时交互环境中控制大语言模型智能体行为，提出分层场景驱动的LLM控制框架，通过结构化提示实现运行时行为控制，在ARDena中实现该框架并评估，结果显示场景驱动提示能有效控制LLM智能体。

Comments 12 pages, 3 figures

Skill Self-Play: Pushing the Frontier of LLM Capability with Co-Evolving Skills

技能自我博弈：通过协同进化技能拓展大语言模型能力边界

Siyuan Huang, Pengyu Cheng, Haotian Liu, Tao Chen, Yihao Liu, Jingwei Ni, Shijie Zhou, Ziyi Yang, Gangwei Jiang, Mengyu Zhou, Yu Cheng, Xiaoxi Jiang, Guanjun Jiang

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

AI总结 研究针对大语言模型训练困境，引入Skill Self-Play协同进化框架，由提议者、求解器和控制器构成，经强化学习循环使组件协同进化，有效弥合验证与探索差距，推动模型性能提升。

PISmith: Reinforcement Learning-based Red Teaming for Prompt Injection Defenses

PISmith: 基于强化学习的提示注入防御红队测试

Chenlong Yin, Runpeng Geng, Yanting Wang, Jinyuan Jia

机构 * The Pennsylvania State University（宾夕法尼亚州立大学） 纠错

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

AI总结 本文提出PISmith框架，通过强化学习评估现有提示注入防御的鲁棒性，发现标准GRPO在攻击强防御时表现不佳，引入自适应熵正则化和动态优势加权以提升探索能力，实验表明最新防御仍易受适应性攻击影响。

Comments To appear in COLM 2026

Dr. Zero: Self-Evolving Search Agents without Training Data

零博士：无需训练数据的自我进化搜索智能体

Zhenrui Yue, Kartikeya Upasani, Xianjun Yang, Suyu Ge, Shaoliang Nie, Yuning Mao, Zhe Liu, Dong Wang

机构 * Meta Superintelligence Labs（Meta超级智能实验室） ； 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 ：tool use(abstract)；agentic(abstract)；分类 cs.AI

AI总结 研究在高质量数据难获取时智能体自我进化问题，提出零博士框架，通过自我进化反馈循环和HRPO方法，使搜索智能体无需训练数据自我进化，在问答基准测试中表现出色，证明可仅通过自我进化实现强大智能搜索和推理。

Comments COLM 2026