AI Agent

Asynchronous opinion dynamics on the $k$-nearest-neighbors graph

异步意见动力学在k-最近邻图上

Wilbert Samuel Rossi, Paolo Frasca

专题命中 Agent评测 ：agent(summary_cn,abstract)

AI总结 研究异步意见更新机制下的k-最近邻图意见动力学，发现其与传统模型有显著差异，证明当agent数量小于2k时动力学趋于共识。

Comments 17 pages, 4 figures, (to be) presented at the 57th IEEE Conference on Decision and Control, 2018

The role of consumer networks in firms' multi-characteristics competition and market-share inequality

消费者网络在企业多特征竞争和市场份额不平等中的作用

Antonios Garas, Athanasios Lapatinas

专题命中 Agent评测 ：agent(summary_cn,abstract)

AI总结 本文通过多特征空间中的位置分析模型，研究消费者网络对企业竞争和市场份额不平等的影响，采用动态 agent-based 分析，揭示多维产品差异化竞争中的适应性学习机制。

Comments 33 pages, 5 figures

Strategic Growth with Recursive Preferences: Decreasing Marginal Impatience

具有递归偏好战略增长：边际不耐受递减

Luis Alcala, Fernando Tohme, Carlos Dabus

专题命中 Agent评测 ：agent(summary_cn,abstract)

AI总结 本文研究了资本积累两 agent 模型中策略、异质性和增长的相互作用，采用递归效用函数表示递减边际不耐受偏好，分析两种信息结构下的稳态均衡，探讨均衡的存在性和稳定性。

Comments 55 pages, 14 figures, 2 tables

On symmetric continuum opinion dynamics

关于对称连续意见动力学

Julien M. Hendrickx, Alex Olshevsky

专题命中 Agent评测 ：agent(summary_cn,abstract)

AI总结 本文研究了连续agent群体中常见意见动态模型的渐近行为，证明对称交互下意见分布收敛，并探讨更强意义上的收敛性。

Comments 28 pages, 2 figures, 3 files

Endogenous crisis waves: a stochastic model with synchronized collective behavior

内生危机波：具有同步集体行为的随机模型

Stanislao Gualdi, Jean-Philippe Bouchaud, Giulia Cencetti, Marco Tarzia, Francesco Zamponi

专题命中 Agent评测 ：agent(summary_cn,abstract)

AI总结 本文提出一个简单框架，解释宏观经济Agent基于模型中常见的危机波现象，并验证其在其他物理或生物同步场景中的适用性，通过计算相图确认同步转换的鲁棒性。

Comments 5 pages, 3 figures. This paper is part of the CRISIS project, http://www.crisis-economics.eu

Journal ref Phys. Rev. Lett. 114, 088701 (2015)

Any2Poster: Any-Source Poster Generation Across Modalities and Domains

Any2Poster: 跨模态和领域的任意源海报生成

Amogh Vinaykumar, Aiden Li, Suozhi Huang, Shilong Liu

机构 * Flower Mound High School（弗洛拉穆恩高中） ； University College London（伦敦大学学院） ； Princeton University（普林斯顿大学） 纠错

专题命中 Agent评测 ：agent(summary_cn,abstract)

AI总结 提出Any2Poster Bench基准和Any2Poster Agent智能体，实现从多种输入模态和领域生成海报，并通过基于测验和视觉评估的方法验证信息保真度和视觉传达效果。

Comments Project Page: https://github.com/Any2Poster/Any2Poster

WorldLens: Full-Spectrum Evaluations of Driving World Models in Real World

WorldLens：真实世界中驾驶世界模型的全光谱评估

Ao Liang, Lingdong Kong, Tianyi Yan, Hongsi Liu, Wesley Yang, Ziqi Huang, Wei Yin, Jialong Zuo, Yixuan Hu, Dekai Zhu, Dongyue Lu, Youquan Liu, Guangfeng Jiang, Linfeng Li, Xiangtai Li, Long Zhuo, Lai Xing Ng, Benoit R. Cottereau, Changxin Gao, Liang Pan, Wei Tsang Ooi, Ziwei Liu

机构 * WorldBench Team（WorldBench团队） ； Equal Contributions Project Lead（同等贡献项目负责人） ； Project Lead（项目负责人） ； Corresponding Author（通讯作者） 纠错

专题命中 Agent评测 ：agent(summary_cn,abstract)

AI总结 提出WorldLens基准，从生成、重建、动作跟随、下游任务和人类偏好五个方面评估生成世界模型在视觉真实性、几何一致性、物理合理性和功能可靠性上的表现，并构建WorldLens-26K数据集和WorldLens-Agent评估模型以实现可扩展的可解释评分。

Comments CVPR 2026 Oral Presentation; 80 pages, 37 figures, 29 tables; Project Page at https://worldbench.github.io/worldlens GitHub at https://github.com/worldbench/WorldLens

Contracting a crowd of heterogeneous agents

对异质群体的合同设计

Guillermo Alonso Alvarez, Erhan Bayraktar, Ibrahim Ekren

专题命中 Agent评测 ：agent(summary_cn,abstract)

AI总结 本文研究了大规模异质群体的最优合同设计问题，通过线性二次框架分析有限群体和连续极限问题，得到显式的最优合同和均衡努力，并证明了连续合同可以基于大样本评估以获得近似合同，从而在多 agent 交互场景中提供可扩展的近似方法。

Hunt Instead of Wait: Evaluating Deep Data Research on Large Language Models

在大型语言模型上进行深度数据研究：评估深度数据研究

Wei Liu, Peijie Yu, Michele Orini, Yali Du, Yulan He

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

AI总结 本文提出深度数据研究（DDR）任务和DDR-Bench基准，评估大型语言模型的探索智能，发现有效探索需要内在策略而非单纯扩展。

Comments 14 pages, 7 tables, 8 figures, accepted by ICML 2026

Agentifying Patient Dynamics within LLMs through Interacting with Clinical World Model

通过与临床世界模型交互实现患者动态的智能体化

Minghao Wu, Yuting Yan, Zhenyang Cai, Ke Ji, Chuangsen Fang, Ziying Sheng, Xidong Wang, Rongsheng Wang, Hejia Zhang, Shuang Li, Benyou Wang, Hongyuan Zha

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 ：agent(abstract)；workflow(abstract)；agentic(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 本文提出SepsisAgent，通过临床世界模型模拟患者对液体-血管加压药干预的响应，采用提出-模拟-细化流程进行脓毒症治疗推荐，优于传统RL和LLM基线方法。

Impact of Attitude and Bounded Rationality on Collective Behavioral Transitions

态度与有限理性对集体行为转变的影响

Chen Song, Vladimir Cvetkovic, Angela Fontan, Rong Su, Karl H. Johansson

专题命中 Agent评测 ：agent(summary_cn,abstract)

AI总结 本文基于计划行为理论，提出动态agent模型，探讨态度和有限理性如何影响集体行为转变，并通过调整关键参数控制集体过渡。

Comments This work has been accepted for presentation at the 23rd IFAC World Congress

COMPOSITE-Stem

COMPOSITE-STEM基准：通过70个专家编写的任务评估AI代理的科学推理能力

Kyle Waters, Lucas Nuzzi, Tadhg Looram, Alessandro Tomasiello, Ariel Ghislain Kemogne Kamdoum, Bikun Li, Damien Sileo, Egor Kretov, Francesco Fournier-Facio, Georgios Soloupis, Haile Kassahun, Hew Wolff, Jiaqi Cai, Lianghui Li, Marc Roth, Mohinder Naiya, Naixu Guo, Qicheng Tang, Richard Wheeler, Samuele Sala, Serguei Popov, Steven Dillmann, Yuqi Li

机构 * PortexAI ； University of Milano-Bicocca（米兰-比科卡大学） ； University of Calgary（卡尔加里大学） ； University of Chicago（芝加哥大学） ； Inria（法国国家信息与自动化技术研究院） ； Fraunhofer Institute for Individualized Medical Technology IMTE（弗劳恩霍夫个性化医疗技术研究所） ； University of Cambridge（剑桥大学） ； Independent（独立） ； McGill University（麦吉尔大学） ； Massachusetts Institute of Technology（麻省理工学院） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Queen Mary University of London（伦敦大学玛丽女王学院） ； Dot Ingredients ； National University of Singapore（新加坡国立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Edinburgh（爱丁堡大学） ； Murdoch University（墨尔本大学） ； University of Porto（波尔图大学） ； Stanford University（斯坦福大学） ； Stony Brook University（史泰津布鲁克大学） 纠错

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

AI总结 本文提出COMPOSITE-STEM基准，通过70个专家编写任务评估AI代理的科学推理能力，结合精确匹配评分和LLM作为评委的协议，展示AI在科学领域的能力突破。

LUDOBENCH: Evaluating LLM Behavioural Decision-Making Through Spot-Based Board Game Scenarios in Ludo

LUDOBENCH：通过基于点的棋盘游戏场景评估LLM的行为决策

Ojas Jain, Dhruv Kumar

机构 * Department of Computer Science and Information Systems, BITS Pilani（比拉理工学院皮拉尼校区计算机科学与信息系统系） 纠错

专题命中 Agent评测 ：agent(abstract)；planning(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 LudoBench通过12种不同决策类别中的480个手工设计点场景，评估LLM在Ludo棋盘游戏中的战略推理能力，发现模型在行为上呈现不同特征，揭示了提示敏感性作为关键漏洞。

Comments Under Review

GenDB: The Next Generation of Query Processing -- Synthesized, Not Engineered

GenDB：查询处理的下一代——合成而非工程

Jiale Lao, Immanuel Trummer

机构 * Cornell University（康奈尔大学） 纠错

专题命中 Agent评测 ：agent(abstract)；agentic(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 GenDB利用大语言模型合成查询执行代码，以替代传统复杂的查询处理引擎，实现更高效和定制化的查询处理系统。

Understanding Human-AI Collaboration in Cybersecurity Competitions

理解网络安全竞赛中的人机协作

Tingxuan Tang, Nicolas Janis, Kalyn Asher Montague, Kevin Eykholt, Dhilung Kirat, Youngja Park, Jiyong Jang, Adwait Nadkarni, Yue Xiao

专题命中 Agent评测 ：agent(abstract)；AI agent(abstract)；autonomous agent(abstract)；tool use(abstract)

AI总结 研究探讨了网络安全竞赛中人类与AI协作的有效性，发现AI代理在自主引导提示和工具使用时能超越多数人类团队。

Drift-Bench: Diagnosing Cooperative Breakdowns in LLM Agents under Input Faults via Multi-Turn Interaction

Drift-Bench: 通过多轮交互诊断LLM代理在输入故障下的合作破裂

Han Bao, Zheyuan Zhang, Pengcheng Jing, Zhengqing Yuan, Kaiwen Shi, Yanfang Ye

机构 * University of Notre Dame（内布拉斯加大学） 纠错

专题命中 Agent评测 ：agent(abstract)；autonomous agent(abstract)；agentic(abstract)；分类 cs.AI、cs.CL、cs.SE

AI总结 Drift-Bench通过多轮交互评估LLM代理在输入故障下的合作破裂，采用角色驱动的用户模拟器和Rise评估协议，揭示澄清效果随用户角色和故障类型的变化，推动代理安全评估。

Comments 65 pages, 40 figures

Auditing M-LLMs for Privacy Risks: A Synthetic Benchmark and Evaluation Framework

Junhao Li, Jiahao Chen, Zhou Feng, Chunyi Zhou

专题命中 Agent评测 ：agent(abstract)；workflow(abstract)；agentic(abstract)；multi-agent(abstract)

Comments 14 pages, 3 figures; Accepted by MMM 2026; Complete version in progress. Dataset available at https://huggingface.co/datasets/xaddh/multimodal-privacy

GRETEL: A Goal-driven Retrieval and Execution-based Trial Framework for LLM Tool Selection Enhancing

Zongze Wu, Yani Guo, Churong Liang, Runnan Li

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

Comments 5 pages, 1 figures, 5 tables

Context-Adaptive Hearing Aid Fitting Advisor through Multi-turn Multimodal LLM Conversation

Yingke Ding, Zeyu Wang, Xiyuxing Zhang, Hongbin Chen, Zhenan Xu

专题命中 Agent评测 ：agent(abstract)；workflow(abstract)；agentic(abstract)；multi-agent(abstract)

Comments Ubicomp Companion 2025

Survey on Evaluation of LLM-based Agents

Asaf Yehudai, Lilach Eden, Alan Li, Guy Uziel, Yilun Zhao, Roy Bar-Haim, Arman Cohan, Michal Shmueli-Scheuer

专题命中 Agent评测 ：agent(abstract)；tool use(abstract)；planning(abstract)；分类 cs.AI、cs.CL、cs.LG

Focus Agent: LLM-Powered Virtual Focus Group

Taiyu Zhang, Xuesong Zhang, Robbe Cools, Adalberto L. Simeone

专题命中 Agent评测 ：agent(title,abstract)

Comments 8 pages, the 24th Intelligent Virtual Agent Conference

Journal ref Taiyu Zhang, Xuesong Zhang, Robbe Cools, and Adalberto Simeone. 2024. Focus Agent: LLM-Powered Virtual Focus Group. In ACM International Conference on Intelligent Virtual Agents (IVA '24), September 16--19, 2024, GLASGOW, United Kingdom

Formal-LLM: Integrating Formal Language and Natural Language for Controllable LLM-based Agents

Zelong Li, Wenyue Hua, Hao Wang, He Zhu, Yongfeng Zhang

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

DISARM: A Social Distributed Agent Reputation Model based on Defeasible Logic

Kalliopi Kravari, Nick Bassiliades

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

Comments Paper under review. Keywords: Semantic Web, Intelligent Multi-agent Systems, Agent Reputation, Defeasible Reasoning

SkillAlchemy: Open-World Agent Skill Creation

SkillAlchemy：开放世界智能体技能创建

Hengjun Wang, Shuyue Wei, Boyi Liu, Jun Yang, Yongxin Tong

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

AI总结 SkillAlchemy是一个以准入为中心的基于源的开放世界智能体技能创建框架，在87个SkillsBench v1.1任务上，其技能通过率较无技能执行提升19.9个百分点、较最强自动化基线提升8.6个百分点，性能接近人工策划技能。

Comments 33 pages, 7 figures, 8 tables. Includes appendices

Signal or Noise? A Benchmark Study of Agent Skills in Web Development

信号还是噪声？智能体在Web开发中的技能基准研究

Ziyue Yang, Fan Ding

机构 * Baidu（百度） 纠错

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

AI总结 该研究构建WebDev-Skills-Bench基准，通过实证分析Web开发智能体技能的效果，发现技能注入会降低任务性能、增加成本，提出需将技能视为特定三元组假设并建立对应评估标准。

CatchBench: When Can an Agent Failure Be Caught?

CatchBench：智能体故障何时能被检测？

Yue Zhao

机构 * University of Southern California（南加州大学） 纠错

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

AI总结 CatchBench是首个在同一任务-方法接口下对智能体运行前、运行中、完成后三种信息状态进行评分的基准，涵盖多类模型与配置，揭示基准分数需结合标签过程才可解释。

Comments 39 pages, 6 figures, 21 tables. Work in progress. Code and data: https://github.com/yzhao062/catchbench

ClawProBench: Trace-Aware Evaluation of AI Agents with Runtime Coverage and Frozen Workplace-Style Holdouts

ClawProBench：基于运行时覆盖与冻结工作空间保留集的轨迹感知AI智能体评估

YuanHang Xiao

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

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

AI总结 该研究提出ClawProBench基准，基于OpenClaw运行时构建，通过含102场景的全配置集与68场景的冻结保留集评估AI智能体，采用安全门控公式评分，发现最终答案排行榜存在缺陷，不同评估视角的智能体排名差异显著。

Comments 29 pages, 4 figures

Aligned Alone, Misaligned Together: Forecasting Adversarial Capture in LLM Agent Populations

单独对齐，共同错位：预测大语言模型智能体群体中的对抗捕获

Isotta Magistrali, Chen Shani

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

AI总结 该研究针对LLM智能体群体，提出从群体无攻击时的良性运行状态校准响应函数，可提前预测坚定少数群体引发的对抗捕获，且捕获为临时状态，孤立对齐不等同于群体对齐。

LLM4LLM: Bridging Kernel Benchmarks and Real Deployment via Closed-Loop Agentic Optimization

LLM4LLM：通过闭环智能体优化弥合内核基准与实际部署之间的差距

Hui Zeng, Pengfei Yang, Yanxin Chen, Fusong Ju, Xinran Wei

机构 * National Key Laboratory of Advanced Communication Networks（先进通信网络国家重点实验室） ； Xidian University（西安电子科技大学） ； Zhongguancun Academy（中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） 纠错

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

AI总结 研究人员提出LLM4LLM部署感知闭环优化框架，解决内核基准与实际部署的性能差距，在A100、H100的10个语言模型推理工作负载及KernelBench Level 2上实现显著加速。

Comments accepted by EMNLP 2026 main conference

Grounding AI Agents in Contracts: An Empirical Evaluation of Spec-Driven Test Generation

将AI智能体建立在契约基础上：对规范驱动测试生成的实证评估

Michele Tufano, James McClure, José Cambronero, Runxiang Cheng, Sherry Y. Shi, Renyao Wei, Dorothy Chen, Franjo Ivančić, Livio Dalloro, Pat Rondon

专题命中 Agent评测 ：AI agent(title)；agent(abstract)；分类 cs.SE

AI总结 本研究针对LLM智能体生成测试时易遗漏契约相关边界的问题，提出规范驱动测试生成方法，经Google生产缺陷评估，其缺陷检测率、分支覆盖率均优于基线，测试套件质量也显著更高。

Comments To appear in Proceedings of the 1st International Workshop on Specification-Driven Development Life Cycle (SpecOps 2026), co-located with SPLASH 2026