Seed1.8 Model Card: Towards Generalized Real-World Agency
Seed1.8 模型卡：迈向通用的现实世界代理
机构 * Bytedance Seed（字节跳动Seed）
专题命中 工具调用 ：tool use(abstract)；agentic(abstract)；分类 cs.AI
AI总结 Seed1.8 模型旨在实现通用的现实世界代理能力，支持多轮交互、工具使用和多步骤执行，同时保持大语言模型和视觉语言性能，并提供统一的代理接口。
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. 工具调用 5130 篇
COMPASS: Benchmarking Constrained Optimization in LLM Agents
COMPASS：评估LLM代理在约束优化中的表现
机构 * Harvard University（哈佛大学） ； Apple（苹果公司） ； Virginia Tech（弗吉尼亚理工学院） ； UIUC（伊利诺伊大学香槟分校） ； UC Berkeley（加州大学伯克利分校）
专题命中 工具调用 ：tool use(abstract)；planning(abstract)；分类 cs.LG
AI总结 COMPASS基准测试评估LLM代理在真实旅行规划中的约束优化能力，揭示当前模型在可行性与最优性之间存在显著差距，表明搜索空间探索不足是核心限制，编码代理提供潜在解决方案。
Evo-MedAgent: Beyond One-Shot Diagnosis with Agents That Remember, Reflect, and Improve
Evo-MedAgent：超越单次诊断的具有记忆、反思和改进能力的代理
机构 * Technical University of Munich（慕尼黑技术大学） ； TUM University Hospital（TUM大学医院） ； LMU Munich（慕尼黑大学） ； National University of Singapore（新加坡国立大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Imperial College London（伦敦帝国理工学院）
专题命中 工具调用 ：agent(abstract)；tool-use(abstract)；分类 cs.AI
AI总结 Evo-MedAgent通过引入自我进化记忆模块，使医疗代理在测试时实现跨案例学习，提升多选题准确率，无需额外训练，适用于任何冻结模型。
MARCA: A Checklist-Based Benchmark for Multilingual Web Search
MARCA：基于检查表的多语言网络搜索基准
机构 * Maritaca AI ； Jusbrasil
专题命中 工具调用 ：tool use(abstract)；agentic(abstract)；分类 cs.CL
AI总结 MARCA是一个双语（英语和葡萄牙语）基准，用于评估LLM在基于网络的信息检索中的能力，通过手动编写的多实体问题和检查表式评分标准，评估答案的完整性和正确性，并发现任务分解框架能提升覆盖范围，模型在英语到葡萄牙语的迁移中存在显著差异。
MCP-Flow: Facilitating LLM Agents to Master Real-World, Diverse and Scaling MCP Tools
MCP-Flow：帮助LLM代理掌握现实世界、多样且可扩展的MCP工具
机构 * TikTok ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； University of Illinois at Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 工具调用 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 MCP-Flow通过自动化流程提升LLM在现实世界MCP环境中的能力，通过大规模服务器发现、数据合成和模型训练，生成高质量指令-功能调用对和轨迹，推动代理任务性能提升。
Comments ACL 2026 Main, Camera Ready
Who Governs the Machine? A Machine Identity Governance Taxonomy (MIGT) for AI Systems Operating Across Enterprise and Geopolitical Boundaries
谁掌控机器？面向跨企业与地缘政治边界的AI系统机器身份治理分类（MIGT）
专题命中 工具调用 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 本文提出AI身份风险分类（AIRT）和机器身份治理分类（MIGT），解决AI系统中机器身份治理的空白，涵盖37个风险子类，同时应对技术、合规和跨司法管辖区协调的缺口。
Comments 75 pages (excl. references), 2 tables. Addresses policy makers, regulators, and practitioners at the intersection of AI governance, cybersecurity, and geopolitical risk
Search, Do not Guess: Teaching Small Language Models to Be Effective Search Agents
搜索，不要猜测：教小语言模型成为有效的搜索代理
机构 * New York University（纽约大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Nanyang Technological University（南洋理工大学）
专题命中 工具调用 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文通过评估复杂多跳推理任务，发现小语言模型（SLMs）虽参数较少，但检索工具使用更少且易产生幻觉。提出轻量级微调方法\policy，使SLMs能可靠检索并生成基于证据的答案，提升Bamboogle和HotpotQA性能17.3和15.3分，达到LLM水平。
Comments 13 pages, 5 figures
Detecting and Correcting Reference Hallucinations in Commercial LLMs and Deep Research Agents
检测和纠正商业大语言模型和深度研究代理中的参考幻觉
机构 * University of Pennsylvania（宾夕法尼亚大学）
专题命中 工具调用 ：tool-use(abstract)；agentic(abstract)；分类 cs.CL
AI总结 研究通过评估10种模型和代理在DRBench和ExpertQA上的引用URL可靠性，发现3-13%的URL存在幻觉，5-18%无法解析。提出urlhealth工具可有效减少非解析URL，验证引用URL的有效性与可纠正性。
Comments 25 pages
How and Why Agents Can Identify Bug-Introducing Commits
代理如何以及为何能够识别引入缺陷的提交
专题命中 工具调用 ：workflow(abstract)；agentic(abstract)；分类 cs.SE
AI总结 本文探讨了基于LLM的代理如何通过搜索候选提交提升识别引入缺陷提交的性能，提出了一种简单的代理工作流程，并揭示了代理在搜索中的有效性及对缺陷检测的潜在影响。
MCP Security Bench (MSB): Benchmarking Attacks Against Model Context Protocol in LLM Agents
MCP安全基准（MSB）：针对LLM代理中模型上下文协议的攻击评估
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校）
专题命中 工具调用 ：tool-use(abstract)；planning(abstract)；分类 cs.AI
AI总结 本文提出MSB，首个端到端评估套件，系统评估LLM代理在MCP全流程中的抗攻击能力，包含12种攻击类型及性能指标NRP，评估九种主流LLM代理在10个领域405种工具上的表现。
Comments Accepted by ICLR 2026
MMSearch-Plus: Benchmarking Provenance-Aware Search for Multimodal Browsing Agents
MMSearch-Plus：面向多模态浏览代理的溯源感知基准测试
机构 * The University of Hong Kong (HKU)（香港大学） ； Huawei Inc（华为公司）
专题命中 工具调用 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 MMSearch-Plus是一个包含311个任务的基准测试，通过迭代图像-文本检索和交叉验证在噪声下强制多模态理解，提供模型无关的代理框架和集中标记模块，提升多步推理的鲁棒性。
Comments Project Page: https://mmsearch-plus.github.io
Journal ref ICLR 2026
VisBrowse-Bench: Benchmarking Visual-Native Search for Multimodal Browsing Agents
VisBrowse-Bench：多模态浏览代理的视觉原生搜索基准测试
机构 * CASIA ； Ant Digital Technologies Ant Group（蚂蚁集团数字技术部） ； RUC（清华大学） ； FZU（福建师范大学） ； THU（清华大学） ； USTB（北京科技大学） ； PKU（北京大学）
专题命中 工具调用 ：agent(abstract)；workflow(abstract)；分类 cs.AI
AI总结 本文提出VisBrowse-Bench，用于评估多模态浏览代理的视觉推理能力，通过文本-图像检索和联合推理进行多模态证据交叉验证，验证了不同模型在搜索过程中的表现。
Kestrel: Grounding Self-Refinement for LVLM Hallucination Mitigation
Kestrel: 为降低LVLM幻觉而引入自反思
机构 * UC Santa Cruz（加州大学圣克ruz分校） ； UC Berkeley（加州大学伯克利分校） ； UNC-Chapel Hill（北卡罗来纳大学教堂山分校） ； Apple（苹果公司）
专题命中 工具调用 ：agent(abstract)；tool use(abstract)；分类 cs.AI
AI总结 Kestrel提出一种无需训练的框架，通过显式视觉 grounding 与证据验证自反思机制减少LVLM幻觉，实验显示在POPE和MME-Hallucination基准上性能提升，同时提供透明的验证轨迹。
Comments 16 pages, 11 figures, 5 tables
Human-AI Collaborative Autonomous Experimentation With Proxy Modeling for Comparative Observation
人机协作自主实验与代理建模用于比较观察
专题命中 工具调用 ：agent(abstract)；AI agent(abstract)；分类 cs.LG
AI总结 本文提出代理建模贝叶斯优化方法，通过人机协作提升材料空间探索效率，结合人类判断与AI代理实现更精确的实验优化。
Comments 14 pages, 7 figures
Conversational AI-Enhanced Exploration System to Query Large-Scale Digitised Collections of Natural History Museums
对话式AI增强的探索系统用于查询自然历史博物馆大规模数字化收藏
机构 * School of Computer Science, University of Technology Sydney（技术科技大学计算机科学学院） ； School of Design, University of Technology Sydney（技术科技大学设计学院） ； Australian Museum Research Institute, Australian Museum（澳大利亚博物馆研究 institute, 澳大利亚博物馆） ； Australian Museum（澳大利亚博物馆）
专题命中 工具调用 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 本文提出利用对话式AI查询自然历史博物馆大规模数字化收藏的系统，通过交互式地图和自然语言代理实现高效的数据检索与探索。
Comments 25 pages, 9 figures
Beyond Max Tokens: Stealthy Resource Amplification via Tool Calling Chains in LLM Agents
超越最大令牌：通过工具调用链实现隐秘的资源放大
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； University of Illinois Urbana-Champaign, United States（伊利诺伊大学厄巴纳-香槟分校，美国） ； The Hong Kong University of Science and Technology, Hong Kong（香港科学与技术大学，香港） ； Shanghai Jiao Tong University, China（上海交通大学，中国）
专题命中 工具调用 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文提出了一种基于工具调用链的隐秘DoS攻击，通过多轮交互显著提升LLM的资源消耗，挑战现有安全防护机制。
AgentA/B: Automated and Scalable Web A/BTesting with Interactive LLM Agents
AgentA/B: 基于交互式LLM代理的自动化和可扩展的网页A/B测试
机构 * Northeastern University（东北大学） ； Pennsylvania State University（宾夕法尼亚州立大学） ； Amazon USA（亚马逊美国）
专题命中 工具调用 ：agent(abstract)；autonomous agent(abstract)；分类 cs.CL
AI总结 AgentA/B通过交互式LLM代理实现自动化和可扩展的网页A/B测试，模拟用户行为以评估网页设计效果。
A Lightweight Traffic Map for Efficient Anytime LaCAM*
一种轻量级交通图用于高效任何时间LaCAM*
机构 * Monash University, Faculty of Information Technology（莫纳什大学信息科技学院）
专题命中 工具调用 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文提出了一种基于动态轻量级交通图的改进方法，用于提升LaCAM*在多智能体路径寻找中的解决方案质量。
An Embodied Companion for Visual Storytelling
具身化伴侣：视觉叙事中的交互伙伴
机构 * Goldsmiths, University of London（伦敦大学金史密斯学院） ； DeepMind（深度Mind）
专题命中 工具调用 ：tool use(abstract)；agentic(abstract)；分类 cs.AI
AI总结 Companion通过结合绘图机器人与大语言模型，实现人机协同创作，推动视觉叙事的创新与美学探索。
Comments 35 pages, 18 figures
LAPIS: Lightweight API Specification for Intelligent Systems
LAPIS：轻量级智能系统API规范
专题命中 工具调用 ：agent(abstract)；autonomous agent(abstract)；分类 cs.SE
AI总结 LAPIS是一种为LLM优化的轻量级API规范格式，通过减少token使用并保留语义信息，提升智能系统对API的处理效率。
TabTracer: Monte Carlo Tree Search for Complex Table Reasoning with Large Language Models
TabTracer：基于大语言模型的复杂表格推理的蒙特卡洛树搜索
机构 * Beijing Institute of Technology, Zhuhai（北京理工大学（珠海）） ； Beijing Institute of Technology（北京理工大学） ； Shenzhen University（深圳大学）
专题命中 工具调用 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 TabTracer通过多步工具调用和显式状态跟踪，提升复杂表格推理的准确率并降低token成本。
pixelLOG: Logging of Online Gameplay for Cognitive Research
pixelLOG：用于认知研究的在线游戏日志记录
专题命中 工具调用 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 pixelLOG是一种用于认知研究的高性能数据收集框架，通过混合方法跟踪多人游戏中的行为，实现高分辨率分析。
Comments 9 pages, 1 figure
Knowing What You Know Is Not Enough: Large Language Model Confidences Don't Align With Their Actions
知道你所知道的并不足够：大型语言模型的置信度与行为不一致
机构 * Vanderbilt University（范德比大学） ； MIT（麻省理工学院） ； Columbia University（哥伦比亚大学）
专题命中 工具调用 ：tool-use(abstract)；agentic(abstract)；分类 cs.LG
AI总结 研究发现大型语言模型的置信度与行为不一致，静态校准无法预测动态设置中的表现。
Agent2Agent Threats in Safety-Critical LLM Assistants: A Human-Centric Taxonomy
安全关键型LLM助手中的Agent2Agent威胁：以人为中心的分类
机构 * BMW Group Research（宝马集团研究） ； Technical University Munich（慕尼黑技术大学）
专题命中 工具调用 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文提出AgentHeLLM框架，通过分离资产识别与攻击路径分析，为安全关键型LLM助手提供以人为中心的威胁建模方法。
Don't believe everything you read: Understanding and Measuring MCP Behavior under Misleading Tool Descriptions
不要轻信你所读到的：在误导性工具描述下理解和测量MCP行为
机构 * School of Computer Science and Technology（计算机科学与技术学院）
专题命中 工具调用 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 研究揭示MCP协议中描述与代码不一致的问题，发现13%的服务器存在潜在安全风险，强调需加强透明度和审计
Learning Provably Correct Distributed Protocols Without Human Knowledge
在无需人类知识的情况下学习可证明正确的分布式协议
机构 * The Ohio State University（俄亥俄州立大学） ； University of Florida（佛罗里达大学）
专题命中 工具调用 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 GGMS框架通过结合蒙特卡洛树搜索、变压器编码器和模型检查器反馈，实现了无需人类知识的正确分布式协议学习。
$G^2$-Reader: Dual Evolving Graphs for Multimodal Document QA
$G^2$-Reader: 双重演化图式用于多模态文档问答
机构 * Shanghai Jiao Tong University（上海交通大学） ； Intelligent Game and Decision Laboratory（智能游戏与决策实验室）
专题命中 工具调用 ：planning(abstract)；agentic(abstract)；分类 cs.CL
AI总结 $G^2$-Reader通过双重图式解决多模态文档问答中的结构破坏和检索失效问题，实现66.21%的高准确率。
When should I search more: Adaptive Complex Query Optimization with Reinforcement Learning
我应该何时搜索更多：基于强化学习的自适应复杂查询优化
机构 * Tencent Youtu Lab（腾讯云图实验室） ； The University of Hong Kong（香港大学） ； Nanyang Technological University（南洋理工大学）
专题命中 工具调用 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文提出自适应复杂查询优化框架ACQO，通过强化学习解决复杂查询优化中的子查询数量确定、文档排序与合并问题，实现更稳定高效的查询处理。
Comments 16 pages, 7 figures
Doc2AHP: Inferring Structured Multi-Criteria Decision Models via Semantic Trees with LLMs
Doc2AHP: 通过语义树利用LLMs推断结构化的多准则决策模型
机构 * State Key Laboratory of CAD&CG（计算机辅助设计与图形学国家重点实验室）
专题命中 工具调用 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 Doc2AHP通过结合AHP原理和LLMs，实现结构化多准则决策模型的高效推断，提升决策模型的逻辑完整性和准确性。
Mxplainer: Explain and Learn Insights by Imitating Mahjong Agents
Mxplainer: 通过模仿麻将代理解释和学习洞察
机构 * Peking University, Beijing 100871, China（北京大学）
专题命中 工具调用 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 Mxplainer通过模仿麻将代理，利用参数化搜索算法学习并解释黑箱代理的决策过程，提升动作预测准确率和可解释性。
Comments https://doi.org/10.3390/a18120738
Journal ref Algorithms 2025, 18(12), 738
