AI Agent

AgentGuard: An Attribute-Based Access Control Framework for Tool-Use LLM-Based Agent

AgentGuard：面向工具使用型LLM智能体的基于属性的访问控制框架

Jiaqi Luo, Songyang Peng, Jiarun Dai, Zhile Chen, Zhuoxiang Shen, Geng Hong, Xudong Pan, Yuan Zhang, Min Yang

专题命中 工具调用 ：agent(title,abstract)；tool-use(title,abstract)

AI总结 提出AgentGuard框架，通过客户端-服务器架构和三种互补检查机制，为工具使用型LLM智能体提供轻量级集成与跨工具安全风险防护。

TSAgent: An Agentic Workflow for Autonomous Transition State Search

TSAgent：一种用于自主过渡态搜索的智能工作流

Varun Madhavan, Ankit Mathanker, Dean M. Sweeney, Oluwatosin A. Ohiro, Yixin Wang, Bryan R. Goldsmith

专题命中 工具调用 ：workflow(title,abstract)；agentic(title,abstract)

AI总结 TSAgent通过持续的计划-执行-分析-重新计划循环，自动在密度泛函理论水平上搜索过渡态，实现了83%的准确率，并在对比实验中表现出优于人类专家的性能。

Temp-R1: A Unified Autonomous Agent for Complex Temporal KGQA via Reverse Curriculum Reinforcement Learning

Temp-R1：通过反向课程强化学习实现复杂时间知识图谱问答的统一自主代理

Zhaoyan Gong, Zhiqiang Liu, Songze Li, Xiaoke Guo, Yuanxiang Liu, Xinle Deng, Zhizhen Liu, Lei Liang, Huajun Chen, Wen Zhang

机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； ZJU-Ant Group Joint Lab of Knowledge Graph（浙江大学-蚂蚁集团知识图谱联合实验室） 纠错

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

AI总结 本文提出Temp-R1，首个通过强化学习训练的时间知识图谱问答自主代理，通过扩展动作空间和反向课程学习提升复杂问题的推理能力，在MultiTQ和TimelineKGQA上取得最佳性能。

Comments ACL 2026 main

Large Neighborhood Search for Multi-Agent Task Assignment and Path Finding with Precedence Constraints

大规模邻域搜索用于具有优先级约束的多智能体任务分配与路径寻找

Viraj Parimi, Brian C. Williams

专题命中 工具调用 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出了一种大规模邻域搜索方法，用于解决具有优先级约束的多智能体任务分配与路径寻找问题，通过迭代改进可行解，提升任务分配和路径规划的效率。

CogSearch: A Cognitive-Aligned Multi-Agent Framework for Proactive Decision Support in E-Commerce Search

CogSearch: 一种面向电子商务搜索的认知对齐多智能体框架

Zhouwei Zhai, Mengxiang Chen, Haoyun Xia, Jin Li, Renquan Zhou, Min Yang

专题命中 工具调用 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 CogSearch通过多智能体框架提升电子商务搜索的决策支持能力，实现决策成本降低和转换率提升

A Cooperative Multi-Agent Probabilistic Framework for Search and Track Missions

一种用于搜索与追踪任务的协作多智能体概率框架

Savvas Papaioannou, Panayiotis Kolios, Theocharis Theocharides, Christos G. Panayiotou, Marios M. Polycarpou

专题命中 工具调用 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出了一种协作多智能体框架，用于在未知数量目标的情况下高效搜索与追踪。

Comments arXiv admin note: substantial text overlap with arXiv:2302.00515

Journal ref IEEE Transactions on Control of Network Systems (Volume: 8, Issue: 2, June 2021)

Multi-Agent Guided Policy Search for Non-Cooperative Dynamic Games

多智能体引导策略搜索用于非合作动态博弈

Jingqi Li, Gechen Qu, Jason J. Choi, Somayeh Sojoudi, Claire Tomlin

专题命中 工具调用 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出多智能体引导策略搜索方法，通过引入近似先验正则化，解决非合作动态博弈中的策略不稳定问题，实验显示其在非线性车辆编队和篮球 formations 中表现更优。

Comments This paper has been accepted for presentation at the IEEE American Control Conference (ACC) 2026. We sincerely appreciate the reviewers' valuable and constructive feedback. The latest version of the manuscript incorporates their suggestions, including additional clarifications of theoretical assumptions, convergence guarantees, and experimental details

ARM-Thinker: Reinforcing Multimodal Generative Reward Models with Agentic Tool Use and Visual Reasoning

ARM-Thinker: 通过智能工具使用和视觉推理强化多模态生成奖励模型

Shengyuan Ding, Xinyu Fang, Ziyu Liu, Yuhang Zang, Yuhang Cao, Xiangyu Zhao, Haodong Duan, Xiaoyi Dong, Jianze Liang, Bin Wang, Conghui He, Dahua Lin, Jiaqi Wang

机构 * Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 工具调用 ：agentic(title,abstract)；tool use(title)；tool-use(abstract)

AI总结 ARM-Thinker通过智能工具使用和视觉推理提升多模态奖励模型的准确性与可解释性。

Distributed quantum architecture search using multi-agent reinforcement learning

使用多智能体强化学习的分布式量子架构搜索

Mikhail Sergeev, Georgii Paradezhenko, Daniil Rabinovich, Vladimir V. Palyulin

专题命中 工具调用 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出了一种基于多智能体强化学习的分布式量子架构搜索方法，以提高量子电路设计的收敛速度和计算效率。

Comments 13 pages, 10 figures

Distributed Stochastic Search for Multi-Agent Model Predictive Control

Taehyun Yoon, Augustinos D. Saravanos, Evangelos A. Theodorou

专题命中 工具调用 ：agent(title,abstract)；multi-agent(title,abstract)

Towards a Barrier-free GeoQA Portal: Natural Language Interaction with Geospatial Data Using Multi-Agent LLMs and Semantic Search

Yu Feng, Puzhen Zhang, Guohui Xiao, Linfang Ding, Liqiu Meng

专题命中 工具调用 ：agent(title,abstract)；multi-agent(title,abstract)

Dynamic Programming based Local Search approaches for Multi-Agent Path Finding problems on Directed Graphs

Irene Saccani, Stefano Ardizzoni, Luca Consolini, Marco Locatelli

专题命中 工具调用 ：agent(title,abstract)；multi-agent(title,abstract)

Comments arXiv admin note: text overlap with arXiv:2304.01765

Anytime Multi-Agent Path Finding using Operation Parallelism in Large Neighborhood Search

Shao-Hung Chan, Zhe Chen, Dian-Lun Lin, Yue Zhang, Daniel Harabor, Tsung-Wei Huang, Sven Koenig, Thomy Phan

专题命中 工具调用 ：agent(title,abstract)；multi-agent(title,abstract)

Comments Accepted as an extended abstract in AAMAS 2024

Motion control for autonomous heterogeneous multi-agent area search in uncertain conditions

Stefan Ivić

专题命中 工具调用 ：agent(title,abstract)；multi-agent(title,abstract)

Comments v1

Multi-agent Time-based Decision-making for the Search and Action Problem

Takahiro Miki, Marija Popovic, Abel Gawel, Gregory Hitz, Roland Siegwart

专题命中 工具调用 ：agent(title,abstract)；multi-agent(title,abstract)

Comments 8 pages, 7 figures, submission to 2017 International Conference on Robotics & Automation

Hardware Keystores for AI Agent Signing Workflows: A Zero-Trust MCP Enforcement Architecture

AI智能体签名工作流的硬件密钥存储：零信任MCP实施架构

Leo Sambrook, Sampo Sovio

机构 * Huawei Technologies（华为技术有限公司） ； EPITA（巴黎高等信息技术与应用科学学院） 纠错

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

AI总结 该研究针对AI智能体私钥易泄露问题，提出基于硬件密钥存储与五层零信任栈的架构，实验显示其攻击成功率降为0%且无误报。

Comments 11 pages, 2 figures. Accompanying code and artifacts available at: https://anonymous.4open.science/r/Hardware-Keystores-for-AI-Agent-Signing-Workflows-Artifact-357C

AgentFold: Closed-Loop Agentic Search for Protein Folding Model Design

AgentFold：用于蛋白质折叠模型设计的闭环智能体搜索

Mingquan Liu, Jiangyu Chen, Hanqun Cao, Xujun Zhang, Pengsen Ma, Xiangru Tang, Shuting Jin, Zhuo Yang, Tianfan Fu, Fang Wu, Xiangxiang Zeng

机构 * Hunan University（湖南大学） ； Nanjing University（南京大学） ； The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） ； Yale University（耶鲁大学） ； Wuhan University of Science and Technology（武汉科技大学） ； Southeast University（东南大学） ； Stanford University（斯坦福大学） 纠错

专题命中 工具调用 ：agentic(title)；agent(abstract)；tool use(abstract)；planning(abstract)

AI总结 AgentFold是将蛋白质折叠模型开发转化为闭环搜索的多智能体框架，以ESMFold为起点，通过MCTS策略分配计算资源，在匹配预算下较Codex提案提升lDDT 7.5%，优于随机搜索。

Paint What You See: Benchmarking Dexterous Visual Tool Use in Multimodal Agents

绘制你所见：多模态智能体的灵巧视觉工具使用基准测试

Shudong Liu, Dongyang Chen, Enci Zhang, Jinwei Liang, Zheng Ma, Lewei Lu

机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； SenseTime Research（商汤科技研究院） 纠错

专题命中 工具调用 ：tool use(title,abstract)；agent(abstract)；planning(abstract)；agentic(abstract)

AI总结 本文提出名为EASEL的基准测试，结合44万样本的EASEL-Data数据集与EASEL-9B模型，评估多模态智能体的灵巧视觉工具使用能力，发现现有25个模型在该任务上表现不佳，EASEL-9B相对基础模型提升6.3%。

Beyond Trial-and-Error: Agentic Optimization for Image-to-Video Adherence

超越试错：面向图像到视频一致性的智能体优化

Aman Tyagi, Hemanth Boinpally, Jonathan Chen, Douglas Gebert, Steven Hickson

机构 * Google Cloud（谷歌云） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 针对图像到视频模型试错效率低的问题，提出Agentic Self-Improvement框架，通过两阶段优化提升视频与文本一致性，生成视频胜率达69%，为视频生成模型提供实用可控的优化方法。

MADE: Belief-Driven Dual-Agent Coordination for Autonomous Model Deployment

MADE：用于自主模型部署的信念驱动双智能体协调机制

Yicheng Liu, Bolin Zhang, Weiran Liu, Yakun Zhang, Yangqin Jiang, Zhiying Tu, Dianhui Chu

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

AI总结 本研究针对自动模型部署任务提出MADE双智能体协调系统，构建M2ABench基准测试集，实验显示MADE部署成功率达68.85%，优于SWE-agent与OpenHands。

Engineering Trustworthy Agentic AI for Critical Systems

为关键系统设计可靠的智能体人工智能

Omar Al-Refai, Ibrahim Shahbaz, Adam Ali Husseinat, Michael Mandulak, Jaewon Kim, Eman Hammad

机构 * Texas A&M University（德克萨斯A&M大学） ； Innovations in Systems Trust and Resilience (iSTAR) Laboratory（系统信任与弹性创新（iSTAR）实验室） ； Texas A&M Institute of Data Science - Security, Privacy and Resilience for Trusted AI (SPARTA) Thematic Lab.（德克萨斯A&M大学数据科学研究所 - 可信人工智能的安全、隐私与弹性（SPARTA）主题实验室） ； Texas A&M Global Cyber Research Institute (GCRI)（德克萨斯A&M大学全球网络研究所） 纠错

专题命中 工具调用 ：agentic(title,abstract)；tool use(abstract)；planning(abstract)；workflow(abstract)

AI总结 研究针对关键工程领域智能体人工智能，将可靠性作为首要工程属性，采用围绕五个维度的可靠性模型及保证工作流程，综述相关架构、机制等，经多领域检验，指出其可靠性是单一问题并勾勒跨域保证框架路径。

Comments This work has been submitted to the IEEE for possible publication

Capability Gates Are Not Authorization: Confused-Deputy Failures in LLM Agent Frameworks

能力门控并非授权：LLM 代理框架中的混淆代理失败

David Mellafe Zuvic

机构 * Independent Security Research（独立安全研究） 纠错

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

AI总结 本文审计了 LangChain、LlamaIndex 和 Stripe Agent Toolkit 等框架，发现它们默认仅提供能力门控而非每次调用的值授权，导致混淆代理漏洞。作者提出 ScopeGate，一个五阶段授权框架，实验证明其能有效阻止未经授权的操作。

Comments 7 pages, 3 figures, 3 tables. Artifact: https://github.com/raceksd-source/scopegate-runtime (run_proof.sh)

Strategic Decision Support for AI Agents

AI智能体的战略决策支持

Shayan Kiyani, Sima Noorani, George Pappas, Hamed Hassani

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

专题命中 工具调用 ：AI agent(title,abstract)；agent(abstract)；tool use(abstract)；agentic(abstract)

AI总结 针对AI智能体作为主要决策者时的可靠性问题，提出通过优化问题最小化支持使用并控制反事实遗漏支持误差的战略决策支持框架，并开发在线算法自适应阈值化支持分数。

Beyond Similarity: Trustworthy Memory Search for Personal AI Agents

超越相似性：面向个人AI代理的可信记忆搜索

Jiawen Zhang, Kejia Chen, Jiachen Ma, Yangfan Hu, Lipeng He, Yechao Zhang, Jian Liu, Xiaohu Yang, Tianwei Zhang, Ruoxi Jia

机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 工具调用 ：AI agent(title,abstract)；agent(abstract)；tool-use(abstract)；agentic(abstract)

AI总结 针对个人AI代理中基于语义相似性的记忆检索存在的信任漏洞，提出轻量级记忆插件MemGate，通过查询条件神经门控实现可信记忆搜索。

Acting with AI: An Interaction-Based Framework for Agentic Tort Liability

与AI行动：基于交互的代理侵权责任框架

Yiheng Yao

机构 * Yiheng Yao（姚艺恒） 纠错

专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；tool use(abstract)；planning(abstract)

AI总结 本文基于Bratman规划理论和普通法人类协同行动原则，提出一种交互分类框架（自主漂移、纯工具使用、协作规划）来分配AI代理系统的侵权责任，并引入“合理代理”标准。

Inference-Time Backdoors via Chat Templates: From LLM Supply Chains to Agentic System Compromise

通过聊天模板的推理时后门：从LLM供应链到代理系统妥协

Ariel Fogel, Omer Hofman, Eilon Cohen, Roman Vainshtein

机构 * Fujitsu Research of Europe（富士通欧洲研究） 纠错

专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；tool-use(abstract)；multi-agent(abstract)

AI总结 提出一种通过恶意修改聊天模板实现推理时后门攻击的方法，无需修改模型权重或训练数据，在LLM、代理和多代理系统层面均能成功攻击，且能绕过现有防御。

Comments V3: Accepted to ICLR 2026 Trustworthy AI Workshop, V4: Submitted to CCS 2026

InterLV-Search: Benchmarking Interleaved Multimodal Agentic Search

InterLV-Search：交错多模态代理搜索基准测试

Bohan Hou, Jiuning Gu, Jiayan Guo, Ronghao Dang, Sicong Leng, Xin Li, Xuemeng Song, Jianfei Yang

机构 * Nanyang Technological University（南洋理工大学） ； Shandong University（山东大学） ； Damo Academy, Alibaba Group（阿里达摩院） 纠错

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

AI总结 本文提出InterLV-Search基准测试，用于评估交错语言-视觉代理搜索，包含多层级任务，涵盖主动视觉证据搜索、受控离线交错多模态搜索和开放网页交错多模态搜索，揭示当前系统在视觉证据获取、搜索控制及多模态证据整合方面的挑战。

The Bitter Lesson of Diffusion Language Models for Agentic Workflows: A Comprehensive Reality Check

扩散语言模型在代理工作流中的苦涩教训：全面的现实检验

Qingyu Lu, Liang Ding, Kanjian Zhang, Jinxia Zhang, Dacheng Tao

机构 * Southeast University（东南大学） ； Alibaba（阿里巴巴） ； Southeast University Shenzhen Research Institute（东南大学深圳研究院） ； College of Computing and Data Science at Nanyang Technological University（南洋理工大学计算机与数据科学学院） 纠错

专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；planning(abstract)；multi-agent(abstract)

AI总结 本文评估了扩散语言模型在代理任务中的表现，发现其在长期规划和工具调用任务中存在系统性失败，提出需整合因果推理机制以提升代理能力。

Comments ACL 2026 - Main Conference

Agentic Microphysics: A Manifesto for Generative AI Safety

代理微物理：生成AI安全的宣言

Federico Pierucci, Matteo Prandi, Marcantonio Bracale Syrnikov, Marcello Galisai, Piercosma Bisconti

机构 * DEXAI – Icaro Lab Sant’Anna School of Advanced Studies（DEXAI–伊卡洛实验室圣安娜高级研究学院） ； DEXAI – Icaro Lab Sapienza University of Rome（DEXAI–伊卡洛实验室罗马萨皮恩扎大学） ； DEXAI – Icaro Lab VU Amsterdam（DEXAI–伊卡洛实验室阿姆斯特丹伏里克大学） ； Lucidi DEXAI – Icaro Lab Sapienza University of Rome（Lucidi DEXAI–伊卡洛实验室罗马萨皮恩扎大学） 纠错

专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；tool use(abstract)；planning(abstract)

AI总结 本文提出代理安全研究的新方法，强调交互层面机制对集体风险的影响，通过生成安全方法识别足够机制和设计干预措施。

El Agente Forjador: Task-Driven Agent Generation for Quantum Simulation

El Agente Forjador：面向量子模拟的任务驱动代理生成

Zijian Zhang, Aiwei Yin, Amaan Baweja, Jiaru Bai, Ignacio Gustin, Varinia Bernales, Alán Aspuru-Guzik

机构 * Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Department of Chemistry, University of Toronto（多伦多大学化学系） ； Department of Materials Science & Engineering, University of Toronto（多伦多大学材料科学与工程系） ； Department of Chemical Engineering & Applied Chemistry, University of Toronto（多伦多大学化学工程与应用化学系） ； Acceleration Consortium（加速联盟） ； Vector Institute for Artificial Intelligence（人工智能矢量研究所） ； Canadian Institute for Advanced Research (CIFAR)（加拿大高级研究 institute (CIFAR)） ； NVIDIA 纠错

专题命中 工具调用 ：agent(title,abstract)；workflow(abstract)；agentic(abstract)；multi-agent(abstract)

AI总结 本文提出El Agente Forjador框架，通过四阶段流程自主生成和复用计算工具，提升量子化学和动力学任务的准确性与效率。