AI Agent

Measuring Obedience to Authority Across Large Language Models with the Milgram Paradigm

用米尔格拉姆范式测量大型语言模型对权威的服从性

Hidayet Aksu

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 该研究将米尔格拉姆服从范式迁移至LLMs，测量42个模型的服从性概况，发现服从性异质性高、具模型特异性，受情境因素影响，且反映检查点而非模型谱系。

Comments 11 pages, 7 figures,

Discovering physical mechanisms from experiment-simulation mismatches

可自我进化的代理用于DFT实验能带不匹配的可解释诊断

Yue Li, Penghui Yang, Yushan Xiao, Zhonghan Zhang, Jianguo Huang, Yuhao Lu, Cuntai Guan, Bo An, Bijun Tang, Zheng Liu

机构 * School of Materials Science and Engineering, Nanyang Technological University（南洋理工大学材料科学与工程学院） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 本文提出XDFT代理，通过自动诊断DFT计算中能带不匹配问题，利用贝叶斯后验更新假设有效性，有效识别78%的不匹配案例，优于随机基线和静态LLM排序。

Comments 6 pages, 4 figures

Inverse Problems for Partial Differential Equations with Jump Discontinuities in Coefficients via Two-Stage Physics-Informed Deep Learning and Statistical Mixture Models

基于两阶段物理信息深度学习和统计混合模型的系数具有跳跃不连续性的偏微分方程反问题

Zhikun Zhang, Guanyu Pan, Xiangjun Wang, Yong Xu, Guangtao Zhang

机构 * School of Mathematics and Statistics（数学与统计学学院） ； Northwestern Polytechnical University（西北工业大学） ； Huazhong University of Science and Technology（华中科技大学） ； Xiangtan University（湘潭大学） ； Southern University of Science and Technology（南方科技大学） ； MOE Key Laboratory for Complexity Science in Aerospace（航空航天复杂科学教育部重点实验室） ； SandGold AI Research（SandGold AI研究院） 纠错

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

AI总结 提出两阶段物理信息深度学习框架，结合神经网络采样与统计推断，解决系数具有跳跃不连续性的PDE反问题，实现参数识别与解重构。

Mitigating Bias in Locally Constrained Decoding via Tractable Proposals

通过可处理提议缓解局部约束解码中的偏差

Meihua Dang, Linxin Song, Honghua Zhang, Jieyu Zhao, Guy Van den Broeck, Stefano Ermon

机构 * Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 工具调用 ：function calling(abstract)；分类 cs.CL

AI总结 针对局部约束解码中因短视掩码导致的采样偏差，提出基于张量化有限自动机的全局约束解码提议和概率全局约束解码提议，结合序贯蒙特卡洛方法实现无偏采样，在函数调用、关键词生成和SQL生成任务中显著减少所需粒子数并加速收敛。

Comments ICML 2026

MedMCP-Calc: Benchmarking LLMs for Realistic Medical Calculator Scenarios via MCP Integration

MedMCP-Calc：通过MCP整合建立LLMs在真实医疗计算场景中的基准测试

Yakun Zhu, Yutong Huang, Shengqian Qin, Zhongzhen Huang, Shaoting Zhang, Xiaofan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 MedMCP-Calc通过MCP整合建立首个LLMs在真实医疗计算场景的基准测试，揭示模型在多步骤计算和外部工具利用上的不足，并开发CalcMate实现开源模型的最佳性能。

Comments Accepted to the ACL 2026 Main Conference as an Oral Presentation

Learning to Coordinate Symbolic Tools: LLM Agents for Verified Sum-of-Squares Certificates

学习协调符号工具：用于验证平方和（SOS）证书的大语言模型（LLM）智能体

Bohan Chen, Shivam N. Patel, Richard Hoffmann, Sam Looi, Tony Yue Yu

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 该研究开发结合领域训练、符号工具和验证反馈的LLM智能体，在加权SOS验证任务上达到78.96%成功率，为可精确检查输出领域的工具调用智能体设计提供案例。

Comments 15 pages, 4 figures

When Counterbalancing Hides the Bias: Access-Conditioned Position Lock in Forced-Choice LLM Evaluation

跨模型价值比较中的两个混淆因素：响应确定性和访问约束

Hong-In Won, Jinseok Jang, Hyoseop Kim

机构 * KITECH（韩国产业技术评价院） ； National Research Council of Science and Technology (NST)（韩国国家科学技术研究院） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.LG

AI总结 研究跨模型价值比较中的两个混淆因素，提出无规则价值困境等方法分离并校正响应确定性，还发现访问约束影响模型价值概况，贡献了确定性校正分解，识别出部署约束是独特价值混淆因素。

Comments 16 pages, 3 figures, 7 tables. Substantially revised: reframed around an identifiability result for the counterbalanced concentration index, with access configuration presented as one generator of the failure rather than a separate confound. Code and data are included as ancillary files

READER: Dynamic LLM Provenance from Query-Varying Interactions

READER: 基于提取表示的鲁棒证据作者身份解码

Jiaxu Liu, Sunnan Mu, Dong Huang, Liuyin Wang, Jing Shao, Jie Zhang

机构 * National University of Singapore（新加坡国立大学） ； Xidian University（西安电子科技大学） ； Tsinghua University（清华大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 针对黑盒LLM来源识别问题，提出READER框架，通过冻结代理LLM读取隐藏作者证据，利用贝叶斯证据累积实现多查询归因，在Agent500数据集上显著优于基线方法。

PrivacyPeek: Auditing What LLM-Based Agents Acquire, Not Just What They Say

PrivacyPeek: 审计基于LLM的智能体获取了什么，而不仅仅是它们说了什么

Mingxuan Zhang, Jiahui Han, Dadi Guo, Songze Li, Guanchu Wang, Na Zou, Dongrui Liu, Xia Hu

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Southeast University（东南大学） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 提出PrivacyPeek基准，通过检查工具调用轨迹和探针诱导，评估基于LLM的智能体在获取阶段不必要的敏感信息泄露，发现该问题普遍存在且现有防御效果有限。

Comments 21 pages, 17 figures

HALT: Verification-Aware Stopping for Retrieval-Augmented Search Agents

HALT：面向检索增强搜索智能体的感知验证式停止策略

Daeyoung Roh, Donghee Han

机构 * KAIST（韩国科学技术院） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 该研究针对检索增强搜索智能体的冗余检索问题，提出轻量级感知验证停止策略HALT，在三个多跳QA基准上减少冗余搜索且保持精确匹配，无需修改宿主智能体。

Comments 23 pages, 6 figures. Code: https://github.com/Noverse0/HALT

CRISP: Critical Step Perception for Training Efficient Deep Search Agents

CRISP：用于训练高效深度搜索智能体的关键步骤感知

Haosi Mo, Zihao Yan, Ruiqing Zhang, Zhongli Li, Hexuan Deng, Xuebo Liu, Min Zhang

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

AI总结 本研究针对深度搜索智能体效率低的问题，提出CRISP框架，通过区分关键与冗余交互优化奖励，在保持准确率的同时，使BrowseComp和HLE-Verified上的交互回合分别减少15.1%和33.2%。

Comments 15 pages, 6 figures

Robust Biharmonic Skinning Using Geometric Fields

基于几何场的鲁棒双调和蒙皮技术

Ana Dodik, Vincent Sitzmann, Justin Solomon, Oded Stein

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

AI总结 本文提出一种基于几何场的无网格鲁棒自动蒙皮技术，借助硬件光线追踪实现的拉格朗日表示优化双调和能量，可在开放曲面等现有方法失效的场景生成与最优方法相当的权重，经全面评估验证其有效性。

AdaDINO: Context-Adaptive DINO-Distilled Vision Foundation Models for Efficient Open-Vocabulary Edge Inference

AdaVFM：通过LLM引导执行实现边缘智能的自适应视觉基础模型

Yiwei Zhao, Yi Zheng, Huapeng Su, Jieyu Lin, Stefano Ambrogio, Cijo Jose, Michael Ramamonjisoa, Patrick Labatut, Barbara De Salvo, Chiao Liu, Phillip B. Gibbons, Ziyun Li

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Meta 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.LG

AI总结 本文提出AdaVFM，一种通过LLM引导执行实现边缘设备上语言对齐视觉基础模型高效推理的自适应框架，通过动态调整计算实现性能与效率的平衡。

Enhancing User-Feedback Driven Requirements Prioritization

增强基于用户反馈的需求优先级确定

Aurek Chattopadhyay, Nan Niu, Hui Liu, Jianzhang Zhang

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

AI总结 本文通过增强ReFeed方法，将需求优先级确定从独立实体转向相互关联，提升搜索基于解决方案的效果，实验显示改进方法在实际应用中表现更优。

Comments Revised manuscript submitted to Information and Software Technology

Environment-free Synthetic Data Generation for API-Calling Agents

用于 API 调用智能体的无环境合成数据生成

Seanie Lee, Sanjoy Chowdhury, Chao Jiang, Cheng-Yu Hsieh, Ting-Yao Hu, Alexander T Toshev, Oncel Tuzel, Raviteja Vemulapalli

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 研究针对训练 API 调用 LLM 智能体数据收集瓶颈问题，提出无环境合成数据生成方法，利用 LLMs 生成任务、响应等，经评判器过滤轨迹，在相关基准上评估，结果表明此方法可有效训练智能体，是实用可扩展方案。

Give Them an Inch and They Will Take a Mile:Understanding and Measuring Caller Identity Confusion in MCP-Based AI Systems

给予一寸，他们将索取一英里：理解和测量基于MCP的AI系统中的调用者身份混淆

Yuhang Huang, Boyang Ma, Biwei Yan, Xuelong Dai, Yechao Zhang, Minghui Xu, Kaidi Xu, Yue Zhang

机构 * Institute for Clarity in Documentation（清晰文档研究所） ； Inria Paris-Rocquencourt（巴黎-罗克Quantin 研究院） ； Rajiv Gandhi University（拉朱·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒尔研究实验室） ； Shandong University（山东省大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 研究发现基于MCP的AI系统因缺乏调用者身份验证和细粒度授权而存在安全风险，需改进认证机制以减少攻击面。

Comments Withdrawal due to some flaws in experimental methodology and unresolved ethical issues in data collection. We need to redesign the experiments and obtain proper ethical clearance before resubmission

Auditing Asset-Specific Preferences in Financial Large Language Models: Evidence from Bitcoin Representations and Portfolio Allocation

审计金融大语言模型中的资产特定偏好：来自比特币表征与投资组合配置的证据

Wenbin Wu

专题命中 工具调用 ：agent(abstract)；分类 cs.LG

AI总结 本研究通过三级审计协议，发现大型语言模型对比特币存在框架依赖的偏好，并识别出模型内部一个可因果干预的比特币选择性特征，该特征能显著影响下游投资组合配置。

Comments 31 pages, 6 figures, 18 tables

Structure-Induced Information for Rerooting Levin Tree Search

结构信息用于重定根莱文树搜索

Jake Tuero, Michael Buro, Laurent Orseau, Levi H. S. Lelis

机构 * Department of Computing Science, University of Alberta, Edmonton, Canada. ； Alberta Machine Intelligence Institute (Amii), Edmonton, Canada. ； Google DeepMind, London, United Kingdom. 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 提出三种重定根器设计，利用结构信息隐式分解子目标，提升策略树搜索的可扩展性和效率。

Comments ICML 2026

Stochastic Resetting Accelerates Reinforcement Learning Beyond Random Search

随机重置加速强化学习中的策略收敛

Jello Zhou, David J. Schwab, Vudtiwat Ngampruetikorn

机构 * Biophysics Program, Stanford University（斯坦福大学生物物理项目） ； School of Physics, University of Sydney（悉尼大学物理学院） ； National Institute for Theory and Mathematics in Biology, Northwestern University（生物理论与数学国家研究所，西北大学） ； The University of Chicago（芝加哥大学） ； Princeton-CUNY Center for the Physics of Biological Function, The Graduate Center, CUNY（普林斯顿-纽约大学生物物理功能中心，纽约大学研究生中心） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.LG

AI总结 研究探讨随机重置与强化学习的交互，发现其能加速策略收敛，通过截断长轨迹提升价值传播，为强化学习提供新的优化机制。

Comments 10 pages, 11 figures

Towards a General Intelligence and Interface for Wearable Health Data

迈向可穿戴健康数据的通用智能与接口

Girish Narayanswamy, Maxwell A. Xu, A. Ali Heydari, Samy Abdel-Ghaffar, Marius Guerard, Kara Vaillancourt, Zhihan Zhang, Jake Garrison, Levi Albuquerque, Dimitris Spathis, Hong Yu, Hamid Palangi, Xuhai "Orson" Xu, David G. T. Barrett, Joseph Breda, Jed McGiffin, Yubin Kim, Yuwei Zhang, Naghmeh Rezaei, Samuel Solomon, Karan Ahuja, Tim Althoff, Jake Sunshine, Ming-Zher Poh, Benjamin Yetton, Ari Winbush, Nicholas B. Allen, James M. Rehg, Isaac Galatzer-Levy, Yun Liu, John Hernandez, Anupam Pathak, Conor Heneghan, Yuzhe Yang, Ahmed A. Metwally, Pushmeet Kohli, Mark Malhotra, Shwetak Patel, Xin Liu, Daniel McDuff

机构 * Google Research（谷歌研究） ； Google DeepMind（谷歌DeepMind） ； University of Washington（华盛顿大学） ； University of Oregon（俄勒冈大学） ； 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 ：agent(abstract)；分类 cs.AI

AI总结 提出一个基于超过一万亿分钟无标签传感器数据预训练的可穿戴健康基础模型，通过联合扩展模型容量和预训练数据量，在35项健康预测任务上实现系统性性能提升，并利用LLM代理自动搜索下游预测头，集成到个人健康代理中以提高相关性和安全性。

Comments Narayanswamy and Xu are co-first authors. McDuff and Liu are co-last authors

A Scaffolded GenAI Lab in Early Undergraduate CS: A Mixed-Methods, Multi-Course Evaluation

本科早期计算机科学中的一个支架式生成式人工智能实验室：混合方法、多课程评估

Ethan Dickey, Andres Bejarano, Rhianna Kuperus, Bárbara Fagundes

机构 * Purdue University（普渡大学） 纠错

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

AI总结 研究在本科早期计算机科学课程中评估 “AI实验室” 这一支架式GenAI素养干预。通过多课程混合方法收集数据，发现其能改变学生对GenAI的态度及使用策略，且不增加评分作业中GenAI的使用量，推动相关三角测量研究。

Comments 18 pages, 3 figures, 18 tables; v2 substantially refined qualitative analysis and discussion

Gaussian Process Aggregation for Root-Parallel Monte Carlo Tree Search with Continuous Actions

用于具有连续动作的根并行蒙特卡罗树搜索的高斯过程聚合

Junlin Xiao, Victor-Alexandru Darvariu, Bruno Lacerda, Nick Hawes

机构 * Oxford Robotics Institute, Department of Engineering Science, University of Oxford（牛津机器人研究所、工程科学系、牛津大学） 纠错

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

AI总结 研究连续动作空间环境中根并行蒙特卡罗树搜索的聚合问题，核心方法是用高斯过程回归获取动作值估计，经6个领域系统评估，该方法优于现有策略且推理时间增加适度。

Comments To appear in the Reinforcement Learning Journal (RLJ) and to be presented at the Third Reinforcement Learning Conference (RLC 2026)

Toward a Scientific Discovery Engine for Weather and Climate Data: A Visual Analytics Workbench for Embedding-Based Exploration

迈向面向天气和气候数据的科学发现引擎：一种用于基于嵌入探索的可视化分析工作台

Nihanth W. Cherukuru, Matt Rehme, Kirsten J. Mayer, David John Gagne, John Schreck, John Clyne, Charlie Becker

机构 * NSF National Center for Atmospheric Research（国家大气研究中心） 纠错

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

AI总结 本文提出了一种开源可视化分析工作台，用于探索基于嵌入的天气和气候数据，通过链接嵌入实验与源数据、元数据、空间上下文和模型配置，使潜在空间结果可追溯到物理过程，支持科学发现流程。

Comments 7 pages, 5 figures, Preprint

A Tool Bottleneck Framework for Clinically-Informed and Interpretable Medical Image Understanding

用于临床信息丰富且可解释的医学图像理解的工具瓶颈框架

Christina Liu, Alan Q. Wang, Joy Hsu, Jiajun Wu, Ehsan Adeli

机构 * California Institute of Technology（加州理工学院） ； Stanford University（斯坦福大学） 纠错

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

AI总结 针对医学图像理解中工具组合难的问题，提出工具瓶颈框架（TBF），利用工具瓶颈模型（TBM）组合VLM选择的工具，通过神经网络计算融合工具输出，在组织病理学和皮肤病学任务中表现出色，提升医学图像理解且使预测更具可解释性。

Journal ref Proceedings of the 9th International Conference on Medical Imaging with Deep Learning, Proceedings of Machine Learning Research 315 (2026) 2958-2986

RIMRULE: Improving Tool-Using Language Agents via MDL-Guided Rule Learning

RIMRULE：通过MDL引导的规则学习改进使用工具的语言智能体

Xiang Gao, Yuguang Yao, Qi Zhang, Kaiwen Dong, Avinash Baidya, Ruocheng Guo, Hilaf Hasson, Kamalika Das

机构 * Intuit AI Research（Intuit AI研究） 纠错

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

AI总结 研究针对大型语言模型在特定领域使用工具的难题，提出RIMRULE神经符号方法，通过从失败轨迹提炼规则并用MDL目标巩固，以动态注入规则提升性能，实验证明该方法能提高工具使用准确性，且规则具有跨架构可移植性。

Comments Published as a long paper in the main conference of ACL 2026

Volumetric Directional Diffusion: Anchoring Uncertainty Quantification in Anatomical Consensus for Ambiguous Medical Image Segmentation

体积方向扩散：在模糊医学图像分割的解剖学共识中锚定不确定性量化

Chao Wu, Mahesh Bhosale, Kangxian Xie, Pouya Karimian, David Doermann, Mingchen Gao

机构 * Department of Computer Science and Engineering University at Buffalo, SUNY Buffalo, NY, USA（计算机科学与工程系，布法罗大学，纽约州，布法罗，美国） 纠错

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

AI总结 针对模糊医学图像分割中不同专家边界描绘有差异的问题，提出体积方向扩散（VDD）框架，以粗略共识预测为锚点，学习方向扩散过程生成边界变化，实验表明该方法能在保持精度和结构一致性时改善不确定性分布对齐。

Learning Coverage- and Power-Optimal Transmitter Placement from City Maps: A Comparative Study of Direct and Indirect Neural Approaches

从建筑地图学习覆盖和功率最优的发射机布置：直接和间接神经方法的比较研究

Çağkan Yapar

机构 * TU Berlin（柏林技术大学） 纠错

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

AI总结 本文研究了在固定学习传播模型下单发射机设置的最优布置问题，通过比较直接和间接神经方法，展示了如何在大规模数据集中高效评估覆盖和功率最优的发射机位置。

CABTO: Context-Aware Behavior Tree Grounding for Robot Manipulation

CABTO：面向机器人操作的上下文感知行为树接地

Yishuai Cai, Xinglin Chen, Yunxin Mao, Kun Hu, Yaodong Yang, Yuanpei Chen, Wenjing Yang, Ji Wang, Minglong Li

机构 * National University of Defense Technology（国防科技大学） ； PsiBot ； Peking University（北京大学） ； PKU-Psibot Lab（北京大学-PsiBot实验室） 纠错

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

AI总结 本文提出CABTO框架，通过预训练大模型和上下文反馈，自动构建完整且一致的行为树系统，解决机器人操作中行为树接地的复杂性问题。

FastCSP: Accelerated Molecular Crystal Structure Prediction with Universal Model for Atoms

FastCSP：基于原子通用模型的加速分子晶体结构预测

Vahe Gharakhanyan, Yi Yang, Luis Barroso-Luque, Daniel S. Levine, Sushree Jagriti Sahoo, Brandon M. Wood, Kyle Michel, Muhammed Shuaibi, Gregory J. O. Beran, Viachaslau Bernat, Misko Dzamba, Xiang Fu, Meng Gao, Xingyu Liu, Benjamin K. Miller, Keian Noori, Lafe J. Purvis, Tingling Rao, Ammar Rizvi, Matt Uyttendaele, Andrew J. Ouderkirk, Chiara Daraio, C. Lawrence Zitnick, Arman Boromand, Noa Marom, Zachary W. Ulissi, Anuroop Sriram

机构 * Fundamental AI Research at Meta（Meta 基础人工智能研究） ； Department of Materials Science and Engineering, Carnegie Mellon University（卡内基梅隆大学材料科学与工程系） ； Department of Chemistry, University of California Riverside（加州大学河滨分校化学系） ； Reality Labs Research at Meta（Meta 现实实验室研究） ； Department of Physics, Carnegie Mellon University（卡内基梅隆大学物理系） ； Department of Chemistry, Carnegie Mellon University（卡内基梅隆大学化学系） 纠错

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

AI总结 研究分子晶体结构预测难题，提出FastCSP工作流程，由预训练通用机器学习原子间势驱动，无需特定系统微调或DFT计算，能可靠恢复已知结构，降低计算成本。

Comments 32 pages, 10 figures, 32 pages supplementary information. Code available at https://github.com/facebookresearch/fairchem/tree/main/src/fairchem/applications/fastcsp

SkillDAG: Self-Evolving Typed Skill Graphs for LLM Skill Selection at Scale

SkillDAG：面向大规模LLM技能选择的自演化类型化技能图

Tong Bai, Zhenglin Wan, Pengfei Zhou, Xingrui Yu, Yang You, Ivor W. Tsang

机构 * Fudan University（复旦大学） ； National University of Singapore（国立新加坡大学） ； CFAR A*STAR 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 提出SkillDAG，通过类型化有向图建模技能间关系，并作为推理时可调用的结构化检索接口，支持在线演化，在ALFWorld和SkillsBench上显著超越基线。

Comments 19 pages, 5 figures