AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
有特权但有偏差：PI条件化教师如何破坏自蒸馏
机构 * Microsoft Research（微软研究院）
专题命中 工具调用 ：tool use(abstract)；agentic(abstract)；分类 cs.AI、cs.LG
AI总结 该研究发现，以特权信息为条件的自蒸馏在低难度任务上有效，但在困难任务上会因特权信息偏差导致模型推理能力下降，其优化信号与任务成功脱钩。
分数并非决策：大语言模型智能体工具获取的成本感知停止策略
专题命中 工具调用 ：agent(abstract)；tool-use(abstract)；分类 cs.AI、cs.LG
AI总结 针对LLM智能体工具获取的异构成本问题，提出CAM-DF及其轻量变体，通过训练停止决策的离线差距实现成本感知停止，在1343个任务上验证其优于基线，减少工具接触量的同时保持任务成功率。
ToolSciVer：基于视觉工具增强强化学习的多模态科学声明验证
机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； University of Waterloo（滑铁卢大学）
专题命中 工具调用 ：tool use(abstract)；tool-use(abstract)；分类 cs.AI、cs.CL
AI总结 研究多模态科学声明验证问题，提出ToolSciVer框架，为视觉语言模型配备三种类型感知视觉工具，用组相对策略优化训练策略，实验证明该方法在多模型上性能优于竞争基线。
服务代理何时应重新考虑？客户服务运营中的难度路由控制
机构 * The Pennsylvania State University（宾夕法尼亚州立大学）
专题命中 工具调用 ：tool-use(abstract)；workflow(abstract)；分类 cs.AI、cs.CL
AI总结 提出一种难度路由的服务控制架构，通过轻量级路由器将常规会话与操作耦合会话分流，在关键后端写入前集中审查，提升零售和航空任务的可靠性。
AI采纳与能力的开源经济指数
机构 * University of Michigan（密歇根大学） ； AT&T Chief Data Office（AT&T首席数据办公室） ； IFM-MBZUAI
专题命中 工具调用 ：AI agent(abstract,abstract_cn)；分类 cs.AI、cs.LG
AI总结 通过公开聊天数据和O*NET任务构建开源经济指数，衡量AI在各职业的采纳率与任务执行能力，发现金融、计算机和艺术行业采纳率最高。
AdversaBench: 基于多裁判确认与跨模型迁移性的自动化大语言模型红队测试
机构 * Indian Institute of Technology Jodhpur（印度理工学院焦特布尔分校）
专题命中 工具调用 ：tool use(abstract)；tool-use(abstract)；分类 cs.AI、cs.CL
AI总结 提出AdversaBench端到端红队测试流水线，使用五种结构化算子变异种子提示，通过三裁判加元裁判机制确认失败，实验发现算子效果因类别而异、二元失败率掩盖难度、裁判一致性受标签偏斜影响、对抗提示可跨模型迁移。
Comments 10 pages, 4 figures, 5 tables. Code and data at https://github.com/khanak0509/AdversaBench
学习搜索的艺术以实现自动发现
机构 * University of California, Santa Barbara（加州大学圣塔芭芭拉分校） ； Université de Montréal and Mila- Quebec AI Institute（蒙特利尔大学和Mila-魁北克人工智能研究所）
专题命中 工具调用 ：agent(abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 提出ARTS方法，利用推理语言模型在假设与实验空间中迭代搜索，通过测试时训练解决上下文长度问题，在22个任务上优于现有算法，相对提升超15.3%。
LoopCoder-v2: 仅循环一次以实现高效的测试时计算扩展
机构 * Beihang University（北京航空航天大学） ； IQuest Research ； Langboat（浪波） ； Renmin University of China（中国人民大学）
专题命中 工具调用 ：tool-use(abstract)；agentic(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出并行循环Transformer（PLT）并研究循环次数选择，发现两循环变体在代码生成等任务上显著提升，而三循环以上性能下降，揭示了增益-成本权衡。
Dr-DCI: 通过动态工作空间扩展实现直接语料交互的规模化
机构 * University of Toronto（多伦多大学） ； Texas A&M University（德克萨斯A&M大学） ； University of Waterloo（滑铁卢大学） ； UC San Diego（加州大学圣迭戈分校） ； Verdent AI ； Netmind AI
专题命中 工具调用 ：agent(abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 提出DR-DCI框架，将检索作为智能体可调用的动作来动态扩展本地工作空间，结合检索器的召回能力与DCI的局部操作精度，实现大规模语料上的高效搜索与验证。
Comments 25 pages, 4 figures, 22 tables
VATS: 通过系统性变异利用错误路径注入中的隐式权威
机构 * Harshil Patel ； Kunal Pai
专题命中 工具调用 ：autonomous agent(abstract)；agentic(abstract)；分类 cs.AI、cs.SE
AI总结 提出VATS框架，通过七维变异生成对抗性负载，利用错误消息的隐式权威绕过安全机制，在四个前沿模型上实现高达100%的注入成功率。
Comments Published at Second Workshop on Agents in the Wild: Safety, Security, and Beyond (ICML 2026 AIWILD)
洛梅奎：大语言模型智能体中资源受限的工具发现
机构 * Sea12 Technologies（Sea12科技公司） ； Yale University（耶鲁大学）
专题命中 工具调用 ：tool use(abstract)；tool-use(abstract)；分类 cs.AI；agentic(comments)
AI总结 研究受认知科学启发区分工具使用与发现，将工具发现分解为好奇心、识别和效率，表明该框架可用于现有任务，证明识别与模型大小成反比，还通过组合博弈及模拟环境观察到反比缩放。
Comments All authors contributed equally. 17 pages, 6 figures. Presented at the 2026 Conference on Learning Theory Workshop on Learning in an Agentic World
GSpyNetTree - O4：第四次LIGO - Virgo - KAGRA观测运行中使用的事件验证工具
专题命中 工具调用 ：tool use(title)
AI总结 研究针对引力波探测器数据中的毛刺问题，在第四次LIGO - Virgo - KAGRA观测运行中部署GSpyNetTree - O4工具。通过新架构、扩充训练集及校准校正等方法，该工具在毛刺识别和无毛刺样本判断上表现良好，提高了引力波事件验证工作流程的自动化。
Comments 23 pages, 16 figures
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
机构 * Flipkart Internet Pvt Ltd（Flipkart互联网私人有限公司）
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。
GEO-Flag：检测与测量经GEO优化的网页内容
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）
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 21 pages, 3 figures, 21 tables
缓解可靠高效搜索智能体的上下文干扰
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）
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。
工具调用的惨痛教训
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：通过能力累积检测跨会话的AI滥用
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：面向搜索智能体的基于接地与调控的自博弈框架
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：Lean中用于验证约束重构与求解的框架
机构 * TU Wien（维也纳技术大学）
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。
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
机构 * UCAS（中国科学院大学） ； Renmin University of China（中国人民大学）
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：实时大语言模型智能体的场景驱动控制
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）
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
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
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。
MathCoPilot：一种用于数学研究的人机共生范式的交互式系统
机构 * University of Science and Technology of China（中国科学技术大学） ； School of Mathematical Sciences, University of Science and Technology of China（中国科学技术大学数学科学学院）
专题命中 工具调用 ：AI agent(abstract)；autonomous agent(abstract)；分类 cs.AI
AI总结 研究提出MathCoPilot这人机共生的数学研究系统，统一三项核心能力。通过它在特定子集和定理上比较四个大语言模型，发现当前模型处理本科问题成功率高，但在特定领域定理上仍面临挑战。
软件供应链已死：面向用例的再生
专题命中 工具调用 ：workflow(abstract)；agentic(abstract)；分类 cs.SE
AI总结 研究现代软件开发中构建与复用权衡因软件供应链攻击及生成式人工智能而改变，提出面向用例的再生范式，评估智能工作流程，通过对180个存储库-依赖对测量，证明该方法可行，推动软件采购向可验证的特定于存储库的代码合成发展。
Comments [ESEM'26-ERVR] Proceedings of the 20th International Symposium on Empirical Software Engineering and Measurement (ESEM 2026 Emerging Results, Vision, and Reflection Papers)
UMoE：在特定领域训练中解锁每个专家
机构 * Qwen Team（通义千问团队） ； DeepSeek-AI（渊亭科技） ； Thinking Machines Lab（思维机器实验室） ； LLM-Core Xiaomi（小米大语言模型核心团队）
专题命中 工具调用 ：tool-use(abstract)；agentic(abstract)；分类 cs.CL
AI总结 研究针对特定领域训练中专家池不合理问题，提出UMoE流程，先修剪低显著性专家，再扩展专家池，最后应用标准SFT，该方法在多架构、多领域及多基准测试中优于直接SFT，能转化冗余容量，提升训练效果。
限制非确定性：作为数据库管理系统的人工智能驱动研究系统，实现可靠、无浪费、透明和协作式研究 [愿景]
机构 * EPFL（瑞士联邦理工学院）
专题命中 工具调用 ：agent(abstract)；tool use(abstract)；分类 cs.AI
AI总结 研究指出大语言模型代理在研究中存在不可信问题，根源是代理循环的随机调用无法检查内部状态。借鉴数据库经验，建议用确定性带版本的数据流引擎组织研究项目，大语言模型作查询编译器，五条设计规则确保研究可靠、透明且协作。
临时权限，永久影响：大型语言模型代理的提交时间授权
机构 * International University of La Rioja（拉里奥ja国际大学）
专题命中 工具调用 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 研究大型语言模型代理提交时间授权问题，构建受控失效套件实验，发现端点成功率高但授权完成率低，评估缓解措施，提出CommitGuard可阻止过时持久影响尝试，指出端点成功是实用指标，授权提交是安全属性。
Comments 20 pages
想得大，搜得小：分层搜索智能体中容量的关键所在？
机构 * School of Data Science and Engineering（数据科学与工程学院）
专题命中 工具调用 ：agent(abstract)；multi-agent(abstract)；分类 cs.CL
AI总结 研究基于大语言模型的分层搜索智能体中模型容量分配问题，通过角色分解和受控容量扫描实验，发现容量敏感性不对称，分解是瓶颈，还给出了集中容量于委托、缩减执行容量且不牺牲精度的构建分层搜索智能体方法。
Comments 21pages
战略性购买智能体
机构 * Rotman School of Management, University of Toronto（多伦多大学罗特曼管理学院）
专题命中 工具调用 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 该研究面向自主代客购物场景，分三类信息场景设计有限购物窗口内的最优购买策略，经真实电商价格数据验证，大模型更适配场景选择而非直接购买决策。
CONTRA：可个性化代理的红队配置
机构 * Max Planck Institute for Software Systems（马克斯·普朗克软件研究所）
专题命中 工具调用 ：agent(abstract)；autonomous agent(abstract)；分类 cs.AI
AI总结 探讨代理配置与执行危险行为风险的关系，提出CONTRA算法，通过推理评估良性但危险的配置发现导致恶意行为的代理配置，构建数据集分析发现多数技能有恶意配置，CONTRA能成功识别部分危险配置。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈