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。
EvoGens：一种基于种群的启发式搜索框架用于科学思想生成
机构 * Southwest Petroleum University（西南石油大学） ； Sichuan Police College（四川警察学院）
专题命中 工具调用 ：planning(abstract)；分类 cs.CL
AI总结 针对现有LLM方法生成科学思想时语义趋同、多样性和新颖性不足的问题，提出EvoGens框架，通过进化搜索（变异、交叉、选择）增强思想探索，显著提升新颖性和多样性。
Comments 21 pages, 6 figures
转换与编码FTS以用于SAT求解：什么有帮助，什么有损害（扩展版）
机构 * University of Amsterdam, Institute for Logic Language and Computation（阿姆斯特丹大学，逻辑语言与计算研究所） ； Aalborg University（奥尔堡大学）
专题命中 工具调用 ：planning(abstract)；分类 cs.AI
AI总结 研究如何将因子化任务编码为SAT问题，提出多种编码策略，并分析并行性和任务转换对SAT规划器性能的影响。
检索、奖励与训练协议：训练搜索代理的关键因素是什么？
机构 * School of Data Science and Engineering, East China Normal University（东华大学数据科学与工程学院） ； Shanghai AI Laboratory（上海人工智能实验室）
专题命中 工具调用 ：agent(abstract)；分类 cs.CL
AI总结 本文通过控制实验，系统研究了检索语料库、奖励设计和训练协议三个维度对搜索代理训练的影响，发现纠正语料覆盖问题比算法差异更有效，简单的基于结果的奖励方法在多数设置下表现优异，并提出了实用训练指南。
Comments 18pages, 4 figures, and 15 tables
下一个词预测何时有用？边缘化、遍历性、混合可识别性、局部充分性、RAG、工具与编程
专题命中 工具调用 ：tool use(abstract)；分类 cs.CL
AI总结 本文通过区分完整条件语言过程、边缘文本过程和模型诱导分布，论证了下一个词预测的有效性依赖于强假设（平稳性、代表性、遍历性）以及观察前缀对潜在上下文的充分性，并解释了RAG和工具使用作为条件充分性机制的作用。
从提示到上下文：一种面向人类-生成式AI协作的本体驱动框架
机构 * Gamaizer ； Université de technologie de Compiègne, CNRS, Heudiasyc（法国图尔学院、CNRS、Heudiasyc） ； Sorbonne Université, CNRS UMR 7585, LPMHE（索邦大学、CNRS UMR 7585、LPMHE）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI
AI总结 提出一种基于本体（CCAI）的框架，通过结构化建模任务、角色、资源和约束，将提示-响应交互转化为可查询的协作轨迹，以提升信息密集型工作流中的可追溯性和问责性。
索引不可读之物：基于LLM原生的服务分类法递归构建与搜索
专题命中 工具调用 ：agent(abstract)；分类 cs.AI
AI总结 针对LLM在服务发现中因上下文窗口限制和长输入中间信息丢失问题，提出LLM原生的渐进式披露方案A2X，通过自动构建层次化服务分类法并在查询时逐层遍历，显著提升检索准确率并降低token消耗。
Comments Preprint. 8 pages main paper + appendix; 2 figures. Under submission to EMNLP 2026
Paper Agents, Paper Gains: DeFi投资代理的实证分析
机构 * Pantera Capital（Pantera资本） ； Stanford University（斯坦福大学） ； IC3 ； Ava Labs（Ava实验室）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI
AI总结 通过分析1900多个AI加密项目、10个代表性代理和11个Solana代理金库，发现当前DeFi投资代理仍处于早期阶段，存在自主执行证据不足、代币持有者集体亏损、估值与基本面脱节等问题，并提出成熟度框架。
ToolSpec: 通过模式感知与检索增强的推测解码加速工具调用
机构 * Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算机系） ； Peking University（北京大学）
专题命中 工具调用 ：tool use(abstract)；分类 cs.CL
AI总结 针对工具调用延迟问题，提出一种基于模式感知和检索增强的推测解码方法ToolSpec，利用预定义工具模式生成准确草稿，并通过有限状态机交替填充确定性模式令牌和推测生成可变字段，同时检索历史调用复用草稿，实现最高4.2倍加速。
具有双向进化搜索的自我改进语言模型
机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院）
专题命中 工具调用 ：agentic(abstract)；分类 cs.CL
AI总结 提出双向进化搜索（BES）框架，通过前向候选进化与后向目标分解相结合，克服了传统搜索方法中稀疏验证信号和自回归扩展的局限，在训练后和推理时均显著提升语言模型性能。
搜索前先规划：搜索智能体需要规划
机构 * Kuaishou Technology（快手科技） ； Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（教育部多媒体可信感知与高效计算重点实验室，厦门大学） ； VCIP, CS, Nankai University（南开大学VCIP实验室）
专题命中 工具调用 ：agentic(abstract)；分类 cs.AI
AI总结 提出Plan方法，通过将问题分解为有序子问题再进行检索，并引入自举训练范式，无需外部强模型蒸馏即可在多跳QA中激活规划能力。
OccuReward: 面向电网交互建筑中人口公平性的LLM引导的以 occupant 为中心的奖励塑造
机构 * Politecnico di Torino（都灵理工大学）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI
AI总结 提出OccuReward框架，利用大语言模型迭代塑造奖励函数，通过舒适公平指数(CEI)反馈，在CityLearn v2中提升不同人口群体的舒适公平性，同时降低能耗成本。
Comments 4 pages, 2 figures. Accepted at OccuSys 2026, co-located with ACM Sustainability Week 2026. Preprint version
基于LLM的网页可访问性修复：检测、修复与成本的实证研究
专题命中 工具调用 ：agent(abstract)；分类 cs.SE
AI总结 本文通过实证研究评估基于大语言模型的智能体（Kimi K2.5）在网页可访问性自动检测与修复中的性能，发现其检测能力与规则工具相当但可靠性不足，修复在语法有效性上表现优异但完全修复率低，且迭代优化增加成本而无益，提出混合方法的需求。
Comments 12 pages, 6 figures, preprint
Eliot: 通过在线数据和学习交互式探索快速变化的科学文献趋势
机构 * University of South Carolina（南卡罗来纳大学）
专题命中 工具调用 ：planning(abstract)；分类 cs.AI
AI总结 提出Eliot系统，通过查询时聚类和时间可视化，帮助研究人员可追溯地探索快速变化的科学文献趋势。
Comments Under-review at CIKM Applied Research 2026
能给我你的订单吗？扩散语言模型中插槽填充顺序的蒙特卡洛树搜索
机构 * Imperial College London（帝国理工学院伦敦分校） ； University of Edinburgh（爱丁堡大学）
专题命中 工具调用 ：planning(abstract)；分类 cs.AI
AI总结 针对掩码扩散模型（MDM）中计划-填充解码对插槽填充顺序敏感的问题，提出McDiffuSE框架，利用蒙特卡洛树搜索（MCTS）优化生成顺序，平均性能提升3.2%，在MBPP和MATH500上分别提升19.5%和4.9%。
Comments 8 pages, ICML2026
FinHarness：面向金融LLM代理的内联生命周期安全约束框架
机构 * Peking University（北京大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Soochow University（苏州大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Leeds（利兹大学） ； Fullive Innovation (Beijing) AI Technology Co., Ltd.（全维创新（北京）人工智能科技有限公司） ； Beihang University（北京航空航天大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
专题命中 工具调用 ：agent(abstract)；分类 cs.CL
AI总结 针对金融LLM代理在阻止提示诱导的未授权操作与批准合法多步骤业务流程之间的冲突，提出FinHarness内联安全约束框架，通过查询监控、工具监控和级联模块实现逐步骤风险评估与自适应验证，显著降低攻击成功率并保持良性批准率。
什么使医学检查器可训练？诊断生物医学问答中检查器引导的RAG中的信号崩溃和奖励黑客
机构 * University of Pittsburgh（匹兹堡大学）
专题命中 工具调用 ：agent(abstract)；分类 cs.CL
AI总结 本文通过比较四种NLI检查器作为GRPO训练的医学RAG代理的过程奖励，诊断了信号崩溃和奖励黑客现象，发现检查器的输出分布而非保留准确率决定了其是否提供可训练梯度，并提出了验证器作为奖励系统的边界条件。
混合深度搜索器：可扩展的并行与顺序搜索推理
机构 * Seoul National University（首尔国立大学） ； LG AI Research（LG AI研究） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； University of Seoul（首尔大学）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI
AI总结 提出混合搜索策略HybridDeepSearcher，通过并行查询扩展与显式证据聚合结合顺序推理，在多个基准上显著提升性能并实现测试时搜索扩展。
Comments Accepted to ICLR 2026
AI辅助搜索中的通信与推荐集规模合理设定
机构 * Columbia Business School, Columbia University（哥伦比亚大学商学院） ； Amazon.com Inc.（亚马逊公司）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI
AI总结 通过建模用户与AI推荐系统的交互，研究在考虑通信成本和搜索成本时，如何优化消息精度和推荐集大小以最大化用户期望收益。
测试时图搜索用于目标条件强化学习
机构 * Department of Computer Science, University of Toronto, Toronto, Canada（多伦多大学计算机科学系） ； Vector Institute, Toronto, Canada（向量研究所） ； University of Texas at Austin, Austin, USA（德克萨斯大学奥斯汀分校） ； Harvard University, Cambridge, USA（哈佛大学）
专题命中 工具调用 ：planning(abstract)；分类 cs.LG
AI总结 提出测试时图搜索方法，通过构建离线数据集图并自适应选择子目标，在不额外训练的情况下显著提升目标条件强化学习在长时域任务中的成功率。
通过四项原则框架实现质量保障的模糊测试 harness 生成
专题命中 工具调用 ：agent(abstract)；分类 cs.SE
AI总结 本文提出QuartetFuzz，一种自主的harness生成系统，通过四项原则框架（逻辑正确性、API协议合规性、安全边界尊重和入口点充分性）系统地提高生成harness的正确性，并在多个开源项目上验证了其有效性，发现了多个漏洞并修复了部分问题。
Comments 22 pages, 10 figures
幻觉作为利用：证据承载多模态智能体
机构 * Shenzhen University（深圳大学） ； HKUST（香港科技大学）
专题命中 工具调用 ：tool use(abstract)；分类 cs.AI
AI总结 本文研究了多模态智能体中幻觉导致授权失败的问题，提出证据承载多模态智能体（ECA）方法，通过分解工具调用、获取类型证书并使用确定性门控来授权，从而将模型的模糊信念转换为可审计的残余，提高了系统的安全性。
Comments 23 pages, 6 figures, 15 tables
从文本到声音：一个可重复和可验证的评估工具调用LLM代理的框架
机构 * Dialpad Inc.（Dialpad公司）
专题命中 工具调用 ：tool use(abstract)；分类 cs.CL
AI总结 本文提出了一种可重复和可验证的框架，用于评估基于语音的工具调用LLM代理，通过文本到语音转换和环境噪声模拟，无需重新标注工具模式和黄金标签，从而在不重新标注的情况下评估工具调用性能。
AI辅助的科学评估：气候变化案例研究
机构 * Potsdam Institute for Climate Impact Research (PIK), Member of the Leibniz Association（波茨坦气候影响研究所（PIK），莱比锡协会成员） ； Institute for Atmospheric and Climate Science, ETH Zurich（大气与气候科学研究所，苏黎世联邦理工学院） ； University of Zurich（苏黎世大学） ； University of Miami（迈阿密大学） ； Centre for Environmental Policy, Imperial College London（伦敦帝国理工学院环境政策中心） ； Grantham Institute for Climate Change and Environment, Imperial College London（伦敦帝国理工学院气候变化与环境研究所） ； Energy, Climate and Environment Program, International Institute for Applied Systems Analysis（国际应用系统分析研究所能源、气候与环境项目）
专题命中 工具调用 ：workflow(abstract)；分类 cs.CL
AI总结 本文探讨了AI在科学评估中的应用，通过与气候科学领域13名科学家的合作，测试了基于Gemini的AI环境在评估大西洋经向翻转环流（AMOC）稳定性方面的效果，展示了AI在加速科学流程和提升报告质量方面的贡献，同时强调了专家补充和监督的重要性。
Qayyem: 一个实时平台用于评分阿拉伯语作文的熟练程度
机构 * Computer Science and Engineering Department, Qatar University（卡塔尔大学计算机科学与工程系）
专题命中 工具调用 ：workflow(abstract)；分类 cs.CL
AI总结 本文提出Qayyem平台，提供阿拉伯语作文评分的集成工作流程，通过友好的界面简化评分服务器API的交互，部署了多种先进的阿拉伯语作文评分模型。
Comments Accepted at ACL 2026
QuantaAlpha: 一种基于大语言模型的alpha挖掘进化框架
机构 * SUFE（上海财经大学） ； QuantaAlpha ； SYSU（华南理工大学） ； PKU（北京大学）
专题命中 工具调用 ：agentic(abstract)；分类 cs.AI
AI总结 本文提出QuantaAlpha框架，通过进化算法改进alpha挖掘过程，通过轨迹级突变和交叉实现多轮搜索和经验重用，实验表明其在多个市场指数上均表现出稳健的性能。
通过提示注入在黑盒聊天机器人环境中研究隐私泄露链的实证研究
机构 * Department of Information Security（信息安全系） ； Soongsil University（松山大学） ； AI Safety Center（人工智能安全中心） ； Department of AI Software（人工智能软件系）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI
AI总结 本文研究了通过间接提示注入在黑盒聊天机器人环境中存在的隐私泄露攻击链，分析了攻击者如何通过构造看似无害的外部内容来劫持代理任务，并评估了新的提示注入技术'exemplification'的攻击成功率，最终展示了使用虚构个人信息的证明概念数据外泄链。
Comments 9 pages, 2 figures
为什么我们看那里：一种最大化场景理解的视网膜视觉语言模型表现出的人类样注视模式
机构 * Psychological & Brain Sciences, University of California, Santa Barbara（加州大学圣芭芭拉分校心理学与脑科学系） ； Electrical and Computer Engineering, University of California, Santa Barbara（加州大学圣芭芭拉分校电气与计算机工程系） ； Computer Science, University of California, Santa Barbara（加州大学圣芭芭拉分校计算机科学系）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI
AI总结 研究探讨了人类自由观看时注视模式的形成机制，发现最大化场景理解的视网膜视觉语言模型能够产生类似人类的注视模式，表明这种模式可能是优化场景理解的副产品。
动作-梯度蒙特卡洛树搜索用于非参数连续（PO）MDPs
机构 * Technion – Israel Institute of Technology（技术学院 – 以色列理工学院）
专题命中 工具调用 ：planning(abstract)；分类 cs.AI
AI总结 本文提出AGMCTS框架，结合全局树搜索与局部梯度优化，解决连续状态空间下的规划问题，理论贡献包括动作评分梯度定理、多重要性采样树和可计算的动作评分梯度。
湍流中利用Q学习进行钟态嗅觉搜索：烟雾恢复的几何学
机构 * Universit\'e C\ ote d'Azur, Inria, CNRS, Laboratoire J.A. Dieudonn\'e, 28 avenue Valrose, 06108, Nice, France ； Machine Learning Genoa Center \& Department of Civil, Chemical ； Environmental Engineering, University of Genova Via Montallegro 1, 16145 Genoa, Italy ； Environmental Engineering, University of Genova, Via Montallegro 1, 16145 Genoa, Italy, now at University of California, Dept Mechanical Engineering, Engineering II, Santa Barbara, CA 93106-5070, USA ； Environmental Engineering, University of Genova, Via Montallegro 1, 16145 Genoa, Italy
专题命中 工具调用 ：agent(abstract)；分类 cs.LG
AI总结 本文通过Q学习训练嗅觉搜索代理，利用时间钟表恢复烟雾，结合昆虫行为提升导航策略，但需改进策略适应局部间歇性水平以增强鲁棒性。
Comments 15 pages, 13 figures, 1 table
DiffVAS: 在部分可观测环境中基于扩散的视觉主动搜索
机构 * Washington University in St. Louis（华盛顿大学圣路易斯分校） ； RISE Research Institutes of Sweden（瑞典RISE研究机构） ； Climate AI Nordics（北欧气候AI）
专题命中 工具调用 ：planning(abstract)；分类 cs.AI
AI总结 DiffVAS提出了一种目标条件化的策略，能够在部分可观测环境中同时搜索多种目标，提升了视觉主动搜索在现实应用中的部署能力。
Comments 26 Pages, 12 figures, Accepted to AAMAS 2026
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