AI Agent

Sim-to-reality adaptation for Deep Reinforcement Learning applied to an underwater docking application

深度强化学习在水下对接应用中的仿真到现实适应

Alaaeddine Chaarani, Narcis Palomeras, Pere Ridao

专题命中 Agent评测 ：agent(abstract)；分类 cs.AI

AI总结 本文提出利用高保真数字双胞胎环境和PPO算法，开发了用于水下对接的深度强化学习控制器，通过仿真到现实适应提升了对接成功率，并在物理测试中验证了其有效性。

Comments Currently under review by IROS 2026

Value Under Ignorance in Universal Artificial Intelligence

在通用人工智能中的价值在无知下

Cole Wyeth, Marcus Hutter

专题命中 Agent评测 ：agent(abstract)；分类 cs.AI

AI总结 本文提出通过半测度损失将信念分布视为不精确概率分布，并利用Choquet积分计算预期效用，以解决通用人工智能中价值在无知下的问题。

Journal ref In International Conference on Artificial General Intelligence (pp. 338-349). Cham: Springer Nature Switzerland (2025)

You Told Me to Do It: Measuring Instructional Text-induced Private Data Leakage in LLM Agents

你让我这么做：测量LLM代理中指令文本诱导的私有数据泄露

Ching-Yu Kao, Xinfeng Li, Shenyu Dai, Tianze Qiu, Pengcheng Zhou, Eric Hanchen Jiang, Philip Sperl

专题命中 Agent评测 ：agent(abstract)；分类 cs.AI

AI总结 研究发现LLM代理在处理嵌入文档指令时存在安全漏洞，导致高比例的数据泄露，且现有防御措施无法有效检测此类攻击。

Comments 14 pages

RewardHackingAgents: Benchmarking Evaluation Integrity for LLM ML-Engineering Agents

奖励黑客代理：用于LLM机器学习工程代理的基准评估完整性

Yonas Atinafu, Robin Cohen

专题命中 Agent评测 ：agent(abstract)；分类 cs.AI

AI总结 本研究提出RewardHackingAgents基准，用于评估机器学习工程代理的评估完整性，通过显式测量评估者篡改和训练测试泄漏两种妥协向量，展示评估完整性可作为核心指标进行验证。

OpenClaw PRISM: A Zero-Fork, Defense-in-Depth Runtime Security Layer for Tool-Augmented LLM Agents

OpenClaw PRISM: 一种零fork、纵深防御的运行时安全层，用于工具增强的大语言模型代理

Frank Li

专题命中 Agent评测 ：agent(abstract)

AI总结 OpenClaw PRISM通过零fork运行时安全层，结合启发式和LLM扫描流程，提供纵深防御机制，以增强工具增强型大语言模型代理的安全性。

Comments 23 pages, 3 figures, 6 tables. Open-source system paper with benchmark artifact pipeline

An observer-based approach to the sorites paradox and the logic derived from that

基于观察者的 Sorites 矛盾及由此导出的逻辑方法

Athanassios Tzouvaras

专题命中 Agent评测 ：agent(abstract)

AI总结 本文提出了一种基于观察者和时间依赖的三值逻辑方法，用于解决Sorites矛盾问题。

Comments 19 pages

Journal ref Logic Journal of IGPL vol. 33(2025), no. 3

LaMoGen: Language to Motion Generation Through LLM-Guided Symbolic Inference

LaMoGen：通过LLM引导的符号推理实现语言到动作生成

Junkun Jiang, Ho Yin Au, Jingyu Xiang, Jie Chen

机构 * Department of Computer Science, Hong Kong Baptist University, HKSAR（香港 Baptist 大学计算机科学系） 纠错

专题命中 Agent评测 ：agent(abstract)

AI总结 LaMoGen通过LLM引导的符号推理实现语言到动作的生成，利用LabanLite动作表示提升动作的可解释性和可控性。

Comments Accepted by CVPR 2026. Supplementary material included. Project page: https://jjkislele.github.io/LaMoGen/

Dynamic Bayesian regression quantile synthesis for forecasting outlook-at-risk

动态贝叶斯回归分位数合成用于预测风险展望

Genya Kobayashi, Shonosuke Sugasawa, Yuta Yamauchi, Dongu Han

专题命中 Agent评测 ：agent(abstract)

AI总结 本文提出动态贝叶斯回归分位数合成方法，通过引入时间变化的潜在因子结构，提升多变量时间序列的分位数预测性能。

Agentic Explainable Artificial Intelligence (Agentic XAI) Approach To Explore Better Explanation

代理可解释人工智能（代理XAI）方法探索更好的解释

Tomoaki Yamaguchi, Yutong Zhou, Masahiro Ryo, Keisuke Katsura

专题命中 其他Agent ：agentic(title,abstract)；autonomous agent(abstract)；分类 cs.AI

AI总结 本文提出一种结合SHAP解释性和多模态LLM迭代细化的代理XAI框架，通过农业推荐系统验证，发现早期停止可提升推荐质量，但过度细化导致性能下降，揭示了偏差-方差权衡。

Computational Pathology in the Era of Emerging Foundation and Agentic AI -- International Expert Perspectives on Clinical Integration and Translational Readiness

在新兴基础和代理AI时代 computational pathology 的发展——国际专家对临床整合与转化准备的视角

Qian Da, Yijiang Chen, Min Ju, Zheyi Ji, Albert Zhou, Wenwen Wang, Matthew A Abikenari, Philip Chikontwe, Guillaume Larghero, Bowen Chen, Peter Neidlinger, Dingrong Zhong, Shuhao Wang, Wei Xu, Drew Williamson, German Corredor, Sen Yang, Le Lu, Xiao Han, Kun-Hsing Yu, Jun-zhou Huang, Laura Barisoni, Geert Litjens, Anant Madabhushi, Lifeng Zhu, Chaofu Wang, Junhan Zhao, Weiguo Hu

机构 * Department of Pathology, Ruijin Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China（复旦大学附属中山医院病理科，上海交通大学医学院，上海，中国） ； Department of Radiation Oncology, Stanford University School of Medicine, Stanford, CA, USA（斯坦福大学医学院放射肿瘤科，斯坦福，加利福尼亚州，美国） ； Department of Basic Education, Qingdao City University, Qingdao, Shandong, China（青岛城市大学基础教育系，青岛，山东省，中国） ； Department of Human Genetics, the University of Chicago, Chicago, IL, USA（芝加哥大学人类遗传学系，芝加哥，伊利诺伊州，美国） ； Department of Computer Science, University of Warwick, Coventry UK（沃里克大学计算机科学系，科文特里，英国） ； Department of Electrical and Computer Engineering, Carnegie Mellon University, Pittsburgh, Pennsylvania, USA（卡内基梅隆大学电气与计算机工程系，匹兹堡，宾夕法尼亚州，美国） ； Department of Neurosurgery, Stanford University School of Medicine, Stanford, CA, USA（斯坦福大学医学院神经外科，斯坦福，加利福尼亚州，美国） ； Department of Biomedical Informatics, Harvard Medical School, Boston, MA, USA（哈佛医学院生物医学信息学系，波士顿，马萨诸塞州，美国） 纠错

专题命中 其他Agent ：agentic(title)；分类 cs.AI

AI总结 本文探讨新兴基础和代理AI在计算病理学中的临床整合与转化准备，分析技术成熟度、经济监管及实际应用挑战，提供国际专家对当前能力与障碍的评估。