AI Agent

Toward Personalized LLM-Powered Agents: Foundations, Evaluation, and Future Directions

迈向个性化大语言模型驱动的代理：基础、评估与未来方向

Yue Xu, Qian Chen, Zizhan Ma, Dongrui Liu, Wenxuan Wang, Xiting Wang, Li Xiong, Wenjie Wang

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

AI总结 本文探讨个性化LLM代理的基础、评估及未来方向，分析了四个核心能力：用户画像建模、记忆、规划与行动执行，并总结了评估指标和应用场景。

SKILLS: Structured Knowledge Injection for LLM-Driven Telecommunications Operations

SKILLS: 为基于LLM的电信运维进行结构化知识注入

Ivo Brett

机构 * independent.academia.edu（独立学术教育） 纠错

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

AI总结 研究探讨LLM在电信运维中执行API流程的可靠性，提出SKILLS框架，通过结构化知识指导提升模型性能，实验显示技能增强效果显著。

Evolutionary Transfer Learning for Dragonchess

进化迁移学习用于龙棋

Jim O'Connor, Annika Hoag, Sarah Goyette, Gary B. Parker

机构 * Computer Science Department, Connecticut College, New London, United States（康奈尔学院计算机科学系，新伦敦，美国） 纠错

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

AI总结 本文提出利用进化迁移学习在龙棋中适应启发式评估函数，通过CMA-ES优化提升AI性能，展示了在复杂游戏领域中迁移学习的有效性。

MedPriv-Bench: Benchmarking the Privacy-Utility Trade-off of Large Language Models in Medical Open-End Question Answering

MedPriv-Bench：医疗开放问答中大语言模型隐私-效用权衡的基准测试

Shaowei Guan, Yu Zhai, Hin Chi Kwok, Jiawei Du, Xinyu Feng, Jing Li, Harry Qin, Vivian Hui

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)；分类 cs.CL

AI总结 MedPriv-Bench首次提出医疗开放问答中评估隐私保护与临床效用的基准，通过多代理人机协同流程生成敏感医疗情境，利用预训练RoBERTa-NLI模型量化数据泄露，揭示大语言模型在隐私与效用间的普遍权衡。

Comments 17 pages, 5 figures

The Law-Following AI Framework: Legal Foundations and Technical Constraints. Legal Analogues for AI Actorship and technical feasibility of Law Alignment

遵循法律的AI框架：法律基础与技术限制。AI行为者的法律类比和技术可行性

Katalina Hernandez Delgado

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

AI总结 本文评估了O'Keefe等人提出的

Comments Presented at SMU Computational Legal Studies Workshop 2025

DeceptGuard :A Constitutional Oversight Framework For Detecting Deception in LLM Agents

DeceptGuard :一个宪法监督框架用于检测LLM代理中的欺骗行为

Snehasis Mukhopadhyay

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

AI总结 本文提出DeceptGuard框架，通过比较三种监控机制，结合Coot-aware和激活探针监控，显著提升检测性能，并提出HYBRID-CONSTITUTIONAL集成方法，实现更高准确率。

AutoControl Arena: Synthesizing Executable Test Environments for Frontier AI Risk Evaluation

AutoControl Arena：为前沿AI风险评估合成可执行测试环境

Changyi Li, Pengfei Lu, Xudong Pan, Fazl Barez, Min Yang

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

AI总结 本文提出AutoControl Arena框架，通过逻辑-叙述解耦原理，结合可执行代码与LLM生成动态，有效缓解逻辑幻觉并提升灵活性，验证了在压力下AI风险显著增加，揭示了不同模型在安全性和对齐性上的差异。

Comments Project page: https://cosmosyi.github.io/AutoControl-Arena/; Code: https://github.com/CosmosYi/AutoControl-Arena/

Resource Rational Contractualism Should Guide AI Alignment

资源理性契约主义应指导AI对齐

Sydney Levine, Matija Franklin, Tan Zhi-Xuan, Secil Yanik Guyot, Lionel Wong, Daniel Kilov, Yejin Choi, Joshua B. Tenenbaum, Noah Goodman, Seth Lazar, Iason Gabriel

机构 * Harvard（哈佛大学） ； MIT（麻省理工学院） ； Google Deepmind（谷歌DeepMind） ； Australian National University（澳大利亚国立大学） ； Stanford Psychology Department（斯坦福心理学系） ； Stanford（斯坦福大学） ； Computer Science Department（计算机科学系） 纠错

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

AI总结 本文提出资源理性契约主义框架，通过认知启发式方法提升AI决策效率与适应性，解决大规模契约达成成本高问题。

Comments 24 pages, 10 figures

Journal ref International Association for Safe and Ethical AI, 2026

Directional Embedding Smoothing for Robust Vision Language Models

方向嵌入平滑用于鲁棒视觉语言模型

Ye Wang, Jing Liu, Toshiaki Koike-Akino

机构 * Mitsubishi Electric Research Laboratories（三菱电机研究实验室） 纠错

专题命中 Agent评测 ：agentic(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 本文提出通过方向嵌入平滑技术提升视觉语言模型的鲁棒性，针对多模态劫持攻击，验证了方向嵌入噪声在降低攻击成功率中的有效性。

Comments Accepted at ICLR 2026 Workshop on Agents in the Wild

OpenCOOD-Air: Prompting Heterogeneous Ground-Air Collaborative Perception with Spatial Conversion and Offset Prediction

OpenCOOD-Air: 通过空间转换和偏移预测提示异构地面-空域协作感知

Xianke Wu, Songlin Bai, Chengxiang Li, Zhiyao Luo, Yulin Tian, Fenghua Zhu, Yisheng Lv, Yonglin Tian

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

AI总结 本文提出OpenCOOD-Air框架，通过引入无人机作为扩展平台，解决V2V协作感知中的地面遮挡和传感器视角限制问题，采用迁移学习和跨域空间转换器提升感知性能。

Aletheia tackles FirstProof autonomously

Aletheia 自主解决首个 FirstProof 挑战

Tony Feng, Junehyuk Jung, Sang-hyun Kim, Carlo Pagano, Sergei Gukov, Chiang-Chiang Tsai, David Woodruff, Adel Javanmard, Aryan Mokhtari, Dawsen Hwang, Yuri Chervonyi, Jonathan N. Lee, Garrett Bingham, Trieu H. Trinh, Vahab Mirrokni, Quoc V. Le, Thang Luong

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

AI总结 Aletheia 基于 Gemini 3 Deep Think 自主解决 FirstProof 挑战中的 6 个问题，专家评估显示其在 10 个问题中表现突出，但问题 8 存在争议。

Comments 41 pages. Project page: https://github.com/google-deepmind/superhuman/tree/main/aletheia

POLCA: Stochastic Generative Optimization with LLM

POLCA：基于LLM的随机生成优化

Xuanfei Ren, Allen Nie, Tengyang Xie, Ching-An Cheng

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

AI总结 本文提出POLCA框架，通过生成语言模型作为优化器，结合数值奖励和文本反馈，解决复杂系统的随机生成优化问题，实现高效探索与利用的平衡，实验表明其在多种基准测试中表现优异。

More Agents Improve Math Problem Solving but Adversarial Robustness Gap Persists

更多代理提升数学问题解决能力但对抗鲁棒性差距依然存在

Khashayar Alavi, Zhastay Yeltay, Lucie Flek, Akbar Karimi

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

AI总结 研究探讨了多个代理在数学问答中的表现，发现协作提升准确性但对抗鲁棒性差距持续存在，人类错误仍是主要瓶颈。

Reducing Cost of LLM Agents with Trajectory Reduction

通过轨迹缩减降低LLM代理的成本

Yuan-An Xiao, Pengfei Gao, Chao Peng, Yingfei Xiong

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

AI总结 本文提出AgentDiet方法，通过减少LLM代理轨迹中的冗余信息，降低计算成本，实验显示可减少输入token和总计算成本达39.9%-59.7%和21.1%-35.9%。

Comments 22 pages, 5 figures; accepted for FSE 2026

What Matters for Scalable and Robust Learning in End-to-End Driving Planners?

在端到端驾驶规划器中，可扩展性和鲁棒性学习中什么重要？

David Holtz, Niklas Hanselmann, Simon Doll, Marius Cordts, Bernt Schiele

机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； Max-Planck-Institute for Informatics, SIC（马克斯·普朗克信息研究所，SIC） 纠错

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

AI总结 本文研究了端到端驾驶规划器中可扩展性和鲁棒性学习的关键因素，提出BevAD架构在Bench2Drive基准上达到72.7%的成功率，展示了纯模仿学习的数据扩展能力。

Comments To be published in CVPR Findings 2026

Omni-Captioner: Data Pipeline, Models, and Benchmark for Omni Detailed Perception

Omni-Captioner：多模态信息细粒度感知的数据管道、模型与基准

Ziyang Ma, Ruiyang Xu, Zhenghao Xing, Yunfei Chu, Yuxuan Wang, Jinzheng He, Jin Xu, Pheng-Ann Heng, Kai Yu, Junyang Lin, Eng Siong Chng, Xie Chen

专题命中 Agent评测 ：agentic(abstract)；分类 cs.CL

AI总结 本文提出Omni-Captioner，通过数据管道、模型和基准系统，系统研究多模态细粒度感知，提出Omni-Detective生成高质量数据，实现音频和视频细粒度描述的最优性能。

Comments Accepted by ICLR2026. Open Source at https://github.com/ddlBoJack/Omni-Captioner

LiveWeb-IE: A Benchmark For Online Web Information Extraction

LiveWeb-IE：一个在线网页信息提取的基准测试

Seungbin Yang, Jihwan Kim, Jaemin Choi, Dongjin Kim, Soyoung Yang, ChaeHun Park, Jaegul Choo

专题命中 Agent评测 ：agentic(abstract)；分类 cs.CL

AI总结 本文提出LiveWeb-IE基准测试，用于评估在线网页信息提取系统，通过活体网站和多阶段代理框架VGS，提升信息提取的准确性和鲁棒性。

Comments ICLR 2026

Research Paradigm of Materials Science Tetrahedra with Artificial Intelligence

材料科学四面体与人工智能的研究范式

Shiyun Zhang, Yibo Yao, Haoquan Long, Dingwen Tao, Guangming Tan, Wei-Hua Wang, Yuan-Chao Hu

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

AI总结 本文探讨了经典材料四面体研究范式，并提出两个新的AI增强研究范式，旨在推动数据驱动和AI辅助的材料科学研究。

Comments 24 pages, 6 figures

$τ$-Voice: Benchmarking Full-Duplex Voice Agents on Real-World Domains

$τ$-Voice：在真实领域上评估全双工语音代理的基准测试

Soham Ray, Keshav Dhandhania, Victor Barres, Karthik Narasimhan

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

AI总结 本文提出$τ$-voice基准测试，评估语音代理在真实复杂任务中的表现，发现语音代理在清洁条件和嘈杂环境下任务完成率仅为31-51%和26-38%，远低于文本能力，表明代理行为是失败的主要原因。

VisualLeakBench: Auditing the Fragility of Large Vision-Language Models against PII Leakage and Social Engineering

VisualLeakBench: 对大型视觉-语言模型在PII泄露和社会工程中的脆弱性进行审计

Youting Wang, Yuan Tang, Yitian Qian, Chen Zhao

机构 * Northeastern University（东北大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Boston University（波士顿大学） ； New York University（纽约大学） 纠错

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

AI总结 本文提出VisualLeakBench，通过合成对抗图像评估LVLMs对OCR注入和PII泄露的鲁棒性，揭示了Claude~4在PII识别上的高风险及防御策略的模板依赖性。

Beyond Attention: True Adaptive World Models via Spherical Kernel Operator

超越注意力：通过球面核算子构建真正的自适应世界模型

Vladimer Khasia

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文提出球面核算子，通过将数据流形投影到统一的高维球面并利用超球面多项式，解决传统注意力机制的饱和问题，提升世界模型的预测能力与收敛速度。

LEP Data@EDM4hep: mitigating data loss risks by increasing data FAIRness, with a view on FCC-ee

LEP数据@EDM4hep：通过提高数据FAIR性来缓解数据丢失风险，展望FCC-ee

Jacopo Fanini, Gerardo Ganis, Marcello Maggi

专题命中 Agent评测 ：workflow(abstract)

AI总结 本文探讨了通过提升数据FAIR性以保障LEP数据长期可用性，并提出利用EDM4hep格式迁移数据，以支持FCC-ee实验的物理潜力评估。

FAR-Drive: Frame-AutoRegressive Video Generation in Closed-Loop Autonomous Driving

FAR-Drive：闭环自动驾驶中的帧自回归视频生成

Yaoru Li, Federico Landi, Marco Godi, Xin Jin, Ruiju Fu, Yufei Ma, Muyang Sun, Heyu Si, Qi Guo

机构 * Zhejiang University（浙江大学） ； Huawei（华为） 纠错

专题命中 Agent评测 ：agent(abstract)

AI总结 本文提出FAR-Drive，一种用于自动驾驶的帧级自回归视频生成框架，通过多视角扩散变换器实现几何一致的多摄像机生成，解决闭环模拟中的长时程一致性、自回归退化和低延迟问题。

Tap-to-Adapt: Learning User-Aligned Response Timing for Speech Agents

Tap-to-Adapt：学习用户对齐的语音代理响应时机

Zihong He, Hai-Ning Liang, Chen Liang

专题命中 Agent评测 ：agent(abstract)

AI总结 本文提出Tap-to-Adapt框架，通过用户点击交互实现在线学习标签，改进语音代理响应时机判断，结合Dilated TCN和序列重播策略，通过实验和用户研究验证有效性，并开发专用评估系统收集20,000个样本。

Towards Equitable Robotic Furnishing Agents for Aging-in-Place: ADL-Grounded Design Exploration

迈向老年人独立生活中的公平机器人家具代理：基于日常活动的设计探索

Hansoo Lee, Changhee Seo, Subin Park, Sonya S. Kwak

专题命中 Agent评测 ：agent(abstract)

AI总结 本文探讨了在老年人独立生活背景下，通过基于日常活动的设计探索，开发公平的机器人家具代理，以减少认知和身体负担，提升老年人福祉。

Comments Accepted at the ACM/IEEE International Conference on Human-Robot Interaction (HRI) 2026 Workshop: Equitable Robotics for Wellbeing (Eq-RW)

Sequential Solution Concepts in Cooperative Games with Generalized Characteristic Functions

序贯解概念在具有广义特征函数的合作游戏中

Ashwin Goyal, Drashthi Doshi, Swaprava Nath

专题命中 Agent评测 ：agent(abstract)

AI总结 本文研究了序贯解概念，针对时间合作游戏中的顺序敏感性，提出新的奖励分享机制，定义了序贯效率等核心贡献。

Comments 22 pages, under review

Opinion Clustering under the Friedkin-Johnsen Model: Agreement in Disagreement

在Friedkin-Johnsen模型下进行意见聚类：在分歧中达成一致

Aashi Shrinate, Twinkle Tripathy

专题命中 Agent评测 ：agent(abstract)

AI总结 研究在Friedkin-Johnsen模型中通过拓扑条件实现意见聚类，提出Locally Topologically Persuasive（LTP）代理的概念，展示如何通过放置LTP代理设计任意期望的意见聚类网络。

Comments Accepted for Presentation in the American Control Conference 2026

Ultra Efficient Contracts: Pushing the Boundaries of Tractable Contract Design

超高效合同：拓展可计算合同设计的边界

Michal Feldman, Liat Yashin

专题命中 Agent评测 ：agent(abstract)

AI总结 本文研究了在组合动作框架下最优合同问题，提出了一种新的Ultra奖励类，解决了可计算性边界问题，并扩展到非加性成本函数。

Coarsening in the Persistent Voter Model: analytical results

持久投票模型中的粗化现象：分析结果

R. G. de Almeida, J. J. Arenzon, F. Corberi, W. G. Dantas, L. Smaldone

专题命中 Agent评测 ：agent(abstract)

AI总结 本文研究了简化版持久投票模型的粗化动力学，分析了其与原模型的相似性，并推导了相关关联函数的方程，通过闭合方案和数值模拟验证了解析解的准确性。

Comments 11 pages, 12 figures

Journal ref Phys. Rev. E 111 (2025) 064313

DQ-Ladder: A Deep Reinforcement Learning-based Bitrate Ladder for Adaptive Video Streaming

DQ-Ladder: 一种基于深度强化学习的比特率阶梯用于自适应视频流媒体

Reza Farahani, Zoha Azimi, Vignesh V Menon, Hermann Hellwagner, Radu Prodan, Schahram Dustdar, Christian Timmerer

专题命中 Agent评测 ：agent(abstract)

AI总结 本文提出DQ-Ladder，一种基于深度强化学习的自适应视频流媒体比特率阶梯，通过预测解码时间、质量评分和段级比特率来优化编码时间、解码效率和视频质量。

Comments Adaptive Video Streaming, Deep Reinforcement Learning, Q-Learning, Bitrate Ladder, Quality Prediction