AI Agent

AgenticGEO: A Self-Evolving Agentic System for Generative Engine Optimization

AgenticGEO: 一种自演化代理系统用于生成引擎优化

Jiaqi Yuan, Jialu Wang, Zihan Wang, Qingyun Sun, Ruijie Wang, Jianxin Li

机构 * School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） 纠错

专题命中 工具调用 ：agentic(title,abstract)；planning(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 本文提出AgenticGEO，通过将优化问题建模为内容条件控制问题，提升内容质量以适应生成引擎的不可预测行为，采用MAP-Elites档案进化多样策略，并引入Co-Evolving Critic降低交互成本，实验证明其在多个数据集上优于14个基线方法。

AutoKernel: Autonomous GPU Kernel Optimization via Iterative Agent-Driven Search

AutoKernel：通过迭代式智能体驱动搜索实现自主GPU内核优化

Jaber Jaber, Osama Jaber

机构 * RightNow AI 纠错

专题命中 工具调用 ：agent(title,abstract)；autonomous agent(abstract)；分类 cs.LG

AI总结 本文提出AutoKernel框架，通过智能体驱动的迭代搜索优化PyTorch模型的GPU内核，通过自动化测试验证确保性能提升，实测在NVIDIA H100上多个任务中均取得显著性能优势。

Comments 11 pages, 5 tables, 2 figures. Code: https://github.com/RightNow-AI/autokernel

A Solicit-Then-Suggest Model of Agentic Purchasing

代理购物的请示后再建议模型

Shengyu Cao, Ming Hu

专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)

AI总结 本文提出一种代理购物模型，通过多轮对话学习顾客偏好并推荐定制产品，分析了请示深度与商品种类宽度的经济权衡，揭示了在高维空间中推荐策略的优化方法。

ACRFence: Preventing Semantic Rollback Attacks in Agent Checkpoint-Restore

ACRFence：防止代理检查点-恢复中的语义回滚攻击

Yusheng Zheng, Yiwei Yang, Wei Zhang, Andi Quinn

专题命中 工具调用 ：agent(title,abstract)

AI总结 本文提出ACRFence，一种防止代理检查点-恢复中语义回滚攻击的通用解决方案，通过记录不可逆工具效果并强制回放或分叉语义，以应对代理恢复后请求重新生成导致的重复支付和凭证滥用问题。

Journal ref CoDAIM workshop 2026

A Framework for Low-Latency, LLM-driven Multimodal Interaction on the Pepper Robot

一种用于Pepper机器人低延迟LLM驱动多模态交互的框架

Erich Studerus, Vivienne Jia Zhong, Stephan Vonschallen

机构 * Institute for Information Systems（信息系统研究所） ； University of Applied Sciences and Arts Northwestern Switzerland（西北瑞士应用科学与艺术大学） 纠错

专题命中 工具调用 ：function calling(abstract)；agentic(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出一个开源Android框架，通过端到端语音模型和功能调用能力，实现低延迟多模态交互，提升Pepper机器人的人机交互性能。

Comments 4 pages, 2 figures. To appear in Proceedings of the 21st ACM/IEEE International Conference on Human-Robot Interaction (HRI '26), Edinburgh, Scotland, March 2026

Patho-AgenticRAG: Towards Multimodal Agentic Retrieval-Augmented Generation for Pathology VLMs via Reinforcement Learning

病理代理RAG：通过强化学习实现多模态代理检索增强生成用于病理学视觉语言模型

Wenchuan Zhang, Jingru Guo, Hengzhe Zhang, Penghao Zhang, Jie Chen, Shuwan Zhang, Zhang Zhang, Yuhao Yi, Hong Bu

专题命中 工具调用 ：agentic(title)

AI总结 本文提出Patho-AgenticRAG，通过强化学习实现多模态代理检索增强生成，解决病理学视觉语言模型在高分辨率、复杂组织结构和临床语义上的挑战，提升诊断准确性。

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 40(35): 29921-29929, 2026

Comprehensive Dosimetric Verification and Positional Sensitivity Analysis in Brachytherapy: A Unified ESAPI Tool for HDR and LDR Treatments

放射治疗中的全面剂量学验证与位置敏感性分析：一种用于 HDR 和 LDR 治疗的统一 ESAPI 工具

J. A. Valgoma

专题命中 工具调用 ：planning(abstract)；workflow(abstract)

AI总结 本文提出了一种基于 Varian Eclipse Scripting API 的独立软件工具，用于验证 HDR 和 LDR 放射治疗的 QA，通过比较点源和线源模型，分析位置不确定性，并提高临床工作流程的安全性。

Comments 13 pages, 2 tables, 5 figures

Are AI-assisted Development Tools Immune to Prompt Injection?

基于提示注入的AI辅助开发工具是否具有免疫力？

Charoes Huang, Xin Huang, Amin Milani Fard

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

AI总结 本文研究了基于MCP协议的AI辅助开发工具在提示注入攻击下的安全性，分析了七种常用工具的检测与缓解机制，揭示了其在安全特性上的显著差异。

Reinforcement Learning for Chemical Ordering in Alloy Nanoparticles

强化学习用于合金纳米颗粒中的元素排列

Jonas Elsborg, Emma L. Hovmand, Arghya Bhowmik

机构 * Department of Energy Conversion and Storage, Technical University of Denmark（丹麦技术大学能源转换与存储系） ； CAPeX Pioneer Center for Accelerating P2X Materials Discovery, Technical University of Denmark（丹麦技术大学CAPeX先锋中心） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.LG

AI总结 本文利用强化学习方法优化双金属合金纳米颗粒的元素排列，通过几何图表示实现全局优化，并展示其在不同初始状态下的鲁棒性及对未知尺寸的扩展能力。

Comments 22 pages, 9 figures, 1 table

Joint Surrogate Learning of Objectives, Constraints, and Sensitivities for Efficient Multi-objective Optimization of Neural Dynamical Systems

联合学习目标、约束和灵敏度以实现神经动力系统高效多目标优化

Frithjof Gressmann, Ivan Georgiev Raikov, Seung Hyun Kim, Mattia Gazzola, Lawrence Rauchwerger, Ivan Soltesz

机构 * Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算与数据科学学院） ； Grainer College of Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校工程学院） ； Department of Neurosurgery, Stanford University（斯坦福大学神经外科部） ； Carl R. Woese Institute for Genomic Biology, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校卡尔·R·沃塞基因组生物学研究所） ； Mechanical Science and Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校机械科学与工程系） ； National Center for Supercomputing Applications, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校国家超级计算应用中心） 纠错

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

AI总结 本文提出DMOSOPT框架，通过联合学习目标、约束和灵敏度的代理模型，实现高效多目标优化，适用于高约束问题。

AC4A: Access Control for Agents

AC4A：代理访问控制

Reshabh K Sharma, Dan Grossman

机构 * University of Washington（华盛顿大学） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 本文提出AC4A框架，解决代理系统粗粒度访问控制问题，允许用户限制代理访问的API和网页内容，提供灵活的权限定义和执行方式。

Emergency Lane-Change Simulation: A Behavioral Guidance Approach for Risky Scenario Generation

紧急车道变更模拟：一种行为引导方法用于高风险场景生成

Chen Xiong, Cheng Wang, Yuhang Liu, Zirui Wu, Ye Tian

机构 * School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能系统工程学院） ； Guangdong Provincial Key Laboratory of Intelligent Transportation System, Sun Yat-sen University（广东省智能交通系统重点实验室） ； Department of Civil and Environmental Engineering, The Pennsylvania State University（宾夕法尼亚州立大学土木与环境工程系） ； School of Traffic Engineering and the Key Laboratory of Road and Traffic Engineering, Ministry of Education, Tongji University（同济大学交通工程学院及交通工程重点实验室） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 本文提出一种基于行为学习的方法，通过优化序列生成对抗网络学习紧急车道变更行为，结合递归近端策略优化策略生成高风险碰撞场景，提升风险探索效率。

SafeSearch: Do Not Trade Safety for Utility in LLM Search Agents

SafeSearch: 不应为效用而牺牲安全性的LLM搜索代理

Qiusi Zhan, Angeline Budiman-Chan, Abdelrahman Zayed, Xingzhi Guo, Daniel Kang, Joo-Kyung Kim

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.CL

AI总结 本文研究了基于大语言模型的搜索代理在安全与效用之间的平衡问题，提出SafeSearch方法通过多目标强化学习提升安全性和效用，实验表明其显著降低有害输出并保持问答性能。

Comments EACL 2026 Findings. Code available at https://github.com/amazon-science/SafeSearch

UniDex: A Robot Foundation Suite for Universal Dexterous Hand Control from Egocentric Human Videos

UniDex：一种机器人基础套件，用于从第一人称人类视频中实现通用灵巧手控制

Gu Zhang, Qicheng Xu, Haozhe Zhang, Jianhan Ma, Long He, Yiming Bao, Zeyu Ping, Zhecheng Yuan, Chenhao Lu, Chengbo Yuan, Tianhai Liang, Xiaoyu Tian, Maanping Shao, Feihong Zhang, Mingyu Ding, Yang Gao, Hao Zhao, Hang Zhao, Huazhe Xu

机构 * Tsinghua University（清华大学） ； Shanghai Qizhi Institute（上海启智研究院） ； Sun Yat-sen University（中山大学） ； The University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

专题命中 工具调用 ：tool-use(abstract)

AI总结 本文提出UniDex，通过机器人中心数据集、统一视觉-语言-动作策略和实用人类数据采集设置，实现通用灵巧手控制。UniDex-VLA在两项不同手的挑战性工具使用任务中达到81%的平均任务进度，优于现有VLA基线。

Comments Accepted by CVPR 2026

Multidimensional Opinion Dynamics with Confirmation Bias: A Multi-Layer Framework

多维意见动力学与确认偏见：多层框架

M. Hossein Abedinzadeh, Emrah Akyol

专题命中 工具调用 ：agent(abstract)

AI总结 研究社会网络中多维意见动力学与确认偏见的多层框架，分析意见耦合作用及源设计结论在忽略确认偏见时的定量变化。

Comments 12 pages, 9 figures. Submitted to IEEE Transactions on Control of Network Systems (TCNS)