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。
代码仓库中的针：一项评估AI生成仓库编辑可维护性的基准测试
机构 * UC Riverside（加州大学河滨分校） ； Independent Researcher（独立研究员） ； Tulane University（杜兰大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出NITR基准测试，评估AI生成代码是否保持可维护结构，发现现有系统在复杂架构修改上表现不佳，代理模式提升性能但未解决根本问题。
Comments 16 pages, 6 figures
基于MCP的代码库记忆：通过Tree-Sitter构建的知识图谱用于LLM代码探索
机构 * Independent Researcher, Berlin, Germany（独立研究者，柏林，德国） ； Institute of Medical Informatics, Charité – Universitätsmedizin Berlin, Berlin, Germany（柏林夏里特医学院医学信息学研究所，柏林，德国） ； Clinical Study Center, Berlin Institute of Health, Berlin, Germany（柏林健康研究所临床研究中心，柏林，德国） ； Institute of Informatics, Humboldt University, Berlin, Germany（柏林洪堡大学信息学研究所，柏林，德国） ； Institute of Informatics, Freie Universität Berlin, Berlin, Germany（柏林自由大学信息学研究所，柏林，德国） ； Health Data Science Unit, University Hospital Heidelberg, Heidelberg, Germany（海德堡大学医院健康数据科学部，海德堡，德国）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 Codebase-Memory通过MCP协议构建Tree-Sitter知识图谱，提升LLM代码探索效率，实现更高准确性与更低资源消耗。
Comments 10 pages, 5 authors, preprint
TwinMixing：一种面向多任务分割的洗牌感知特征交互模型
机构 * University of Information Technology（信息技术大学） ； Vietnam National University（越南国立大学）
专题命中 软件智能体 ：planning(abstract)；分类 cs.AI
AI总结 本文提出TwinMixing模型，通过共享编码器和任务专用解码器实现特征共享与任务专精，结合高效金字塔混合模块和双分支上采样块，在BDD100K数据集上验证了其在 drivable-area 和 lane 分割中的高效准确性能。
Journal ref Results in Engineering 30 (2026) 109982
AVDA：自主振动检测作者化以提升网络安全
专题命中 软件智能体 ：agentic(abstract)；分类 cs.SE
AI总结 本文提出AVDA框架，通过整合组织上下文自动化检测作者化，提升检测质量与效率，实验显示Agentic方法在相似度上比基线方法提升19%。
AutoStan：通过预测反馈实现自主的贝叶斯模型改进
机构 * Thurgau Institute for Digital Transformation (TIDIT)（图尔高数字转型研究所）
专题命中 软件智能体 ：agent(abstract)；分类 cs.LG
AI总结 AutoStan通过预测反馈机制，使CLI编码代理自主构建并迭代改进Stan中的贝叶斯模型，展示了无需搜索算法或领域指令即可处理多样化贝叶斯建模问题的能力。
基于对应关系的非凸下层问题双层决策方法
专题命中 软件智能体 ：agent(abstract)
AI总结 本文提出基于对应关系的超函数方法，解决非凸下层问题的双层优化问题，通过高斯平滑处理并设计SCiNBiO算法，提供收敛性和复杂度保证。
融合判别示例与自我优化经验的医学诊断基于MLLM的上下文学习
机构 * CAS Key Laboratory of Molecular Imaging, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所分子影像重点实验室） ； School of Software, North University of China（中北大学软件学院）
专题命中 软件智能体 ：workflow(abstract)
AI总结 本文提出Clinician Mimetic Workflow框架，结合判别示例核心集选择与自我优化经验总结，提升医学诊断中基于MLLM的上下文学习性能，超越零样本通用和医疗MLLM，并接近全监督视觉模型。
从工具到队友：LLM编码代理作为教育对话分析中行为标注的协作伙伴
专题命中 软件智能体 ：agent(abstract)
AI总结 本文提出利用LLM编码代理自动优化标注提示，提升教育对话行为分析的准确性，通过四折交叉验证证明其有效性，揭示了标注中的潜在模式。
Comments 10 pages, 6 figures, 4 tables. Submitted to EDM 2026
SCRAMPPI: 通过哈密顿-雅可比可达性实现移动机器人导航的高效应急规划
机构 * Northeastern University（东北大学）
专题命中 GUI与网页智能体 ：planning(title)
AI总结 本文提出SCRAMPPI算法，通过哈密顿-雅可比可达性分析实现移动机器人导航中的应急规划，结合采样基于规划器（MPPI）提升采样效率，实现实时生成主计划和应急计划。
Comments 8 pages, 5 figures
超越文本知识的多模态知识库用于增强视觉-语言导航
机构 * School of Computer Science and Technology, Xinjiang University（新疆大学计算机科学与技术学院） ； Joint International Research Laboratory of Silk Road Multilingual Cognitive Computing（丝绸之路多语言认知计算联合国际研究实验室）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI
AI总结 本文提出BTK框架，通过整合环境特定文本知识与生成图像知识库，提升视觉-语言导航中的语义 grounding 和跨模态对齐，实验表明在R2R和REVERIE数据集上性能显著提升。
Comments Main paper (37 pages). Accepted for publication by the Information Processing and Management,Volume 63,Issue 6,September 2026,104766
基于语言的视觉导航世界建模
机构 * University of Washington（华盛顿大学） ； National University of Singapore（新加坡国立大学） ； Clemson University（克莱姆森大学） ； Drexel University（德雷塞尔大学） ； Microsoft Research（微软研究院）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI
AI总结 本文研究了基于语言的视觉导航问题，提出LCVN数据集并开发了两种模型家族，通过语言 grounding、未来状态预测和动作生成实现统一任务学习。
Comments 19 pages, 6 figures, Code: https://github.com/F1y1113/LCVN
面向物体重建的移动机械臂整体控制
机构 * University of Manchester（曼彻斯特大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 本文提出一种高效方法，通过计算最信息区域的焦点点，使移动机械臂在路径上保持该点在摄像头视野中，从而在不增加路径规划的情况下提升物体重建效率。
Comments 19 pages, 17 figures, 5 tables. Under Review for the IEEE Transactions on Robotics (T-RO)
OVSegDT：用于开放词汇物体目标导航的分割Transformer
机构 * Cognitive AI Systems Lab（认知人工智能系统实验室） ； MIRAI ； NUST MISIS（国立研究型技术大学MISIS）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 本文提出OVSegDT，一种轻量级Transformer策略，通过语义分支和熵自适应损失调节解决开放词汇物体目标导航中的过拟合和安全问题，提升泛化能力。
自适应多径基于的分布式MIMO系统SLAM
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 本文提出一种基于贝叶斯的多径SLAM方法，用于分布式MIMO系统，解决现有方法在非凸几何环境中融合多径信息的限制，通过自适应检测概率和软射线追踪策略提升定位和建图性能。
Comments 32 pages, 9 figures
自主代理协调数字孪生（AADT）：利用OpenClaw框架实现罕见遗传病中的状态同步
机构 * Raymond G. Perelman Center for Cellular and Molecular Therapeutics, Children's Hospital of Philadelphia（费城儿童医院雷蒙德·G·佩雷尔曼细胞与分子治疗中心） ； Applied Mathematics and Computational Science Graduate Program, University of Pennsylvania（宾夕法尼亚大学应用数学与计算科学研究生项目） ； Bioengineering Graduate Program, University of Pennsylvania（宾夕法尼亚大学生物工程研究生项目） ； Department of Biomedical Informatics, Columbia University Irving Medical Center（哥伦比亚大学欧文医学中心生物医学信息学系） ； Department of Pathology and Laboratory Medicine, Perelman School of Medicine, University of Pennsylvania（宾夕法尼亚大学佩雷尔曼医学院病理学与实验医学系）
专题命中 记忆与上下文管理 ：agent(title,abstract)；autonomous agent(title,abstract)；planning(abstract)；分类 cs.AI
AI总结 本文提出基于OpenClaw框架的自主代理协调数字孪生框架，通过持续监控数据流和自动化工作流，实现医疗数字孪生状态与纵向表型更新和进化基因组知识的同步，提升罕见病诊断和疾病进展建模的准确性。
代理情境工程：为自我改进语言模型演化情境
机构 * Stanford University（斯坦福大学） ； SambaNova Systems, Inc.（SambaNova Systems公司） ； UC Berkeley（加州大学伯克利分校）
专题命中 记忆与上下文管理 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出ACE框架，通过生成、反思和整理的模块化过程，使情境持续进化，提升语言模型在代理和领域推理中的性能，减少适应延迟和成本。
Comments ICLR 2026; 32 pages
GEMS：基于记忆与技能的代理原生多模态生成
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Nanjing University（南京大学） ； Shanghai Jiao Tong University（上海交通大学） ； CUHK（香港中文大学）
专题命中 记忆与上下文管理 ：agent(title,abstract)；multi-agent(abstract)
AI总结 GEMS通过引入代理循环、记忆和技能组件，提升多模态生成在复杂指令和专业任务中的性能，使轻量级模型在GenEval2中超越现有最佳模型。
Comments Project Page: https://gems-gen.github.io
Red-MIRROR：基于大语言模型的自主渗透测试系统，结合反射验证与知识增强交互
专题命中 记忆与上下文管理 ：agentic(title)；agent(abstract)；multi-agent(abstract)
AI总结 Red-MIRROR通过引入紧密耦合的记忆-反射架构，解决传统渗透测试中依赖参数知识、记忆碎片化和验证不足的问题，实现复杂Web漏洞的高效检测与验证，其在XBOW基准测试中成功率达到86%。
Comments 26 pages
超越完成：探究累积状态跟踪以预测LLM代理性能
机构 * Tohoku University（东北大学） ； Lappeenranta-Lahti University of Technology LUT（拉彭兰塔-拉赫蒂理工大学） ； Texas A&M University（德克萨斯农工大学） ； Worcester Polytechnic Institute（伍斯特理工学院）
专题命中 记忆与上下文管理 ：agent(title,abstract)；分类 cs.AI
AI总结 本文提出WMF-AM方法，通过评估20种模型的累积算术状态跟踪能力，发现其与代理性能密切相关，且在控制完成分数和模型规模后仍保持显著相关性。
当AI代理互相教学：Moltbook社区中类似同伴学习的讨论模式
专题命中 记忆与上下文管理 ：AI agent(title,abstract)；分类 cs.AI
AI总结 本文分析Moltbook社区中AI代理的讨论模式，发现其具有同伴学习特征，如分享技能、报告发现和协作解决问题。研究揭示了AI讨论与人类同伴学习的差异，并提出六个教育AI设计的假设。
Comments 7 pages, 1 figure. Revised version addressing reviewer feedback: added statistical inference, human baselines, redefined design principles as hypotheses, clarified anti-anthropomorphization stance
AgentSwing: 面向长时域网络代理的自适应并行上下文管理路由
专题命中 记忆与上下文管理 ：agent(abstract)；autonomous agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出AgentSwing框架，通过搜索效率与终端精度两个维度优化长时域网络代理的上下文管理，实验证明其在交互次数更少的情况下性能更优。
反馈耦合记忆系统：适应性协调的动力学模型
机构 * Bangkok University（曼谷大学）
专题命中 记忆与上下文管理 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文提出反馈耦合记忆系统模型，通过闭环交互描述适应性协调机制，证明了系统稳定性、协调不可约简性和双向耦合特性，揭示了协调破裂的预警信号。
FeDMRA: 联邦增量学习中的动态记忆回放分配
机构 * Huazhong University of Science and Technology（华中科技大学） ； University of Washington（华盛顿大学）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出动态内存分配策略，以应对联邦医疗系统中非独立同分布数据带来的挑战，通过合理分配存储资源提升模型性能。
CausalEvolve：迈向开放性发现的因果草稿
机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Carnegie Mellon University（卡内基梅隆大学） ； TMLR Group, Hong Kong Baptist University（香港浸会大学TMLR实验室） ； SAIC Centre, The University of Sydney（悉尼大学SAIC中心）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.CL、cs.LG
AI总结 CausalEvolve通过因果草稿机制提升进化效率，在四个开放性科学任务中发现更优解，解决传统进化代理在指导和知识利用上的不足。
Comments Preprint of ongoing work; Yongqiang and Chenxi contributed equally;
Meta-Harness：端到端优化模型Harness
机构 * Stanford（斯坦福大学） ； KRAFTON ； MIT（麻省理工学院）
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.AI
AI总结 本文提出Meta-Harness，通过自动搜索优化模型Harness代码，提升文本分类、数学推理和编程任务性能，减少上下文token使用量。
学习何时观察：基于UCB的受控感知以最快检测变化
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 本文提出基于UCB算法的受控感知方法，用于多通道最快变化检测问题，在保证误报率的前提下，自适应地集中感知最有信息的通道，实现检测延迟的最优性。
Comments 14 pages, 3 figures
具有记忆增强的视觉-语言代理用于持久且语义一致的对象描述
机构 * Italian Institute of Technology, Genoa, Italy（意大利理工学院，热那亚，意大利） ； University of Genoa, Genoa, Italy（热那亚大学，热那亚，意大利）
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 本文提出一种统一的记忆增强视觉-语言代理，通过单一自回归框架同时处理数据关联、对象描述和探索策略，提升持久且语义一致的对象描述能力。
Comments 24 pages, 7 figures, 7 tables (including Supplementary Materials)
无需标注的 drivable 区域和路障检测：利用 LiDAR 点云地图
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 本文提出 MADL 模块，通过 LiDAR 地图与路障检测结合，自动生成训练数据，提升 drivable 区域和路障检测的鲁棒性和准确性。
从可控性角度审视游戏中的引导正规化领导者学习者
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 本文从可控性角度研究游戏中的引导正规化领导者学习者，提出通过控制器策略引导学习者收敛到目标状态的方法，针对双玩家和多玩家情况给出可控性条件。
Comments Submitted to IEEE TAC
迈向可靠的LLM基于金融多智能体系统评估：分类学、协调优先性与成本意识
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Adobe Inc.（Adobe公司）
专题命中 Agent评测 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 本文提出一种四维分类法，探讨多智能体系统中协调优先性对交易决策质量的影响，并识别五种评估失效现象，提出协调平衡收益指标以评估多智能体协调的真实价值。
Comments Accepted at the DMO-FinTech Workshop, PAKDD 2026, Hong Kong
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