AI Agent

Your LLM Agent Can Leak Your Data: Data Exfiltration via Backdoored Tool Use

你的LLM代理可能泄露你的数据：通过植入工具使用的数据外泄

Wuyang Zhang, Shichao Pei

机构 * University of Massachusetts Boston（马萨诸塞大学波士顿分校） 纠错

专题命中 工具调用 ：agent(title,abstract)；tool use(title)；tool-use(abstract)；分类 cs.AI

AI总结 研究揭示了通过植入工具使用的LLM代理进行数据外泄的风险，提出Back-Reveal攻击方法，展示多轮交互加剧信息泄露，强调需加强对抗外泄后门的防御。

Comments The 64th Annual Meeting of the Association for Computational Linguistics

AgentGL: Towards Agentic Graph Learning with LLMs via Reinforcement Learning

AgentGL: 通过强化学习实现基于LLM的代理图学习

Yuanfu Sun, Kang Li, Dongzhe Fan, Jiajin Liu, Qiaoyu Tan

机构 * New York University Shanghai（上海纽约大学） ； New York University（纽约大学） ； Tsinghua University（清华大学） 纠错

专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；tool use(abstract)；分类 cs.CL

AI总结 AgentGL通过强化学习框架实现图学习，结合图导航与LLM推理，提升复杂关系环境下的自主导航与推理能力，优于现有基线方法。

Comments ACL 2026 Main Conference

Learning to Retrieve from Agent Trajectories

从智能体轨迹中学习检索

Yuqi Zhou, Sunhao Dai, Changle Qu, Liang Pang, Jun Xu, Ji-Rong Wen

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； CAS Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所人工智能安全重点实验室） 纠错

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

AI总结 本文提出从智能体交互数据直接训练检索模型的新方法，通过分析轨迹中的行为信号，提出LRAT框架提升检索性能。

Deep Researcher Agent: An Autonomous Framework for 24/7 Deep Learning Experimentation with Zero-Cost Monitoring

深度研究员代理：一个全天候深度学习实验的自主框架，零成本监控

Xiangyue Zhang

机构 * The University of Tokyo（东京大学） 纠错

专题命中 工具调用 ：agent(title,abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 本文提出深度研究员代理框架，实现24/7深度学习实验自动化，通过零成本监控、双层固定大小内存和最小工具集架构，提升实验效率与成本效益。

Modelling Cascading Physical Climate Risk in Supply Chains with Adaptive Firms: A Spatial Agent-Based Framework

基于适应性企业的供应链中物理气候风险 cascading 的建模：一种空间 agent-based 框架

Yara Mohajerani

机构 * Quantile Labs 纠错

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

AI总结 本文提出一个开源 Python 框架，用于建模供应链经济中的 cascading 物理气候风险，通过整合地理洪水风险与企业家庭 agent-based 模型，模拟直接资产损失和间接中断。企业通过资本硬化和备用供应商搜索适应，减少损失和中断，强调间接级联效应的重要性。

Comments V1 presented at NeurIPS 2025 Tackling Climate Change with Machine Learning workshop. V4 replaces evolutionary learning with explicit firm continuity adaptation, adds stock-flow consistency, matched-seed ensembles, cascade diagnostics, and internal validations. Code: https://github.com/yaramohajerani/spatial-climate-ABM

Data-Driven Function Calling Improvements in Large Language Model for Online Financial QA

大型语言模型在在线金融问答中的数据驱动函数调用改进

Xing Tang, Hao Chen, Shiwei Li, Fuyuan Lyu, Weijie Shi, Lingjie Li, Dugang Liu, Weihong Luo, Xiku Du, Xiuqiang He

机构 * Shenzhen Technology University（深圳技术大学） ； FiT, Tencent（腾讯FiT） ； Huazhong University of Science and Technology（华中科技大学） ； McGill University（麦吉尔大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Shenzhen University（深圳大学） 纠错

专题命中 工具调用 ：function calling(title,abstract)；分类 cs.CL

AI总结 本文提出数据驱动管道提升LLM在金融场景中的函数调用能力，通过构建数据集、数据增强和模型训练，解决通用LLM在金融领域适应性差的问题。

Comments Accepted to Webconf 2026 industry track

Gradual Cognitive Externalization: From Modeling Cognition to Constituting It

渐进性认知外化：从建模认知到构成它

Zhimin Zhao

专题命中 工具调用 ：agent(abstract)；AI agent(abstract)；tool use(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出渐进性认知外化框架，探讨环境AI系统如何通过持续因果耦合，从建模认知功能过渡到构成用户认知架构，并提出五个可检验的预测。

SkillAttack: Automated Red Teaming of Agent Skills through Attack Path Refinement

SkillAttack：通过攻击路径细化实现对代理技能的自动化红队测试

Zenghao Duan, Yuxin Tian, Zhiyi Yin, Liang Pang, Jingcheng Deng, Zihao Wei, Shicheng Xu, Yuyao Ge, Xueqi Cheng

专题命中 工具调用 ：agent(title,abstract)

AI总结 本文提出SkillAttack框架，通过对抗性提示动态验证技能漏洞可利用性，实验显示其在对抗性技能和真实场景中均显著优于基线方法，揭示了即使善意技能在实际代理交互中也存在严重安全风险。

Who Governs the Machine? A Machine Identity Governance Taxonomy (MIGT) for AI Systems Operating Across Enterprise and Geopolitical Boundaries

谁掌控机器？面向跨企业与地缘政治边界的AI系统机器身份治理分类（MIGT）

Andrew Kurtz, Klaudia Krawiecka

专题命中 工具调用 ：agent(abstract)；AI agent(abstract)；分类 cs.AI

AI总结 本文提出AI身份风险分类（AIRT）和机器身份治理分类（MIGT），解决AI系统中机器身份治理的空白，涵盖37个风险子类，同时应对技术、合规和跨司法管辖区协调的缺口。

Comments 75 pages (excl. references), 2 tables. Addresses policy makers, regulators, and practitioners at the intersection of AI governance, cybersecurity, and geopolitical risk

Multi-objective Bayesian Optimization with Human-in-the-Loop for Flexible Neuromorphic Electronics Fabrication

具有人机交互的多目标贝叶斯优化用于柔性神经形态电子制造

Benius Dunn, Javier Meza-Arroyo, Armi Tiihonen, Mark Lee, Julia W. P. Hsu

机构 * Department of Applied Physics, Aalto University（阿尔托大学应用物理系） ； Department of Physics, The University of Texas at Dallas（德克萨斯大学达拉斯分校物理系） 纠错

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

AI总结 本文提出结合多目标贝叶斯优化与人机交互框架，用于优化柔性神经形态电子制造中的光固化工艺参数，提升电性能与低漏电流的平衡，减少实验次数。

Journal ref J. Mater. Chem. C 14 (6), 2208-2216 (2026)

Vision-Based End-to-End Learning for UAV Traversal of Irregular Gaps via Differentiable Simulation

基于视觉的端到端学习：通过可微模拟实现无人机穿越不规则缝隙

Linzuo Zhang, Yu Hu, Feng Yu, Yang Deng, Wenxian Yu, Danping Zou

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 工具调用 ：planning(abstract)

AI总结 本文提出一种纯视觉端到端框架，通过可微模拟实现无人机在未知环境中穿越复杂不规则缝隙，采用SE(3)空间、停止梯度操作和双模初始化分布提升稳定性，结合辅助预测模块增强导航连续性和安全性。

A Nested Amplitude Amplification Protocol for the Binary Knapsack Problem

二进制背包问题的嵌套振幅放大协议

Laurin Demmler, Maximilian Hess

专题命中 工具调用 ：planning(abstract)

AI总结 本文提出一种嵌套振幅放大协议，用于解决二进制背包问题，通过分层放大和全局GAS结合，降低改进当前最优解的成本，尤其在特定实例中效果显著。

Comments This work has been submitted to the IEEE for possible publication