AI Agent

AutoMS: Multi-Agent Evolutionary Search for Cross-Physics Inverse Microstructure Design

AutoMS：多智能体进化搜索用于跨物理逆微结构设计

Zhenyuan Zhao, Yu Xing, Tianyang Xue, Lingxin Cao, Xin Yan, Lin Lu

机构 * Shandong University（山东大学） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 本文提出AutoMS，通过LLM驱动的进化搜索解决跨物理逆微结构设计问题，实现83.8%的成功率，优于传统算法和现有基线方法。

Controllable and Verifiable Tool-Use Data Synthesis for Agentic Reinforcement Learning

可控且可验证的工具使用数据合成用于代理强化学习

Siyuan Xu, Shiyang Li, Xin Liu, Tianyi Liu, Yixiao Li, Zhan Shi, Zixuan Zhang, Zilong Wang, Qingyu Yin, Jianshu Chen, Tuo Zhao, Bing Yin

机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； Amazon（亚马逊） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文提出COVERT框架，通过自进化合成和多级验证生成可靠的基础工具使用轨迹，并通过保留oracle工具调用和最终答案的增强方法提升环境复杂度，从而提升强化学习中工具调用策略的鲁棒性。

Characterizing Performance-Energy Trade-offs of Large Language Models in Multi-Request Workflows

刻画大规模语言模型在多请求工作流中的性能-能耗权衡

Md. Monzurul Amin Ifath, Israat Haque

机构 * Dalhousie University（达尔豪斯大学） 纠错

专题命中 工具调用 ：agent(abstract)；workflow(abstract)；agentic(abstract)；multi-agent(abstract)

AI总结 本文研究了多请求工作流中大规模语言模型的性能与能耗权衡，通过四个代表性工作负载分析关键能耗参数对延迟、吞吐量和组件能耗的影响，揭示了批处理大小、GPU供电限制和引擎优化对能耗的差异影响。

Do We Still Need GraphRAG? Benchmarking RAG and GraphRAG for Agentic Search Systems

我们仍然需要GraphRAG吗？对RAG和GraphRAG在代理搜索系统中的基准测试

Dongzhe Fan, Zheyi Xue, Siyuan Liu, Qiaoyu Tan

机构 * New York University Shanghai（上海纽约大学） 纠错

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

AI总结 本文通过RAGSearch基准测试，评估了代理搜索系统对密集RAG和代表性的GraphRAG方法的影响，发现代理搜索显著提升了密集RAG性能，但在复杂多跳推理中GraphRAG仍具优势。

Agentic AI in Engineering and Manufacturing: Industry Perspectives on Utility, Adoption, Challenges, and Opportunities

工程与制造中的代理AI：行业对效用、采用、挑战和机遇的看法

Kristen M. Edwards, Maxwell Bauer, Claire Jacquillat, A. John Hart, Faez Ahmed

机构 * MIT Initiative for New Manufacturing（麻省理工学院新制造倡议） 纠错

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

AI总结 本文通过30多次访谈探讨AI在工程和制造中的应用，发现代理系统在结构化和重复性工作中的价值，以及多步骤工作流协同的潜力，指出数据碎片化、安全要求和工具链限制是主要障碍，强调可靠性、验证和审计性对AI采用的重要性。

Comments Funding and support from the MIT Initiative for New Manufacturing

Rhizome OS-1: Rhizome's Semi-Autonomous Operating System for Small Molecule Drug Discovery

Rhizome OS-1：Rhizome的半自主操作系统用于小分子药物发现

Yiwen Wang, Gregory Sinenka, Xhuliano Brace

机构 * Rhizome Research Inc. 纠错

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

AI总结 Rhizome OS-1通过多模态AI代理实现小分子药物发现的半自动化，结合计算化学、医药化学和专利代理功能，生成新颖分子并评估专利自由度，利用图扩散模型生成化学物质。

Optimal Kinodynamic Motion Planning Through Anytime Bidirectional Heuristic Search with Tight Termination Condition

通过具有紧密终止条件的 anytime 双向启发式搜索进行最优的运动规划

Yi Wang, Bingxian Mu, Shahab Shokouhi, May-Win Thein

机构 * University of New Hampshire（新罕布什尔大学） ； University of Prince Edward Island（爱德华王子岛大学） 纠错

专题命中 工具调用 ：planning(title,abstract)

AI总结 本文提出 BTIT* 算法，结合 anytime 双向启发式搜索，确保 meet-in-the-middle 属性和最优性，实验显示其在两个动力学基准上比非懒惰知情批量规划器更快收敛。

RemoteAgent: Bridging Vague Human Intents and Earth Observation with RL-based Agentic MLLMs

RemoteAgent: 通过基于强化学习的代理多模态大语言模型弥合模糊人类意图与遥感观测之间的鸿沟

Liang Yao, Shengxiang Xu, Fan Liu, Chuanyi Zhang, Bishun Yao, Rui Min, Yongjun Li, Chaoqian Ouyang, Shimin Di, Min-Ling Zhang

机构 * Hohai University（河海大学） ； Southeast University（东南大学） ； Sun Yat-sen University（中山大学） 纠错

专题命中 工具调用 ：agentic(title,abstract)

AI总结 本文提出RemoteAgent框架，通过VagueEO数据集和强化学习微调，使多模态大语言模型能直接解决图像和稀疏区域任务，并通过模型上下文协议智能协调专用工具进行密集预测，提升遥感任务的性能。

WisPaper: Your AI Scholar Search Engine

WisPaper：你的AI学者搜索引擎

Li Ju, Jun Zhao, Mingxu Chai, Ziyu Shen, Xiangyang Wang, Yage Geng, Chunchun Ma, Hao Peng, Guangbin Li, Tao Li, Chengyong Liao, Fu Wang, Xiaolong Wang, Junshen Chen, Rui Gong, Shijia Liang, Feiyan Li, Ming Zhang, Kexin Tan, Junjie Ye, Zhiheng Xi, Shihan Dou, Tao Gui, Yuankai Ying, Yang Shi, Yue Zhang, Qi Zhang

机构 * Fudan University（复旦大学） 纠错

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

AI总结 本文提出WisPaper，一种端到端代理系统，通过整合模块解决学术文献搜索中的语义限制和工作流程碎片化问题，提升文献发现、组织和跟踪效率。

Comments 18 pages, 4 figures

Do LLMs Know Tool Irrelevance? Demystifying Structural Alignment Bias in Tool Invocations

LLMs是否了解工具无关性？解密工具调用中的结构对齐偏差

Yilong Liu, Xixun Lin, Pengfei Cao, Ge Zhang, Fang Fang, Yanan Cao

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Computer Science and Technology, Donghua University（东华大学计算机科学与技术学院） 纠错

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

AI总结 本文研究LLMs在面对无关工具时的调用偏差，提出SABEval数据集和Contrastive Attention Attribution方法，揭示结构对齐偏差的成因并提出缓解策略。

Comments Accepted to ACL 2026 (Main Conference)

Reasoning as Gradient: Scaling MLE Agents Beyond Tree Search

推理作为梯度：超越树搜索的MLE代理扩展

Yifei Zhang, Xu Yang, Xiao Yang, Bowen Xian, Qizheng Li, Shikai Fang, Jingyuan Li, Jian Wang, Mingrui Xu, Weiqing Liu, Jiang Bian

机构 * Nanjing University（南京大学） ； Microsoft Research Asia（微软亚洲研究院） ； Peking University（北京大学） ； Zhejiang University（浙江大学） ； Wuhan University（武汉大学） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 本文提出Gome，一种基于梯度优化的MLE代理，通过将结构化诊断推理映射到梯度计算，实现更高效的优化。实验显示，随着模型能力增强，梯度优化在前沿模型中表现更优，且在受限预算下达到35.1%的任何奖牌率。

Comments 36 pages, 6 figures, 17 tables

MASH: Modeling Abstention via Selective Help-Seeking

MASH：通过选择性求助进行模型退避建模

Mustafa Omer Gul, Claire Cardie, Tanya Goyal

机构 * Department of Computer Science, Cornell University（康奈尔大学计算机科学系） 纠错

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

AI总结 本文提出MASH框架，通过强化学习实现LLM退避决策，提升多跳问答准确率7.6%，展示出优于传统方法的退避性能。

Comments 25 pages, with 15 dedicated to citations and appendix. 17 tables and 11 figures. Preprint, under review. Paper updated to reflect new title and results

CodeCureAgent: Automatic Classification and Repair of Static Analysis Warnings

CodeCureAgent：静态分析警告的自动分类与修复

Pascal Joos, Islem Bouzenia, Michael Pradel

专题命中 工具调用 ：agentic(abstract)；分类 cs.SE

AI总结 本文提出CodeCureAgent，利用大语言模型代理自动分析、分类和修复静态分析警告，通过三步启发式方法生成合理修复方案，有效提升代码质量。

AdverMCTS: Combating Pseudo-Correctness in Code Generation via Adversarial Monte Carlo Tree Search

AdverMCTS：通过对抗性蒙特卡洛树搜索对抗代码生成中的伪正确性

Qingyao Li, Weiwen Liu, Weinan Zhang, Yong Yu, Bo An

专题命中 工具调用 ：agent(abstract)；分类 cs.SE

AI总结 本文提出AdverMCTS，通过将代码搜索与主动漏洞发现结合，对抗代码生成中的伪正确性问题，实验表明其优于现有方法，有效降低误报率。

From GPT-3 to GPT-5: Mapping their capabilities, scope, limitations, and consequences

从GPT-3到GPT-5：映射其能力、范围、限制及后果

Hina Afridi, Habib Ullah, Sultan Daud Khan, Mohib Ullah

机构 * University of Bergen（卑尔根大学） ； Norwegian University of Life Sciences（挪威生命科学大学） ； Sohar University（苏哈尔大学） ； Norwegian University of Science and Technology（挪威科技大学） ； Kristiania University of Applied Sciences（克里斯蒂安尼亚应用科学大学） 纠错

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

AI总结 本文比较分析GPT系列从GPT-3到GPT-5的发展，探讨技术演进、能力变化、部署转变、持续限制及下游影响，强调后续版本不仅是更大更准的模型，而是更复杂的系统。

A Complete Decomposition of KL Error using Refined Information and Mode Interaction Selection

基于精炼信息和模式交互选择的KL误差完整分解

James Enouen, Mahito Sugiyama

机构 * University of Southern California（南加州大学） ； National Institute of Informatics, SOKENDAI（国立信息学研究所，综合研究大学院大学） 纠错

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

AI总结 本文通过引入高阶模式交互，提出KL误差的完整分解方法，开发MAHGenTa算法，提升生成和分类任务的性能。

A MIDAS-based Data Acquisition System for Gaseous Detectors

基于MIDAS的数据采集系统用于气体探测器

Yuanchun Liu, Tao Li, Yu Chen, Ke Han, Leyan Li, Shaobo Wang, Wei Wang

专题命中 工具调用 ：workflow(abstract)

AI总结 本文提出基于MIDAS框架的气体探测器数据采集系统，实现参数配置、数据采集、解码存储等功能，并支持Web操作与实时监控，已在PandaX-III实验中验证其性能与稳定性。

Single-Agent LLMs Outperform Multi-Agent Systems on Multi-Hop Reasoning Under Equal Thinking Token Budgets

单代理LLM在多跳推理中优于多代理系统（在相等的思考令牌预算下）

Dat Tran, Douwe Kiela

机构 * Stanford University（斯坦福大学） 纠错

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；agentic(abstract)；分类 cs.CL

AI总结 在相等的思考令牌预算下，单代理系统在多跳推理任务中表现优于多代理系统，研究通过信息论论证指出单代理系统在信息效率上更具优势，并揭示了多代理系统在计算和上下文利用下降时的竞争性。

From Query to Counsel: Structured Reasoning with a Multi-Agent Framework and Dataset for Legal Consultation

从查询到建议：基于多智能体框架和数据集的结构化推理用于法律咨询

Mingfei Lu, Yi Zhang, Mengjia Wu, Yue Feng

机构 * Australian Artificial Intelligence Institute (AAII), University of Technology Sydney（悉尼科技大学澳大利亚人工智能研究所） ； School of Computer Science, University of Birmingham（伯明翰大学计算机科学学院） 纠错

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.CL

AI总结 本文提出JurisCQAD数据集和JurisMA框架，通过结构化任务分解和多智能体协作，提升法律咨询问答的准确性与解释性。

Comments Accepted by ACL 2026 Main conference

CogniAlign: Survivability-Grounded Multi-Agent Moral Reasoning for Safe and Transparent AI

CogniAlign：基于生存性的多智能体道德推理以实现安全透明的AI

Hasin Jawad Ali, Ilhamul Azam, Ajwad Abrar, Md. Kamrul Hasan, Hasan Mahmud

机构 * Islamic University of Technology（伊斯兰科技大学） 纠错

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.CL

AI总结 CogniAlign通过基于自然主义道德现实的多智能体框架，将道德推理 grounded 在生存性上，通过学科专家智能体的结构化辩论实现透明和经验锚定的判断，证明了可审计的AI对齐方法的可行性。

Comments Under Review

Journal ref AI and Ethics (2026)

TrajOnco: a multi-agent framework for temporal reasoning over longitudinal EHR for multi-cancer early detection

TrajOnco：一个用于纵向电子健康记录上时间推理的多智能体框架，用于多癌症早期检测

Sihang Zeng, Young Won Kim, Wilson Lau, Ehsan Alipour, Ruth Etzioni, Meliha Yetisgen, Anand Oka

机构 * Truveta Inc.（Truveta公司） ； University of Washington（华盛顿大学） ； Fred Hutch Cancer Center（弗雷德·哈钦森癌症中心） 纠错

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 TrajOnco通过多智能体框架对纵向EHR中的时间序列临床事件进行推理，生成患者总结和风险评分，实现多癌症早期检测。

HTAA: Enhancing LLM Planning via Hybrid Toolset Agentization & Adaptation

HTAA：通过混合工具集代理化与适应增强大语言模型规划

Chengrui Huang, Junshuo Zhang, Zhiyuan Ma, Xikun Wang, Ximeng Wang, Menghua Jiang, Gang Zeng, Zhaobing Han, Shen Gao, Shuo Shang

机构 * University of Electronic Science and Technology of China（电子科技大学） ； DiDi Global Inc.（滴滴全球股份有限公司） 纠错

专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；tool-use(abstract)；workflow(abstract)

AI总结 本文提出HTAA框架，通过混合工具集代理化与适应方法，提升大语言模型在复杂任务中的规划效率与可靠性，实验表明其在任务成功率、工具调用轨迹长度及上下文开销方面均优于基线模型。

Comments 22 pages, 3 figures

Beyond Fluency: Toward Reliable Trajectories in Agentic IR

超越流畅性：迈向可靠的代理信息检索轨迹

Anushree Sinha, Srivaths Ranganathan, Debanshu Das, Abhishek Dharmaratnakar

机构 * Google（谷歌） 纠错

专题命中 规划决策 ：agentic(title,abstract)；autonomous agent(abstract)；planning(abstract)；分类 cs.AI、cs.LG

AI总结 本文探讨了代理信息检索中轨迹完整性与因果归因的重要性，提出通过验证门和系统性回避策略来减少累积误差和欺骗性流畅性，强调过程正确性而非终点准确性。

Agentic Exploration of PDE Spaces using Latent Foundation Models for Parameterized Simulations

基于潜在基础模型的PDE空间代理探索用于参数化模拟

Abhijeet Vishwasrao, Francisco Giral, Mahmoud Golestanian, Federica Tonti, Andrea Arroyo Ramo, Adrian Lozano-Duran, Steven L. Brunton, Sergio Hoyas, Soledad Le Clainche, Hector Gomez, Ricardo Vinuesa

机构 * University of Michigan（密歇根大学） ； Universidad Politécnica de Madrid（马德里理工大学） ； Purdue University（普渡大学） ； Universitat Politècnica de València（瓦伦西亚理工大学） ； Caltech（加州理工学院） ； University of Washington（华盛顿大学） 纠错

专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 本文提出利用多代理LLM与潜在基础模型耦合，实现对PDE参数空间的连续探索，发现流体中不同尺度的标度律，展示了代理推理在PDE系统中的自动化科学发现能力。

HiPRAG: Hierarchical Process Rewards for Efficient Agentic Retrieval Augmented Generation

HiPRAG：分层过程奖励用于高效代理检索增强生成

Peilin Wu, Mian Zhang, Kun Wan, Wentian Zhao, Kaiyu He, Xinya Du, Zhiyu Chen

机构 * The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Adobe Inc.（Adobe公司） 纠错

专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 HiPRAG通过引入细粒度的知识引导过程奖励，优化代理检索增强生成的推理过程，提升搜索效率并减少无效搜索。

Comments Accepted to ICLR 2026

A collaborative agent with two lightweight synergistic models for autonomous crystal materials research

一种用于自主晶体材料研究的双轻量协同模型协作代理

Tongyu Shi, Yutang Li, Zhanyuan Li, Qian Liu, Jie Zhou, Wenhe Xu, Yang Li, Dawei Dai, Rui He, Wenhua Zhou, Jiahong Wang, Xue-Feng Yu

机构 * Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute for Advanced Study, Chengdu University（成都大学高等研究院） ； Key Laboratory of Cyberspace Big Data Intelligent Security, Ministry of Education, Chongqing University of Posts and Telecommunications（重庆邮电大学教育部网络空间大数据智能安全重点实验室） 纠错

专题命中 规划决策 ：agent(title,abstract)；planning(abstract)；分类 cs.AI

AI总结 本文提出MatBrain，一种轻量级协作代理系统，通过双协同模型提升材料研究效率，显著优于大模型，减少硬件部署成本，并在催化剂设计中实现100倍加速。

From Agent Loops to Structured Graphs:A Scheduler-Theoretic Framework for LLM Agent Execution

从代理循环到结构化图：一个用于LLM代理执行的调度理论框架

Hu Wei

专题命中 规划决策 ：agent(title,abstract)；planning(abstract)；分类 cs.AI

AI总结 本文提出SGH框架，通过将控制流显式化为静态DAG，解决代理循环的隐式依赖、无限恢复循环和调试困难问题，同时分析可控性、表达性和可实现性之间的权衡。

Comments 51 pages, 4 figures

EA-Agent: A Structured Multi-Step Reasoning Agent for Entity Alignment

EA-Agent：一种用于实体对齐的结构化多步推理代理

Yixuan Nan, Xixun Lin, Yanmin Shang, Ge Zhang, Zheng Fang, Fang Fang, Yanan Cao

专题命中 规划决策 ：agent(title,abstract)；planning(abstract)

AI总结 本文提出EA-Agent，通过多步规划与执行将实体对齐转化为结构化推理过程，引入属性和关系三元组选择器提升效率，实验表明其在三个基准数据集上均优于现有方法。

Comments ACL 2026,Main Conference

Exploring Dissatisfaction in Bus Route Reduction through LLM-Calibrated Agent-Based Modeling

通过LLM校准的Agent-Based建模探索公交路线削减中的不满

Qiumeng Li, Xinxi Yang, Suhong Zhou

专题命中 规划决策 ：agent(title,abstract)；planning(abstract)

AI总结 研究通过LLM校准的ABM探讨公交路线削减对不同群体不满及网络韧性的影响，发现网络结构对系统稳定性影响大于容量因素，路线削减导致不满指数急剧上升，尤其影响残疾人士和老年人。

Comments The authors have withdrawn this preprint due to errors in figure presentation and labeling. A revised manuscript will be submitted once these issues are resolved

ClawMobile: Rethinking Smartphone-Native Agentic Systems

ClawMobile：重新思考原生智能手机代理系统

Hongchao Du, Shangyu Wu, Qiao Li, Riwei Pan, Jinheng Li, Youcheng Sun, Chun Jason Xue

专题命中 规划决策 ：agentic(title,abstract)；planning(abstract)

AI总结 本文提出ClawMobile，一种针对智能手机环境的代理系统架构，通过分层设计提升执行稳定性与可重复性，并探讨移动LLM运行时的关键挑战。

Comments Accepted at EuroMLSys 2026, 7 pages, 1 figure