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。
诊断LLM代理记忆中的检索与利用瓶颈
机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校） ； Carnegie Mellon University（卡内基梅隆大学） ； University of North Carolina（北卡罗来纳大学）
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.AI
AI总结 本文通过3x3实验分析写入策略、检索方法和记忆利用行为对性能的影响，发现检索方法是主要瓶颈，且原始分块存储在无需LLM调用时表现优异。
Comments Accepted at the MemAgents Workshop, ICLR 2026
Synthius-Mem: 基于大脑启发的hallucination抵抗性人格记忆实现94.4%的记忆准确率和99.6%的对抗鲁棒性于LoCoMo
专题命中 记忆与上下文管理 ：AI agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 Synthius-Mem通过结构化人格记忆系统在LoCoMo基准上实现94.4%的记忆准确率和99.6%的对抗鲁棒性，优于现有系统并超越人类表现。
RTMC：通过展开树进行步骤级信用分配
机构 * Alibaba Group（阿里巴巴集团）
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.AI、cs.LG
AI总结 RTMC通过展开树方法实现步骤级信用分配，无需学习型批评者，提升SWE-bench Verified任务的pass@1性能3.2个百分点。
MSA：内存稀疏注意力用于高效端到端内存模型扩展至100M标记
机构 * Evermind ； Shanda Group（盛大集团） ； Peking University（北京大学）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出MSA，一种高效的端到端可训练内存模型框架，通过可扩展稀疏注意力和文档级RoPE实现线性复杂度，支持从16K到100M标记的扩展，同时保持稳定性，且在100M标记推理中实现2xA800 GPU的高效处理。
巩固还是适应？PRISM：通过梯度集中解耦SFT和RL数据
机构 * Research Center for Social Computing and Interactive Robotics, Harbin Institute of Technology（哈尔滨工业大学社会计算与交互机器人研究中心） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 PRISM通过分析梯度空间结构，区分高冲突数据需RL重构与低冲突数据需SFT巩固，提升LLM训练效率与鲁棒性。
Comments ACL2026 Main Conference
ClawVM: 用于状态ful工具使用的LLM代理的抓取管理虚拟内存
机构 * Independent Researcher（独立研究员） ； Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 ClawVM通过管理状态为类型化的页面，实现状态的可靠存储与回写，解决了状态丢失和回写失败的问题，提升了LLM代理的稳定性和可审计性。
Comments 8 pages, 1 figure, 10 tables; accepted at EuroMLSys '26 (6th Workshop on Machine Learning and Systems, co-located with EuroSys 2026)
跨异质任务的自演化大语言模型记忆提取
机构 * University of Southern California（南加州大学） ； University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.CL
AI总结 本文提出BEHEMOTH基准，通过集群-based策略CluE提升跨异质任务的记忆提取效果，实验显示CluE在异质任务中表现更优。
CuraLight: 基于辩论引导的数据整理用于LLM中心的交通信号控制
机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； Beijing Big Data Center（北京大数据中心）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 本文提出CuraLight框架，通过强化学习代理生成高质量交互轨迹并结合多LLM辩论系统优化信号控制策略，实验显示在不同真实网络中优于现有方法，降低平均通行时间、排队长度和等待时间。
Comments accepted at IJCNN 2026
NimbusGuard：一种利用深度Q网络的主动Kubernetes自动扩展新框架
机构 * Informatics Institute of Technology（信息科技学院）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 本文提出NimbusGuard，基于深度强化学习的主动Kubernetes自动扩展框架，通过LSTM预测工作负载模式，相比传统反应式方法提升性能与成本效率。
ClausewitzGPT框架：理论大语言模型增强信息操作的新前沿
机构 * UNSW Canberra at the Australian Defence Force Academy（澳大利亚国防军学院新南威尔士大学堪培拉分校）
专题命中 记忆与上下文管理 ：AI agent(abstract)；分类 cs.AI
AI总结 本文提出ClausewitzGPT框架，旨在量化机器速运算风险并强调自主AI代理在信息操作中的关键作用，结合启蒙思想与克劳塞维茨原则，强调战略视野、伦理考量与全面理解的重要性。
Comments 14 pages, 14 figures
Journal ref Journal of Information Warfare, 2024
缓解边缘AI系统中的GIL瓶颈
专题命中 记忆与上下文管理 ：AI agent(abstract)
AI总结 本文提出了一种轻量级分析工具和自适应运行时系统，通过阻塞比率指标区分真实I/O等待与GIL竞争，实现96.5%的最优性能，优于多进程和异步IO。
Comments Accepted to DOORS 2026 (6th European Edge Computing Workshop), published in their ACM ICPS, and accepted for non-archival poster presentation at EdgeAI Symposium 2026
从翻译到超集：面向生产AI代理的基准驱动演进：从Rust到Python
专题命中 Agent评测 ：agent(title,abstract)；AI agent(title)；agentic(abstract)；multi-agent(abstract)
AI总结 本文提出一种基于LLM的持续代码翻译方法，将Rust生产代码库迁移至Python，通过基准驱动迭代优化，实现功能扩展与性能提升。
自主AI代理网络中的涌现社会结构：对626个代理在Pilot协议上的元数据分析
机构 * Vulture Labs, Inc.（Vulture Labs公司）
专题命中 Agent评测 ：agent(title,abstract)；AI agent(title,abstract)；autonomous agent(abstract)；分类 cs.AI
AI总结 研究分析了626个自主AI代理在Pilot协议上形成的社交结构，发现其具有幂律度分布、高聚类系数、大规模连通组件及功能专业化特征，揭示了机器社会的新兴社会结构。
Comments 10 pages, 2 figures, 3 tables
一个用于指令驱动电影视频编译的基准和多智能体系统
机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； AI Technology Center, Online Video Business Unit, Tencent PCG（腾讯PCG在线视频事业部AI技术中心） ； Tsinghua University（清华大学） ； Beijing Academy of Artificial Intelligence（北京智源人工智能研究院） ； State Key Lab of Multimedia Info. Processing, School of Computer Science, Peking University（北京大学计算机学院多媒体信息处理国家重点实验室） ； Nat’l Eng. Research Ctr. of Visual Technology, School of Computer Science, Peking University（北京大学计算机学院国家视觉技术工程研究中心） ； School of Software and Microelectronics, Peking University（北京大学软件与微电子学院）
专题命中 Agent评测 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)
AI总结 本文提出CineBench基准和CineAgents系统，解决电影视频编译中的上下文崩溃和时间碎片化问题，通过脚本逆向工程和迭代叙事规划生成更连贯的编译结果。
BankerToolBench：评估AI代理在端到端投资银行业务流程中的表现
机构 * Handshake AI ； McGill University（麦吉尔大学）
专题命中 Agent评测 ：AI agent(title,abstract)；agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文提出BankerToolBench，一个模拟投资银行日常工作的开源基准，用于评估AI代理在高价值、高强度的专业流程中的能力，测试结果显示当前AI模型在关键指标上表现不足。
Agent Mentor: 通过语义轨迹分析框架代理知识
机构 * IBM Software Innovation Lab（IBM软件创新实验室）
专题命中 Agent评测 ：agent(title,abstract)；AI agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文提出通过语义轨迹分析框架提升代理性能，通过系统提示的监控和逐步调整，系统性地注入纠正指令以改进代理知识，实验显示在规范模糊性主导的场景中效果显著。
Comments 10 pages, 5 figures
EvoDiagram：通过设计专业知识进化实现代理可编辑的图示创建
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学）
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.CL
AI总结 EvoDiagram通过设计专业知识进化实现代理可编辑图示创建，解决自动系统在高保真图示生成中的挑战，提出中间画布方案和设计知识进化机制，释放CanvasBench基准测试。
ParseBench：面向AI代理的文档解析基准测试
专题命中 Agent评测 ：AI agent(title,abstract)；agent(abstract)；agentic(abstract)
AI总结 本文提出ParseBench，一个包含2000多页企业文档的基准测试，涵盖表格、图表、内容忠实度、语义格式和视觉关联五大能力维度，揭示了当前系统在这些方面的能力缺口。
在大量智能体轨迹中检测安全违规
机构 * University of Pennsylvania（宾夕法尼亚大学）
专题命中 Agent评测 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出Meerkat方法，通过聚类与智能体搜索结合，有效发现自然语言指定的安全违规，提升检测效率并发现广泛开发者作弊和奖励黑客行为。
Comments 35 pages, 17 figures
NetAgentBench: 一种面向评估代理网络配置的基于状态的基准
机构 * Hiroshima University（广岛大学）
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 NetAgentBench通过有限状态机形式化方法评估代理交互，揭示了当前LLM代理在复杂多轮网络配置任务中的缺陷，强调了系统性评估多轮行为稳定性的必要性。
Comments 9 pages
Agent-Dice: 通过几何共识解耦知识更新以实现智能体持续学习
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院） ； OPPO Research Institute（OPPO研究院）
专题命中 Agent评测 ：agent(title,abstract)；tool-use(abstract)；分类 cs.CL
AI总结 本文提出Agent-Dice框架，通过几何共识过滤和曲率重要性加权解耦知识更新，解决智能体持续学习中的稳定性与可塑性矛盾，实验表明其在GUI智能体和工具使用领域表现优异。
GameplayQA: 一种用于3D虚拟代理多视频理解的决策密集型视角同步评估框架
机构 * University of Southern California（南加州大学）
专题命中 Agent评测 ：agent(abstract)；autonomous agent(abstract)；agentic(abstract)；multi-agent(abstract)
AI总结 GameplayQA通过密集标注多玩家3D游戏视频，构建了2.4K诊断QA对，评估代理感知与推理能力，揭示了前沿MLLM在时间同步、跨视频定位及决策密度处理上的不足。
Comments Accepted to the Annual Meeting of the Association for Computational Linguistics (ACL 2026)
PFAgent：一种可计算且自演化功率流代理用于交互式电网分析
专题命中 Agent评测 ：agent(title,abstract)；workflow(abstract)
AI总结 本文提出PFAgent，一种可计算且自演化功率流代理，旨在自动化电网分析流程，通过整合意图解析、知识检索、工具执行和结构化报告等功能，提升电网分析的自动化与交互性。
Comments 10 pages, 7 figures
数据混合代理：学习重新加权领域以实现持续预训练
机构 * The University of Manchester（曼彻斯特大学） ； Microsoft Research（微软研究院） ； Imperial College London（伦敦帝国学院） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出数据混合代理，通过强化学习学习重新加权领域，实现持续预训练中的平衡性能，优于现有基线方法，并在未见过的领域中表现良好。
Comments Accepted by the ACL 2026 main conference
先驱代理：生产环境中小语言模型的持续改进
机构 * Fastino Labs
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出Pioneer Agent，通过闭环系统自动化小语言模型的持续改进，通过冷启动和生产模式提升模型性能，发现有效训练策略。
Comments 43 pages, 10 figures, 14 tables
无需被要求的帮助：一个用于轮班支持的主动代理系统，具备持续自我改进
机构 * ByteDance（字节跳动）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 本文提出Vigil系统，通过主动提供帮助减少人工支持负担，持续学习提升能力，已在Volcano Engine部署超过十个月，验证其有效性。
超越RAG的网络威胁情报：基于图和代理检索的系统评估
机构 * AIT Austrian Institute of Technology（AIT奥地利技术研究所）
专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.AI
AI总结 本文系统评估了四种RAG架构在CTI分析中的表现，发现图检索在结构化查询中表现更优，混合图文方法在多跳查询中提升答案质量达35%。
PaperScope：一种多模态多文档基准，用于跨大规模科学论文的智能深度研究
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） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.AI
AI总结 PaperScope提出一个多模态多文档基准，用于评估智能深度研究能力，包含2000多个跨领域问题，验证了现有系统在长上下文检索和多源推理中的局限性。
EmbodiedGovBench: 一种用于具身代理系统治理、恢复和升级安全性的基准
机构 * School of Software, Harbin Institute of Technology（哈尔滨工业大学软件学院） ； School of Computer Science and Technology, Harbin Institute of Technology（哈尔滨工业大学计算机科学与技术学院） ； School of Mathematical and Computer Sciences, Heriot-Watt University, Malaysia Campus（赫瑞-瓦特大学马来西亚校区数学与计算机科学学院） ； School of Future Science and Engineering, Soochow University（苏州大学未来科学与工程学院）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 本文提出EmbodiedGovBench基准，用于评估具身代理系统的治理能力，包括可控性、政策边界、安全恢复和审计完整性等，填补了传统任务成功率指标的不足。
Comments 34 pages, 7 tables. Code: https://github.com/s20sc/embodied-gov-bench
WebForge: 破解浏览器代理基准测试中的现实性-可重现性-可扩展性三重困境
机构 * Tencent BAC（腾讯BAC） ； Tsinghua University（清华大学）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 WebForge通过四阶段流程生成自包含的网页环境，解决基准测试中的现实性、可重现性和可扩展性矛盾，构建包含934个任务的基准测试集，揭示多维评估对模型能力的深入刻画。
Comments 14 pages, 6 figures, 6 tables, plus 29-page supplementary. Code: https://github.com/yuandaxia2001/WebForge Dataset: https://huggingface.co/datasets/yuandaxia/WebForge
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