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。
WebFactory：自动化将基础语言智能压缩为 grounded Web agents
机构 * Fudan University（复旦大学） ； IMean AI ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学）
专题命中 GUI与网页智能体 ：agent(summary_cn,abstract)；分类 cs.AI
AI总结 WebFactory 提出了一种自动化闭环强化学习流程，将大语言模型的潜在知识高效压缩为可操作的 agent 行为，实现了数据效率和泛化能力的提升。
生物启发的拓扑自主导航与主动推断在机器人中的应用
机构 * Ghent University（根特大学） ； Verses ； Flanders Make（佛兰德斯制造）
专题命中 GUI与网页智能体 ：agent(abstract)；planning(abstract)
AI总结 本文提出一种基于主动推断框架的生物启发代理，实现环境拓扑地图的实时生成与更新，通过概率推理框架实现可解释的导航，并在动态和未知环境中表现出鲁棒适应性。
Comments Conference ICCAS 2025 - accepted (in processing)
Journal ref Communications in Computer and Information Science, vol 2857, 2025
从模仿到鉴别：面向鲁棒网络导航的渐进课程学习
机构 * Beijing Jiaotong University（北京交通大学） ； Beihang University（北京航空航天大学）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出Triton数据集和渐进训练课程，通过结构-语义硬负样本挖掘和双代理共识流程构建，提升网络导航中对复杂页面的鉴别能力与泛化能力，最终在Mind2Web上验证了专用数据课程优于单纯参数规模的优势。
Comments 17 pages, 10 figures
BINDER: 基于开放词汇命令的即时自适应移动操作
机构 * Seoul National University（首尔国立大学） ； ECE, ASRI and IPAI in SNU（SNU的电子工程系、先进机器人研究所和智能感知与人工智能实验室）
专题命中 GUI与网页智能体 ：planning(abstract)；分类 cs.AI
AI总结 BINDER通过分离战略规划与连续环境监控，结合多模态大语言模型和视频大语言模型，实现动态环境下的高效移动操作，提升鲁棒性和适应性。
Comments 12 pages, 8 figures
揭示端到端自动驾驶中导航理解的惊人效能
机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） ； Didi Chuxing（滴滴出行） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
专题命中 GUI与网页智能体 ：planning(abstract)；分类 cs.AI
AI总结 本文提出SNG框架，通过真实导航模式高效表示全局导航信息，结合导航路径与分步信息，提升自动驾驶的全局与局部规划能力，实现无需辅助损失函数的高精度导航建模。
Comments 8 pages, 6 figures. ICRA 2026. Code available at https://fudan-magic-lab.github.io/SNG-VLA-web
WebChain：一个大规模的人工标注的真实世界网页交互轨迹数据集
机构 * Fudan University（复旦大学） ； IMean AI ； WebAgentLab
专题命中 GUI与网页智能体 ：planning(abstract)；分类 cs.AI
AI总结 本文提出WebChain数据集，包含31,725条轨迹和318k步，通过视觉、结构和动作数据的三元对齐提供多模态监督，提出双中层训练方法，实现了WebChainBench等公开GUI基准的最先进性能。
OVAL: 开放词汇增强记忆模型用于终身物体目标导航
机构 * Shenzhen International Graduate School, Tsinghua University（深圳国际研究生院，清华大学）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 OVAL提出一种开放词汇增强记忆框架，解决长期目标导航中的记忆限制问题，通过内存描述符和概率探索策略提升导航效率与鲁棒性。
Comments 8 pages, 5 figures
可扩展的全身体态移动操作轨迹生成
机构 * Institute for AI, Peking University（人工智能研究院，北京大学） ； Institute of Unmanned System, Beihang University（无人系统研究院，北航） ； School of Psychological and Cognitive Sciences, Peking University（心理学与认知科学学院，北京大学） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； Beijing Key Laboratory of Behavior and Mental Health, Peking University（北京行为与心理健康重点实验室，北京大学） ； Yuanpei College, Peking University（元培学院，北京大学） ； Embodied Intelligence Lab, PKU-Wuhan Institute for Artificial Intelligence（具身智能实验室，PKU-武汉人工智能研究所）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 本文提出AutoMoMa框架，通过GPU加速整合运动学模型与并行轨迹优化，生成大规模物理有效轨迹数据，解决全身体态移动操作中规模、多样性和运动学精度的瓶颈问题。
pDSurfTomo：一种高性能并行计算包用于直接表面波反演
专题命中 GUI与网页智能体 ：workflow(abstract)
AI总结 本文提出pDSurfTomo，通过混合CPU-GPU加速提升大规模高分辨率表面波反演效率，采用并行设计优化敏感核计算，结合OpenMP实现快速Marching方法并行化，利用GPU加速稀疏线性最小二乘问题求解，显著提升计算效率。
MolMem：基于记忆的代理强化学习用于样本高效的分子优化
机构 * Northwestern University（西北大学） ； AbbVie（阿比维）
专题命中 记忆与上下文管理 ：agentic(title,abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 MolMem通过双记忆系统提升分子优化的样本效率，利用静态示例记忆和进化技能记忆，实现90%的成功率和52%的多属性任务表现。
身份作为吸引子：LLM激活空间中持久代理架构的几何证据
机构 * Independent Researcher（独立研究者） ； Rapallo, Italy（意大利拉帕洛）
专题命中 记忆与上下文管理 ：agent(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究通过对比不同条件下的隐藏状态，发现语义相似的提示在LLM激活空间中呈现吸引子行为，证明代理身份文档在激活空间中诱导吸引子几何结构。
Comments 16 pages, 5 figures. Code and data: https://github.com/b102e/yar-attractor-experiment
具有主动假设探索的代理发现用于视觉识别
机构 * Rice University（里士大学）
专题命中 记忆与上下文管理 ：agentic(title,abstract)
AI总结 本文提出HypoExplore框架，通过进化分支发现视觉识别的神经网络架构，通过大语言模型生成假设并评估改进，最终在CIFAR-10上实现94.11%的准确率，并在其他数据集上展示出优越性能。
Thought-Retriever: 不只是检索原始数据，为记忆增强型智能体检索思想
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 记忆与上下文管理 ：agentic(title)；分类 cs.CL
AI总结 本文提出Thought-Retriever，一种无需受上下文长度限制的算法，使LLM能基于任意长外部数据生成输出。通过利用历史查询生成的中间响应，构建长期记忆，提升回答能力。
Journal ref Transactions on Machine Learning Research (TMLR), 04/2026
ReflectCAP: 基于反思记忆的详细图像描述
机构 * IPAI, Seoul National University（首尔国立大学IPAI） ； Dept. of ECE, Seoul National University（首尔国立大学电子与计算机工程系） ； Adobe Research（Adobe研究）
专题命中 记忆与上下文管理 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 ReflectCAP通过反思笔记指导生成详细且准确的图像描述，平衡事实性和覆盖性，优于现有方法。
DarwinTOD: 基于LLM的持续自我进化任务导向对话系统
专题命中 记忆与上下文管理 ：agent(abstract)；multi-agent(abstract)
AI总结 DarwinTOD通过整合进化计算与LLM驱动的自我改进，提出一种持续自我进化对话框架，实现零样本基础下的持续策略优化，无需任务特定微调。
Comments Accepted in ACL2026 main
基于记忆的绘制：双轨迹编码提升LLM代理跨会话回忆
机构 * Tufts University（塔夫茨大学）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 本文提出双轨迹编码方法，通过将事实与具体场景描述结合，提升LLM代理在跨会话中的回忆能力，实验显示在时间推理、知识更新追踪和多会话聚合方面有显著提升。
Comments 16 pages, 2 tables, 2 figures
说话者效应在语言理解中的作用：语言与说话者处理的整合模型
专题命中 记忆与上下文管理 ：AI agent(abstract)；分类 cs.CL
AI总结 本文提出整合语言与说话者处理的模型，探讨说话者效应通过感知和预期调节语言理解，并讨论其在语言发展和社会认知中的应用。
Journal ref Psychon Bull Rev 33, 138 (2026)
AgenticAI-DialogGen：基于主题引导的对话生成用于微调和评估LLM的短期和长期记忆
机构 * School of Computing, Macquarie University（麦考瑞大学计算机学院）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.CL
AI总结 本文提出AgenticAI-DialogGen框架，通过生成基于角色和主题的对话来微调和评估LLM的短期和长期记忆，引入了TopicGuidedChat数据集以提升对话质量和模型性能。
Comments 13 pages, 5 figures, 5 tables
记忆作为代谢：一种陪伴知识系统的 设计
机构 * CODE University Berlin（CODE大学柏林）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 本文提出一种针对单用户知识维基的治理框架，通过五项操作处理记忆中的矛盾证据，以避免固化问题。
Comments 41 pages, 1 table. Preprint v3.642. Concept DOI: 10.5281/zenodo.19501651
何时遗忘：一种记忆治理原语
机构 * Baris Simsek（巴里·西姆塞克）
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Memory Worth，一种通过跟踪记忆与成功/失败结果共现次数来评估记忆质量的机制，为动态管理提供理论基础，并在实验中验证其有效性。
Comments 12 pages, 5 figures
MeloTune：设备端唤醒学习与点对点情绪耦合用于主动音乐编曲
机构 * Hongwei Xu（许洪伟）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 MeloTune通过设备端唤醒学习与点对点情绪耦合，实现基于情绪感知的主动音乐编曲，采用闭式连续时间网络和认知记忆块整合，提升音乐推荐准确性与用户满意度。
Comments 31 pages, 1 figures, 3 tables
可迁移的激发态动力学使荧光蛋白色素的筛选成为可能
专题命中 记忆与上下文管理 ：workflow(abstract)
AI总结 本文提出X-MACE机器学习势能，结合曲率驱动表面跃迁，实现高效筛选光化学路径，通过荧光色素示例展示结构修饰对激发态弛豫、寿命和光异构化产率的影响。
交互式语音识别：迈向人样交互和语义连贯性评估的代理语音识别
机构 * X-LANCE Lab, Shanghai Jiao Tong University（上海交通大学X-LANCE实验室） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Xi'an Jiaotong University（西安交通大学） ； Fudan University（复旦大学） ； Tongyi Fun Team, Alibaba Group（阿里巴巴集团 Tongyi 团队）
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出基于LLM的代理框架，通过语义反馈提升语音识别的语义准确性和交互修正能力，实验验证了其有效性。
一般均衡模型中无限寿命 agent 与重叠世代模型的关系及其一些应用
专题命中 Agent评测 ：agent(title_cn,summary_cn)
AI总结 本文研究了无限寿命 agent 一般均衡模型与重叠世代模型的关系，证明了两者在均衡条件下的相互转化，并探讨了其在经济应用中的意义。
Parallax：为什么具有思考能力的AI代理必须永不行动
机构 * Independent Researcher（独立研究者）
专题命中 Agent评测 ：AI agent(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 本文提出Parallax框架，通过认知-执行分离、对抗验证与渐进确定性、信息流控制和可逆执行四大原则，解决具有执行能力的AI代理安全问题，实验显示其在98.9%的攻击中有效阻止。
Comments 20 pages, 1 figure, 5 tables. Open-source reference implementation: https://github.com/openparallax/openparallax. Documentation: https://docs.openparallax.dev. Feedback welcome via email or GitHub issues
通过现实世界案例学习实现自主代理的可迁移专业技能
机构 * National Glycoengineering Research Center, Shandong University（山东大学糖工程研究中心） ； State Key Laboratory of Microbial Technology, Shandong University（山东省微生物技术重点实验室）
专题命中 Agent评测 ：autonomous agent(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 本文提出基于案例学习的框架，通过将过往任务经验转化为可重用的知识资产，使自主代理能迁移先前经验以执行更结构化的分析，在六个复杂任务类别基准测试中表现优异，尤其在复杂任务上优势显著。
LOLGORITHM：短视频 funny 评论生成代理
机构 * University of New South Wales（新南威尔士大学） ； University of Sydney（悉尼大学） ； The University of Hong Kong（香港大学） ； University of Southern California（南加州大学）
专题命中 Agent评测 ：agent(title,abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文提出LOLGORITHM框架，通过视频摘要、分类和语义检索生成符合平台文化的短视频评论，实验显示其在YouTube和抖音上的人类偏好选择率高达80.46%和84.29%。
大规模安全：大型模型和智能体安全的全面综述
机构 * Fudan University（复旦大学） ； The University of Melbourne（墨尔本大学） ； Singapore Management University（新加坡国立大学） ； Deakin University（德肯大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； City University of Hong Kong（香港城市大学） ； University of Oxford（牛津大学） ； Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； The University of Sydney（悉尼大学） ； Griffith University（格里菲斯大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Sea AI Lab（Sea AI实验室） ； Tsinghua University（清华大学） ； Virginia Tech（弗吉尼亚理工大学） ； CISPA Helmholtz Center for Information Security（CISPA海德堡信息安全部） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Purdue University（普渡大学） ； Duke University（杜克大学） ； University of Wisconsin - Madison（威斯康星大学麦迪逊分校） ； RIKEN（理化学研究所） ； The University of Tokyo（东京大学）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 本文综述了大型模型和智能体的安全性，分析了各类攻击威胁及防御策略，指出安全评估、防御机制和数据实践的重要性，强调研究社区和国际合作的必要性。
Comments 706 papers, 60 pages, 3 figures, 14 tables; GitHub: https://github.com/xingjunm/Awesome-Large-Model-Safety
$λ_A$: 一种用于LLM代理组合的类型lambda演算
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.SE
AI总结 本文提出$λ_A$类型lambda演算，通过引入oracle调用、有界固定点、概率选择和可变环境扩展简单类型lambda演算，证明类型安全性和终止性，并展示其在代理配置检测中的应用。
变分语言模型中的代理控制
机构 * Conservatoire National des Arts et Métiers（法国国立艺术与工艺学院）
专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.LG
AI总结 本文研究变分语言模型能否通过内部证据实现最小化的代理控制，提出结合局部变分隐藏计算、结构感知检查点保留和校准的不确定性控制器，实验证明其在语言建模任务中优于确定性模型，并展示了更丰富的不确定性特征。
Comments 20 pages, 8 figures
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