AI Agent

Agentic Microphysics: A Manifesto for Generative AI Safety

代理微物理：生成AI安全的宣言

Federico Pierucci, Matteo Prandi, Marcantonio Bracale Syrnikov, Marcello Galisai, Piercosma Bisconti

机构 * DEXAI – Icaro Lab Sant’Anna School of Advanced Studies（DEXAI–伊卡洛实验室圣安娜高级研究学院） ； DEXAI – Icaro Lab Sapienza University of Rome（DEXAI–伊卡洛实验室罗马萨皮恩扎大学） ； DEXAI – Icaro Lab VU Amsterdam（DEXAI–伊卡洛实验室阿姆斯特丹伏里克大学） ； Lucidi DEXAI – Icaro Lab Sapienza University of Rome（Lucidi DEXAI–伊卡洛实验室罗马萨皮恩扎大学） 纠错

专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；tool use(abstract)；planning(abstract)

AI总结 本文提出代理安全研究的新方法，强调交互层面机制对集体风险的影响，通过生成安全方法识别足够机制和设计干预措施。

El Agente Forjador: Task-Driven Agent Generation for Quantum Simulation

El Agente Forjador：面向量子模拟的任务驱动代理生成

Zijian Zhang, Aiwei Yin, Amaan Baweja, Jiaru Bai, Ignacio Gustin, Varinia Bernales, Alán Aspuru-Guzik

机构 * Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Department of Chemistry, University of Toronto（多伦多大学化学系） ； Department of Materials Science & Engineering, University of Toronto（多伦多大学材料科学与工程系） ； Department of Chemical Engineering & Applied Chemistry, University of Toronto（多伦多大学化学工程与应用化学系） ； Acceleration Consortium（加速联盟） ； Vector Institute for Artificial Intelligence（人工智能矢量研究所） ； Canadian Institute for Advanced Research (CIFAR)（加拿大高级研究 institute (CIFAR)） ； NVIDIA 纠错

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

AI总结 本文提出El Agente Forjador框架，通过四阶段流程自主生成和复用计算工具，提升量子化学和动力学任务的准确性与效率。

AgentOpt v0.1 Technical Report: Client-Side Optimization for LLM-Based Agent

AgentOpt v0.1 技术报告：基于LLM的代理的客户端优化

Wenyue Hua, Sripad Karne, Qian Xie, Armaan Agrawal, Nikos Pagonas, Kostis Kaffes, Tianyi Peng

机构 * Microsoft Research, AI Frontiers（微软研究院，人工智能前沿） ； Cornell University（康奈尔大学） ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 本文提出AgentOpt框架，用于解决LLM代理客户端资源分配问题，通过多种搜索算法优化模型选择和资源分配，提升效率与效果。

Comments 24 pages, 1 figure

Your LLM Agents are Temporally Blind: The Misalignment Between Tool Use Decisions and Human Time Perception

你的LLM代理是时间盲的：工具使用决策与人类时间感知之间的不一致

Yize Cheng, Arshia Soltani Moakhar, Chenrui Fan, Parsa Hosseini, Kazem Faghih, Zahra Sodagar, Wenxiao Wang, Soheil Feizi

机构 * University of Maryland, College Park（马里兰大学学院公园分校） 纠错

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

AI总结 研究揭示LLM代理在动态环境中因时间感知不足导致的工具调用偏差，通过TicToc数据集分析发现现有模型与人类时间感知对齐率低，提出通过后训练对齐提升多轮对话中工具使用与人类时间感知的一致性。

Comments ACL 2026 (findings), Camera-ready

Does RL Expand the Capability Boundary of LLM Agents? A PASS@(k,T) Analysis

强化学习是否扩展大语言模型代理的能力边界？一种PASS@(k,T)分析

Zhiyuan Zhai, Wenjing Yan, Xiaodan Shao, Xin Wang

机构 * Fudan University（复旦大学） ； Chinese University of Hong Kong（香港中文大学） ； University of Waterloo（滑铁卢大学） 纠错

专题命中 工具调用 ：agent(abstract)；tool use(abstract)；tool-use(abstract)；agentic(abstract)

AI总结 本文通过PASS@(k,T)指标分析强化学习在代理工具使用中的能力扩展，发现其在复杂任务中确实扩大了能力边界，而静态推理中则趋于收敛。

Scepsy: Serving Agentic Workflows Using Aggregate LLM Pipelines

Scepsy：利用聚合LLM管道服务代理工作流

Marcel Wagenländer, Otto White, Britannio Jarrett, Pedro Silvestre, Yanda Tao, Guo Li, Huanzhou Zhu, Llúis Vilanova, Peter Pietzuch

机构 * Imperial College London（伦敦帝国学院） 纠错

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

AI总结 Scepsy通过聚合LLM管道高效调度多LLM代理工作流，实现高吞吐量和低延迟，相比独立优化或用户指定分配的系统，吞吐量提升2.4倍，延迟降低27倍。

RaTA-Tool: Retrieval-based Tool Selection with Multimodal Large Language Models

RaTA-Tool: 基于检索的多模态大语言模型工具选择

Gabriele Mattioli, Evelyn Turri, Sara Sarto, Lorenzo Baraldi, Marcella Cornia, Lorenzo Baraldi, Rita Cucchiara

机构 * University of Modena and Reggio Emilia（摩德纳和雷吉奥艾米利亚大学） ； University of Pisa（比萨大学） 纠错

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

AI总结 本文提出RaTA-Tool框架，利用多模态大语言模型将多模态查询转化为结构化任务描述，并通过语义丰富的工具描述检索合适工具，支持开放世界场景下的工具扩展。

Comments ICPR 2026

Evo-MedAgent: Beyond One-Shot Diagnosis with Agents That Remember, Reflect, and Improve

Evo-MedAgent：超越单次诊断的具有记忆、反思和改进能力的代理

Weixiang Shen, Bailiang Jian, Jun Li, Che Liu, Johannes Moll, Xiaobin Hu, Daniel Rueckert, Hongwei Bran Li, Jiazhen Pan

机构 * Technical University of Munich（慕尼黑技术大学） ； TUM University Hospital（TUM大学医院） ； LMU Munich（慕尼黑大学） ； National University of Singapore（新加坡国立大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Imperial College London（伦敦帝国理工学院） 纠错

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

AI总结 Evo-MedAgent通过引入自我进化记忆模块，使医疗代理在测试时实现跨案例学习，提升多选题准确率，无需额外训练，适用于任何冻结模型。

MARCA: A Checklist-Based Benchmark for Multilingual Web Search

MARCA：基于检查表的多语言网络搜索基准

Thales Sales Almeida, Giovana Kerche Bonás, Ramon Pires, Celio Larcher, Hugo Abonizio, Marcos Piau, Roseval Malaquias Junior, Rodrigo Nogueira, Thiago Laitz

机构 * Maritaca AI ； Jusbrasil 纠错

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

AI总结 MARCA是一个双语（英语和葡萄牙语）基准，用于评估LLM在基于网络的信息检索中的能力，通过手动编写的多实体问题和检查表式评分标准，评估答案的完整性和正确性，并发现任务分解框架能提升覆盖范围，模型在英语到葡萄牙语的迁移中存在显著差异。

MCP-Flow: Facilitating LLM Agents to Master Real-World, Diverse and Scaling MCP Tools

MCP-Flow：帮助LLM代理掌握现实世界、多样且可扩展的MCP工具

Wenhao Wang, Peizhi Niu, Zhao Xu, Zhaoyu Chen, Jian Du, Yaxin Du, Xianghe Pang, Keduan Huang, Yanfeng Wang, Qiang Yan, Siheng Chen

机构 * TikTok ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； University of Illinois at Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 MCP-Flow通过自动化流程提升LLM在现实世界MCP环境中的能力，通过大规模服务器发现、数据合成和模型训练，生成高质量指令-功能调用对和轨迹，推动代理任务性能提升。

Comments ACL 2026 Main, Camera Ready

OPF-Based Optimal Power System Network Restoration Considering Frequency Dynamics

基于OPF的考虑频率动态的最优电力系统网络恢复

Dawn Virginillo, Asja Derviškadić, Mario Paolone

专题命中 工具调用 ：planning(abstract)

AI总结 本文提出并解决包含频率动态的最优电力系统恢复问题，通过静态和动态方法验证了切换约束的重要性，展示了动态考虑在恢复规划中的关键作用。

Differentiable Object Pose Connectivity Metrics for Regrasp Sequence Optimization

可微的物体姿态连通性度量用于重新抓取序列优化

Liang Qin, Weiwei Wan, Kensuke Harada

机构 * Graduate School of Engineering Science, The University of Osaka（大阪大学工学研究科） 纠错

专题命中 工具调用 ：planning(abstract)

AI总结 本文提出基于可微姿态序列连通性度量的隐式多步重新抓取规划框架，通过能量模型构建连续能量景观，提升抓取可行性规划的鲁棒性，并展示其在未见抓取姿态和跨末端效应转移中的泛化能力。

Reverse-Robust Computation with Chemical Reaction Networks

化学反应网络中的反稳健计算

Ravi Kini, David Doty

专题命中 工具调用 ：tool use(abstract)

AI总结 本文研究了在允许正反向反应但存在截止点的反稳健计算模型下，化学反应网络的计算能力，证明所有半线性谓词和函数均可被反稳健计算，并保留现有构造。

MM-WebAgent: A Hierarchical Multimodal Web Agent for Webpage Generation

MM-WebAgent：一种用于网页生成的分层多模态网络代理

Yan Li, Zezi Zeng, Yifan Yang, Yuqing Yang, Ning Liao, Weiwei Guo, Lili Qiu, Mingxi Cheng, Qi Dai, Zhendong Wang, Zhengyuan Yang, Xue Yang, Ji Li, Lijuan Wang, Chong Luo

机构 * Shanghai Jiao Tong University（上海交通大学） ； Xi'an Jiaotong University（西安交通大学） ； Tongji University（同济大学） ； Microsoft Corporation（微软公司） 纠错

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

AI总结 本文提出MM-WebAgent，一种分层多模态网页生成框架，通过分层规划和迭代自反思协调AIGC元素生成，提升网页全局布局与视觉一致性。

LLMOrbit: A Circular Taxonomy of Large Language Models -From Scaling Walls to Agentic AI Systems

LLMOrbit：大型语言模型的圆形分类法——从扩展壁垒到智能体AI系统

Badri N. Patro, Vijay S. Agneeswaran

机构 * Microsoft（微软） 纠错

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

AI总结 本文提出LLMOrbit，通过八个维度分析2019-2025年50余种大型语言模型，揭示数据稀缺、成本激增和能源消耗三大危机，并提出六种突破扩展壁垒的范式，推动生成AI和智能体系统的发展。

SGA-MCTS: Decoupling Planning from Execution via Training-Free Atomic Experience Retrieval

SGA-MCTS：通过无训练原子经验检索解耦规划与执行

Xin Xie, Dongyun Xue, Wuguannan Yao, Mingxiao Feng, Wengang Zhou, Xiang Qi, Houqiang Li, Peng Zhang

机构 * Ant Digital Technologies, Ant Group（蚂蚁集团数字技术部） ； Hefei Comprehensive National Science Center（合肥国家科学中心） 纠错

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

AI总结 SGA-MCTS通过无训练原子经验检索解耦规划与执行，利用MCTS探索解空间并生成SGA原子，结合检索增强机制实现高效推理，使冻结模型在无需微调的情况下达到SOTA系统性能。

A hierarchical spatial-aware algorithm with efficient reinforcement learning for human-robot task planning and allocation in production

一种具有高效强化学习的分层空间感知算法用于生产中的人机任务规划与分配

Jintao Xue, Xiao Li, Nianmin Zhang

机构 * Department of Civil Engineering, The University of Hong Kong（香港大学土木工程系） 纠错

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

AI总结 本文提出了一种分层空间感知算法，结合高效强化学习解决复杂动态生产环境中的人机任务规划与分配问题，通过分解任务和实时规划分配提升生产效率。

Comments This is the accepted manuscript of a journal article accepted for publication in Robotics and Computer-Integrated Manufacturing (Elsevier)

Journal ref Volume 98, April 2026, 103159

Learning to Plan, Planning to Learn: Adaptive Hierarchical RL-MPC for Sample-Efficient Decision Making

学习与规划：自适应分层RL-MPC用于样本高效决策

Toshiaki Hori, Jonathan DeCastro, Deepak Gopinath, Avinash Balachandran, Guy Rosman

机构 * Toyota Research Institute（丰田研究院） ； Learning to Plan, Planning to Learn: Adaptive Hierarchical RL-MPC for Sample-Efficient Decision Making（学习规划，规划学习：自适应分层RL-MPC用于样本高效决策） 纠错

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

AI总结 本文提出了一种融合强化学习和MPC规划的分层方法，通过自适应聚合MPPI样本提升策略鲁棒性，实现在复杂规划问题中提高样本效率和任务成功率。

Comments 27 pages, 10 figures, 8th Annual Learning for Dynamics & Control Conference (L4DC)

Benchmarking Classical Coverage Path Planning Heuristics on Irregular Hexagonal Grids for Maritime Coverage Scenarios

在不规则六边形网格上评估经典覆盖路径规划启发式方法的基准测试：用于海洋覆盖场景

Carlos S. Sepúlveda, Gonzalo A. Ruz

机构 * Facultad de Ingeniería y Ciencias, Universidad Adolfo Ibáñez（工程与科学学院，阿道弗·伊巴涅斯大学） ； Dirección de Programas, Investigación y Desarrollo, Armada de Chile（智利海军计划、研究与开发 Directorate） ； Millennium Nucleus for Social Data Science (SODAS)（社会科学数据科学千年核基金（SODAS）） ； Millennium Nucleus in Data Science for Plant Resilience (PhytoLearning)（植物韧性数据科学千年核基金（PhytoLearning）） 纠错

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

AI总结 本文提出一个可重复的基准测试，评估经典单车覆盖路径规划启发式方法在不规则六边形网格上的性能，包含10000个哈密顿可行实例和17种启发式方法，揭示实现细节对稀疏几何图性能的影响。

NEAT-NC: NEAT guided Navigation Cells for Robot Path Planning

NEAT-NC：基于生物导航细胞的NEAT引导机器人路径规划

Hibatallah Meliani, Khadija Slimani, Samira Khoulji

机构 * ISI Laboratory, National School of Applied Sciences (ENSA), Abdelmalek Essaadi University（阿德莱尔梅萨迪大学应用科学学院智能研究所） ； EsieaLab LDR, Higher School of Computer Science, Electronics and Automation (ESIEA)（高等计算机科学、电子与自动化学校） 纠错

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

AI总结 本文提出NEAT-NC算法，利用导航细胞和递归神经网络提升动态环境中的路径规划性能，展示其在复杂环境中的适应性。

Comments To appear in short form in Genetic and Evolutionary Computation Conference (GECCO '26), 2026

Journal ref Genetic and Evolutionary Computation Conference (GECCO '26), July 13--17, 2026, San Jose, Costa Rica

Blazing the trails before beating the path: Sample-efficient Monte-Carlo planning

在铺设道路之前击败路径：样本高效的蒙特卡洛规划

Jean-Bastien Grill, Michal Valko, Rémi Munos

机构 * SequeL team, INRIA Lille - Nord Europe（SequeL团队，INRIA里尔-北欧分校） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 本文提出TrailBlazer算法，通过高效样本探索近优状态结构，实现样本效率高的蒙特卡洛规划，兼顾策略优化与计算效率。

Comments Published in Neural Information Processing Systems 2016

IE as Cache: Information Extraction Enhanced Agentic Reasoning

信息提取作为缓存：增强代理推理

Hang Lv, Sheng Liang, Hongchao Gu, Wei Guo, Defu Lian, Yong Liu, Hao Wang, Enhong Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） 纠错

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

AI总结 本文提出IE-as-Cache框架，将信息提取用作认知缓存以提升代理推理能力，通过查询驱动提取与缓存感知推理动态维护紧凑中间信息并过滤噪声，实验表明在多种LLM上显著提升推理准确性。

Comments 8pages, 2figures

Toward Agentic RAG for Ukrainian

迈向乌克兰的代理RAG

Marta Sumyk, Oleksandr Kosovan

机构 * Ukrainian Catholic University（乌克兰天主教大学） 纠错

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

AI总结 研究针对乌克兰语的代理RAG系统，结合两阶段检索与轻量级代理层，发现检索质量是瓶颈，代理重试提升准确率但受限于文档识别。

Comments This paper is a research report based on our participation in the UNLP 2026 Shared Task

Safe reinforcement learning with online filtering for fatigue-predictive human-robot task planning and allocation in production

Jintao Xue, Xiao Li, Nianmin Zhang

机构 * CI3 Lab, Department of Civil Engineering, The University of Hong Kong（香港大学土木工程系CI3实验室） 纠错

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

Comments This is the accepted manuscript of an article accepted for publication in \textit{Journal of Manufacturing Systems (Elsevier)

Journal ref Volume 84, February 2026, Pages 561-583

Trajectory Planning for a Multi-UAV Rigid-Payload Cascaded Transportation System Based on Enhanced Tube-RRT*

基于增强型管状RRT*的多无人机刚性载荷级联运输系统轨迹规划

Jianqiao Yu, Jia Li, Tianhua Gao

机构 * School of Aerospace Science and Technology, Beijing Institute of Technology（航天科学与技术学院，北京理工大学） ； Graduate School of Systems and Information Engineering, University of Tsukuba（系统与信息工程研究生院，筑波大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种两级轨迹规划框架，通过增强型管状RRT*算法解决密集障碍环境下的规划问题，结合主动混合采样和自适应扩展策略，生成安全可行的虚拟管，并通过轨迹平滑成本减少过度转弯，提升路径效率。

Comments 15 pages, 7 figures. Under review at IEEE Transactions on Aerospace and Electronic Systems (TAES). This work has been submitted to the IEEE for possible publication

Nodal Capacity Expansion Planning with Flexible Large-Scale Load Siting

具有灵活大规模负荷选址的节点容量扩展规划

Tomas Valencia Zuluaga, Simon Pang, Jean-Paul Watson

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出将大规模负荷选址纳入随机节点电力系统容量扩展规划模型，同时优化发电、输电和储能扩展。通过将负荷分为不同可靠性要求的多个层级，考虑其运营灵活性，并利用两阶段随机混合整数优化问题和跨场景期望约束进行求解。

Comments Updated test cases and test cases description. Improved figures and literature review

SECAdvisor: a Tool for Cybersecurity Planning using Economic Models

SECAdvisor: 一种利用经济模型进行网络安全规划的工具

Muriel Figueredo Franco, Christian Omlin, Oliver Kamer, Eder John Scheid, Burkhard Stiller

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出SECAdvisor工具，通过经济模型帮助企业优化网络安全投资，评估风险，提供预算内保护方案，并比较不同防护方案的成本效益。

Comments 12 pages, 7 figures, 2 tables, 9 equations

SWE-TRACE: Optimizing Long-Horizon SWE Agents Through Rubric Process Reward Models and Heuristic Test-Time Scaling

SWE-TRACE：通过规则过程奖励模型和启发式测试时间缩放优化长 horizon SWE代理

Hao Han, Jin Xie, Xuehao Ma, Weiquan Zhu, Ziyao Zhang, ZhiLiang Long, Hongkai Chen, Qingwen Ye

专题命中 规划决策 ：agent(abstract)；autonomous agent(abstract)；agentic(abstract)；分类 cs.SE

AI总结 本文提出SWE-TRACE框架，通过优化数据收集、强化学习和测试时间推理，提升SWE代理的长horizon推理能力，减少token消耗和推理延迟。

AI4S-SDS: A Neuro-Symbolic Solvent Design System via Sparse MCTS and Differentiable Physics Alignment

AI4S-SDS: 一种基于稀疏MCTS和可微物理对齐的神经符号溶剂设计系统

Jiangyu Chen

机构 * State Key Laboratory for Novel Software Technology at Nanjing University（南京大学新型软件技术国家重点实验室） ； School of Computer Science, Nanjing University（南京大学计算机科学学院） ； Suzhou Laboratory（苏州实验室） 纠错

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

AI总结 本文提出AI4S-SDS系统，通过稀疏MCTS和可微物理对齐，解决化学配方设计中的高维组合空间问题，提升探索多样性并实现物理约束下的有效性。

EchoAgent: Towards Reliable Echocardiography Interpretation with "Eyes","Hands" and "Minds"

EchoAgent：迈向可靠超声心动图解读的“眼、手、脑”系统

Qin Wang, Zhiqing He, Yu Liu, Bowen Guo, Zeju Li, Miao Zhao, Wenhao Ju, Zhiling Luo, Xianhong Shu, Yi Guo, Yuanyuan Wang

机构 * Fudan University（复旦大学） ； Fudan Zhongshan Hospital（复旦中山医院） ； Fuwai Yunnan Hospital（阜外云南医院） ； Fuwai Beijing Hospital（阜外北京医院） 纠错

专题命中 规划决策 ：agent(abstract)；workflow(abstract)；agentic(abstract)

AI总结 本文提出EchoAgent，通过整合视觉、手动操作与专家知识，实现端到端的超声心动图解读，提升临床可靠性与实用性。

Comments Accepted by CVPR 2026 CV4Clinical, 11 pages, 6 figures