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。
Agent-GWO: 为大型语言模型的动态提示优化设计的协作代理
机构 * Kyung Hee University（韩国庆熙大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Nota Inc.（Nota公司） ； Tongji University（同济大学）
专题命中 工具调用 ：agent(title,title_cn)；分类 cs.AI、cs.LG
AI总结 本文提出Agent-GWO框架，通过统一提示模板和解码超参数作为可继承的代理配置，利用灰狼优化器的领导者-追随者机制，自动选择领导者代理以指导协作更新，提升复杂推理的准确性和稳定性。
Comments Accepted to ACL 2026. 9 pages, 5 figures
ClawCoin：一种去中心化智能体经济中的代理原生加密货币
专题命中 工具调用 ：agent(title,abstract)；agentic(title)；AI agent(abstract)；workflow(abstract)
AI总结 ClawCoin通过计算成本索引的账本资产，解决代理经济中计算成本不可转移的问题，提升去中心化智能体协调能力。
Temp-R1：通过反向课程强化学习实现复杂时间知识图谱问答的统一自主代理
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； ZJU-Ant Group Joint Lab of Knowledge Graph（浙江大学-蚂蚁集团知识图谱联合实验室）
专题命中 工具调用 ：agent(title,abstract)；autonomous agent(title)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出Temp-R1，首个通过强化学习训练的时间知识图谱问答自主代理，通过扩展动作空间和反向课程学习提升复杂问题的推理能力，在MultiTQ和TimelineKGQA上取得最佳性能。
Comments ACL 2026 main
无编码且隐私保护的代理框架用于数据驱动的临床研究
机构 * Infmedix, Co., Ltd.（Infmedix公司） ； Department of Transdisciplinary Studies, Seoul National University（首尔国立大学跨学科研究系） ； Healthcare AI Research Institute, Seoul National University Hospital（首尔国立大学医院医疗人工智能研究所） ； Department of Medicine, Seoul National University College of Medicine（首尔国立大学医学院医学系） ； Department of Transdisciplinary Medicine, Seoul National University Hospital（首尔国立大学医院跨学科医学系） ； Department of Radiology, Massachusetts General Hospital and Harvard Medical School（麻省总医院放射科及哈佛医学院）
专题命中 工具调用 ：agentic(title,abstract)；planning(abstract)；workflow(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出CARIS框架，通过整合大语言模型与模块化工具，实现无需编程的自然语言驱动研究，提升临床研究效率与隐私保护。
Comments 10 pages, 5 figures, 2 tables, Supplementary Appendix
机器中的低语：代理系统中的保密性
机构 * CISPA Helmholtz Center for Information Security（信息安全勒内希特中心）
专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；分类 cs.LG
AI总结 研究探讨了基于大语言模型的代理系统中的保密性问题，通过抽象敏感数据为秘密字符串，评估了十种代理在20种工具场景和14种攻击策略下的安全性，发现所有代理均存在至少一种漏洞，现有防御措施无法有效防止数据泄露。
Comments Accepted at Conference on Detection of Intrusions and Malware & Vulnerability Assessment (DIMVA) 2026
对抗性环境如何误导代理AI？
机构 * Imperial College London（伦敦帝国学院）
专题命中 工具调用 ：agentic(title)；agent(abstract)；分类 cs.AI
AI总结 研究指出代理AI在依赖外部工具时存在信任缺口，提出对抗性环境注入威胁模型，通过POTEMKIN协议测试发现，对抗性攻击导致代理在知识和导航鲁棒性上存在差异。
Comments Accepted to Findings of the Association for Computational Linguistics: ACL 2026
迈向进攻性安全任务的最优代理架构
机构 * University College London（伦敦大学学院）
专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI
AI总结 本文通过控制基准测试评估不同代理架构在进攻性安全任务中的性能，发现白盒模式和Web目标在检测效率上显著优于黑盒模式和二进制目标，且更广泛的协调能提升覆盖范围但需权衡成本与验证难度。
Comments 18 pages, 4 figures, supplementary appendix and benchmark artifacts
MCP与RAG与NLWeb与HTML：不同网页代理接口的有效性和效率比较（技术报告）
机构 * Data and Web Science Group（数据与网络科学组） ； University of Mannheim（曼海姆大学）
专题命中 工具调用 ：agent(title)；分类 cs.CL
AI总结 本文比较了四种网页代理接口的有效性和效率，发现RAG、MCP和NLWeb在效果和效率上均优于HTML。
Journal ref Proceedings of the ACM Web Conference 2026 (WWW '26), April 13-17, 2026, Dubai, United Arab Emirates. ACM, New York, NY, USA, pp. 8493-8496
STAR-Teaming：一种基于策略-响应多plex网络的自动化LLM红队方法
机构 * DATUMO INC（DATUMO公司）
专题命中 工具调用 ：agent(abstract)；multi-agent(abstract)；分类 cs.CL
AI总结 本文提出STAR-Teaming，一种基于多plex网络的自动化红队方法，通过网络驱动优化生成有效攻击策略，提升LLM策略漏洞的可解释性并降低计算成本。
Comments Accepted at ACL 2026 Findings
基于ECLASS的语义产品搜索增强
专题命中 工具调用 ：agent(abstract)；autonomous agent(abstract)
AI总结 本文提出利用LLM密集检索和ECLASS层次语义提升电子元件语义搜索效果，实验显示其在准确率和效率上均优于传统方法。
DR-MMSearchAgent：多模态搜索代理中的深度推理
机构 * Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家） ； East China Normal University（东华大学） ； Shanghai Innovation Institute（上海创新研究院） ； University College London（伦敦大学学院） ； Independent Researcher（独立研究者） ； Huawei Noah’s Ark Lab（华为诺亚实验室）
专题命中 工具调用 ：agent(abstract)；agentic(abstract)
AI总结 本文提出DR-MMSearchAgent框架，通过结构接近性从完整批处理轨迹中提取优势信号，提升不同长度轨迹的生成能力，并采用差异化高斯奖励动态校准交互容忍度，以提高信息可靠性并减少冗余。
什么使一个LLM成为好的优化器？LLM引导的进化搜索轨迹分析
机构 * Univ. Grenoble Alpes, CNRS, Grenoble INP, LIG（格勒诺布尔阿尔卑斯大学、国家科学研究中心、格勒诺布尔INP、LIG实验室）
专题命中 工具调用 ：agentic(abstract)；分类 cs.CL
AI总结 研究通过分析15个LLM在8个任务上的优化轨迹，发现初始能力相似的模型会产生差异大的搜索轨迹，强优化器表现为局部细化，弱优化器则出现语义漂移，解决方案新颖性只有在搜索保持局部化时才有效。
Comments 9 pages, 8 figures, Accepted at Findings of ACL 2026
增强的组合结构生成：Ramsey数
机构 * University of California, Berkeley（加州大学伯克利分校） ； Google DeepMind（谷歌DeepMind） ； Google（谷歌）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI
AI总结 本文通过AlphaEvolve算法改进了九个经典Ramsey数的下界，同时恢复了所有已知精确Ramsey数的下界，并在许多其他情况下匹配了最佳下界。
MiroThinker：通过模型、上下文和交互扩展推动开源研究代理的性能边界
机构 * MiroMind Team（MiroMind团队）
专题命中 工具调用 ：agent(abstract)；分类 cs.CL
AI总结 MiroThinker通过模型、上下文和交互扩展提升开源研究代理性能，实现更深入的交互和更复杂的任务处理，其72B版本在多个基准测试中表现优异，接近商业模型。
Comments Technical Report
时空感知的位翻转注入在基于深度神经网络的高级驾驶辅助系统中
专题命中 工具调用 ：planning(abstract)；分类 cs.LG
AI总结 本文提出STAFI框架，通过空间和时间感知方法识别DNN中关键故障点，实验表明其发现的危险故障比基线方法多29.56倍。
Comments The authors have identified issues in the experimental setup and evaluation that may affect the validity of the results. In particular, inconsistencies in the fault injection protocol and temporal analysis may lead to incorrect conclusions. The authors therefore request withdrawal for thorough revision
评估基于视觉语言模型的非人形机器人语义可及性推理
机构 * Bristol Robotics Laboratory, University of Bristol（布里斯托尔机器人实验室，布里斯托尔大学） ； University of Bristol（布里斯托尔大学）
专题命中 工具调用 ：tool use(abstract)
AI总结 本文研究了视觉语言模型在非人形机器人上的语义可及性推理能力，通过混合数据集分析发现模型在不同物体和机器人形态上表现不一，存在保守预测倾向，需结合其他方法以提高性能。
Comments AAMAS 2026 (main track), 9 pages, 4 figures
量子计算的兴起——为建筑环境和城市微气候研究提供一份额外的见解
专题命中 工具调用 ：planning(abstract)
AI总结 本文探讨量子计算在建筑环境和城市微气候研究中的应用潜力，提出'BITE'原则指导量子加速问题的选择，旨在提升城市可持续性和能源效率。
Comments 16 pages, 3 figures
Journal ref Build. Simul. (2026) 1-12
WebUncertainty: 双层不确定性驱动的规划与推理用于自主网络代理
机构 * Hefei University of Technology（合肥工业大学） ； Academy of Cyber, CETC Group（中国电子科技集团 Cyber 学院）
专题命中 规划决策 ：agent(title,abstract)；planning(title,abstract)；autonomous agent(abstract)；分类 cs.AI
AI总结 本文提出WebUncertainty框架，通过双层不确定性驱动的自适应规划和蒙特卡洛树搜索机制，提升自主网络代理在动态交互和长周期任务中的规划与推理能力。
基于主动推断的代理闭环ISAC系统与长周期规划
专题命中 规划决策 ：planning(title,abstract)；agentic(title,abstract)；agent(abstract)
AI总结 本文提出一种基于主动推断的无线代理闭环ISAC系统，通过因子图的反向-正向消息传递联合优化控制与传感资源分配，实现动态资源分配以提升跟踪精度、控制努力与传感资源消耗的平衡。
Comments 5 pages, 4 figures and 1 table. This work has been submitted to the IEEE for possible publication
为代理编程扩展测试时计算
机构 * Meta Superintelligence Labs（Meta超级智能实验室） ； University of Washington（华盛顿大学） ； New York University（纽约大学） ； Google DeepMind（谷歌DeepMind） ； Carnegie Mellon University（卡内基梅隆大学） ； Princeton University（普林斯顿大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract,abstract_cn)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出基于轨迹紧凑表示的代理编程测试时扩展框架，通过递归竞赛投票和并行-蒸馏-细化方法提升长周期代理性能，实验证明在SWE-Bench和Terminal-Bench上显著提升效果。
Comments 70 pages, 26 figures, 12 tables
SafetyALFRED：评估多模态大语言模型的安全意识规划
机构 * University of Michigan（密歇根大学） ； Boise State University（博伊西州立大学）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；autonomous agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出SafetyALFRED，基于ALFRED基准测试，引入六类厨房真实世界危险，评估多模态大语言模型在安全意识规划中的表现，发现静态QA评估不足，需转向强调具身环境中的纠正行动的基准。
Comments Work accepted at ACL 2026 Findings
BAPO：面向可靠代理搜索的边界感知策略优化
机构 * Institute of Artificial Intelligence, Xiamen University（厦门大学人工智能研究院） ； Meituan Inc.（美团公司） ； School of Informatics, Xiamen University（厦门大学信息学院） ； Westlake University（西湖大学） ； Jilin University（吉林大学） ； Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan (Xiamen University), Ministry of Culture and Tourism, China（福建省和台湾非物质文化遗产数字化保护与智能处理重点实验室（厦门大学），中华人民共和国文旅部，中国）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 BAPO通过引入边界感知奖励和自适应奖励调节器，提升代理搜索的可靠性，避免过度依赖IDK响应，实验表明其显著增强可靠性。
Comments ACL 2026 Conference. Code is available at https://github.com/Liushiyu-0709/BAPO-Reliable-Search
SAGE-32B：通过迭代蒸馏实现代理推理
机构 * SAGEA ； Tribhuwan University（特里布文大学） ； Vedas College（韦达学院） ； Madan Bhandari Memorial College（马丹·班达里纪念学院） ； Fudan University（复旦大学） ； ETH Zurich（苏黎世联邦理工学院）
专题命中 规划决策 ：agentic(title,abstract)；planning(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 SAGE-32B是一种专注于代理推理和长期规划的320亿参数语言模型，通过迭代蒸馏提升推理能力，在代理推理基准测试中表现出色。
Comments 23 Pages, 3 figures, 4 tables
构建环境：通过信念-意图共演的认知规划
机构 * Shiyao Sang（桑世尧）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出基于信念-意图共演的认知规划方法，通过MBCWM和TIWM模型实现环境与现实的认知一致性，提升自动驾驶规划性能并展现类人认知行为。
Comments 12 pages, 8 figures. A paradigm shift from reconstructing the world to understanding it: planning through Belief-Intent Co-Evolution
面向便携物品寻找的个性化具身导航
机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； University of Central Florida（中央佛罗里达大学）
专题命中 规划决策 ：planning(summary_cn,abstract)；agent(abstract)
AI总结 本文提出了一种面向动态环境的个性化习惯学习方法，通过引入Transit-Aware Planning算法提升便携物品寻找的性能，在模拟和现实环境中均取得显著效果。
Comments 10 pages
Revac：一个社交推理解谜代理
机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； RV College of Engineering（RV 工程学院） ； Department of Information Science and Engineering（信息科学与工程系） ； Department of Artificial Intelligence and Machine Learning（人工智能与机器学习系）
专题命中 规划决策 ：agent(title,abstract)；AI agent(abstract)；分类 cs.AI
AI总结 Revac-8通过整合记忆玩家分析、社交图分析和动态语气选择，解决了社交推理解谜中的不确定性推理与欺骗适应问题，实现了在高风险社交环境中的卓越表现。
没有计划的愿望只是愿望：为长周期智能体任务高效且有效的全局规划器训练
机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； DeepLang AI ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 规划决策 ：agent(title,abstract)；planning(abstract)；分类 cs.CL
AI总结 本文提出EAGLET方法，通过两步流程训练高效规划器，提升智能体规划能力，实验显示其在长周期任务中优于现有方法，且训练成本降低8倍。
Comments ACL 2026
视觉推理代理：通过推理时缩放实现遥感中的稳健视觉系统
机构 * University of West Florida（西弗吉尼亚大学） ； United States Military Academy（美国军事学院）
专题命中 规划决策 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文提出视觉推理代理（VRA），通过迭代的Think-Critique-Act循环，结合预训练的大规模视觉-语言模型和推理模型，提升遥感任务中的视觉推理能力，实现在挑战性问题上的40.67%提升。
Comments Accepted to MORS 2026 Artificial Intelligence Workshop Proceedings
MAGICIAN: 通过想象高斯分布实现高效的长期规划用于主动建图
机构 * LIGM, École Nationale des Ponts et Chaussées, IP Paris, Univ Gustave Eiffel, CNRS, France（LIGM，巴黎国立桥梁与道路学院，IP巴黎，格雷夫埃菲尔大学，法国国家科学研究中心，法国） ； École Polytechnique, France（法国高等理工学院，法国） ； Inria, École normale supérieure, CNRS, PSL Research University, France（法国国家科学研究中心，巴黎高等师范学院，法国国家信息与自动化技术研究院，法国）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)
AI总结 MAGICIAN通过想象高斯分布实现高效长期规划，提升主动建图的探索效率与重建完整性，适用于不同动作空间的室内和室外基准测试。
Comments Accepted at CVPR 2026 (Oral). Project webpage: https://shiyao-li.github.io/magician/
混合任务与运动规划与反应碰撞处理用于多机器人复杂产品拆解：应用于电动汽车电池
机构 * Extreme Robotics Laboratory, School of Metallurgy and Materials, University of Birmingham（极端机器人实验室，冶金与材料学院，伯明翰大学） ； Department of Applied Artificial Intelligence and Robotics, Aston University（应用人工智能与机器人学院，阿斯顿大学）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)
AI总结 本文提出一种基于视觉的任务与运动规划框架，用于多机器人协同拆解复杂产品，通过学习型RRT规划器和混合安全层提高路径紧凑性和安全性，实验显示在电动汽车电池拆解中显著降低路径长度和扫过体积。
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