AI Agent

Forage V2: Knowledge Evolution and Transfer in Autonomous Agent Organizations

Forage V2：自主代理组织中的知识进化与转移

Huaqing Xie

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 Forage V2通过构建学习型组织架构，实现知识积累与跨模型转移，提升自主代理任务的可靠性与效率。

SkillGraph: Graph Foundation Priors for LLM Agent Tool Sequence Recommendation

SkillGraph：用于LLM代理工具序列推荐的图基础先验

Hao Liu, Dongyu Li

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

AI总结 本文提出SkillGraph，通过挖掘49831条成功轨迹构建有向加权执行过渡图，用于LLM代理工具选择与排序。提出的两阶段框架在ToolBench和API-Bank上取得显著提升。

CoSearch: Joint Training of Reasoning and Document Ranking via Reinforcement Learning for Agentic Search

CoSearch：通过强化学习联合训练推理和文档排序以实现代理搜索

Hansi Zeng, Liam Collins, Bhuvesh Kumar, Neil Shah, Hamed Zamani

机构 * Center for Intelligent Information Retrieval, University of Massachusetts Amherst（智能信息检索中心，马萨诸塞大学阿默斯特分校） ； Snap Inc（Snap公司） 纠错

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

AI总结 本文提出CoSearch框架，通过群体相对策略优化联合训练推理代理和生成文档排序模型，以解决代理搜索中检索系统性能瓶颈问题，实验表明其在多个问答基准上表现优异。

ProMMSearchAgent: A Generalizable Multimodal Search Agent Trained with Process-Oriented Rewards

ProMMSearchAgent：一种通过过程导向奖励训练的通用多模态搜索代理

Wentao Yan, Shengqin Wang, Huichi Zhou, Yihang Chen, Kun Shao, Yuan Xie, Zhizhong Zhang

机构 * East China Normal University（东中国师范大学） ； Shanghai Innovation Institute（上海创新研究院） ； Huawei Noah's Ark Lab（华为诺亚实验室） ； Independent Researcher（独立研究者） ； University College London（伦敦大学学院） 纠错

专题命中 工具调用 ：agent(title,abstract)

AI总结 本文提出ProMMSearchAgent，通过过程导向奖励解决多模态代理在知识密集型视觉推理中的训练难题，实现零样本迁移至Google搜索API。

SceneOrchestra: Efficient Agentic 3D Scene Synthesis via Full Tool-Call Trajectory Generation

SceneOrchestra: 通过完整工具调用轨迹生成实现高效的代理3D场景合成

Yun He, Kelin Yu, Matthias Zwicker

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 ：agentic(title,abstract)

AI总结 SceneOrchestra通过训练可调的 orchestration 框架优化工具调用流程，消除逐步审查循环，提升效率和输出质量。

Sutradhara: An Intelligent Orchestrator-Engine Co-design for Tool-based Agentic Inference

Sutradhara: 一种智能编排-引擎协同设计用于基于工具的代理推理

Anish Biswas, Kanishk Goel, Srivarshinee S, Jayashree Mohan, Alind Khare, Anjaly Parayil, Ramachandran Ramjee, Chetan Bansal

专题命中 工具调用 ：agentic(title,abstract)

AI总结 Sutradhara通过整合编排与LLM服务，优化工具执行与LLM预填充的重叠，提升代理推理系统的吞吐量与延迟平衡，减少端到端延迟。

Rethinking Reinforcement Fine-Tuning in LVLM: Convergence, Reward Decomposition, and Generalization

重新思考LVLM中的强化微调：收敛性、奖励分解与泛化

Carter Adams, Rafael Oliveira, Gabriel Almeida, Sofia Torres

机构 * Federal University of Bahia（巴伊亚联邦大学） 纠错

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

AI总结 本文提出TA-MDP框架，分析强化微调中奖励结构对GRPO收敛性的影响，并推导奖励分解定理和泛化界限，揭示工具增强策略在分布外迁移中的有效性。

SAKE: Self-aware Knowledge Exploitation-Exploration for Grounded Multimodal Named Entity Recognition

SAKE: 为基于地面的多模态命名实体识别的自我意识知识利用-探索

Jielong Tang, Xujie Yuan, Jiayang Liu, Jianxing Yu, Xiao Dong, Lin Chen, Yunlai Teng, Shimin Di, Jian Yin

机构 * Sun Yat-sen University（中山大学） ； Shandong Normal University（山东师范大学） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Southeast University（东南大学） 纠错

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

AI总结 针对开放世界社交媒体平台中长尾、快速演变和未见实体的挑战，SAKE提出一种端到端代理框架，通过自我意识推理和自适应搜索工具调用，结合内部知识利用和外部知识探索，提升多模态命名实体识别的精度与鲁棒性。

Comments 23 pages, 12 figures

Trajectory2Task: Training Robust Tool-Calling Agents with Synthesized Yet Verifiable Data for Complex User Intents

轨迹到任务：通过合成且可验证的数据训练鲁棒的工具调用代理以应对复杂用户意图

Ziyi Wang, Yuxuan Lu, Yimeng Zhang, Pei Chen, Ziwei Dong, Jing Huang, Jiri Gesi, Xianfeng Tang, Chen Luo, Qun Liu, Yisi Sang, Hanqing Lu, Manling Li, Jin Lai, Dakuo Wang

机构 * Northeastern University（东北大学） ； Amazon（亚马逊） ； Northwestern University（西北大学） 纠错

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

AI总结 本文提出Trajectory2Task方法，通过合成可验证数据提升工具调用代理在复杂用户意图下的鲁棒性，通过多轮探索生成有效工具调用轨迹，并转换为可验证任务，最终在七种先进LLM上验证了改进效果。

Meta-Tool: Efficient Few-Shot Tool Adaptation for Small Language Models

元工具：用于小语言模型的高效少样本工具适应

Sachin Kumar

机构 * LexisNexis, USA（LexisNexis美国公司） 纠错

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

AI总结 本文通过Meta-Tool研究小语言模型是否能在不复杂适应机制下实现强工具使用性能，发现超网络适应无显著提升，提示应关注提示工程与示例整理。

Comments Accepted to Findings of ACL 2026

JTPRO: A Joint Tool-Prompt Reflective Optimization Framework for Language Agents

JTPRO：一种联合工具提示反思优化框架用于语言代理

Sandip Ghoshal, Anshul Mittal, Jyotika Singh, Miguel Ballesteros, Weiyi Sun, Fang Tu, Shailender Singh, Yassine Benajiba, Fahad Shah, Sujeeth Bharadwaj, Sujith Ravi, Dan Roth

机构 * Oracle AI 纠错

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

AI总结 JTPRO通过迭代反思优化提升工具调用可靠性，通过联合优化全局指令和工具schema，提高多工具环境下的工具选择和参数填充准确性。

Comments Conference: ACL-2026

The Tool-Overuse Illusion: Why Does LLM Prefer External Tools over Internal Knowledge?

工具过度使用错觉：为什么大语言模型更倾向于使用外部工具而非内部知识？

Yirong Zeng, Shen You, Yufei Liu, Qunyao Du, Xiao Ding, Yutai Hou, Yuxian Wang, Wu Ning, Haonan Song, Dandan Tu, Bibo Cai, Ting Liu

机构 * Harbin Institute of Technology, SCIR（哈尔滨理工大学SCIR研究所） ； Peking University（北京大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） 纠错

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

AI总结 本文揭示大语言模型在推理中普遍存在工具过度使用现象，通过分析内部知识可用性区域，提出知识感知边界对齐策略，减少工具使用82.8%，并发现仅以结果奖励会鼓励工具过度使用，通过平衡奖励信号可减少66.7%的无用工具调用。

Comments 17 pages, 9 figures

AI to Learn 2.0: A Deliverable-Oriented Governance Framework and Maturity Rubric for Opaque AI in Learning-Intensive Domains

AI学习2.0：面向学习密集领域的交付导向治理框架和成熟度评估表

Seine A. Shintani

机构 * Department of Biomedical Sciences, College of Life and Health Sciences, Chubu University（生物医学科学系，生命与健康科学学院，楚博大学） ； Center for Mathematical Science and Artificial Intelligence, Chubu University（数学科学与人工智能中心，楚博大学） ； Institute for Advanced Research, Nagoya University（先进研究所，名古屋大学） 纠错

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

AI总结 本文提出AI学习2.0框架，旨在解决AI辅助工作中的代理失效问题，通过交付导向的治理框架、五部分包装、七维成熟度评估表和能力-证据阶梯，确保交付成果的可使用性、可审计性、可转移性和可辩护性。

Comments 10 pages, 2figures

Quantum framework for Reinforcement Learning: Integrating Markov decision process, quantum arithmetic, and trajectory search

强化学习的量子框架：整合马尔可夫决策过程、量子算术和轨迹搜索

Thet Htar Su, Shaswot Shresthamali, Masaaki Kondo

机构 * Graduate School of Science and Technology, Keio University（Keio大学科学技术研究生院） ； Graduate School of Information Science and Electrical Engineering, Kyushu University（九州大学信息科学与电气工程研究生院） ； RIKEN Center for Computational Science（理化学研究所计算科学中心） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.LG

AI总结 本文提出一个基于量子原理的强化学习框架，利用量子模型实现马尔可夫决策过程，通过量子算法提升智能体与环境交互的计算效率，展示量子现象在强化学习中的应用潜力。

Journal ref Physical Review A (2025)

TL-RL-FusionNet: An Adaptive and Efficient Reinforcement Learning-Driven Transfer Learning Framework for Detecting Evolving Ransomware Threats

TL-RL-FusionNet: 一种适应性强且高效的基于强化学习的迁移学习框架，用于检测演进的勒索软件威胁

Jannatul Ferdous, Rafiqul Islam, Arash Mahboubi, Md Zahidul Islam

专题命中 工具调用 ：agent(abstract)

AI总结 本文提出TL-RL-FusionNet框架，结合冻结的双迁移学习骨干和轻量残差MLP分类器，通过强化学习动态调整样本权重以应对勒索软件行为变化，实现高精度检测与高效处理。

Evaluating the Exp-Minus-Log Sheffer Operator for Battery Characterization

评估电池表征的Exp-Minus-Log谢夫尔算子

Eymen Ipek

专题命中 工具调用 ：workflow(abstract)

AI总结 研究Exp-Minus-Log算子在六分支RC等效电路模型的正向模拟和参数识别中的应用，发现其在参数化方面表现优异，但直接模拟效率较低，建议仅在参数化阶段使用。

Comments This paper has been withdrawn by the authors due to the discovery of a fundamental limitation in EML method

Device-Native Autonomous Agents for Privacy-Preserving Negotiations

设备本机自主代理用于隐私保护的谈判

Joyjit Roy, Samaresh Kumar Singh

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

AI总结 本文提出基于设备的自主代理系统，通过零知识证明和本地推理实现隐私保护的谈判，实验显示在保险和B2B采购场景中成功率高，隐私保护效果显著。

Comments 9 pages, 6 figures, 9 tables. This version updates metadata after publication in IEEE Xplore

Journal ref 2026 IEEE SoutheastCon, Huntsville, AL, USA, 2026

AI Agents in Financial Markets: Architecture, Applications, and Systemic Implications

金融市场中的AI代理：架构、应用与系统性影响

Hui Gong

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

AI总结 本文提出一个整合框架分析代理金融，探讨自主AI系统在信息处理、决策支持等流程中的作用，通过四层架构和代理金融市场模型，研究代理设计参数与市场结果的关系，展示如何利用公开数据研究可观察预期渠道。

Comments 35 pages, 3 figures, 7 tables. Updated to reflect the published journal version in FinTech; journal reference and DOI added

Journal ref FinTech 2026, 5(2), 34

Environmental Understanding Vision-Language Model for Embodied Agent

面向具身智能体的环境理解视觉-语言模型

Jinsik Bang, Jaeyeon Bae, Donggyu Lee, Siyeol Jung, Taehwan Kim

机构 * UNIST（全南国立大学） 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EUEA框架，通过细调四项核心技能提升具身智能体的环境理解能力，结合恢复步骤和GRPO阶段提升任务执行效果，实验显示在ALFRED任务中性能显著优于行为克隆基线。

Comments CVPR Findings 2026, Project Page: https://eu-ea.github.io

Model Space Reasoning as Search in Feedback Space for Planning Domain Generation

模型空间推理作为反馈空间中的搜索用于规划领域生成

James Oswald, Daniel Obolensky, Volodymyr Varha, Vasilije Dragovic, Kavitha Srinivas, Harsha Kokel, Michael Katz, Shirin Sohrabi

机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） ； IBM Research（IBM研究院） 纠错

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

AI总结 本文探讨了通过反馈空间中的启发式搜索优化规划领域生成的质量，利用符号反馈机制提升生成效果。

Comments Accepted at ICLR 2026 the 2nd Workshop on World Models: Understanding, Modelling and Scaling

Automatic Ontology Construction Using LLMs as an External Layer of Memory, Verification, and Planning for Hybrid Intelligent Systems

利用LLMs构建自动本体：作为混合智能系统记忆、验证和规划的外部层

Pavel Salovskii, Iuliia Gorshkova

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

AI总结 本文提出了一种混合架构，通过扩展LLMs的外部本体记忆层，实现结构化知识图谱的构建与维护，提升多步推理性能并支持生成-验证-修正流程。

Comments Artificial Intelligence; Knowledge Representation and Reasoning; Information Retrieval; Machine Learning

Online Structure Learning and Planning for Autonomous Robot Navigation using Active Inference

基于主动推断的自主机器人导航在线结构学习与规划

Daria de tinguy, Tim Verbelen, Emilio Gamba, Bart Dhoedt

机构 * Ghent University（根特大学） ； Verses ； FlandersMake（弗拉芒制造） 纠错

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

AI总结 本文提出AIMAPP框架，通过统一生成模型实现映射、定位和决策，支持在不确定环境中自主探索和导航，无需预定义地图或大量训练。

Comments yet to be submitted

Taint-Style Vulnerability Detection and Confirmation for Node.js Packages Using LLM Agent Reasoning

基于LLM代理推理的Node.js包污点式漏洞检测与验证

Ronghao Ni, Mihai Christodorescu, Limin Jia

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Google（谷歌） 纠错

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

AI总结 本文提出LLMVD.js，通过LLM代理实现Node.js包的污点式漏洞检测与验证，有效率达84%，优于传统方法，无需注解或报告。

Comments 19 pages, 6 figures

Repeated Matching Games: An Empirical Framework

重复匹配游戏：一个经验框架

Pauline Corblet, Jeremy Fox, Alfred Galichon

专题命中 规划决策 ：agent(summary_cn,abstract)

AI总结 本文提出一个动态匹配模型，扩展了Shapley和Shubik（1971）的静态模型，探讨了时间变化的 agent 类型分布和稳态均衡的存在性，并利用计量经济学冲击处理匹配异质性，通过两种算法计算稳态均衡并估计瑞典工程师的人力资本积累模型。

Comments The authors have identified potential inconsistencies in some of the proofs and wish to withdraw the paper while conducting a thorough re-evaluation

Enhancing Agentic Textual Graph Retrieval with Synthetic Stepwise Supervision

通过合成的分步监督增强代理文本图检索

Ge Chang, Jinbo Su, Jiacheng Liu, Pengfei Yang, Yuhao Shang, Huiwen Zheng, Hongli Ma, Yan Liang, Yuanchun Li, Yunxin Liu

机构 * Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） ； Peking University（北京大学） ； School of Information, Renmin University of China（中国人民大学信息学院） ； Harbin Institute of Technology（哈尔滨工业大学） ； North China Electric Power University（华北电力大学） ； GDS Holdings Limited（GDS控股有限公司） 纠错

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

AI总结 本文提出一种基于LLM的文本图检索框架，通过合成分步监督优化检索过程，提升复杂图基问答任务的准确性和F1分数。

LLM Agents Predict Social Media Reactions but Do Not Outperform Text Classifiers: Benchmarking Simulation Accuracy Using 120K+ Personas of 1511 Humans

LLM代理预测社交媒体反应但不优于文本分类器：使用120,000多个1511人的人设进行基准测试

Ljubisa Bojic, Alexander Felfernig, Bojana Dinic, Velibor Ilic, Achim Rettinger, Vera Mevorah, Damian Trilling

机构 * Institute for Artificial Intelligence Research and Development of Serbia（塞尔维亚人工智能研究与开发研究所） ； University of Belgrade, Institute for Philosophy and Social Theory, Digital Society Lab（贝尔格莱德大学，哲学与社会理论研究所，数字社会实验室） ； Complexity Science Hub, Vienna, Austria（维也纳复杂科学中心） ； Graz University of Technology, Graz, Austria（技术大学格拉茨，格拉茨，奥地利） ； University of Novi Sad, Faculty of Philosophy, Novi Sad, Serbia（诺维萨德大学，哲学学院，诺维萨德，塞尔维亚） ； University of Trier, Trier, Germany（特里尔大学，特里尔，德国） ； Vrije University Amsterdam, Amsterdam, Netherlands（阿姆斯特丹自由大学，阿姆斯特丹，荷兰） 纠错

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

AI总结 本文研究LLM代理预测人类社交媒体反应的准确性，发现其表现不如传统文本分类器，揭示了零样本代理在模拟极化动态中的潜力及局限性。

Unveiling Uncertainty-Aware Autonomous Cooperative Learning Based Planning Strategy

揭示面向不确定性的自主协作学习规划策略

Shiyao Zhang, Liwei Deng, Shuyu Zhang, Weijie Yuan, Hong Zhang

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出基于深度强化学习的自主协作规划框架DRLACP，通过门控循环单元改进SAC算法，有效应对多车辆协作规划中的感知、规划和通信不确定性，实验证明其在不同场景下优于基线方法。

Comments Accepted by IEEE RA-L

DR-Venus: Towards Frontier Edge-Scale Deep Research Agents with Only 10K Open Data

DR-Venus：面向前沿边缘端大规模深度研究代理的仅10K开放数据方法

Venus Team, Sunhao Dai, Yong Deng, Jinzhen Lin, Yusheng Song, Guoqing Wang, Xiaofeng Wu, Yuqi Zhou, Shuo Yang, Zhenzhe Ying, Zhanwei Zhang, Changhua Meng, Weiqiang Wang

机构 * Ant Group（蚂蚁集团） 纠错

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

AI总结 本文提出DR-Venus，通过提升数据质量和利用效率，在有限开放数据下训练出强大的小规模深度研究代理，实现边缘端部署，并在多个基准测试中超越先前模型。

Comments Technical Report of DR-Venus

High-Level Multi-Robot Trajectory Planning And Spurious Behavior Detection

高层多机器人轨迹规划与异常行为检测

Fernando Salanova, Jesús Roche, Cristian Mahulea, Eduardo Montijano

机构 * Spanish project PID2024-159284NB-I00 funded by MCIN/AEI/10.13039/501100011033（西班牙项目PID2024-159284NB-I00，由MCIN/AEI/10.13039/501100011033资助） ； ERDF A way of making Europe and by the European Union NextGenerationEU/PRTR（ERDF推动欧洲发展，以及欧洲联盟NextGenerationEU/PRTR） ； DGA T45-23R and T64-23R（DGA T45-23R和T64-23R） 纠错

专题命中 规划决策 ：planning(title)；分类 cs.LG

AI总结 本文提出基于Nets-within-Nets框架的多机器人轨迹规划方法，结合Transformer模型检测异常行为，实验表明在识别执行效率低下、核心任务违规和约束适应性异常方面具有高准确率。

Comments 6 pages,3 figures, Iberian Robotics Conference 2025

Semantic-Aware Logical Reasoning via a Semiotic Framework

通过象征框架实现语义感知的逻辑推理

Yunyao Zhang, Xinglang Zhang, Junxi Sheng, Wenbing Li, Junqing Yu, Yi-Ping Phoebe Chen, Wei Yang, Zikai Song

机构 * Huazhong University of Science and Technology（华中科技大学） ； La Trobe University（拉筹伯大学） 纠错

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

AI总结 本文提出LogicAgent框架，结合自动推演与反思验证，解决逻辑复杂性与语义复杂性的交互问题，通过RepublicQA基准验证其在抽象命题和逻辑深度上的表现，实现SOTA性能。

Comments Accepted at ACL 2026 (Main Conference)