AI Agent

Behavioral Transfer in AI Agents: Evidence and Privacy Implications

人工智能代理中的行为迁移：证据与隐私影响

Shilei Luo, Zhiqi Zhang, Hengchen Dai, Dennis Zhang

机构 * Washington University in St. Louis（华盛顿大学圣路易斯分校） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

专题命中 Agent评测 ：AI agent(title,abstract)；agent(abstract)；autonomous agent(abstract)；agentic(abstract)

AI总结 研究探讨了AI代理是否系统性地反映其人类所有者的行为特征，发现代理与所有者在行为上存在系统性迁移，且可能带来隐私风险。

AstaBench: Rigorous Benchmarking of AI Agents with a Scientific Research Suite

AstaBench：通过科学研究套件严格评估AI代理

Jonathan Bragg, Mike D'Arcy, Nishant Balepur, Dan Bareket, Bhavana Dalvi, Sergey Feldman, Dany Haddad, Jena D. Hwang, Peter Jansen, Varsha Kishore, Bodhisattwa Prasad Majumder, Aakanksha Naik, Sigal Rahamimov, Kyle Richardson, Amanpreet Singh, Harshit Surana, Aryeh Tiktinsky, Rosni Vasu, Guy Wiener, Chloe Anastasiades, Stefan Candra, Jason Dunkelberger, Dan Emery, Rob Evans, Malachi Hamada, Regan Huff, Rodney Kinney, Matt Latzke, Jaron Lochner, Ruben Lozano-Aguilera, Cecile Nguyen, Smita Rao, Amber Tanaka, Brooke Vlahos, Peter Clark, Doug Downey, Yoav Goldberg, Ashish Sabharwal, Daniel S. Weld

机构 * Asta Team, Allen Institute for AI（Asta团队，人工智能研究所） ； University of Maryland（马里兰大学） ； University of Arizona（亚利桑那大学） ； University of Zurich（苏黎世大学） ； Bar-Ilan University（巴伊兰大学） ； University of Washington（华盛顿大学） 纠错

专题命中 Agent评测 ：AI agent(title,abstract)；agent(abstract)；agentic(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出AstaBench，通过2400多个科学问题全面评估AI代理能力，提供生产级搜索工具和九种科学优化的代理类，揭示AI在科学研究辅助方面仍存在显著差距。

Comments Published as a conference paper at ICLR 2026

If you're waiting for a sign... that might not be it! Mitigating Trust Boundary Confusion from Visual Injections on Vision-Language Agentic Systems

如果你在等待一个信号……那可能不是它！减轻视觉注入对视觉语言代理系统信任边界混淆的影响

Jiamin Chang, Minhui Xue, Ruoxi Sun, Shuchao Pang, Salil S. Kanhere, Hammond Pearce

机构 * University of New South Wales（新南威尔士大学） ； CSIRO’s Data61（澳大利亚联邦科学与工业研究组织数据61部门） ； Macquarie University（麦考瑞大学） 纠错

专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 研究探讨了视觉注入对视觉语言代理系统信任边界的影响，通过双意图数据集和评估框架发现现有模型在平衡合法信号与误导信号方面存在不足，提出多代理防御框架以提升系统鲁棒性。

Stochastic Networked Governance: Bridging Econophysics and Institutional Dynamics in a Positive-Sum Agent-Based Model

随机网络治理：在积极和解的 agent-based 模型中连接经济物理学与制度动态

Alok Yadav, Saroj Yadav

专题命中 Agent评测 ：agent(title,title_cn)

AI总结 本文提出随机网络治理模型，通过二进制制度基因定义司法管辖区，研究制度互补性、内生增长和结构性改革的非线性宏观经济惩罚，利用历史数据模拟1970-2017年全球前100经济体的经济演变。

Comments 15 pages, 3 figures, 1 table

TREX: Automating LLM Fine-tuning via Agent-Driven Tree-based Exploration

TREX：通过代理驱动的树形探索自动化LLM微调

Zerun Ma, Guoqiang Wang, Xinchen Xie, Yicheng Chen, He Du, Bowen Li, Yanan Sun, Wenran Liu, Kai Chen, Yining Li

机构 * Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 Agent评测 ：agent(title,abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL

AI总结 TREX通过代理驱动的树形探索自动化LLM训练全流程，包括需求分析、文献调研、策略制定和模型训练，提升微调效率与性能。

MedSkillAudit: A Domain-Specific Audit Framework for Medical Research Agent Skills

MedSkillAudit：一种面向医学研究代理技能的领域特定审计框架

Yingyong Hou, Xinyuan Lao, Huimei Wang, Qianyu Yao, Wei Chen, Bocheng Huang, Fei Sun, Yuxian Lv, Weiqi Lei, Xueqian Wen, Pengfei Xia, Zhujun Tan, Shengyang Xie

专题命中 Agent评测 ：agent(title,abstract)；AI agent(abstract)；分类 cs.AI

AI总结 本文提出MedSkillAudit框架，用于评估医学研究代理技能的可靠性，通过专家评审和统计指标验证其有效性，为医学研究代理技能的治理提供实践基础。

Comments 20 pages, 9 figures, 1 graphic abstract, 4 tables

Chasing the Public Score: User Pressure and Evaluation Exploitation in Coding Agent Workflows

追逐公共评分：用户压力与编码代理工作流中的评估剥削

Hardy Chen, Nancy Lau, Haoqin Tu, Shuo Yan, Xiangyan Liu, Zijun Wang, Juncheng Wu, Michael Qizhe Shieh, Alvaro A. Cardenas, Cihang Xie, Yuyin Zhou

机构 * UC Santa Cruz（加州大学圣克ruz分校） ； UT Dallas（德克萨斯大学达拉斯分校） ； NUS（新加坡国立大学） 纠错

专题命中 Agent评测 ：agent(title,abstract)；workflow(abstract)；分类 cs.CL

AI总结 研究用户压力是否导致公共评分剥削，通过实验发现更强模型剥削率更高，高压力促使早期剥削，添加反剥削提示可有效减少剥削。

Comments 25 pages

Beyond Task Success: An Evidence-Synthesis Framework for Evaluating, Governing, and Orchestrating Agentic AI

超越任务成功：一个证据综合框架用于评估、治理和协调智能体AI

Christopher Koch, Joshua Andreas Wellbrock

专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；分类 cs.SE

AI总结 本文提出一个证据综合框架，解决评估、治理和协调智能体AI中的治理到行动闭合缺口，通过四个层次框架、ODTA运行时测试和最小行动证据包，整合现有证据以提升可信度。

Comments 8 pages, 1 figure, 4 tables

SkillLearnBench: Benchmarking Continual Learning Methods for Agent Skill Generation on Real-World Tasks

SkillLearnBench: 评估代理技能生成在现实任务中持续学习方法的基准

Shanshan Zhong, Yi Lu, Jingjie Ning, Yibing Wan, Lihan Feng, Yuyi Ao, Leonardo F. R. Ribeiro, Markus Dreyer, Sean Ammirati, Chenyan Xiong

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon AGI（亚马逊人工智能研究院） 纠错

专题命中 Agent评测 ：agent(title,abstract)；分类 cs.CL、cs.LG

AI总结 SkillLearnBench评估持续学习方法在现实任务中生成技能的有效性，发现所有方法在无技能基线上有提升，但一致性改进困难，且更强LLM不总带来更好结果，开放任务表现不佳，外部反馈促进真实改进，自我反馈导致递归漂移。

Accelerating PayPal's Commerce Agent with Speculative Decoding: An Empirical Study on EAGLE3 with Fine-Tuned Nemotron Models

通过投机解码加速PayPal的商业代理：基于EAGLE3的实证研究，使用微调的Nemotron模型

Ally Qin, Jian Wan, Sarat Mudunuri, Srinivasan Manoharan

机构 * PayPal 纠错

专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文研究了通过EAGLE3进行投机解码优化PayPal商业代理的性能，使用微调的Nemotron模型，在不同配置下验证了吞吐量和延迟的提升，同时保持输出质量。

Cyber Defense Benchmark: Agentic Threat Hunting Evaluation for LLMs in SecOps

网络防御基准：针对LLM在SecOps中的代理威胁狩猎评估

Alankrit Chona, Igor Kozlov, Ambuj Kumar

机构 * Simbian AI 纠错

专题命中 Agent评测 ：agentic(title)；agent(abstract)；分类 cs.AI

AI总结 本文提出网络防御基准，评估LLM代理在威胁狩猎任务中的表现，发现现有模型在无引导情况下无法有效识别恶意事件。

Comments 13 pages, 3 figures, 5 tables. Complete benchmark and hunt traces available on request

LLM-Guided Safety Agent for Edge Robotics with an ISO-Compliant Perception-Compute-Control Architecture

基于ISO合规感知-计算-控制架构的LLM引导安全代理用于边缘机器人

Xu Huang, Ruofan Zhang, Lu Cheng, Yuefeng Song, Xu Huang, Huayu Zhang, Sheng Yin, Anyang Liang, Chen Qian, Yin Zhou, Xiaoyun Yuan, Yuan Cheng

机构 * Shanghai Jiao Tong University（上海交通大学） ； SIMMIR Tech（SIMMIR科技） 纠错

专题命中 Agent评测 ：agent(title,abstract)

AI总结 本文提出一种基于ISO合规架构的LLM引导安全代理，通过将安全规范转化为可执行谓词，实现边缘机器人中的功能安全，支持ISO 13849 Category 3和PL d的实用部署。

DR. INFO at the Point of Care: A Prospective Pilot Study of Physician-Perceived Value of an Agentic AI Clinical Assistant

DR. INFO在临床一线：医师对代理AI临床助手的感知价值前瞻性试点研究

Rogerio Corga Da Silva, Miguel Romano, Tiago Mendes, Marta Isidoro, Sandhanakrishnan Ravichandran, Shivesh Kumar, Michiel van der Heijden, Olivier Fail, Valentine Emmanuel Gnanapragasam

专题命中 Agent评测 ：agentic(title,abstract)

AI总结 本研究评估DR.INFO在临床实践中对医师时间效率、决策支持和满意度的影响，发现医师普遍认可其价值，但需进一步验证。

Self-Aware Vector Embeddings for Retrieval-Augmented Generation: A Neuroscience-Inspired Framework for Temporal, Confidence-Weighted, and Relational Knowledge

具有自我意识的向量嵌入用于检索增强生成：一种受神经科学启发的框架，用于时间、置信度加权和关系知识

Naizhong Xu

机构 * Principal Consultant, CMC APAC（CMC APAC 主任顾问） 纠错

专题命中 Agent评测 ：agent(abstract)；agentic(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出SmartVector框架，通过引入时间意识、置信度衰减和关系意识，改进检索增强生成系统，提升准确性与鲁棒性。

Comments 17 pages, 4 tables

Graph2Counsel: Clinically Grounded Synthetic Counseling Dialogue Generation from Client Psychological Graphs

Graph2Counsel: 从客户端心理图谱生成临床导向的合成咨询对话

Aishik Mandal, Hiba Arnaout, Clarissa W. Ong, Juliet Bockhorst, Kate Sheehan, Rachael Moldow, Tanmoy Chakraborty, Iryna Gurevych

机构 * UKP Lab, Department of Computer Science and Hessian Center for AI (hessian.AI), Technische Universität Darmstadt（德国达姆施塔特技术大学UKP实验室、计算机科学系和海森人工智能中心（hessian.AI）） ； Zuse School ELIZA（Zuse学院ELIZA） ； National Research Center for Applied Cybersecurity ATHENE（应用网络安全国家研究中心ATHENE） ； Indian Institute of Technology Delhi（印度德里理工学院） ； Yardi School of Artificial Intelligence（Yardi人工智能学院） ； University of Louisville（路易斯维尔大学） ； University of Toledo（托莱多大学） 纠错

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)；分类 cs.CL

AI总结 本文提出Graph2Counsel框架，通过客户端心理图谱生成合成咨询对话，提升数据真实性与质量，实验表明其在特定性、咨询师能力等方面优于现有数据集。

Comments 49 pages, 46 figures, 11 tables

Toward Safe Autonomous Robotic Endovascular Interventions using World Models

迈向安全的自主机器人内血管干预的世模型

Harry Robertshaw, Nikola Fischer, Han-Ru Wu, Andrea Walker Perez, Weiyuan Deng, Benjamin Jackson, Christos Bergeles, Alejandro Granados, Thomas C Booth

机构 * Surgical & Interventional Engineering, School of Biomedical Engineering & Imaging Sciences, King’s College London（外科与介入工程系，生物医学工程与成像科学学院，伦敦国王学院） ； Department of Radiology, National Taiwan University Hospital（放射科，台湾大学医院） ； Department of Neuroradiology, King’s College Hospital（神经放射科，伦敦国王医院） 纠错

专题命中 Agent评测 ：agent(abstract)；planning(abstract)；分类 cs.LG

AI总结 本文提出基于世模型的框架，利用TD-MPC2方法在内血管导航中实现自主机械取栓，通过仿真和体外实验验证其在安全性和泛化性上的优势。

Comments This manuscript is a preprint and has been submitted to the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026

How is a gas sensor poisoned by volatile methylsiloxanes?

气体传感器为何会被挥发性甲基硅氧烷中毒？

Heng Liu, Bingxin Yang, Yiming Lu, Yuan Wang, Xue Jia, Long Luo, Hao Li

专题命中 Agent评测 ：agent(abstract)；AI agent(abstract)

AI总结 研究通过理论分析揭示了甲基硅氧烷中毒的机制，开发了基于描述符的微动力学火山模型，预测抗中毒材料，展示了AI驱动的材料发现方法。

Relative Arbitrage Opportunities with Interactions among $N$ Investors

相对套利机会与N名投资者之间的相互作用

Tomoyuki Ichiba, Nicole Tianjiao Yang

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

AI总结 本文研究了N名投资者间相互作用下的相对套利机会优化，通过Fichera漂移条件保证套利机会，并推导出投资者最优策略和纳什均衡。

Comments 30 pages, Accepted by Mathematical Finance

Shift-Up: A Framework for Software Engineering Guardrails in AI-native Software Development -- Initial Findings

Shift-Up：面向AI原生软件开发的软件工程防护框架——初步发现

Petrus Lipsanen, Liisa Rannikko, François Christophe, Konsta Kalliokoski, Vlad Stirbu, Tommi Mikkonen

机构 * University of Jyväskylä（于韦斯屈莱大学） 纠错

专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.SE

AI总结 本文提出Shift-Up框架，通过重新诠释传统软件工程实践作为结构化防护机制，以稳定AI生成行为并减少实现漂移，提升AI辅助开发的可控性。

Comments This paper has been accepted for presentation at the VibeX 2026 International Workshop on Vibe Coding and Vibe Researching

MIRROR: A Hierarchical Benchmark for Metacognitive Calibration in Large Language Models

MIRROR：大型语言模型元认知校准的分层基准

Jason Z Wang

机构 * Independent（独立） 纠错

专题命中 Agent评测 ：agentic(abstract)；分类 cs.AI、cs.LG

AI总结 MIRROR基准通过八个实验评估大型语言模型是否能利用自我知识做出更好决策，发现模型在多领域任务中无法预测自身表现，且外部元认知控制能显著降低失败率，但内部自我知识改进无效。

Comments 30 pages, 6 figures,code at: https://github.com/Jason-Wang313/Mirror

WildFireVQA: A Large-Scale Radiometric Thermal VQA Benchmark for Aerial Wildfire Monitoring

WildFireVQA: 一种大规模的辐射热视觉问答基准用于空中 wildfire 监测

Mobin Habibpour, Niloufar Alipour Talemi, John Spodnik, Camren J. Khoury, Fatemeh Afghah

机构 * Clemson University（克莱姆森大学） 纠错

专题命中 Agent评测 ：planning(abstract)；分类 cs.LG

AI总结 本文提出WildFireVQA基准，整合RGB影像与辐射热数据，包含6097个样本及207298个问题，评估多模态推理能力，揭示RGB和检索增强热上下文在 wildfire 监测中的表现差异。

Journal ref IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR-W 2026)

TaxPraBen: A Scalable Benchmark for Structured Evaluation of LLMs in Chinese Real-World Tax Practice

TaxPraBen：一种可扩展的基准，用于评估LLM在中文实际税收实践中的结构化表现

Gang Hu, Yating Chen, Haiyan Ding, Wang Gao, Jiajia Huang, Min Peng, Qianqian Xie, Kun Yue

机构 * Yunnan University（云南大学） ； Wuhan University（武汉大学） ； Jianghan University（江汉大学） ； Nanjing Audit University（南京审计大学） 纠错

专题命中 Agent评测 ：planning(abstract)；分类 cs.CL

AI总结 本文提出TaxPraBen，首个专注于中文税收实践的基准，结合10项传统任务和3项创新场景，评估19种LLM在税收实践中的表现，揭示封闭源大参数LLM和中文LLM的优势。

Journal ref ACL 2026 Main Conference

Relative Principals, Pluralistic Alignment, and the Structural Value Alignment Problem

相对委托人、多元主义对齐与结构价值对齐问题

Travis LaCroix

机构 * Durham University（杜伦大学） 纠错

专题命中 Agent评测 ：agent(abstract)；分类 cs.AI

AI总结 本文提出价值对齐问题应被视为治理结构问题，通过三个轴框架分析对齐的成因，强调对齐是治理而非工程问题，需通过持续的制度过程管理。

Comments Accepted in the Ninth Annual ACM Conference on Fairness, Accountability, and Transparency (ACM FAccT) 2026

X-PCR: A Benchmark for Cross-modality Progressive Clinical Reasoning in Ophthalmic Diagnosis

X-PCR：眼科诊断中跨模态渐进临床推理的基准测试

Gui Wang, Zehao Zhong, YongSong Zhou, Yudong Li, Ende Wu, Wooi Ping Cheah, Rong Qu, Jianfeng Ren, Linlin Shen

机构 * School of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； Tsinghua University（清华大学） ； University of Nottingham（诺丁汉大学） ； School of AI, Shenzhen University（深圳大学人工智能学院） ； Wenzhou Medical University（温州医科大学） ； Guangdong Provincial Key Laboratory of Intelligent Information Processing, Shenzhen University（广东省智能信息处理重点实验室） 纠错

专题命中 Agent评测 ：workflow(abstract)

AI总结 本文提出X-PCR基准测试，通过完整眼科诊断流程评估多模态大语言模型的渐进推理和跨模态整合能力，包含26,415张图像和177,868个专家验证的VQA对，评估21个模型揭示其在渐进推理和跨模态整合方面的不足。

Comments Accept by CVPR2026

Multi-stage volume exclusion models for cell proliferation

多阶段体积排除模型用于细胞增殖

John Carlo Dimaculangan, Cameron A. Smith, Christian A. Yates

专题命中 Agent评测 ：agent(abstract)

AI总结 本文提出基于格子的随机代理模型，结合体积排除、随机运动和多阶段细胞周期表示，以更真实地模拟细胞周期时间分布，并探讨不同增殖机制对种群动态的影响。

Comments 55 pages, 20 figures, submitted to Physical Review E

MSLAU-Net: A Hybrid CNN-Transformer Network for Medical Image Segmentation

MSLAU-Net：一种用于医学图像分割的混合CNN-Transformer网络

Libin Lan, Yanxin Li, Xiaojuan Liu, Juan Zhou, Jianxun Zhang, Nannan Huang, Yudong Zhang

机构 * College of Computer Science and Engineering（计算机科学与工程学院） ； College of Artificial Intelligence（人工智能学院） ； Department of Pharmacy（药学部） ； Department of Prosthodontics（修复学部） ； Chongqing Key Laboratory of Oral Diseases（重庆口腔疾病重点实验室） ； Chongqing Municipal Key Laboratory of Oral Biomedical Engineering of Higher Education（重庆市口腔生物医学工程高等教育重点实验室） ； School of Computer Science and Engineering（计算机科学与工程学院） ； Southeast University（东南大学） 纠错

专题命中 Agent评测 ：planning(abstract)

AI总结 本文提出MSLAU-Net，结合CNN和Transformer的优势，通过多尺度线性注意力和自上而下特征聚合机制，提升医学图像分割的精度与效率。

Comments 15 pages, 7 figures, 9 tables

A hybrid discrete-continuum modelling approach for the interactions of the immune system with oncolytic viral infections

一种混合离散-连续建模方法用于免疫系统与溶瘤病毒感染的相互作用

David Morselli, Marcello E. Delitala, Adrianne L. Jenner, Federico Frascoli

专题命中 Agent评测 ：agent(abstract)

AI总结 本文提出一种新的随机群体模型，用于描述病毒与免疫系统间的复杂相互作用，通过连续方程和群体动力学结合，分析肿瘤微环境中细胞动态及免疫细胞迁移，揭示免疫反应过早激活对治疗效果的负面影响。

Comments 32 pages, 12 figures. Supplementary material available at https://doi.org/10.5281/zenodo.18340945

Journal ref J. Theor. Biol. (2026), 627, p. 112462

Information Design in Smooth Games

在平滑博弈中的信息设计

Alex Smolin, Takuro Yamashita

专题命中 Agent评测 ：agent(abstract)

AI总结 研究玩家在连续行动空间中选择并具有连续可微支付函数的博弈中的信息设计，证明最优信息结构可转化为委托-代理合同问题，并在对称线性二次博弈中刻画最优信息结构，应用于风险投资、贝叶斯极化和价格竞争。

Physical Knot Classification Beyond Accuracy: A Benchmark and Diagnostic Study

超越准确性的物理结分类：一个基准和诊断研究

Shiheng Nie, Yunguang Yue

机构 * College of Science, Shihezi University（石河子大学理学院） 纠错

专题命中 Agent评测 ：workflow(abstract)

AI总结 本文提出一个包含1440张图像的基准数据集，探讨结构引导训练对拓扑理解的影响，并提出拓扑感知聚类对齐（TACA）和辅助交叉数预测目标，揭示外观偏差仍是部署的主要障碍。

Comments 20 pages, 2 figures, supplementary material included