AI Agent

When the Agent Is the Adversary: Architectural Requirements for Agentic AI Containment After the April 2026 Frontier Model Escape

当代理成为对手：2026年4月前沿模型逃脱后代理AI约束的架构要求

Richard Joseph Mitchell

专题命中 工具调用 ：agentic(title,abstract)；agent(title,abstract)；AI agent(abstract)

AI总结 本文分析了四种现有约束方法的失效模式，提出五项架构要求，强调架构约束是应对代理AI安全威胁的唯一持久策略。

Comments 17 pages, 30 references, 5 tables. Derives five architectural requirements (R1-R5) for agentic AI containment from the April 2026 Mythos Preview incidents. Assesses AEGIS, Microsoft AGT, NVIDIA OpenShell, and other current systems; finds none satisfies all five requirements. Patent pending

Prism-Reranker: Beyond Relevance Scoring -- Jointly Producing Contributions and Evidence for Agentic Retrieval

Prism-Reranker：超越相关性评分——联合生成贡献与证据以实现代理检索

Dun Zhang

专题命中 工具调用 ：agentic(title)；agent(abstract)；autonomous agent(abstract)

AI总结 Prism-Reranker通过联合生成贡献说明和证据片段，提升代理检索性能，其在多个数据集上均取得显著效果。

Comments 28 pages, 5 figures, 4 tables

AgentRVOS for MeViS-Text Track of 5th PVUW Challenge: 3rd Method

AgentRVOS用于5th PVUW挑战赛MeViS-Text跟踪的第三种方法：Ref-VOS管道

Deshui Miao, Chao Yang, Chao Tian, Guoqing Zhu, Kai Yang, Zhifan Mo, Xin Li

机构 * Pengcheng Laboratory（鹏城实验室） ； Wuhan Textile University（武汉纺织大学） ； Yixiang Innovation Technology (Shenzhen)（曦昂创新技术（深圳）） 纠错

专题命中 工具调用 ：agent(summary_cn,abstract)

AI总结 本文提出基于Sa2VA的Ref-VOS管道，通过明确的agent角色实现密集语义理解与时间搜索，核心方法包括agent循环决策与多agent协作，主要贡献是提升视频跟踪的准确性和鲁棒性。

Evaluating the Search Agent in a Parallel World

在平行世界中评估搜索代理

Jiawei Chen, Xintian Shen, Lihao Zheng, Lifu Mu, Haoyi Sun, Ning Mao, Hao Ma, Tao Wei, Pan Zhou, Kun Zhan

机构 * Li Auto 纠错

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

AI总结 本文提出Mind-ParaWorld框架，通过生成未来场景和不可侵犯的原子事实，解决传统搜索代理评估中的基准构建、动态过时和证据判断难题。

Comments https://github.com/TIMMY-CHAN/Mind-ParaWorld

Quantifying Divergence in Inter-LLM Communication Through API Retrieval and Ranking

通过API检索和排序量化跨LLM通信中的分歧

Eyhab Al-Masri

机构 * School of Engineering and Technology（工程与技术学院） 纠错

专题命中 工具调用 ：agent(abstract)；autonomous agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出一个统一的基准框架，量化在相同任务下不同LLM在API发现和排序上的差异。研究发现结构化任务稳定性较高，而开放性任务分歧显著，结果为多代理系统中可靠性感知的协调提供了依据。

Comments AAAI 2026 Conference (LAMAS Workshop)

SEVerA: Verified Synthesis of Self-Evolving Agents

SEVerA: 验证合成自进化代理

Debangshu Banerjee, Changming Xu, Eugene Ie, Ming Zhang, Daiyi Peng, Chu-Cheng Lin, Gagandeep Singh

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Google（谷歌） 纠错

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

AI总结 SEVerA通过引入形式化guarded生成模型，结合搜索、验证和学习三阶段框架，在程序验证、符号数学合成等任务中实现零约束违规，提升自进化代理的正确性和性能。

Comments First Formally Verified Self-Evolving LLM Agents

Zero-to-CAD: Agentic Synthesis of Interpretable CAD Programs at Million-Scale Without Real Data

从零到CAD：在百万级规模上无需真实数据合成可解释的CAD程序

Mohammadmehdi Ataei, Farzaneh Askari, Kamal Rahimi Malekshan, Pradeep Kumar Jayaraman

机构 * Autodesk Research（Autodesk研究院） 纠错

专题命中 工具调用 ：agentic(title,abstract)

AI总结 本文提出Zero-to-CAD框架，通过代理搜索方法生成可执行的CAD构造序列，实现百万级可解释CAD程序的合成，并展示了其在多视图图像重建中的应用效果。

The software space of science

科学的软件空间

Zhouming Wu, Dakota Murray

专题命中 工具调用 ：tool use(abstract)；workflow(abstract)

AI总结 研究通过分析130万篇论文中的软件提及，揭示科学领域软件工具的结构化分布及学科间工具组合的演变。

PARASITE: Conditional System Prompt Poisoning to Hijack LLMs

PARASITE: 条件系统提示污染以劫持大语言模型

Viet Pham, Thai Le

机构 * Indiana University Bloomington（印第安纳大学布卢明顿分校） 纠错

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

AI总结 PARASITE通过条件系统提示污染技术，使LLM在特定查询下输出被篡改响应，同时保持正常输入的高实用性，且在黑盒环境下实现70%的F1降级。

Comments ACL 2026 Main

CombiMOTS: Combinatorial Multi-Objective Tree Search for Dual-Target Molecule Generation

CombiMOTS：基于双靶分子生成的组合多目标树搜索

Thibaud Southiratn, Bonil Koo, Yijingxiu Lu, Sun Kim

机构 * Department of Computer Science and Engineering, Seoul National University, Seoul, Republic of Korea（首尔国立大学计算机科学与工程系） ； Interdisciplinary Program in Bioinformatics, Seoul National University, Seoul, Republic of Korea（首尔国立大学生物信息学跨学科项目） ； AIGENDRUG Co., Ltd., Seoul, Republic of Korea（AIGENDRUG公司） ； Interdisciplinary Program in Artificial Intelligence, Seoul National University, Seoul, Republic of Korea（首尔国立大学人工智能跨学科项目） 纠错

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

AI总结 本文提出CombiMOTS，一种基于多目标树搜索的框架，用于生成双靶分子，通过向量优化约束平衡靶点亲和力与物理化学性质，实验表明其能生成高评分、多样化的双靶分子。

Comments Accepted as a poster at ICML 2025 (Main Track)

Journal ref Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:56650-56691, 2025

AutoPyVerifier: Learning Compact Executable Verifiers for Large Language Model Outputs

AutoPyVerifier: 为大语言模型输出学习紧凑的可执行验证器

Pouya Pezeshkpour, Estevam Hruschka

机构 * Megagon Labs（梅加戈恩实验室） 纠错

专题命中 工具调用 ：function calling(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出AutoPyVerifier框架，通过LLM生成候选验证器并利用DAG搜索优化，提升验证器集对目标任务的预测精度，实验表明在多个基准测试中性能提升显著。

Attention-Based Deep Reinforcement Learning for Qubit Allocation in Modular Quantum Architectures

基于注意力的深度强化学习在模块化量子架构中的量子比特分配

Enrico Russo, Maurizio Palesi, Davide Patti, Giuseppe Ascia, Vincenzo Catania

机构 * University of Catania（卡塔尼亚大学） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 本文提出利用深度强化学习方法，结合Transformer和图神经网络，高效解决量子电路编译与映射问题，减少核心间通信并提升求解效率。

AnalogRetriever: Learning Cross-Modal Representations for Analog Circuit Retrieval

AnalogRetriever: 为模拟电路检索学习跨模态表示

Yihan Wang, Lei Li, Yao Lai, Jing Wang, Yan Lu

机构 * Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； University of Cambridge（剑桥大学） ； Nanjing University of Posts and Telecommunications（南京邮电大学） 纠错

专题命中 工具调用 ：agentic(abstract)；分类 cs.AI

AI总结 本文提出AnalogRetriever，通过构建高质量数据集和三模态检索框架，实现跨模态的模拟电路检索，实验表明其在六个方向上的Recall@1达到75.2%，显著优于现有方法。

Comments 10 pages, 7 figures. Yihan Wang and Lei Li contributed equally to this paper

Uncertainty Quantification for LLM Function-Calling

大语言模型函数调用的不确定性量化

Zihuiwen Ye, Lukas Aichberger, Michael Kirchhof, Sinead Williamson, Luca Zappella, Yarin Gal, Arno Blaas, Adam Golinski

机构 * University of Oxford（牛津大学） ； Apple（苹果公司） 纠错

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

AI总结 本文研究了大语言模型函数调用中不确定性量化的关键问题，发现多样本方法在自然语言问答中表现优异，但在函数调用场景中不如单样本方法有效，并提出利用函数调出输出特性改进现有方法。

Can Large Language Models Really Recognize Your Name?

大语言模型真的能识别你的名字吗？

Dzung Pham, Peter Kairouz, Niloofar Mireshghallah, Eugene Bagdasarian, Chau Minh Pham, Amir Houmansadr

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Google Research（谷歌研究） ； Carnegie Mellon University（卡内基梅隆大学） ； Google Research, University of Massachusetts Amherst（谷歌研究，马萨诸塞大学阿默斯特分校） ； University of Maryland, College Park（马里兰大学学院市分校） 纠错

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

AI总结 本文研究大语言模型在短文本中处理模糊人名的可靠性问题，构建AmBench基准测试集，发现模型对模糊人名的识别率下降20-40%，揭示隐私保护中的公平性问题。

Comments ACM FAccT '26

AgentVisor: Defending LLM Agents Against Prompt Injection via Semantic Virtualization

AgentVisor: 通过语义虚拟化防御LLM代理的提示注入

Zonghao Ying, Haozheng Wang, Jiangfan Liu, Quanchen Zou, Aishan Liu, Jian Yang, Yaodong Yang, Xianglong Liu

专题命中 工具调用 ：agent(abstract)

AI总结 本文提出AgentVisor框架，通过语义权限分离防御LLM代理的提示注入攻击，结合经典操作系统安全原语设计审计协议，并引入自修正机制，实验表明其在安全性和实用性上均优于现有方法。

Constrained Quantum Optimization meets Model Reduction

受约束的量子优化与模型降维

Max Tschaikowski, Andrea Vandin

专题命中 工具调用 ：agent(abstract)

AI总结 本文提出利用量子测量的投影特性，通过模型降维方法在低维空间中模拟受约束的量子优化，展示了在随机3-SAT和图上代理协调问题中实现指数级状态空间缩减。

From Language to Logic: Bridging LLMs & Formal Representations for RTL Assertion Generation

从语言到逻辑：桥接LLMs与形式表示以生成RTL断言

Nowfel Mashnoor, Hadi Kamali, Kimia Azar

专题命中 工具调用 ：agent(abstract)

AI总结 本文提出ProofLoop工具增强的ReAct代理，通过求解器在环方法从自然语言规范生成SVA，实现93.7%的语法正确性和82.0%的功能正确性。

AgenticCache: Cache-Driven Asynchronous Planning for Embodied AI Agents

AgenticCache: 基于缓存的异步规划用于具身AI代理

Hojoon Kim, Yuheng Wu, Thierry Tambe

机构 * Anonymous Institution, Anonymous City, Anonymous Region, Anonymous Country（匿名机构、匿名城市、匿名地区、匿名国家） 纠错

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

AI总结 本文提出AgenticCache框架，利用缓存重用计划以减少LLM调用，提升任务成功率22%并降低延迟与成本。

Comments Accepted at MLSys 2026

Thinking Like a Clinician: A Cognitive AI Agent for Clinical Diagnosis via Panoramic Profiling and Adversarial Debate

像医生一样思考：一种通过全景分析与对抗辩论的临床诊断认知AI代理

Zhiqi Lv, Duofan Tu, Jun Li, Mingyue Zhao, Heqin Zhu, Wenliang Li, Shaohua Kevin Zhou

机构 * School of Biomedical Engineering, Division of Life Sciences and Medicine, University of Science and Technology of China（中国科学技术大学生物医学工程学院，生命科学与医学系） ； Suzhou Institute for Advanced Research, University of Science and Technology of China（中国科学技术大学苏州市先进研究机构） ； Key Lab of Intelligent Information Processing of Chinese Academy of Sciences (CAS), Institute of Computing Technology, CAS（中国科学院智能信息处理重点实验室，计算技术研究所） ； Jiangsu Provincial Key Laboratory of Multimodal Digital Twin Technology（江苏省多模态数字孪生技术省级重点实验室） ； State Key Laboratory of Precision and Intelligent Chemistry, USTC（国家精密与智能化学重点实验室，中国科学技术大学） 纠错

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

AI总结 本文提出DxChain框架，通过全景患者基线建立和对抗辩论解决证据冲突，提升临床诊断准确性和逻辑一致性。

Agentic Witnessing: Pragmatic and Scalable TEE-Enabled Privacy-Preserving Auditing

代理见证：基于可信执行环境的隐私保护审计

Antony Rowstron

机构 * Advanced Research and Invention Agency (ARIA)（先进研究与发明机构） 纠错

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

AI总结 本文提出Agentic Witnessing框架，通过可信执行环境实现隐私保护审计，利用代理进行逻辑验证，避免数据泄露，验证代码库是否符合论文描述。

Agentic AI platforms for autonomous training and rule induction of human-human and virus-human protein-protein interactions

用于自主训练和人类-病毒蛋白-蛋白相互作用规则诱导的代理AI平台

Hung N. Do, Jessica Z. Kubicek-Sutherland, Oscar A. Negrete, S. Gnanakaran

机构 * Theoretical Biology and Biophysics Group, Theoretical Division（理论生物学与生物物理学组，理论 division） ； Physical Chemistry and Applied Spectroscopy Group, Chemistry Division（物理化学与应用光谱组，化学 division） ； Systems Biology Department, Sandia National Laboratories（系统生物学部门，桑迪亚国家实验室） 纠错

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

AI总结 本文提出两种代理AI平台，分别用于自主训练预测ML模型和诱导人类-病毒蛋白-蛋白相互作用的显式规则，通过数据收集、验证、特征嵌入等步骤提升预测准确率并增强可解释性。

Comments Other correspondence email: donguyenhung238@gmail.com

Scalable Agentic Reasoning for Designing Biologics Targeting Intrinsically Disordered Proteins

可扩展的代理推理用于设计针对内在无序蛋白的生物药物

Matthew Sinclair, Moeen Meigooni, Archit Vasan, Ozan Gokdemir, Xinran Lian, Heng Ma, Yadu Babuji, Alexander Brace, Khalid Hossain, Carlo Siebenschuh, Thomas Brettin, Kyle Chard, Christopher Henry, Venkatram Vishwanath, Rick L. Stevens, Ian T. Foster, Arvind Ramanathan

机构 * Argonne National Laboratory（阿贡国家实验室） ； University of Chicago（芝加哥大学） 纠错

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

AI总结 本文提出StructBioReasoner，一种可扩展的多代理系统，用于设计针对内在无序蛋白的生物药物，通过竞争生成和优化治疗假说，提高大规模计算效率，展示了在Der f 21和NMNAT-2上的优异性能。

Comments This manuscript is in press at the upcoming Proceedings of the Platform for Advanced Scientific Computing (PASC) 26 Conference

Structural Enforcement of Goal Integrity in AI Agents via Separation-of-Powers Architecture

通过分权架构在AI代理中强制实施目标完整性

Rong Xiang

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

AI总结 本文提出分权架构PEA，通过分离意图生成、授权和执行层，强制保障系统安全，解决AI代理目标不一致问题，提出五个核心贡献。

Can Compact Language Models Search Like Agents? Distillation-Guided Policy Optimization for Preserving Agentic RAG Capabilities

紧凑语言模型能否像智能体一样搜索？基于知识增强的策略优化以保持智能体RAG能力

Rikuto Kotoge, Mai Nishimura, Jiaxin Ma

机构 * The University of Osaka（大阪大学） ； OMRON SINIC X Corporation（OMRON SINIC X公司） 纠错

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

AI总结 本文提出Distillation-Guided Policy Optimization方法，通过教师示范初始化和持续教师指导，使紧凑模型实现复杂的智能体搜索行为，甚至在某些情况下超越大模型。

Comments Accepted at ACL 2026 Main

Intention-Aware Semantic Agent Communications for AI Glasses

面向AI眼镜的意图感知语义代理通信

Peiwen Jiang, Fangyu Liu, Jiajia Guo, Chao-Kai Wen, Shi Jin, Jun Zhang

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

AI总结 本文提出一种意图感知的语义代理通信框架，通过用户意图引导数据传输，减少带宽消耗并保持任务性能，适用于AI眼镜的轻量级预处理场景。

Agentic clinical reasoning over longitudinal myeloma records: a retrospective evaluation against expert consensus

基于纵向骨髓瘤记录的代理临床推理：一项回顾性评估与专家共识的对比

Johannes Moll, Jannik Lübberstedt, Christoph Nuernbergk, Jacob Stroh, Luisa Mertens, Anna Purcarea, Christopher Zirn, Zeineb Benchaaben, Fabian Drexel, Hartmut Häntze, Anirudh Narayanan, Friedrich Puttkammer, Andrei Zhukov, Jacqueline Lammert, Sebastian Ziegelmayer, Markus Graf, Marion Högner, Marcus Makowski, Florian Bassermann, Lisa C. Adams, Jiazhen Pan, Daniel Rueckert, Krischan Braitsch, Keno K. Bressem

机构 * Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM) and TUM University Hospital（人工智能在医疗与健康中的研究所，慕尼黑技术大学（TUM）及慕尼黑技术大学医院） ； Department of Diagnostic and Interventional Radiology, Klinikum rechts der Isar, TUM University Hospital, School of Medicine and Health, Technical University of Munich（诊断与介入放射科，莱茵河右岸医院，慕尼黑技术大学医院，医学与健康学院，慕尼黑技术大学） ； Department of Cardiovascular Radiology and Nuclear Medicine, German Heart Center, TUM University Hospital, School of Medicine and Health, Technical University of Munich（心血管放射学与核医学科，德国心脏中心，慕尼黑技术大学医院，医学与健康学院，慕尼黑技术大学） ； Department of Medicine III, Klinikum rechts der Isar, TUM University Hospital, School of Medicine and Health, Technical University of Munich（第三医学部，莱茵河右岸医院，慕尼黑技术大学医院，医学与健康学院，慕尼黑技术大学） 纠错

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

AI总结 本研究评估了代理推理系统在骨髓瘤长期记录中的表现，发现其在复杂问题和长记录中优于传统方法，但需进一步验证以确保临床应用的安全性。

Discovering Agentic Safety Specifications from 1-Bit Danger Signals

从1位危险信号中发现代理安全规范

Víctor Gallego

机构 * Komorebi AI 纠错

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

AI总结 本文提出EPO-Safe框架，通过经验优化使LLM在仅接收二进制危险信号的情况下发现安全规范，展示LLM能在贫乏信号中进行安全推理，并验证了安全反思需配合专用安全通道以避免奖励黑客问题。

Comments Accepted to the Adaptive and Learning Agents Workshop (ALA 2026) @ AAMAS 2026. Code is available at github.com/vicgalle/experiential-prompt-optimization-safe

Journal ref Proc. of the Adaptive and Learning Agents Workshop (ALA 2026) @ AAMAS 2026

Planning Under Observation Mismatch for Traffic Signal Control via Adaptive Modular World Models

基于观测不匹配的交通信号控制的适应性模块化世界模型规划

Zherui Huang, Yicheng Liu, Chumeng Liang, Guanjie Zheng

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出适应性模块化模型，用于解决观测不匹配下的交通信号控制问题，通过模块化规划架构提升性能和数据效率。

Comments Accepted by ICAPS 2026

Beyond the Attention Stability Boundary: Agentic Self-Synthesizing Reasoning Protocols

超越注意力稳定性边界：代理自我合成推理协议

Dahlia Shehata, Ming Li

机构 * University of Waterloo（滑铁卢大学） 纠错

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

AI总结 本文提出SSRP框架，通过分离高层规划与执行流程，解决多轮对话中注意力锁定问题，实验显示其在多任务中显著提升稳定性。