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。
Odysseys：在现实长周期任务上评估网络代理
机构 * Carnegie Mellon University（卡内基梅隆大学）
专题命中 GUI与网页智能体 ：agent(abstract)；planning(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出Odysseys基准，通过200个现实浏览任务评估长周期网络代理，引入基于评分的评估方法，发现传统二元评估不足，且前沿模型在效率上仍有提升空间。
Comments 29 pages
哪里出错了？面向视觉-语言导航代理的能力导向故障归因
机构 * Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； Science & Technology on Integrated Information System Laboratory（信息集成信息系统实验室） ； State Key Laboratory of Complex System Modeling and Simulation Technology（复杂系统建模与仿真技术国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Singapore Management University（新加坡管理大学）
专题命中 GUI与网页智能体 ：planning(abstract)；分类 cs.AI
AI总结 本文提出一种能力导向的测试方法，通过自适应测试用例生成、能力 oracle 和反馈机制，准确归因视觉-语言导航代理的故障原因，提升系统可解释性和改进效果。
Journal ref ACL 2026
MPR-GUI：多语言感知与推理GUI代理的基准测试与增强
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Peng Cheng Laboratory（鹏城实验室） ； Huawei Technologies Co., Ltd（华为技术有限公司）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI
AI总结 本文提出MPR-GUI-Bench，通过六种语言和八个细粒度任务评估多语言GUI代理的感知与推理能力，并提出GUI-XLI方法以缩小跨语言差距。
Comments 35pages, 15figures
AgentDID: 无信任身份认证用于AI代理
专题命中 记忆与上下文管理 ：AI agent(title,abstract)；agent(abstract)
AI总结 本文提出AgentDID框架，解决AI代理身份认证与状态验证问题，支持自管理身份、大规模并发交互验证及动态执行状态确认。
Comments 8 figures, 1 table. Accepted by ICDCS 2026
迈向意图科学：闭包缺口与委托范围为开放世界AI代理
机构 * Taller Technologies（塔勒技术）
专题命中 记忆与上下文管理 ：AI agent(title)；agent(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出意图编译方法，通过将部分指定的人类目的转化为可检查的 artifact，解决开放世界中AI部署难题，定义闭包缺口向量和委托范围，并提出评估闭包干预效果的基准指标。
Comments 15 pages, 1 figure, 5 tables
MemRec：协同记忆增强的代理推荐系统
机构 * Hong Kong Baptist University（香港 Baptist大学） ； Rutgers University（罗格斯大学） ； Snap Inc.（Snap公司）
专题命中 记忆与上下文管理 ：agentic(title,abstract)；分类 cs.AI
AI总结 MemRec通过引入协同记忆机制，解决传统推荐系统中记忆隔离导致的上下文过载问题，通过轻量级语言模型管理动态记忆图谱，提升推荐精度与效率。
Comments Accepted at ACL 2026 Main Conference
从独白到广场：基于去中心化辩论的记忆增强型LLM代理用于优化建模
机构 * Antai College of Economics and Management（上海交通大学安泰经济管理学院） ； University of Chicago Booth School of Business（芝加哥大学布斯商学院） ； The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen)（香港中文大学（深圳）） ； School of Economics and Management（清华大学经济管理学院）
专题命中 记忆与上下文管理 ：agent(abstract)；agentic(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出Agora-Opt框架，结合去中心化辩论与读写记忆库，实现优化建模的模块化代理系统，通过去中心化辩论协议实现多代理团队的协同优化，提升建模可靠性。
Comments Working Paper
R³-SQL：基于排名奖励和重采样的文本到SQL
机构 * ETRI（电子科技大学） ； Seoul National University（首尔国立大学） ； Snowflake AI Research（Snowflake人工智能研究）
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.AI、cs.CL、cs.SE
AI总结 R³-SQL通过统一奖励和重采样解决文本到SQL中排名不一致和正确SQL缺失的问题，提升了执行准确率。
Comments Accepted by Findings of ACL 2026
量化交互强化学习在机器人任务中的反馈频率效应
机构 * Robotics and Interactive Systems – UPSSITECH, University Paul Sabatier（机器人与交互系统——UPSSITECH，保罗·萨巴蒂埃大学）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.LG；autonomous agent(comments)
AI总结 研究探讨了反馈频率对机器人任务中交互强化学习效率的影响，通过不同复杂度的机械臂逆运动学学习实验，发现反馈频率需随任务熟练度动态调整，无单一最优频率。
Comments Neural Computing and Applications (2022). Special Issue on Human-aligned Reinforcement Learning for Autonomous Agents and Robots
CacheFlow: 高效的大语言模型服务中的3D并行KV缓存恢复
专题命中 记忆与上下文管理 ：agentic(abstract)
AI总结 本文提出CacheFlow框架，通过3D并行抽象优化KV缓存恢复，减少TTFT时间，提升大语言模型服务效率。
Comments 11 pages, 10 figures
AFA：面向防止多用户对话中身份混淆的身份感知记忆
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 本文提出AFA框架，通过语音识别与用户记忆结合，实现多用户对话中的身份感知个性化，通过PAT数据集评估，展示身份感知路由显著提升Persona Attribution Accuracy。
AI代理安全防护的比较评估
机构 * Beijing Caizhi Tech（北京彩智科技）
专题命中 Agent评测 ：agent(title,abstract)；AI agent(title,abstract)；分类 cs.AI
AI总结 本文比较了DKnownAI Guard与AWS Bedrock Guardrails、Azure Content Safety和Lakera Guard在AI代理安全场景中的性能，发现DKnownAI在召回率和真正负样本率上表现最佳。
Co-Director: 基于代理的生成视频叙事
机构 * Google（谷歌）
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract,abstract_cn)；multi-agent(abstract)；分类 cs.AI
AI总结 本文提出Co-Director框架，通过分层多代理方法解决视频生成的语义一致性问题，引入分层参数化和多模态自优化循环，实现叙事策略探索与有效配置的平衡，通过GenAD-Bench验证其在个性化广告中的优越性。
Comments Project Page: https://co-director-agent.github.io/
代理架构：一种用于建筑设计探索和优化的代理AI框架
机构 * Carnegie Mellon University（卡内基梅隆大学）
专题命中 Agent评测 ：agentic(title,summary_cn)；分类 cs.AI
AI总结 本文提出Agentic Architect框架，结合LLM驱动的代码进化与精确模拟，实现计算机架构设计的探索与优化，展示了在缓存替换、数据预取和分支预测等领域的性能提升。
GAIA-v2-LILT：超越翻译的代理基准多语言适应
机构 * LILT
专题命中 Agent评测 ：agent(title,abstract)；workflow(abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出GAIA-v2-LILT，通过功能对齐、文化对齐和难度校准改进多语言代理基准，实验表明其性能提升达32.7%，接近英语表现，但仍有较大差距，揭示了多语言性能差距主要由基准测量误差引起。
DockSmith：通过代理Docker构建器实现可靠编码环境的扩展
机构 * SWE-Factory ； Anthropic ； Comanici ； Guo ； Yang ； Zeng
专题命中 Agent评测 ：agentic(title,abstract)；tool use(abstract)；分类 cs.AI、cs.SE
AI总结 DockSmith通过代理Docker构建器解决软件工程代理执行基础训练和评估中的可靠环境构建问题，其核心能力涵盖长期工具使用、依赖推理和故障恢复，提升了Docker构建的监督效果。
结构化安全审计与不信任代理技能的鲁棒性增强
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 本文提出SkillGuard-Robust，通过角色感知证据提取、选择性语义验证和一致性保持裁决，解决代理技能预加载审计中语义保持重写下恶意意图识别不一致的问题，实验结果显示其在不同数据集上的高准确率和召回率。
PsychAgent: 一种基于经验的终身学习代理用于自我进化的心理辅导员
机构 * School of Computer Science and Technology, East China Normal University（东华大学计算机科学与技术学院） ； Shanghai AI Laboratory（上海人工智能实验室） ； School of Psychology and Cognitive Science, East China Normal University（东华大学心理学与认知科学学院）
专题命中 Agent评测 ：agent(title,abstract)；planning(abstract)；分类 cs.AI
AI总结 本文提出PsychAgent，通过长期多会话交互的内存增强规划引擎、技能进化引擎和强化内化引擎，实现心理辅导员的自我进化，提升多会话咨询的一致性和质量。
BenchGuard：谁守护着基准？对LLM代理基准的自动化审计
机构 * Allen School, University of Washington（华盛顿大学阿伦学院） ； Phylo, Inc.（Phylo公司） ； Genentech, Inc.（基因泰克公司）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI、cs.CL、cs.SE
AI总结 BenchGuard通过结构化LLM协议交叉验证所有基准制品，发现ScienceAgentBench中的12个问题，并在BIXBench Verified-50子集中准确识别83.3%的问题，证明自动化基准审计的有效性。
当基数策略化：一个关于影响力和意识形态的代理模型，用于教皇选举会议
专题命中 Agent评测 ：agent(title,abstract)
AI总结 本文提出并分析了两个基于代理的模型，研究教皇选举会议的动力学，探讨社会影响、战略投票和意识形态一致如何影响选举教皇所需时间。模型引入了意识形态集团，通过模拟发现意识形态极化会延迟选举，但较高的战略响应性可提高效率。
Comments 15 pages, 5 figures, to appear in Chaos, Solitons & Fractals
TimeMachine-bench：一个评估仓库级迁移任务模型能力的基准
机构 * Tohoku University（东大理工大学） ； Future Corporation（未来公司） ； RIKEN（日本理化学研究所） ； NII LLMC（国家信息研究所LLMC）
专题命中 Agent评测 ：agent(abstract)；tool-use(abstract)；分类 cs.CL、cs.SE
AI总结 本文提出TimeMachine-bench基准，用于评估软件迁移任务中的模型能力，通过自动化构建GitHub仓库测试失败数据集，评估基于11种模型的基线方法，发现LLM在迁移任务中仍存在可靠性挑战。
Comments Accepted to EACL 2026 Main, camera-ready
Journal ref Proceedings of the 19th Conference of the European Chapter of the Association for Computational Linguistics (Volume 1: Long Papers), pages 8233-8264, 2026
IoDResearch：通过互联网的数据进行私有异构数据的深度研究
专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)
AI总结 本文提出IoDResearch框架，通过将异构资源转化为FAIR合规的数字对象，提升私有数据的检索效率和可重用性，实验表明其在检索、问答和报告生成任务中优于现有基线方法。
Comments Accepted to ICASSP 2026
HotComment: 一个评估在线评论流行度的基准
机构 * Huazhong University of Science and Technology（华中科技大学） ； Beijing Institute of Computer Technology and Applications（北京计算机技术与应用研究所）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
AI总结 本文提出HotComment基准，通过内容质量、流行度预测和用户行为模拟三个维度评估在线评论的流行度，同时引入StyleCmt提升社交共振效果。
MGTEVAL：一种用于机器生成文本检测器系统性评估的交互平台
机构 * Faculty of Electronic and Information Engineering, Xi’an Jiaotong University（西安交通大学电子与信息工程学院） ； Queen Mary University of London（伦敦大学女王学院）
专题命中 Agent评测 ：workflow(abstract)；分类 cs.CL
AI总结 MGTEVAL平台通过统一接口构建自定义基准、应用文本攻击测试集、训练检测器并评估性能，解决MGT检测评估碎片化问题。
M$^3$-VQA：多模态、多实体、多跳视觉问答的基准测试
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
专题命中 Agent评测 ：agentic(abstract)；分类 cs.AI
AI总结 M$^3$-VQA引入了多实体问题，要求模型在多个文档间进行顺序和并行多跳推理，揭示了多模态大语言模型在知识获取和推理方面的挑战。
基于Transformer的跨平台公共 discourse 对15分钟城市范式的分析
机构 * 1 College of Science ； Engineering, Texas State University, San Marcos, Texas, USA Email ； 3 Texas A\&M Transportation Institute, Texas A\&M University, Houston, Texas, USA Email
专题命中 Agent评测 ：planning(abstract)；分类 cs.CL
AI总结 本研究首次跨平台分析15分钟城市概念的公共 discourse，采用压缩Transformer模型进行多平台情感分类，发现DistilRoBERTa表现最佳，MiniLM一致性最高，揭示平台特性差异及压缩模型的高效优势。
Comments This is the author's preprint version of a paper accepted for presentation at the 24th International Conference on Machine Learning and Applications (ICMLA 2025), December 3-5, 2025, Florida, USA. The final published version will appear in the official IEEE proceedings. Conference site: https://www.icmla-conference.org/icmla25/
分布经济中的核心
专题命中 Agent评测 ：agent(abstract)
AI总结 本文提出通过分布而非个体描述分析经济核心，证明分布论可直接识别阻塞联盟，推导出经典核心等价定理。
BOOST：利用序优化进行微电网规模设计
专题命中 Agent评测 ：workflow(abstract)
AI总结 本文提出BOOST方法，结合序优化与混合整数线性规划，通过筛选候选方案并重新评估最优方案，提高微电网设计效率。
多尺度传染病模型中的方程学习
专题命中 Agent评测 ：agent(abstract)
AI总结 本文提出一种性别分层多尺度框架，通过学习常微分方程捕捉宿主内模型的平均输出，并用于描述多尺度框架的宿主内尺度，同时利用ODEs演化种群人口动态并用随机耦合函数连接不同尺度，探讨性别对结核病动态的影响。
RSCL地球回溯模拟器：一个用于恒星系中相对论信号传播的实时多物理框架
专题命中 Agent评测 ：planning(abstract)
AI总结 本文提出RSCL地球回溯模拟器，通过实时多物理方法，结合已确认的银河系系外行星参数，同时应用七种物理效应，填补了现有公开浏览器框架的空白。
Comments 13 pages, 4 figures (6 panels), open-source tool available at https://mealycpp.github.io/rscl-simulator/
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