AI Agent

Learning to Rewrite Tool Descriptions for Reliable LLM-Agent Tool Use

学习重写工具描述以实现可靠的LLM-代理工具使用

Ruocheng Guo, Kaiwen Dong, Xiang Gao, Kamalika Das

机构 * Intuit AI Research（Intuit AI研究院） 纠错

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

AI总结 本文提出Trace-Free+框架，通过渐进式转移监督从轨迹丰富设置到轨迹自由部署，提升代理在大规模工具库中的鲁棒性与泛化能力，同时提高查询成功率。

Comments Preprint

Agentic Search in the Wild: Intents and Trajectory Dynamics from 14M+ Real Search Requests

野外代理搜索：从1400万次真实搜索请求中获取意图和轨迹动态

Jingjie Ning, João Coelho, Yibo Kong, Yunfan Long, Bruno Martins, João Magalhães, Jamie Callan, Chenyan Xiong

机构 * Carnegie Mellon University Pittsburgh PA US ； INESC-ID, Carnegie Mellon University Pittsburgh PA US ； INESC-ID, Instituto Superior T\'ecnico, University of Lisbon Lisbon Portugal ； NOVA LINCS\ University Lisbon Caparica Portugal ； Carnegie Mellon University ； INESC-ID, Carnegie Mellon University ； INESC-ID, Instituto Superior T\'ecnico, University of Lisbon ； NOVA LINCS\ University Lisbon 纠错

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

AI总结 本文分析了1400万次真实搜索请求，揭示了代理搜索会话中的行为模式，包括步骤数、时间间隔及查询重构的可追溯性，为重复敏感停止和意图适应检索预算提供信号。

Comments Accepted at SIGIR 2026. DOI: 10.1145/3805712.3809627

ToolPRM: Fine-Grained Inference Scaling of Structured Outputs for Function Calling

ToolPRM：用于函数调用的结构化输出细粒度推理扩展

Jianghao Lin, Yuanyuan Shi, Xin Peng, Renjie Ding, Hairui Wang, Yuxuan Peng, Bizhe Bai, Weixi Song, Fengshuo Bai, Huacan Chai, Weinan Zhang, Fei Huang, Ying Wen

机构 * Shanghai Jiao Tong University（上海交通大学） ； Longshine AI Research（长 Shine 人工智能研究院） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 本文提出ToolPRM框架，结合细粒度束搜索与过程奖励模型，提升结构化输出的推理扩展能力，并通过细粒度监督数据集改进函数调用性能。

Comments ACL 2026 (main)

Autonomous Knowledge Graph Exploration with Adaptive Breadth-Depth Retrieval

自主知识图谱探索与自适应广度-深度检索

Joaquín Polonuer, Lucas Vittor, Iñaki Arango, Ayush Noori, David A. Clifton, Luciano Del Corro, Marinka Zitnik

机构 * Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； Departamento de Computación, FCEyN, Universidad de Buenos Aires（布宜诺斯艾利斯大学计算机系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Oxford Suzhou Centre for Advanced Research, University of Oxford（牛津大学苏州市先进研究中心） ； ELIAS Lab, Departamento de Ingeniería, Universidad de San Andrés（圣安德鲁大学工程系ELIAS实验室） ； Kempner Institute for the Study of Natural and Artificial Intelligence, Allston, MA, USA（自然与人工智能研究所，马萨诸塞州阿利斯顿） ； Broad Institute of MIT and Harvard, Cambridge, MA, USA（MIT和哈佛大学Broad研究所） ； Harvard Data Science Initiative, Cambridge, MA, USA（哈佛大学数据科学倡议） 纠错

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

AI总结 本文提出ARK工具，通过全局词搜索和邻域探索平衡知识图谱的广度与深度检索，提升多跳遍历效率，在STaRK上达到59.1%的平均Hit@1和67.4的平均MRR，优于其他方法。

Comments Accepted at ACL 2026 Main Conference

Deterministic Legal Agents: A Canonical Primitive API for Auditable Reasoning over Temporal Knowledge Graphs

确定性法律代理：用于可审计时间知识图谱推理的规范性原始API

Hudson de Martim

机构 * Federal Senate of Brazil（巴西联邦议会） 纠错

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

AI总结 本文提出SAT-Graph API，通过确定性符号子系统与概率语言模型交互，实现法律领域可审计的时间知识图谱推理，将单次检索生成改为主动推理-行动-观察流程。

Comments Substantially revised version consolidating the paper as a formal SAT-Graph API specification: clarifies Probability Isolation and post-anchoring determinism, broadens semantic anchoring to open and thematic legal queries, refines the data models and temporal primitives, and strengthens the use cases, limitations, and bibliography

Learning to Ask: When LLM Agents Meet Unclear Instruction

学习提问：当LLM代理遇见模糊指令

Wenxuan Wang, Juluan Shi, Zixuan Ling, Yuk-Kit Chan, Chaozheng Wang, Cheryl Lee, Youliang Yuan, Jen-tse Huang, Wenxiang Jiao, Michael R. Lyu

机构 * Renmin University of China（中国人民大学） ； The Chinese University of Hong Kong（香港中文大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学深圳校区） ； Johns Hopkins University（约翰霍普金斯大学） ； Xiaohongshu Inc.（小红书公司） 纠错

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

AI总结 本文提出AwN框架，通过让LLM在遇到模糊指令时主动提问以提升工具使用性能，并设计自动化评估工具ToolEvaluator，验证了在NoisyToolBench基准下的优越性。

Comments EMNLP 2025

RepoDoc: A Knowledge Graph-Based Framework to Automatic Documentation Generation and Incremental Updates

RepoDoc: 基于知识图谱的自动文档生成与增量更新框架

Dong Xu, Mingwei Liu, Xiwen Wang, Jianfeng Zhong, Zibin Zheng

专题命中 工具调用 ：agent(abstract)；分类 cs.SE

AI总结 RepoDoc通过构建仓库知识图谱，实现代码文档的自动化生成与增量更新，提升文档覆盖率和完整性，同时提高生成效率与准确性。

Glance-or-Gaze: Incentivizing LMMs to Adaptively Focus Search via Reinforcement Learning

glance-or-gaze: 通过强化学习激励大 multimodal 模型适应性聚焦搜索

Hongbo Bai, Yujin Zhou, Yile Wu, Chi-Min Chan, Pengcheng Wen, Kunhao Pan, Sirui Han, Yike Guo

机构 * Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 本文提出 glanco-or-gaze 框架，通过强化学习使大 multimodal 模型主动规划视觉搜索，通过选择性注视和复杂度自适应强化学习提升复杂视觉查询性能。

Journal ref ACL 2026 Findings

Artistic Practice Opportunities in CST Evaluations: A Longitudinal Group Deployment of ArtKrit

CST评估中的艺术实践机会：ArtKrit的纵向群体部署

Catherine Liu, Tao Long, Asya Vaisberg, Chau Vu, Jiaju Ma, Jingyi Li

专题命中 工具调用 ：tool use(abstract)

AI总结 本文通过ArtKrit的三周部署，探讨了CST评估中艺术实践的动态变化，揭示了工具使用与艺术感知的演变过程，强调了艺术支持网络对创作安全与表达的重要性。

Comments 17 pages, 8 figures. Accepted to DIS 2026

From Hypotheses to Factors: Constrained LLM Agents in Cryptocurrency Markets

从假说到因素：在加密货币市场中的受约束LLM代理

Yikuan Huang, Zheqi Fan, Kaiqi Hu, Yifan Ye

专题命中 工具调用 ：agent(abstract)

AI总结 本文研究了通过加密货币因素发现使用受约束的LLM代理，在可重复的协议下进行因素发现，通过序列假说搜索框架，结合确定性引擎进行数据分割、选择门、交易成本和投资组合测试，实现了44.55%的年化收益和1.55的夏普比率。

Hardware-Efficient Quantum Optimization for Transportation Networks via Compressed Adiabatic Evolution

通过压缩绝热演化实现交通网络的高效量子优化

Talha Azfar, Ruimin Ke, Sean He, Cara Wang, José Holguín-Veras

专题命中 工具调用 ：planning(abstract)

AI总结 本文提出一种基于硬件的混合量子优化框架，利用近似量子编译压缩早期数字化绝热演化段为浅层电路，结合变分层，研究初始化、电路深度和表达性对近期量子硬件的影响，实验证明适度压缩可减少两量子比特门深度并提高可行解发现效率，尤其对路由问题有益。