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。
ML-Agent: 通过强化学习增强大语言模型代理以实现自主机器学习工程
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室）
专题命中 Agent评测 ：agent(title,title_cn)；agentic(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出基于强化学习的代理机器学习框架，通过探索增强微调、分步强化学习和专用奖励模块，训练出性能媲美大模型但成本更低的ML-Agent，实现跨任务泛化。
代理控制协议：代理行为的准入控制
机构 * TraslaIA
专题命中 Agent评测 ：agent(title,abstract)；autonomous agent(abstract)；分类 cs.AI
AI总结 本文提出ACP协议，通过静态风险评分与状态信号结合，控制代理行为，实验显示其能显著降低恶意行为执行率，同时通过形式化验证确保安全性和活性。
Comments 95 pages. Paper 1 of 6 in the Agent Governance Series (Papers 0-6). Zenodo: https://doi.org/10.5281/zenodo.19672575. Companion: P0 (arXiv:2604.17511), P2/IML (arXiv:2604.17517), P3/4 (zenodo.19708496), P5/RAM (arXiv:2604.22898), P6 (zenodo.19699460). Spec: https://github.com/chelof100/acp-framework-en. v1.30: series updated to 6 papers, P3/4 consolidated, P6 added
CASE：一种增强数字支付中诈骗情报的代理AI框架
机构 * Google, Inc（谷歌公司）
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract,abstract_cn)；分类 cs.AI
AI总结 本文提出CASE框架，通过收集和管理用户诈骗反馈，提升诈骗识别能力，实现在数字支付中21%的欺诈打击提升。
Comments 7 pages, 5 figures, Version published in IEEE Xplore
Journal ref 2025 IEEE International Conference on Big Data (BigData), Macau, China, 2025, pp. 2177-2183
Claw-Eval-Live: 一个用于评估进化现实工作流的活体代理基准
机构 * 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）） ； South China University of Technology（华南理工大学） ； Xiamen University（厦门大学） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The University of Hong Kong（香港大学）
专题命中 Agent评测 ：agent(title,abstract)；workflow(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出Claw-Eval-Live活体基准，通过分离可刷新信号层和可复现的发布快照，评估代理在动态工作流需求下的表现，发现可靠工作流自动化仍待解决，领先模型仅完成66.7%的任务。
Comments Project page: https://claw-eval-live.github.io
AgentReputation: 一种去中心化的代理AI声誉框架
机构 * Department of Computer Science（计算机科学系）
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 本文提出AgentReputation框架，旨在解决去中心化代理AI市场中声誉机制失效的问题，通过分层架构和上下文感知声誉卡片实现声誉管理，同时提供风险驱动的决策引擎。
Comments 5 pages, 1 figure, accepted to FSE 2026, Ideas, Visions and Reflections track
InfantAgent-Next：一种用于自动化计算机交互的多模态通用代理
机构 * University of Minnesota（明尼苏达大学） ； University of Illinois Chicago（伊利诺伊大学香槟分校） ； University of Connecticut（康涅狄格大学） ； The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） ； Cisco Research（思科研究）
专题命中 Agent评测 ：agent(title,abstract)；workflow(abstract)；分类 cs.AI
AI总结 本文提出InfantAgent-Next，一种多模态通用代理，能够通过文本、图像、音频和视频与计算机交互。该代理结合工具型和纯视觉代理，在高度模块化架构中协同解决解耦任务。在OSWorld等基准上取得7.27%准确率，超越Claude-Computer-Use。
LLM生成代码中的社会偏见：基准测试与缓解
机构 * Concordia University（康科德大学） ； Lassonde School of Engineering, York University（York大学工程学院）
专题命中 Agent评测 ：agent(summary_cn,abstract)；multi-agent(abstract)；分类 cs.AI、cs.SE
AI总结 本文研究LLM生成代码中的社会偏见问题，通过SocialBias-Bench基准测试发现四种主流模型存在严重偏见，提出Fairness Monitor Agent (FMA)有效降低偏见并提升代码正确性。
SoK：自主大语言模型代理在代理商业中的安全性
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)
AI总结 本文系统分析了自主LLM代理在商业中的安全问题，提出统一的安全框架，识别12种跨层攻击向量，并提出分层防御架构以解决现有协议的授权漏洞。
代理AI用于物质使用教育：整合监管与科学知识源
机构 * Department of Social Science, Texas Woman's University（德克萨斯女子大学社会科学系） ； Department of Computer Science, Augsburg University of Applied Sciences（应用科学大学计算机科学系） ； School of Computer Science, University of Oklahoma（俄克拉荷马大学计算机科学学院）
专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.CL
AI总结 本文提出一种基于代理的AI系统，结合监管数据与科学文献，提供实时、权威的物质使用教育，通过专家评估验证其准确性与适用性。
Comments 22 pages, 6 figures, 2 tables
Semia：通过约束引导的表示合成审计代理技能
机构 * University of California, Santa Barbara（加州大学圣芭芭拉分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, San Diego（加州大学圣地亚哥分校）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 Semia通过约束引导的表示合成技术，对代理技能进行静态审计，发现超过一半的技能存在关键语义风险，其召回率和F1值显著优于传统方法。
均场路径积分扩散：从样本到交互代理
机构 * Graduate Interdisciplinary Program in Applied Mathematics & Department of Mathematics, University of Arizona（应用数学联合计划与数学系，亚利桑那大学）
专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文提出均场路径积分扩散框架，通过共享统计量使样本协调传输概率质量，统一生成模型与多代理控制，证明在二次交互势能下，自洽引导是初始与目标均值的精确线性插值。
Comments 31 pages, 14 figures
ExCyTIn-Bench：评估LLM代理在网络安全调查中的表现
机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； Microsoft Security AI Research（微软安全AI研究） ； Tsinghua University（清华大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 ExCyTIn-Bench是首个评估LLM代理在网络安全调查任务中的基准，通过从调查图中生成的安全问题进行测试。该基准利用Azure租户中的SQL环境和Microsoft Sentinel日志构建威胁调查图，并生成问题以评估LLM代理的能力。
Comments Accepted By ICML 2026
去中心化近端随机梯度兰格朗日动力学
专题命中 Agent评测 ：agent(abstract)；分类 cs.LG
AI总结 本文提出去中心化近端随机梯度兰格朗日动力学算法，用于在凸域内采样对数凹概率分布。通过共享的近端正则化约束，保证更新一致性。算法在2-瓦瑟斯坦距离下具有非渐近收敛性，并在合成和真实数据集上验证了其有效性。
Comments 42 pages, 7 figures
前瞻性竞技场：一种去中心化的链上基准，用于评估AI预测代理
机构 * Director of Research, Devnull（研发总监，Devnull） ； Chief Technology Officer, Devnull（首席技术官，Devnull）
专题命中 Agent评测 ：AI agent(abstract)；分类 cs.LG
AI总结 本文提出Foresight Arena，首个去中心化链上基准，用于评估AI预测代理在真实世界预测市场中的能力，通过概率预测和智能合约评估，结合Brier分数和Alpha分数衡量性能。
Comments 27 pages, 5 figures, 10 tables. Project page: https://foresightarena.xyz/. Code: https://github.com/foresight-arena/contracts
FollowTable：一项指令遵循表格检索的基准测试
机构 * Southeast University（东南大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education（新一代人工智能技术及其交叉应用国家重点实验室（东南大学）） ； Its Interdisciplinary Applications (Southeast University), Ministry of Education（交叉应用（东南大学），教育部）
专题命中 Agent评测 ：agentic(abstract)；分类 cs.CL
AI总结 本文提出了一项新的表格检索任务IFTR，要求模型同时满足主题相关性和细粒度指令约束。通过引入FollowTable基准测试，评估模型在遵循指令方面的表现，发现现有检索模型在处理表格数据时存在系统性偏差。
Comments SIGIR 2026 Accepted
去中心化随机优化中带有梯度跟踪的高概率收敛性
专题命中 Agent评测 ：agent(abstract)；分类 cs.LG
AI总结 本文研究去中心化随机优化中的高概率收敛性，提出结合梯度跟踪技术的DSGD算法，证明其在非凸和Polyak-Łojasiewicz成本下的最优收敛率，且在放松的子高斯条件下实现高概率收敛。
Comments 49 pages, 4 figures. arXiv admin note: text overlap with arXiv:2510.06141
学术医疗中心中大语言模型的采用与使用
机构 * Stanford Medicine, Technology and Digital Solutions（斯坦福医学院技术与数字解决方案）
专题命中 Agent评测 ：workflow(abstract)；分类 cs.AI
AI总结 本文提出ChatEHR系统，通过整合患者多年医疗记录，实现LLM在临床文档中的自动化与交互应用，提升医疗效率与数据准确性。
异质主体市场：贝叶斯学习者与无遗憾学习者的动态与生存
机构 * Cornell University（康奈尔大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
AI总结 研究比较贝叶斯学习者与无遗憾学习者在资产市场中的表现，探讨其生存条件及市场主导因素，提出混合策略提升鲁棒性与适应性。
Comments Learning in Markets, Heterogeneous Agents, Regret and Survival, Bayesian Learning, No-Regret Learning, Portfolio Optimization, Kelly Rule, Distribution Shifts, Robust Bayesian Updates
一种有说服力的行人动力学模型
专题命中 Agent评测 ：agent(abstract)
AI总结 本文提出基于期望-价值理论的动态动机模型，通过考虑目标接近度、相对位置和个体目标重要性，动态调节行人移动参数，模拟预瓶颈等待场景，揭示人群自我组织的异质性特征。
Comments 35 pages, 12 figures, 2 tables. Manuscript prepared for submission to a Springer journal. Using JuPedSim 1.4.0
AIReSim：用于大规模AI集群可靠性建模的离散事件模拟器
专题命中 Agent评测 ：planning(abstract)
AI总结 本文提出AIReSim，用于评估大规模AI集群中故障、恢复、调度和修复过程中的设计选择，通过系统性评估参数对整体可靠性的影响，帮助优先改进系统。
Comments To appear in the Industry track of the IEEE/IFIP International Conference on Dependable Systems and Networks (DSN), 2026
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