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。
保障代理：中立、多租户企业检索与工具使用
机构 * Red Hat AI（红帽AI）
专题命中 工具调用 ：agent(title,abstract)；tool use(title)；agentic(abstract,comments)；分类 cs.AI、cs.SE
AI总结 本文针对多租户企业环境中检索与工具使用的安全问题，提出分层隔离架构，通过政策感知摄入、检索时门控和共享推理，实现安全隔离与授权控制。
Comments 11 pages, 2 figures, Published in ACM Conference on AI and Agentic Systems
Journal ref ACM Conference on AI and Agentic Systems (ACM CAIS '26), May 26-29, 2026, San Jose, CA, USA
在固定预算下最大化 rollout 信息量：一种用于工具使用代理强化学习的子模性视角的树搜索
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Maritime University（上海 Maritime 大学）
专题命中 工具调用 ：tool-use(title,abstract)；agentic(title)；分类 cs.AI、cs.LG
AI总结 本文提出在固定预算下最大化 rollout 信息量的问题，通过将中间状态选择转化为单调子模最大化问题，提出 InfoTree 框架，结合 UUCB 和 ABA，提升性能。
Comments Preprint, 9 pages, 5 figures
代理AI中的故障特征化：故障类型、症状和根本原因的分类
专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.SE
AI总结 本文通过实证研究，提出代理AI系统故障的分类体系，涵盖34种故障类型，揭示其在结构化输出解释、工具调用、运行时执行和异常处理中的表现，以及数据模式不匹配、依赖漂移等根本原因。
AgenticRAG：企业知识库中的代理检索
机构 * Microsoft Corporation（微软公司）
专题命中 工具调用 ：agentic(title,abstract)；tool use(abstract)；分类 cs.AI
AI总结 AgenticRAG通过在现有企业检索基础设施上叠加轻量级代理框架，使语言模型能够自主迭代检索信息、导航文档并分析证据，提升了检索准确率和事实性。
Comments 14 pages, 5 figures
代理发现交换关联泛函
机构 * Princeton University（普林斯顿大学）
专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI
AI总结 本文提出一种基于代理的自动搜索系统，通过迭代计划-执行-总结循环改进泛函性能，发现的SAFS26-a泛函在基准测试中提升了约9%，并强调了领域专业知识对确保科学严谨性的重要性。
Comments 20 pages, 2 figues, 4 tables
超越语义相似性：通过直接语料交互重新思考代理搜索的检索
机构 * Texas A&M University（德克萨斯A&M大学） ； University of Waterloo（滑铁卢大学） ； UC San Diego（圣地亚哥大学） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Verdent AI ； Lambda
专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 本文提出直接语料交互（DCI）方法，通过通用终端工具直接搜索原始语料，无需嵌入模型或检索接口，有效提升代理搜索性能。
ProAgent：利用按需感官上下文实现野外的前瞻性LLM代理系统
机构 * The Chinese University of Hong Kong（香港中文大学） ； Columbia University（哥伦比亚大学）
专题命中 工具调用 ：agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 ProAgent通过整合低成本上下文线索与按需丰富感知，实现连续感知用户环境，利用上下文感知的前瞻性推理器推断用户需求，提升预测准确性与降低误检率。
价值互联网中的代理、情境感知风险智能
机构 * School of Computer Science, Technological University Dublin（技术大学都柏林计算机科学学院） ； Rayachain Lab（雷亚链实验室）
专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI
AI总结 本文提出价值互联网中基于五种引擎的风险智能架构，通过实验验证其可行性，并正式陈述验证性分析。
Comments 15 pages
通过反事实推理实现创意机器人工具使用
机构 * Brown University（布朗大学）
专题命中 工具调用 ：tool use(title,abstract)；分类 cs.AI
AI总结 本文提出一种因果推理框架，用于识别超出其主要目标的合适工具。通过动态模型模拟实验发现工具与任务的因果关系，并通过几何和物理特征扰动生成反事实工具，实现更可靠的工具选择和更强的技能关键点迁移。
Comments Under review
DADL：用于LLM代理系统企业工具库的声明性描述语言
专题命中 工具调用 ：agent(title)；分类 cs.SE
AI总结 DADL通过单一声明性文件描述REST API的端点、认证、分页等，实现企业工具库的集中管理和高效调用，显著降低上下文窗口消耗。
Comments 14 pages, 1 figure. Also published on Zenodo: https://doi.org/10.5281/zenodo.19931788
LLM-AutoDP: 通过LLM代理实现模型微调的自动数据处理
机构 * Ant Group（蚂蚁集团）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出LLM-AutoDP框架，利用LLM代理自动生成和优化数据处理策略，通过迭代学习机制提升处理质量，同时减少隐私风险和人工成本。
Comments Accepted by VLDB2026
迈向AI辅助中微子味理论设计
机构 * Department of Physics and Astronomy, University of California, Irvine（加州大学 Irvine 分校物理与天文学系） ； Particle Theory Department, Fermilab（费米实验室粒子理论部门） ； Georgia Institute of Technology（佐治亚理工学院） ； Physics Division, Lawrence Berkeley National Laboratory（伯克利国家实验室物理部）
专题命中 工具调用 ：agent(abstract)；分类 cs.LG
AI总结 本文提出AMBer框架，利用强化学习在物理软件管道中高效搜索模型空间，减少自由参数，验证了其在中微子味理论中的有效性。
Comments 28 pages, 12 Figures
TheraAgent：自我改进的治疗剂用于精准且全面的治疗计划
机构 * Dept. of Comp. Sci. & Tech., Institute for AI, Tsinghua University, Beijing, China（计算机科学与技术系，人工智能研究院，清华大学，北京，中国） ； Institute for AI Industry Research (AIR), Tsinghua University, Beijing, China（人工智能产业研究院（AIR），清华大学，北京，中国） ； School of Computing, National University of Singapore, Singapore（计算学院，新加坡国立大学，新加坡）
专题命中 规划决策 ：agent(title)；planning(title)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 TheraAgent通过迭代生成-判断-改进流程提升治疗计划的精准度和完整性，实验显示其在HealthBench上表现优异，专家评估中胜率高达86%。
Comments Accepted to ACL 2026
当代理处理秘密：关于代理AI的保密计算调查
机构 * Department of Computing Imperial College London London, United Kingdom（计算系帝国理工学院伦敦英国）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 本文探讨了代理AI中保密计算的应用，分析了六个TEE平台的设计，提出了基于代理的威胁模型，并指出了六个开放挑战，旨在为生产级代理AI提供安全基础。
BALAR：主动推理的贝叶斯代理循环
机构 * Department of Statistics, Stanford University（统计学系，斯坦福大学） ； Department of Computer Science, Stanford University（计算机科学系，斯坦福大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 BALAR是一种无需微调的任务无关外环算法，通过维护潜在状态的结构信念，选择澄清问题以最大化预期互信息，并动态扩展状态表示，从而在三个基准测试中显著提升性能。
从代理循环到确定性图：可重复AI原生工作的执行轨迹
机构 * ThruWire, Inc.（ThruWire公司）
专题命中 规划决策 ：agent(title)；tool use(abstract)；agentic(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出执行轨迹模型，通过有向无环图表示AI生成工作，确保在变化中保持稳定性。对比实验显示，DAG在保持最终结果和中间状态一致性方面优于循环更新方法。
Comments 16 pages, 1 figure
LatentRAG: 基于潜在空间的高效代理RAG推理与检索
机构 * University of Amsterdam（阿姆斯特丹大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；分类 cs.CL、cs.LG
AI总结 LatentRAG通过将推理与检索从离散语言空间转移到连续潜在空间，提升代理RAG的效率，实验表明其在七种基准数据集上性能与显式方法相当，推理延迟降低约90%。
Patch2Vuln: 基于Linux发行版二进制补丁的漏洞重构
机构 * University College London（伦敦大学学院）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 本文探讨利用语言模型代理从Linux发行版二进制补丁中重构漏洞，提出Patch2Vuln流程，通过提取ELF对、差异分析和代理审计，验证了二进制补丁中漏洞重构的可行性。
纯粹的基于代理的黑盒优化用于生物设计
机构 * University of Pennsylvania（宾夕法尼亚大学）
专题命中 规划决策 ：agent(title,abstract)；agentic(abstract)；分类 cs.LG
AI总结 本文提出PABLO框架，通过基于语言的代理方法在生物设计中实现高效黑盒优化，提升样本效率和目标值，展示其在抗微生物肽优化中的卓越性能。
架构至关重要：在知识库中毒情况下比较RAG系统
专题命中 规划决策 ：agentic(abstract,abstract_cn)；agent(abstract)；multi-agent(abstract)；分类 cs.CL、cs.LG
AI总结 研究探讨了在知识库中毒情况下不同RAG架构的鲁棒性，发现架构设计对攻击成功率影响显著，MADAM-RAG在矛盾检测上表现最佳但仍有不足。
StraTA: 通过战略轨迹抽象激励代理强化学习
机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Georgia（佐治亚大学） ； University of Oxford（牛津大学） ； Shenzhen Loop Area Institute（深圳河套学院）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI、cs.CL
AI总结 本文提出StraTA框架，通过引入显式的轨迹级策略提升代理强化学习的样本效率和最终性能，实验显示其在ALFWorld、WebShop和SciWorld上均优于基线模型。
Comments 26 pages, 4 figures, 7 tables
基于新颖性的树状思维搜索用于大语言模型推理与规划
机构 * RWTH Aachen（亚琛工业大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI、cs.CL
AI总结 本文提出基于新颖性的树状思维搜索方法，通过引入新颖性概念优化语言领域推理与规划任务，减少搜索范围和token成本。
多阶段规划中的击中时间同构性
机构 * Department of Mathematics and Computer Science（数学与计算机科学系）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG
AI总结 本文提出基于击中时间同构性的新框架，通过学习希尔伯特空间位移几何，实现离线强化学习中的非对称表示学习，提升多阶段规划在长周期导航中的鲁棒性。
A$^2$TGPO: 基于自适应回合裁剪的代理回合策略优化
机构 * Tencent Inc（腾讯公司） ； The Chinese University of Hong Kong（香港中文大学） ； Shenzhen MSU-BIT University（深圳MSU-BIT大学）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.CL
AI总结 本文提出A$^2$TGPO，通过自适应回合裁剪和改进的归一化与累积方法，解决强化学习中代理大语言模型的回合级信用分配问题，提升多轮交互中单个工具调用的评估准确性。
HaM-World: 带选择性记忆的软哈密顿世界模型用于规划
机构 * Xi’an Jiaotong University（西安交通大学） ； Huazhong University of Science and Technology（华中科技大学） ； Nankai University（南开大学） ； Nanyang Technological University（南洋理工大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 HaM-World通过分解潜在状态为规范子空间和上下文子空间，结合Mamba选择性状态空间记忆，提升规划稳定性与鲁棒性，实现高精度预测和任务完成。
Comments 22 pages, 5 figures. Code: https://github.com/HaoyunT/HaM_World
选择性回放：多样本代理强化学习中的中程轨迹终止
机构 * Fudan University（复旦大学）
专题命中 规划决策 ：agent(title)；agentic(abstract)；分类 cs.LG
AI总结 本文提出一种中程轨迹终止方法，通过在轨迹中途检测行动序列的编辑距离来提前停止无方差组，从而减少计算开销并提升测试任务的成功率。
FoodCHA：多模态LLM代理用于细粒度食物分析
机构 * Department of Computer Science and Engineering（计算机科学与工程系）
专题命中 规划决策 ：agent(title)；agentic(abstract)；分类 cs.AI
AI总结 本文提出FoodCHA，一种多模态代理框架，通过分层决策过程提升食物识别的细粒度属性区分能力，实验显示其在类别和子类识别精度上优于现有模型。
SAT: 为无协调自由插拔多LLM训练的单调改进保证的序列代理调优
机构 * Department of Electrical \& Computer Engineering, University of Arizona Tucson, Arizona USA ； Department of Mathematical Sciences, Rensselaer Polytechnic Institute Troy, New York USA ； Amazon Web Services New York USA ； Department of Electrical \& Computer Engineering, University of Arizona ； Department of Mathematical Sciences, Rensselaer Polytechnic Institute ； Amazon Web Services
专题命中 规划决策 ：agent(title,abstract)；分类 cs.LG
AI总结 本文提出SAT方法，通过因子化策略和块坐标更新实现无协调的分布式训练，保证训练过程单调改进和插拔不变性，实验表明其在AIME24/25基准上性能优于Qwen3-32B。
Comments Published at AAMAS 2026
基于开放对话的目标推断的灵活代理对齐
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
专题命中 规划决策 ：agent(title)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出OU-AGs框架，通过开放对话中目标推断提升代理对齐能力，采用GOOD方法实现动态目标分布，提高多领域任务中的意图对齐效果。
Comments Previous version of the paper was titled: Open-Universe Assistance Games
一种适用于空载风能系统的计算可行路径规划方法
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文提出一种计算可行的框架，用于空载风能系统交叉风飞行控制的参考选择问题，通过非线性规划设计最大化功率的几何飞行路径。
Comments This paper is based on a chapter of the PhD thesis of the first author, with minor revisions and extensions
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