AI Agent

PrepBench: How Far Are We from Natural-Language-Driven Data Preparation?

PrepBench: 我们距离自然语言驱动的数据准备还有多远？

Jingzhe Xu, Rui Wang, Jiannan Wang, Guoliang Li

机构 * Department of Computer Science and Technology, BNRist, Tsinghua University（计算机科学与技术系，BNRist，清华大学） 纠错

专题命中 Agent评测 ：workflow(abstract)；分类 cs.AI

AI总结 PrepBench评估自然语言驱动的数据准备能力，涵盖交互澄清、代码生成和代码到工作流翻译三项核心能力，通过爬取数据挑战并设计系统性基准，揭示当前LLM在实现该范式转变中的挑战。

RelBench v2: A Large-Scale Benchmark and Repository for Relational Data

RelBench v2：关系数据的大型基准和存储库

Justin Gu, Rishabh Ranjan, Charilaos Kanatsoulis, Haiming Tang, Martin Jurkovic, Valter Hudovernik, Mark Znidar, Pranshu Chaturvedi, Parth Shroff, Fengyu Li, Jure Leskovec

机构 * Stanford University（斯坦福大学） ； National University of Singapore（新加坡国立大学） ； University of Ljubljana（卢布尔雅那大学） ； Kumo AI ； University of Oxford（牛津大学） 纠错

专题命中 Agent评测 ：planning(abstract)；分类 cs.LG

AI总结 RelBench v2引入了四个大规模关系数据集，扩展了基准测试，并引入了自动补全任务，展示了关系学习模型在多表预测中的优势。

Comments Published at ICLR 2026. Website: https://relbench.stanford.edu

When Agents Say One Thing and Do Another: Validating Elicited Beliefs from LLMs

当代理人言辞与行为不一致时：从LLMs中验证提取的信念

Khurram Yamin, Jingjing Tang, Santiago Cortes-Gomez, Amit Sharma, Eric Horvitz, Bryan Wilder

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Microsoft Research（微软研究院） 纠错

专题命中 Agent评测 ：agent(abstract)；分类 cs.AI

AI总结 本文提出一种决策理论框架，通过提取概率判断和决策并检验其一致性，验证LLMs的信念是否合理，发现最强模型的不一致程度较小。

Calibrating Behavioral Parameters with Large Language Models

用大语言模型校准行为参数

Brandon Yee, Pairie Koh

机构 * Management Sciences Lab（管理科学实验室） ； Yee Collins Research Group（Yee Collins研究组） 纠错

专题命中 Agent评测 ：agent(abstract)；分类 cs.AI

AI总结 本文利用大语言模型校准行为参数，发现其存在系统性理性偏差，并通过校准方法提升参数稳定性与理论一致性，验证了校准参数在资产定价模型中的有效性。

Emergence of Physical Intelligence via Controllable Information Production

通过可控信息生成实现物理智能的涌现

Tristan Shah, Stas Tiomkin

机构 * Department of Computer Science（计算机科学系） ； Texas Tech University（德克萨斯技术大学） 纠错

专题命中 Agent评测 ：agent(abstract)；分类 cs.AI

AI总结 本文提出可控信息生成框架，将内在动机与最优控制统一，揭示价值函数结构与柯莫哥罗夫-辛恩熵的联系，展现物理智能源于可控混沌边缘的驱动。

Do Foundation Model Embeddings Improve Cross-Country Crop Yield Generalisation? A Leave-One-Country-Out Evaluation in Sub-Saharan Africa

基础模型嵌入是否能提升跨国家作物产量泛化？一种留一国家法的撒哈拉以南非洲评估

Yaw Osei Adjei

机构 * Department of Computer Science, Kwame Nkrumah University of Science and Technology（计算机科学系，库马西技术科学大学） 纠错

专题命中 Agent评测 ：planning(abstract)；分类 cs.LG

AI总结 本文评估了地理空间基础模型嵌入在留一国家法交叉验证中的表现，发现跨国家预测效果不佳，主要受限于产量分布差异。

Comments 9 pages, 10 figures, appendix, code and processed results released publicly

Personalized Deep Research: A User-Centric Framework, Dataset, and Hybrid Evaluation for Knowledge Discovery

个性化深度研究：以用户为中心的框架、数据集和混合评估方法用于知识发现

Xiaopeng Li, Wenlin Zhang, Yingyi Zhang, Pengyue Jia, Yejing Wang, Yichao Wang, Yong Liu, Huifeng Guo, Xiangyu Zhao

专题命中 Agent评测 ：planning(abstract)

AI总结 本文提出PDR框架，结合用户上下文动态调整检索深度和广度，通过混合评估方法提升检索效用和报告相关性，验证了个性化知识获取的可行性。

Comments Accepted to SIGIR 2026

Cooperation in public goods game on square lattices with agents changing interaction groups

在正方形晶格上相互作用代理群体中的合作

Jarosław Adam Miszczak

专题命中 Agent评测 ：agent(abstract)

AI总结 研究探讨了在无外部机制情况下，正方形晶格上代理群体中合作的形成机制，通过交互网络多样性促进合作，并发现代理切换交互邻域会抑制合作形成。

Comments 18 pages, 8 figures, code available at https://github.com/jmiszczak/pgg_group_diversity

Journal ref Physica A: Statistical Mechanics and its Applications, Volume 694, pp. 131613 (2026)

A Resource Allocation Game and its Equilibrium Strategies

资源分配博弈及其均衡策略

Duan-Shin Lee

专题命中 Agent评测 ：agent(abstract)

AI总结 本文提出一个贝叶斯博弈用于资源分配，分析了两玩家和大规模玩家的均衡策略函数，采用交替身份-平坦函数进行数学分析，并提出构造算法以获得纳什均衡。

Dynamic Scheduling of a Parallel-Server Queueing System: A Computational Method for High-Dimensional Problems

并行服务器排队系统的动态调度：一种用于高维问题的计算方法

Baris Ata, Ebru Kasikaralar

专题命中 Agent评测 ：agent(abstract)

AI总结 本文提出一种计算方法，用于解决高维问题中的并行服务器排队系统调度问题，通过深度神经网络技术构建策略，并在大量客户类别下保持计算可行性。

AutoRedTrader: Autonomous Red Teaming of Trading Agents through Synthetic Misinformation Injection

AutoRedTrader: 通过合成虚假信息注入实现交易代理的自主红队测试

Zhiwei Liu, Yangyang Yu, Yupeng Cao, Yuechen Jiang, Haohang Li, Zhuoran Lu, Yuyan Wang, Yixiang Zheng, Xiaorui Guo, Calvin Yixiang Cheng, Sophia Ananiadou

专题命中 Agent评测 ：agent(abstract)

AI总结 本文提出AutoRedTrader框架，通过行为偏差操控、微小文本扰动和重写策略生成金融领域虚假信息，评估其对交易代理的影响及历史市场证据的稳定性。

Comments Work in progress

Aggregating Elo Ratings: An Axiomatization

聚合Elo评分：一个公理化研究

Mehmet Mars Seven

专题命中 Agent评测 ：agent(abstract)

AI总结 本文通过公理化方法研究如何将多个Elo评分聚合为单一标量评分，提出了一种基于Elo尺度的聚合规则，证明其满足三个核心公理。

On MMS, APS and XOS

关于MMS、APS和XOS

Uriel Feige, Vadim Grinberg

专题命中 Agent评测 ：agent(abstract)

AI总结 本文研究了在XOS估值下，如何为n个享有同等权利的代理人分配m个不可分割物品，提出改进的MMS近似比方法，适用于足够大的n。

MalTool: Malicious Tool Attacks on LLM Agents

MalTool：针对LLM代理的恶意工具攻击

Yuepeng Hu, Yuqi Jia, Mengyuan Li, Dawn Song, Neil Gong

专题命中 Agent评测 ：agent(abstract)

AI总结 研究提出MalTool框架，系统分析恶意工具代码实现，展示恶意行为分类及生成方法，揭示现有检测方法对恶意工具的局限性。

A Survey on Generative Recommendation: Data, Model, and Tasks

生成推荐的综述：数据、模型与任务

Min Hou, Le Wu, Yuxin Liao, Yonghui Yang, Zhen Zhang, Yu Wang, Changlong Zheng, Han Wu, Richang Hong

专题命中 Agent评测 ：agent(abstract)

AI总结 本文综述生成推荐领域，探讨数据、模型与任务维度，分析生成模型在推荐中的应用与挑战，提出智能推荐助手的发展方向。

Acoustics-based Active Control of Unsteady Flow Dynamics using Reinforcement Learning Driven Synthetic Jets

基于声学的主动控制不稳流动力学使用强化学习驱动的合成喷嘴

Siddharth Rout, Khai Phan, Chao-An Lin

专题命中 Agent评测 ：agent(abstract)

AI总结 本文提出利用声学观测作为主要控制信号，通过深度强化学习与合成喷嘴驱动的主动控制方法，有效抑制圆柱后方涡街结构，降低噪声和阻力。

Skill Description Deception Attack against Task Routing in Internet of Agents

针对物联网代理中任务路由的技能描述欺骗攻击

Jiayi He, Xiaofeng Luo, Jiawen Kang, Ruichen Zhang, Jianhang Tang, Dong In Kim

专题命中 其他Agent ：agentic(abstract)

AI总结 本文提出技能描述欺骗攻击模型，通过生成虚假技能描述影响任务路由决策，实验显示攻击成功率高达98%，揭示了物联网代理系统的新安全漏洞。

Comments Submitted to IEEE Globecom 2026

Modeling Implicit Conflict Monitoring Mechanisms against Stereotypes in LLMs

对LLMs中隐含冲突监控机制对抗刻板印象的建模

Jingshen Zhang, Bo Wang, Yanlin Fu, Dongming Zhao, Ruifang He, Yuexian Hou, Zifei Yu

专题命中 其他Agent ：AI agent(abstract)

AI总结 本文提出COCO方法，通过对比因果机制识别高内在一致性且强跨对比差异的神经元，提升模型公平性并对抗对抗性劫持攻击。