Leveraging RAG for Training-Free Alignment of LLMs
利用RAG实现无需训练的LLM对齐
机构 * Leidos（莱迪奥斯公司）
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出RAG-Pref算法，通过对比信息提升对抗攻击拒绝能力，相比其他方法在五种主流LLM上提升3.7倍，同时保持计算效率。
Comments 19 pages, 4 figures, and 6 tables
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. 记忆与上下文管理 16 篇
$δ$-mem: Efficient Online Memory for Large Language Models
$δ$-mem: 高效的大型语言模型在线内存
机构 * Nanyang Technological University（南洋理工大学） ； Fudan University（复旦大学） ； Mind Lab ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 本文提出$δ$-mem机制，通过紧凑的在线状态与注意力计算直接耦合，提升模型在长文本任务中的表现，无需全微调或替换backbone。
Human-AI Productivity Paradoxes: Modeling the Interplay of Skill, Effort, and AI Assistance
人机生产力悖论：技能、努力与AI辅助的交互建模
机构 * Massachusetts Institute of Technology（麻省理工学院）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 本文通过建模技能、努力与AI辅助的交互，探讨AI对生产力的影响机制，发现技能发展内生性或AI不可靠性可能引发生产力悖论，并揭示技能极化现象的形成机制。
SkillMaster: Toward Autonomous Skill Mastery in LLM Agents
SkillMaster：迈向LLM代理自主技能掌握
机构 * Shandong University（山东大学） ； Zhongguancun Academy（中关村学院） ； Tsinghua University（清华大学） ； Southeast University（东南大学） ； University of Science and Technology of China（中国科学技术大学）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 SkillMaster通过轨迹引导技能复习、反事实效用评估和DualAdv-GRPO算法，使LLM代理能自主创建、优化和选择技能，提升任务成功率8.8%和9.3%。
MindMirror: A Local-First Multimodal State-Aware Support System for Digital Workers
MindMirror: 一种面向数字工作者的本地优先多模态状态感知支持系统
专题命中 记忆与上下文管理 ：workflow(abstract)
AI总结 MindMirror通过整合面部表情、文本输入和语音交互等多模态数据，为数字工作者提供本地优先的状态感知支持，通过本地大语言模型生成响应，提升工作效率与状态监控能力。
Comments 10 pages, 4 figures, 12 tables. Technical report
Grounding by Remembering: Cross-Scene and In-Scene Memory for 3D Functional Affordances
通过记忆实现 grounding：跨场景和场景内的记忆用于3D功能 affordances
机构 * TUM（慕尼黑工业大学） ； A*STAR（新加坡科技研究局）
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 本文提出AFFORDMEM框架，通过跨场景和场景内的记忆实现3D功能 affordances的grounding，无需微调和标注，提升AP50性能。
2. Agent评测 34 篇
Under the Hood of SKILL.md: Semantic Supply-chain Attacks on AI Agent Skill Registry
深入探究SKILL.md：人工智能代理技能注册中的语义供应链攻击
机构 * Department of Computer Science, University of Maryland - College Park（马里兰大学计算机科学系）
专题命中 Agent评测 ：agent(title,abstract)；AI agent(title,abstract)；分类 cs.AI
AI总结 研究了SKILL.md文件在AI代理技能生命周期三个阶段中的语义供应链攻击，发现文本触发可影响技能发现、选择和治理，揭示SKILL.md的动态作用。
Comments 31 pages, 21 figures, 10 tables
Behavioral Integrity Verification for AI Agent Skills
AI代理技能的行为完整性验证
机构 * Palo Alto Networks（帕洛阿尔托网络）
专题命中 Agent评测 ：agent(title,abstract)；AI agent(title)；分类 cs.AI
AI总结 本文提出行为完整性验证(BIV)方法，通过类型集比较验证AI代理技能声明与实际能力的一致性，发现80%的技能存在描述与实现差距，并在恶意技能检测中取得高F1值。
Digital Identity for Agentic Systems: Toward a Portable Authorization Standard for Autonomous Agents
面向代理系统的数字身份：为自主代理建立可携带的授权标准
机构 * MIT（麻省理工学院）
专题命中 Agent评测 ：autonomous agent(title,abstract)；agentic(title)；agent(abstract)；分类 cs.AI
AI总结 本文针对自主代理在跨组织边界扩展时身份不足的问题，提出基于发行者授权负载、类型约束代数等的可携带授权模型，旨在实现授权的明确性、约束性与可审计性。
Comments 46 pages, 10 figures
Autonomy and Agency in Agentic AI: Architectural Tactics for Regulated Contexts
自主性与代理性在代理AI中的作用：受监管环境中的架构策略
机构 * fortiss GmbH（fortiss公司） ； Research Institute of the Free State of Bavaria for software-intensive systems（巴伐利亚自由州软件密集系统研究机构）
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；workflow(abstract)；multi-agent(abstract)
AI总结 本文提出一个二维设计空间，通过六个架构策略和五个部署参数，为受监管环境中的代理AI设计提供原则性指导，强调责任、可审计性和可逆性。
Frame Entrepreneurs in an AI Agent Community: Concentrated Identity-Claim Production on Moltbook
人工智能代理社区中的框架企业家：在Moltbook上的身份主张集中生产
专题命中 Agent评测 ：agent(title,abstract)；AI agent(title)
AI总结 研究探讨了人工智能代理社区中身份主张的形成机制，发现少数作者主导了大部分身份主张，且事件覆盖影响关注度，但强主张本身无额外影响。
Comments 2026 American Sociological Association (ASA) Annual Meeting CITAMS Roundtable
Discovery of Interpretable Surrogates via Agentic AI: Application to Gravitational Waves
通过代理AI发现可解释的替代模型：应用于引力波
机构 * Kavli Institute for Theoretical Physics, University of California Santa Barbara（加州大学圣芭芭拉分校凯文利理论物理研究所） ； Center for Gravitational Physics, University of Texas at Austin（德克萨斯大学奥斯汀分校重力物理中心） ； Department of Physics, University of California at Santa Barbara（加州大学圣芭芭拉分校物理系） ； International Centre for Theoretical Sciences, Tata Institute of Fundamental Research（塔塔基础研究机构国际理论科学研究中心） ； School of Natural Sciences, Institute for Advanced Study（高级研究院自然科学学院） ； Chennai Mathematical Institute（钦奈数学研究所） ； Kavli Institute for Cosmological Physics, The University of Chicago（芝加哥大学凯文利宇宙物理研究所） ； Department of Particle Physics & Astrophysics, Weizmann Institute of Science（魏茨曼科学研究所粒子物理与天体物理系）
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；workflow(abstract)；分类 cs.AI
AI总结 本文提出GWAgent，一种基于大语言模型的流程，直接从模拟数据构建可解释的分析替代模型。通过物理指导的域假设提升模型精度，实现高精度、快速且可解释的引力波模拟替代。
Comments 25 pages, 9 figures, codes available at https://github.com/tousifislam/GWAgent
ExploitGym: Can AI Agents Turn Security Vulnerabilities into Real Attacks?
ExploitGym：AI代理能否将安全漏洞转化为实际攻击？
机构 * UC Berkeley（加州大学伯克利分校） ； Max Planck Institute for Security and Privacy（马克斯·普朗克安全与隐私研究所） ； UC Santa Barbara（加州大学圣巴巴拉分校） ； Arizona State University（亚利桑那州立大学） ； Anthropic（Anthropic公司） ； OpenAI ； Google（谷歌）
专题命中 Agent评测 ：AI agent(title,abstract)；agent(abstract)；分类 cs.AI、cs.LG
AI总结 ExploitGym通过大规模真实漏洞数据评估AI代理的漏洞利用能力，揭示前沿模型在复杂漏洞利用中的表现，凸显AI发展对网络安全的潜在风险。
Trade-offs in Decentralized Agentic AI Discovery Across the Compute Continuum
在计算连续体上分布式代理AI发现中的权衡
机构 * Department of Computer Science（计算机科学系） ； University of Pisa（比萨大学） ； Institute of Information Science and Technologies（信息科学与技术研究所） ； National Research Council of Italy（意大利国家研究理事会） ； Institute of Informatics and Telematics（信息学与电信研究所）
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 本文研究了在计算连续体上不同结构覆盖家族在代理发现中的权衡，比较了Chord、Pastry和Kademlia等索引子结构，在共享控制平面框架下分析其发现可靠性、启动行为和控制平面开销。
GeomHerd: A Forward-looking Herding Quantification via Ricci Flow Geometry on Agent Interactive Simulations
GeomHerd：通过Ricci流几何在代理交互模拟中进行前瞻性从众量化
机构 * University of Science and Technology of China（科学技术大学） ； MaxQuant ； The University of Hong Kong（香港大学） ； University College London（伦敦大学学院）
专题命中 Agent评测 ：agent(title,abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 本文提出GeomHerd框架，利用Ricci流几何直接量化代理交互图中的协调性，提前预测从众行为，实验显示其在连续自旋模型中提前检测从众现象，且在Vicsek模型中表现良好。
ABRA: Agent Benchmark for Radiology Applications
ABRA：放射学应用代理基准测试
机构 * School of Computing（计算学院） ； Dublin City University（都柏林城市大学） ； School of Medicine（医学院） ； University College Dublin（都柏林大学）
专题命中 Agent评测 ：agent(title,abstract)；planning(abstract)；分类 cs.AI
AI总结 ABRA是一个放射学代理基准测试，通过21个功能调用工具操作OHIF查看器和Orthanc DICOM服务器，包含655个生成任务，评估代理在规划、执行和结果方面的性能。
Stargazer: A Scalable Model-Fitting Benchmark Environment for AI Agents under Astrophysical Constraints
Stargazer：一种可扩展的AI代理在天体物理约束下的模型拟合基准环境
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； ELLIS Institute Tübingen（图宾根ELLIS研究所）
专题命中 Agent评测 ：AI agent(title,abstract)；分类 cs.AI、cs.LG
AI总结 Stargazer通过120个任务评估AI代理在动态物理约束下的模型拟合能力，揭示了数值优化与物理约束间的差距，并提供了可扩展的评估框架。
CPEMH: An Agentic Framework for Prompt-Driven Behavior Evaluation and Assurance in Foundation-Model Systems for Mental Health Screening
CPEMH：一种用于基础模型系统中基于提示的行为评估与保证的代理框架
机构 * University of Waterloo（滑铁卢大学）
专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.AI；agent(comments)
AI总结 本文提出CPEMH框架，用于评估基础模型系统在基于转录数据的心理健康筛查中的提示驱动行为，通过模块化代理设计实现行为保证，案例研究展示了其在对话和临床敏感领域稳定性和审计能力。
Comments 4 pages, 2 figures. Accepted at the AGENT 2026 Workshop (ICSE 2026)
RecRM-Bench: Benchmarking Multidimensional Reward Modeling for Agentic Recommender Systems
RecRM-Bench：面向代理推荐系统的多维奖励建模基准测试
专题命中 Agent评测 ：agentic(title,abstract)
AI总结 本文提出RecRM-Bench，首个大规模多维奖励建模基准，涵盖指令遵循、事实一致性等四个维度，为训练复杂奖励模型提供基础数据。
Skill Drift Is Contract Violation: Proactive Maintenance for LLM Agent Skill Libraries
技能漂移是合同违约：为LLM代理技能库的主动维护
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院 Gallagher 学院） ； King Abdullah University of Science and Technology（国王 Abdullah 科学与技术大学）
专题命中 Agent评测 ：agent(title)；分类 cs.AI、cs.SE
AI总结 本文提出通过提取可执行环境合同来检测LLM代理技能库中的技能漂移，通过区分噪声监控与精准维护信号，提升检测精度和修复效果，同时发布了一个技能退化基准数据集。
MMTB: Evaluating Terminal Agents on Multimedia-File Tasks
MMTB：评估多媒体文件任务的终端代理
机构 * GSAI, POSTECH（POSTECH 人工智能研究所） ； CSE, POSTECH（POSTECH 计算科学与工程系） ； National AI Research Lab（国家人工智能研究实验室） ； Krafton AI（Krafton 人工智能）
专题命中 Agent评测 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 本文提出MMTB基准，评估终端代理处理音频和视频文件的能力，引入Terminus-MM工具扩展功能，揭示多媒体访问对任务结果的影响。
BatchBench: Toward a Workload-Aware Benchmark for Autoscaling Policies in Big Data Batch Processing -- A Proposed Framework
BatchBench: 一种面向工作负载的自动扩展策略基准测试框架
专题命中 Agent评测 ：agent(abstract)；agentic(abstract)
AI总结 本文提出BatchBench框架，旨在为大数据批处理中的自动扩展策略提供统一的基准测试平台，通过工作负载分类、参数化工作负载生成器和五维评估体系，实现不同策略的公平比较。
Comments 5 pages, 1 table, position paper. Reference implementation in active development. Empirical follow-up to appear
Social Welfare under Heterogeneous Time Preferences
社会福利在异质时间偏好下的研究
专题命中 Agent评测 ：agent(abstract)；AI agent(abstract)
AI总结 本文研究了在异质时间偏好下，如何通过社会福利最大化来制定最优策略，展示了即使所有主体获得相同奖励，最优策略也不再是位置性的，但策略结构仍保持简单。
Comments 14 pages including appendices, Accepted to IJCAI 2026
Do Enterprise Systems Need Learned World Models? The Importance of Context to Infer Dynamics
企业系统需要学习的世界模型吗？上下文对推断动态的重要性
机构 * ServiceNow ； Mila
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文探讨了在可配置的企业环境中，代理是否仍需学习动态规则，通过实验表明运行时发现动态比离线训练更鲁棒。
MAAS-SFRThelper: An Integrated ESAPI Plugin for Structure Generation, Optimization, and Evaluation of Spatially Fractionated Radiation Therapy
MAAS-SFRThelper：一种集成的ESAPI插件，用于空间分数化放射治疗的结构生成、优化和评估
专题命中 Agent评测 ：planning(abstract)；workflow(abstract)
AI总结 本文提出MAAS-SFRThelper插件，整合了空间分数化放射治疗的结构生成、几何感知优化和峰谷剂量比评估，通过Eclipse治疗计划系统实现统一工作流。
Comments Manuscript is being submitted to JACMP for review
MEME: Multi-entity & Evolving Memory Evaluation
MEME：多实体与演进记忆评估
机构 * KAIST AI（韩国科学技术院人工智能实验室） ； Tübingen AI Center, University of Tübingen（图宾根大学图宾根人工智能中心） ； NAVER AI Lab（NAVER人工智能实验室）
专题命中 Agent评测 ：agent(abstract)；分类 cs.CL、cs.LG
AI总结 研究探讨多实体与演进内存系统在持续环境中的表现，发现默认配置下所有系统在依赖推理上表现不佳，仅文件型代理配合Claude Opus 4.7能部分改善，但成本高且不实用。
No More, No Less: Task Alignment in Terminal Agents
无需更多，无需更少：终端代理的任务对齐
机构 * CISPA Helmholtz Center for Information Security（CISPA 涅槃中心信息安全研究所） ； ELLIS Institute Tübingen and MPI for Intelligent Systems（图宾根 ELLIS 研究所和智能系统 MPI） ； Tübingen AI Center（图宾根人工智能中心）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 研究探讨终端代理在复杂任务中如何选择性使用环境指令，提出TAB基准测试揭示任务能力与对齐之间的差距，显示需平衡执行与忽略。
AcuityBench: Evaluating Clinical Acuity Identification and Uncertainty Alignment
AcuityBench：评估语言模型对医疗紧急情况识别和不确定性对齐
机构 * Department of Computer Science, Columbia University, New York, NY, USA（计算机科学系，哥伦比亚大学，纽约，纽约州，美国） ； Department of Biomedical Informatics, Columbia University, New York, NY, USA（生物医学信息学系，哥伦比亚大学，纽约，纽约州，美国） ； Department of Emergency Medicine, Columbia University Irving Medical Center, New York, NY, USA（急诊医学系，哥伦比亚大学伊文思医疗中心，纽约，纽约州，美国）
专题命中 Agent评测 ：workflow(abstract)；分类 cs.AI、cs.CL
AI总结 AcuityBench通过统一框架评估语言模型对医疗紧急程度的识别能力，包含914个案例，涵盖明确和模糊情况，揭示模型在不同任务格式下的表现差异及不确定性处理问题。
Comments 41 pages, 5 figures. Preprint under review for the Track on Evaluations and Datasets at NeurIPS 2026
Intention-Conditioned Flow Occupancy Models
意图条件流占用模型
机构 * Princeton University（普林斯顿大学） ； University of California, Berkeley（加州大学伯克利分校）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出意图条件流占用模型（InFOM），通过引入用户意图的隐变量，提升模型对长期依赖的建模能力，在36个状态基和4个图像基基准任务中实现回报提升1.8倍和成功率提升36%。
Comments ICLR 2026
High-lift Wing Separation Control via Bayesian Optimization and Deep Reinforcement Learning
高升力翼型分离控制通过贝叶斯优化和深度强化学习
机构 * TUAREG, Universitat Politècnica de Catalunya (UPC)（TUAREG，西班牙巴塞罗那理工大学） ； Mechanical Engineering, Delft University of Technology (TU Delft)（代尔夫特理工大学机械工程系） ； CASE, Barcelona Supercomputing Center (BSC)（巴塞罗那超级计算中心）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
AI总结 研究通过贝叶斯优化和深度强化学习优化高升力翼型的主动流动控制，在Re=450000和攻角23度条件下，通过合成喷嘴提升效率，优化策略在维持升力的同时减少阻力，但深度强化学习效果有限。
