AI Agent

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

Shoumik Saha, Kazem Faghih, Soheil Feizi

机构 * Department of Computer Science, University of Maryland - College Park（马里兰大学计算机科学系） 纠错

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

Yuhao Wu, Tung-Ling Li, Hongliang Liu

机构 * Palo Alto Networks（帕洛阿尔托网络） 纠错

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

Partha Madhira

机构 * MIT（麻省理工学院） 纠错

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

Damir Safin, Dian Balta

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） 纠错

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

Sungguk Cha, DongWook Kim

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

Tousif Islam, Digvijay Wadekar, Tejaswi Venumadhav, Matias Zaldarriaga, Ajit Kumar Mehta, Javier Roulet, Barak Zackay

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） 纠错

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？

Zhun Wang, Nico Schiller, Hongwei Li, Srijiith Sesha Narayana, Milad Nasr, Nicholas Carlini, Xiangyu Qi, Eric Wallace, Elie Bursztein, Luca Invernizzi, Kurt Thomas, Yan Shoshitaishvili, Wenbo Guo, Jingxuan He, Thorsten Holz, Dawn Song

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） 纠错

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

Patrizio Dazzi, Emanuele Carlini, Matteo Mordacchini, Saul Urso

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） 纠错

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

Lake Yang, Junwei Su, Jingfeng Zeng, Wenhao Lu, Xingzhi Qian, Weitong Zhang, Chuan Wu, Dunhong Jin

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） 纠错

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

Bulat Maksudov, Vladislav Kurenkov, Kathleen M. Curran, Alessandra Mileo

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） 纠错

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

Xinge Liu, Terry Jingchen Zhang, Bernhard Schölkopf, Zhijing Jin, Kristen Menou

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） 纠错

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

Giuliano Lorenzoni, Ivens Portugal, Paulo Alencar, Donald Cowan

机构 * University of Waterloo（滑铁卢大学） 纠错

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

Wenwen Zeng, Jinhui Zhang, Hao Chen, Zhaoyu Hu, Yongqi Liang, Jiajun Chai, Dengcan Liu, Zhenfeng Liu, Shurui Yan, Minglong Xue, Xiaohan Wang, Wei Lin, Guojun Yin

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

Linfeng Fan, Yuan Tian, Ziwei Li, Zhiwu Lu

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） 纠错

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

Chiyeong Heo, Jaechang Kim, Junhyuk Kwon, Hoyoung Kim, Dongmin Park, Jonghyun Lee, Jungseul Ok

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） 纠错

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

Venkata Krishna Prasanth Budigi, Siri Chandana Sirigiri

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

Sarvin Bahmani, Soumyajit Paul, Sven Schewe, Shadi Tasdighi Kalat, Ashutosh Trivedi

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

Jishnu Sethumadhavan Nair, Patrice Bechard, Rishabh Maheshwary, Surajit Dasgupta, Sravan Ramachandran, Aakash Bhagat, Shruthan Radhakrishna, Pulkit Pattnaik, Johan Obando-Ceron, Shiva Krishna Reddy Malay, Sagar Davasam, Seganrasan Subramanian, Vipul Mittal, Sridhar Krishna Nemala, Christopher Pal, Srinivas Sunkara, Sai Rajeswar

机构 * ServiceNow ； Mila 纠错

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

Japan K. Patel, Todd A. Wareing, Tenzin Kunkyab, Caleb Raman, Ilias Sachpazidis, Peter Szentivanyi, Ryan Clark, Gregory Gill, Pierre Lansonneur, Arjun Karnwal, Michael Kudla, Sergejs Unterkirhers, Junqi Song, Jun Yang, Anthony Magliari, Matthew C. Schmidt

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

Seokwon Jung, Alexander Rubinstein, Arnas Uselis, Sangdoo Yun, Seong Joon Oh

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） 纠错

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

Sina Mavali, David Pape, Jonathan Evertz, Samira Abedini, Devansh Srivastav, Thorsten Eisenhofer, Sahar Abdelnabi, Lea Schönherr

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） 纠错

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

Robin Linzmayer, Georgianna Lin, Di Coneybeare, Jason Chu, Trudi Cloyd, Manish Garg, Miles Gordon, Elizabeth Hartofilis, Benjamin Hong, Ashraf Hussain, Eugene Y. Kim, Oluchi Iheagwara King, Ross McCormack, Erica Olsen, John K. Riggins, Mustafa N. Rasheed, Dana L. Sacco, Vinay Saggar, Osman R. Sayan, Amit Shembekar, Janice Shin-Kim, Wendy W. Sun, Bernard P. Chang, David Kessler, Noémie Elhadad

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） 纠错

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

Chongyi Zheng, Seohong Park, Sergey Levine, Benjamin Eysenbach

机构 * Princeton University（普林斯顿大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

Ricard Montalà, Bernat Font, Oriol Lehmkuhl, Ricardo Vinuesa, Ivette Rodriguez

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） 纠错

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。

Why Users Go There: World Knowledge-Augmented Generative Next POI Recommendation

为何用户前往那里：世界知识增强的生成性下一个兴趣点推荐

Qiuyu Ding, Heng-Da Xu, Wei Zhang, Dongyi Lv, Changda Xia, Feng Xiong, Mu Xu

机构 * Amap, Alibaba Group（阿里巴巴集团阿地图） ； Xi’an Jiaotong University（西安交通大学） 纠错

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

AI总结 本文提出AWARE模型，通过LLM代理生成时空感知的上下文叙述，结合用户行为增强世界知识，提升POI推荐效果，实验证明其优于基线模型。

PresentAgent-2: Towards Generalist Multimodal Presentation Agents

PresentAgent-2: 向通用多模态展示代理迈进

Wei Wu, Ziyang Xu, Zeyu Zhang, Yang Zhao, Hao Tang

机构 * Peking University（北京大学） ； La Trobe University（拉特罗布大学） 纠错

专题命中 Agent评测 ：agentic(abstract)；分类 cs.CL

AI总结 PresentAgent-2通过多模态资源收集与生成，实现基于用户查询的交互式展示视频生成，支持单人叙述、多人讨论及观众互动三种模式。

Sequential Behavioral Watermarking for LLM Agents

序列行为水印用于LLM代理

Hyeseon An, Shinwoo Park, Dongsu Kim, Yo-Sub Han

机构 * Department of Computer Science（计算机科学系） 纠错

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

AI总结 本文提出SeqWM，通过在历史条件下的转移模式中嵌入信号，实现对代理轨迹的无位置验证，提升水印鲁棒性与检测可靠性。

Comments 17 pages, 3 figures, preprint

AgentShield: Deception-based Compromise Detection for Tool-using LLM Agents

AgentShield：基于欺骗的工具使用LLM代理 compromise 检测

Yassin H. Rassul, Tarik A. Rashid

机构 * Computer Science and Engineering Department, School of Science and Engineering, University of Kurdistan Hewl\^{e}r, Erbil, Iraq（科罗曼嫩大学科学与工程学院计算机科学与工程系） ； Engineering Department, School of Science（科学学院工程系） ； Engineering, University of Kurdistan Hewl\ e r, Erbil, Iraq（科罗曼嫩大学工程学院） ； Innovation Centre, University of Kurdistan Hewl\ e r, Erbil, Iraq（科罗曼嫩大学创新中心） 纠错

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

AI总结 AgentShield 通过在代理工具接口中设置三层陷阱（假工具、假凭证、允许参数）来检测间接提示注入攻击，利用高精度标签训练自监督分类器，实现高准确率的实时检测与无误报的下游检测训练。

Comments 20 pages, 5 figures. Code: https://github.com/Yassin-H-Rassul/AgentShield

CktFormalizer: Autoformalization of Natural Language into Circuit Representations

CktFormalizer: 自然语言到电路表示的自动形式化

Jing Xiong, Qi Han, Chenchen Ding, He Xiao, Zunhai Su, Chaofan Tao, Ngai Wong

机构 * The University of Hong Kong（香港大学） 纠错

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

AI总结 CktFormalizer通过依赖类型HDL在Lean 4中实现LLM生成硬件描述的自动形式化，解决Verilog中的宽度不匹配、组合环和不完整案例逻辑问题，提升后端实现率和仿真通过率。

Finite and Corruption-Robust Regret Bounds in Online Inverse Linear Optimization under M-Convex Action Sets

有限的和抗腐败的在线逆线性优化在M-凸行动集下的后悔界

Taihei Oki, Shinsaku Sakaue

机构 * Institute for Chemical Reaction Design and Discovery (ICReDD), Hokkaido University（化学反应设计与发现研究所（ICReDD），北海道大学） ； D3 Center, The University of Osaka（大阪大学D3中心） ； Center for Advanced Intelligence Project, RIKEN（先进智能项目中心，RIKEN） ； CyberAgent, Tokyo, Japan（CyberAgent，日本东京） ； National Institute of Informatics, Tokyo, Japan（信息技术国家研究所，日本东京） 纠错

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

AI总结 研究在线逆线性优化问题，提出在M-凸可行集下可实现O(d log d)的有限后悔界，并扩展到对抗性腐败反馈场景。