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。
自主智能体导航中学习非线性模型预测控制的贝叶斯优化
机构 * Talos Robotics AI
专题命中 GUI与网页智能体 ：agent(title)；autonomous agent(title)；planning(abstract)；分类 cs.LG
AI总结 提出一种无地图框架，结合滚动时域规划与非线性MPC，利用贝叶斯优化自动调参，在仿真和实物四足机器人上实现高效导航。
Comments Published at the IEEE ICRA 2026 Xplore Workshop (Oral), Cross-Disciplinary aspects of Exploration in Robotics, Reinforcement Learning, and Search
MUZZLE: 针对间接提示注入攻击的自适应智能体红队测试框架
机构 * Northeastern University（东北大学） ； Mozilla Corporation（Mozilla公司）
专题命中 GUI与网页智能体 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 提出MUZZLE框架，利用智能体轨迹自动识别高显著性注入面，自适应生成上下文相关的恶意指令，评估网络智能体对间接提示注入攻击的安全性，发现44种新攻击和跨应用攻击策略。
FraudSMSWalker: 用于短信到网页欺诈检测的智能体大语言模型基准测试
机构 * Baimaohui（白猫汇） ； PPSUC（中国人民公安大学）
专题命中 GUI与网页智能体 ：agentic(title)；agent(abstract)；分类 cs.CL
AI总结 提出FraudSMSWalker基准，通过屏蔽URL的短信-网页对评估智能体大语言模型在跨渠道欺诈检测中的证据推理能力，发现模型能检测可疑线索但难以保持良性召回。
HeRo: 异构移动SoC上智能体RAG的自适应编排
专题命中 GUI与网页智能体 ：agentic(title,abstract)
AI总结 提出HeRo框架，通过基于性能分析的在线调度器，结合形状感知子阶段划分、关键性加速器映射和带宽感知并发控制，在异构移动SoC上实现低延迟智能体RAG，端到端延迟降低达10.94倍。
Comments Will appear in DAC'2026, Camera Ready
LabOSBench: 科学仪器控制的计算机使用智能体基准测试
机构 * Shenzhen Loop Area Institute（深圳河套学院） ； Dalian University of Technology（大连理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology（香港科技大学）
专题命中 GUI与网页智能体 ：agent(abstract)；workflow(abstract)；agentic(abstract)；分类 cs.AI
AI总结 提出LabOSBench基准，基于Web科学仪器模拟器评估多模态GUI智能体在仪器控制中的表现，揭示现有智能体在反馈驱动操作和长流程执行上的不足。
基于开放视觉语言模型的空间问答与导航的二值追踪
机构 * RGA Inc.（RGA公司）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI
AI总结 提出BinTrack，一种全开源的空间定位代理，通过二值搜索轨迹段，在SpaceLocQA基准上准确率提升22.8%，推理速度提升1.5倍，并发布多行程室外数据集GangnamLoop。
Comments 21 pages, 4 figures, 15 tables. Project page: https://ndb796.github.io/BinaryTracking ; Code and dataset: https://github.com/ndb796/BinaryTracking
在线技能与记忆模块是否总是值得其令牌消耗？Web代理的预算约束研究
机构 * ServiceNow AI Research（ServiceNow AI 研究院） ； ÉTS Montreal（蒙特利尔高等技术学院） ； University of British Columbia（不列颠哥伦比亚大学） ； McGill University（麦吉尔大学）
专题命中 GUI与网页智能体 ：workflow(abstract)；分类 cs.CL
AI总结 在固定推理预算下，对比三种在线增强模块与令牌匹配的基线，发现基线在总成功率上匹配或超越所有增强方法，且常使用更少令牌。
PhoneHarness: 通过混合GUI、CLI和工具操作利用手机使用代理
机构 * Tencent Hunyuan（腾讯混元） ； 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）） ； Tsinghua University（清华大学）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.CL
AI总结 提出PhoneHarness，一个混合动作基准和执行框架，用于评估手机代理在可验证移动工作流中的表现，通过GUI、CLI和工具动作的组合，达到75.0%通过率，比最强基线高12.9个百分点。
Comments Project Page: https://phoneharness.github.io/
隐藏的幽灵之手：揭示MLLM驱动的移动GUI代理中的后门漏洞
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Huawei Inc.（华为公司）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.CL
AI总结 本研究提出AgentGhost框架，通过组合目标和交互层触发器，利用监督对比学习和微调注入后门，在移动GUI代理中实现高成功率和隐蔽性，攻击准确率达99.7%。
Comments EMNLP-Findings 2025 (Correcting model settings)
PolyMerge: 用多面体覆盖压缩3D高斯泼溅以实现可证明安全的资源受限导航
机构 * Georgia Institute of Technology（佐治亚理工学院）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出PolyMerge，将大规模3D高斯泼溅模型转换为凸多面体覆盖，保证覆盖原模型所有障碍物，结合控制障碍函数实现实时安全路径规划，在Crazyflie无人机上验证。
Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 7, pp. 8512-8519, July 2026
缺失的层次：为什么教育科技需要设计时的生成式用户界面，而非仅运行时个性化
专题命中 GUI与网页智能体 ：workflow(abstract)
AI总结 针对教育科技中运行时生成式UI导致可访问性不足的问题，提出在创作层采用基于卡片的语义单元编码，由生成式AI在教学设计时生成多种界面表示，经教师验证后交付，实现公平可扩展的适应性教育。
Comments Accepted at the NextGen Learning Interfaces Workshop in AIED 2026
Metis: 一种用于自动驾驶和城市导航的通用高效世界-动作模型
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； The University of Hong Kong（香港大学） ； Tongji University（同济大学） ； Li Auto Inc.（理想汽车） ； Huazhong University of Science and Technology（华中科技大学） ； Imperial College London（伦敦帝国理工学院） ； University of Surrey（萨里大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出Metis框架，通过解耦视频生成与动作预测，采用混合专家架构和不对称注意力掩码，实现高效推理与泛化，在多个导航基准上取得最优性能。
通过浏览器可访问的LLM交互得到度/直径问题的新下界
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 通过与ChatGPT交互发现图构造，改进了度/直径问题的下界：N(12,5)≥34,992和N(16,5)≥147,456。
任务感知的环境增强：通过屏蔽条件扩散实现可靠导航
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 针对部分可观测环境下的轨迹规划可靠性问题，提出任务感知的环境增强方法SCoDA，利用条件扩散模型学习最优视觉标记布局，通过屏蔽采样引导标记放置，提升轨迹执行可靠性和完成时间。
GuideWalk: 面向人形机器人的统一自主导航与运动学习，适用于多种地形
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Leju Robotics（乐聚机器人）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出GuideWalk框架，通过可通行性感知导航引导与地形自适应运动教师蒸馏，实现人形机器人在复杂地形上的稳定导航与运动协调。
用于四肢瘫痪用户居家移动操作的双侧高密度肌电控制
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 针对颈椎脊髓损伤用户，提出双侧高密度肌电（HDEMG）前臂袖套，结合共享自主框架实现实时手势控制移动操作器，经12天居家研究验证日常任务有效性。
Comments 17 pages, 20 figures
ReMoBot: 基于检索的少样本模仿学习用于移动操作与视觉基础模型
机构 * School of Electrical Engineering, Aalto University, Espoo, Finland（艾尔沃大学电气工程学院，埃斯波，芬兰）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 提出ReMoBot，一种基于检索的少样本模仿学习框架，利用视觉基础模型从演示中检索信息，解决移动操作任务中的部分可观测性和数据有限问题，在真实世界任务中取得高成功率。
公海航行智能航行模型
机构 * University of California, Berkeley（加州大学伯克利分校） ； Technical University of Munich（慕尼黑技术大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出首个智能航行模型（ISM），模拟遵守海上交通规则的船舶，结合模型预测控制实现航点跟踪，在交互仿真中达到约97%的目标到达率且无碰撞。
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