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。
Qwen-RobotNav 技术报告：为智能体导航系统设计的可扩展导航模型
机构 * Qwen Team（通义实验室）
专题命中 GUI与网页智能体 ：agentic(title,abstract)；planning(abstract)
AI总结 提出 Qwen-RobotNav 可扩展导航模型，通过参数化接口支持多种任务模式和可调观测参数，在15.6M样本上训练，联合视觉语言数据防止行为坍缩，在多个导航基准上取得新最优结果，并展示零样本泛化能力。
平面跟踪中的反馈速度控制
机构 * Department of Mechanical and Aerospace Engineering, University of South Florida（南佛罗里达大学机械与航空航天工程系）
专题命中 GUI与网页智能体 ：agent(summary_cn,abstract)
AI总结 针对领航-跟随平面跟踪问题，提出一种反馈速度控制律与恒定方位角转向策略，实现并排编队并证明渐近稳定性，扩展至N-agent链网络。
超越GUI范式：移动代理是否需要手机屏幕？
机构 * Mila – Québec AI Institute（魁北克人工智能研究所） ； Concordia University（康科迪亚大学） ； University of Toronto（多伦多大学） ； McMaster University（麦马斯特大学）
专题命中 GUI与网页智能体 ：agent(abstract,abstract_cn)；分类 cs.CL、cs.SE
AI总结 本文挑战移动代理的GUI主导范式，提出CLI应同等重要，通过实验证明CLI代理在AndroidWorld和MobileWorld上超越GUI基线，并引入CLI-Advantage任务套件展示其优势。
See-and-Reach: 视场内的精确视觉语言导航用于无人机
机构 * School of Information Science and Engineering, Shandong University（山东大学信息科学与工程学院） ； Faculty of Engineering and Information Technology, University of Technology Sydney（悉尼科技大学工程与信息技术学院） ； School of Computer Science and Technology, Shandong University（山东大学计算机科学与技术学院） ； School of Artificial Intelligence, Shandong University（山东大学人工智能学院） ； School of Computer Science and Artificial Intelligence, Shandong Normal University（山东师范大学计算机科学与人工智能学院） ； Interdisciplinary Research Center of General Artificial Intelligence, Shandong Normal University（山东师范大学通用人工智能跨学科研究中心）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI
AI总结 针对无人机视觉语言导航中目标可见后精确到达能力评估不足的问题，提出UAV-VLN-FOV任务和3DG-VLN框架，通过动态3D方向线索增强细粒度视觉定位与空间对齐，在基准和真实实验中显著提升成功率。
Comments 12 pages, 7 figures
SimuWoB: 模拟真实世界移动应用以实现快速且保真的GUI智能体基准测试
机构 * Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） ； University of Electronic Science and Technology of China（电子科技大学） ； MiLM Plus, Xiaomi Inc.（小米公司MiLM Plus团队）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI
AI总结 针对现有移动GUI智能体基准测试与现实应用之间的差距，提出全合成基准SimuWoB，通过鲁棒的虚拟环境生成框架合成高保真任务和环境，自动提供有效奖励，实现对复杂长程交互的高效可重复评估。
OpenRath: 面向会话的代理系统运行时状态
专题命中 记忆与上下文管理 ：agent(title,abstract)；workflow(abstract,abstract_cn)；multi-agent(abstract)；分类 cs.SE
AI总结 针对代理系统运行时状态碎片化问题，提出以Session为核心的一等运行时抽象，支持分支、检查、重放、后端感知和组合，使fork、merge和replay成为显式运行时操作。
通过构造实现双稳态：挂钟校准的状态监视器在代理节奏下没有瞬间检测机制
机构 * Modint Intelligence（Modint智能科技）
专题命中 记忆与上下文管理 ：agent(title,abstract)；autonomous agent(abstract)；分类 cs.AI、cs.LG、cs.SE
AI总结 本文发现挂钟校准的泄漏积分器监视器在代理流中无法作为瞬间检测器工作，揭示了校准类别的关键影响，并提出了上升沿触发作为替代方案。
Comments 10 pages, 5 figures. Sequel to arXiv:2606.04296. Pre-registered; falsification clauses honored (H5 unsupported; H7 strict band 16/20) repo:https://github.com/2025eb1100268-tech/intervention-timing-saturation-trap
FundaPod: 一个具有知识图谱记忆的多角色智能体平台，用于AI辅助的基础投资研究
机构 * Stevens Institute of Technology（史蒂文斯理工学院） ； UMass Boston（马萨诸塞大学波士顿分校）
专题命中 记忆与上下文管理 ：agent(title,abstract)；AI agent(abstract)；分类 cs.AI
AI总结 提出FundaPod平台，通过多角色独立研究、知识图谱记忆和事后裁决机制，支持人类投资经理进行透明、可验证的基础投资决策。
Comments 32 pages; 12 figures
基准测试智能审稿系统
机构 * University of Chicago（芝加哥大学） ； Bar-Ilan University（巴伊兰大学）
专题命中 记忆与上下文管理 ：agentic(title,abstract)；分类 cs.AI、cs.CL
AI总结 针对AI辅助研究给同行评审带来的压力，新兴智能审稿系统涌现，但缺乏评估标准。本文评估了多种系统，发现最佳配置（OpenAIReview + GPT-5.5）在成对准确性上达83.0%，能捕获71.6%注入错误，且用户反馈正面。
Comments 11 pages, 7 tables, 4 figures
边际优势累积用于记忆驱动智能体自我进化
机构 * Alibaba International Digital Commerce Group（阿里巴巴国际数字商业集团）
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.LG
AI总结 针对批量式轨迹蒸馏中跨批次证据缺失问题，提出边际优势累积（MAA）方法，通过差分信号构造、指数移动平均累积和语义身份合并，在16个设置中14个取得最佳结果，优化阶段token消耗减少约75%。
Comments 26 pages, 4 figures, 10 tables, 42 references
分散观测下具有共同隐藏状态的均值场控制
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 研究多个决策者通过相同信道接收分散观测并共享隐藏状态的最优控制问题，通过均值场极限简化为单代理控制问题，证明了随机化控制的必要性并建立了有限人口问题的近似最优收敛率。
TxBench-PP：分析AI代理在小分子临床前药理学中的表现
机构 * LatchBio
专题命中 Agent评测 ：agent(title)；AI agent(title)；workflow(abstract)；分类 cs.AI、cs.LG
AI总结 提出TxBench-PP基准，用于评估AI代理从真实实验数据中恢复临床前药理学结论的能力，测试显示最强配置Claude Opus 4.8 / Pi仅通过59.3%的端点尝试。
面向空间自主性的智能体自动研究：用于航空航天控制问题的可审计、LLM驱动的研究代理
机构 * Department of Aeronautics and Astronautics（航空航天学系）
专题命中 Agent评测 ：agent(title,abstract)；agentic(title)
AI总结 提出AutoResearch框架，利用大语言模型作为离线研究代理，自动迭代开发航天控制策略，并通过内置可信层审计结果，消除种子噪声影响，在交会和对接问题上验证了有效性。
DRFLOW：用于个性化工作流预测的深度研究基准
机构 * ServiceNow AI Research（ServiceNow人工智能研究）
专题命中 Agent评测 ：workflow(title,abstract)；agent(abstract,abstract_cn)；分类 cs.AI
AI总结 提出DRFLOW基准，评估AI代理从异构源预测个性化工作流的能力，包含5领域100任务，并设计7个诊断指标，实验显示现有代理性能有限。
PowerAgentBench-Dyn：电力系统动态研究中智能体AI的基准测试
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；planning(abstract)
AI总结 提出PowerAgentBench-Dyn基准，用于评估基于LLM的智能体在电力系统动态分析任务中的能力，涵盖模型质量审查和安全风险筛选两个任务。
ScholarQuest：开放文献环境中智能学术论文搜索的基于分类法的基准测试
机构 * State Key Lab of Cognitive Intelligence, University of Science and Technology of China（中国科学技术大学认知智能国家重点实验室）
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 提出ScholarQuest基准，基于1000多个计算机科学主题和四种研究意图，构建可扩展的答案和共享检索后端，评估LLM智能体在开放文献环境中的学术论文搜索能力。
VitalAgent: 一种工具增强型代理，用于对可穿戴健康数据进行反应性和主动式生理监测
机构 * The University of Melbourne, Australia（墨尔本大学） ； Dartmouth College, US（达特茅斯学院） ； University of Auckland, New Zealand（奥克兰大学） ； Eindhoven University of Technology, Netherlands（埃因霍温理工大学）
专题命中 Agent评测 ：agent(title)；tool use(abstract)；agentic(abstract)；分类 cs.AI
AI总结 提出VitalAgent框架，通过工具增强推理和纵向生理记忆，实现对ECG/PPG信号的反应性问答与主动监测，在VitalBench基准上相比基线提升超30%。
Comments Minor revisions; results unchanged
自主AI代理的抗博弈保险合约：策略证明的通行费机制设计
机构 * Hao-Hsuan Chen（何浩轩）
专题命中 Agent评测 ：AI agent(title)；agent(abstract)；分类 cs.AI
AI总结 本文扩展了时间一致精算运行时的框架，使运营商策略化，刻画了自主AI代理保险合约的五种攻击空间，并证明了精算运行时的抗博弈性，通过新合约条款实现激励兼容。
Comments 29 pages. Companion to arXiv:2605.26508 (Paper A, foundations) and arXiv:2605.25632 (Paper B, empirical)
通过知识增强的LLM智能体实现左移高层次综合验证
专题命中 Agent评测 ：agent(title,abstract)
AI总结 提出一种知识增强的智能体驱动左移验证框架，通过双层级一致性检查、符号执行和HLS验证知识图谱，在综合前自动验证C与HLS-C的功能一致性，覆盖率达98.26%。
ORAgentBench: LLM代理能否解决具有挑战性的端到端运筹学任务？
机构 * Southeast University（东南大学） ； Waseda University（早稻田大学） ； Nanyang Technological University（南洋理工大学）
专题命中 Agent评测 ：agent(abstract)；autonomous agent(abstract)；workflow(abstract)；分类 cs.AI
AI总结 提出ORAgentBench基准，评估LLM代理在端到端运筹学任务中的表现，发现当前代理通过率仅35.51%，主要受策略性弱点限制。
Comments 31 pages, preprint, v1
Connect the Dots：通过强化学习训练具备跨域泛化能力的长期生命周期智能体
机构 * Alibaba Group（阿里巴巴集团）
专题命中 Agent评测 ：agent(abstract)；AI agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出Connect the Dots框架，通过端到端强化学习训练LLM在长期任务中自我更新上下文并泛化到新领域，实验验证了跨域泛化能力。
Comments Work in progress; we will continuously update the codebase and arXiv version
使用本体约束的LLM代理自动化标准化遗留生物医学元数据
机构 * Division of Computational Medicine, Stanford University（斯坦福大学计算医学部） ； Department of Biology, University of Pennsylvania（宾夕法尼亚大学生物学系）
专题命中 Agent评测 ：agent(title)；分类 cs.AI
AI总结 提出基于LLM的元数据标准化系统，通过实时查询标准指南和本体服务，在839条HuBMAP记录上验证，相比纯LLM方法显著提升预测准确性。
IHBench：评估语音代理在结构化工作流中的中断后恢复能力
机构 * Boson AI
专题命中 Agent评测 ：agent(abstract)；workflow(abstract)；分类 cs.AI、cs.LG
AI总结 提出IHBench基准，评估语音代理在结构化工作流中处理中断后的恢复能力，涵盖任务完成和恢复质量两个维度，实验表明闭源模型比开源模型更鲁棒。
加速AI伦理与Telus生成式AI对话代理
专题命中 Agent评测 ：agent(title)
AI总结 本文阐述加速伦理学的理论框架，并通过Telus公司的生成式AI语言工具案例，展示加速AI伦理如何在创新与安全之间平衡，以最大化社会责任。
Journal ref Law Ethics Technol. 2026(2):0006
主体之道：自生目标人工智能、嵌入主体与自我的消解
机构 * Aritra Sarkar
专题命中 Agent评测 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文探讨自生目标AI中主体生成自身目标的问题，通过内在动机、资源驱动先验、因果干预学习、稳态和嵌入性等概念，揭示嵌入性虽必要但不充分，并指出核心难题在于主体如何生成并相对化自我，最后提出量子表述、哲学解读和基于LLM的具体实现。
大型语言模型黑盒不确定性估计方法的系统评估
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所多模态人工智能系统国家重点实验室）
专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 系统评估了24种黑盒不确定性估计方法在4个模型和4个数据集上的表现，发现无单一方法普遍最优，但基于答案空间推理和比较的方法通常有效，混合方法在多数条件下表现良好。
超越静态排行榜：LLM智能体评估的预测有效性
机构 * IBM
专题命中 Agent评测 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文通过14项并行研究，论证聚合分数排行榜无法泛化到分布外场景，提出基于预测有效性的排名配置方法，并设计可证伪的分布外评估标准。
Comments 17 pages, 2 tables, 5 figures
OnDeFog：帧丢失下的在线决策变压器
机构 * Yokohama National University（横滨国立大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 针对帧丢失导致性能下降的问题，提出OnDeFog，将DeFog机制与在线决策变压器结合，通过直接环境交互学习策略，在高丢帧率环境下优于ODT，在低奖励数据集上优于DeFog。
Comments Accepted to PRICAI 2025
去中心化联盟形成的退出与加入动力学
机构 * New York University Tandon School of Engineering（纽约大学坦登工程学院） ； Department of Electrical and Computer Engineering（电气与计算机工程系）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
AI总结 研究基于单边退出与加入决策的去中心化联盟形成动力学，利用Aumann-Dreze值计算个体收益，建立合作支付分配与非合作最优反应的关联，并分析均衡特征及成本对局部稳定性的影响。
TRAP：任务完成与主动隐私提取抵抗基准
机构 * Dept. of Electrical Engineering, POSTECH（POSTECH电子工程系） ； Grad. School of Artificial Intelligence, POSTECH（POSTECH人工智能研究生院） ； School of Computing, KAIST（韩国科学技术院计算机学院）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
AI总结 提出TRAP基准，评估智能体在文档密集型任务中平衡任务准确性与隐私泄露的能力，发现所有模型均存在非平凡泄露，并证明基于提示的防御无法同时实现高任务成功率和零泄露概率，提出结构化的私有字段隔离方法。
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