AI Agent

Agent Skill Framework: Perspectives on the Potential of Small to Medium Language Models in Industrial Environments

Agent技能框架：中小型语言模型在工业环境中的潜力视角

Yangjie Xu, Lujun Li, Lama Sleem, Niccolo Gentile, Yewei Song, Yiqun Wang, Siming Ji, Wenbo Wu, Radu State

机构 * University of Luxembourg（卢森堡大学） ； Foyer S.A.（Foyer公司） ； Princeton University（普林斯顿大学） ； Université Paris-Saclay（巴黎萨克雷大学） 纠错

专题命中 工具调用 ：agent(title,title_cn)；agentic(abstract)；分类 cs.AI

AI总结 研究在资源受限的工业场景中，中小型开源语言模型（270M-80B）使用Agent技能的效果，发现30B-80B模型受益显著，而小型模型技能选择困难，思考变体提升有限且增加GPU开销。

Comments 12 pages

AgenticOS: An Intent-Oriented Secure Operating System Architecture for Autonomous AI Agents

AgenticOS: 面向自主AI代理的意图导向安全操作系统架构

Zhen Zhao, Yu Zhang, Yanpeng Zhu, Jia Wang, Songqiao Tao, Xin Cheng, Jiexin Gao

专题命中 工具调用 ：AI agent(title)；agent(abstract)；autonomous agent(abstract)；tool use(abstract)

AI总结 针对LLM驱动代理面临的结构性安全挑战，提出AgenticOS架构，将OS从资源管理器重构为意图过滤器，通过四层架构和意图ABI实现最小权限环境。

Comments 11 pages,5 figures,1 tables

Infrastructure for the Agentic Web: Gap Analysis and Architecture from the Agentverse Platform

代理网络的基础设施：来自Agentverse平台的差距分析与架构

Robin Dey, Panyanon Viradecha

机构 * OpenHub Research（开放 hub 研究） 纠错

专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；AI agent(abstract)；分类 cs.AI

AI总结 本文通过实证审计Agentverse平台，识别出8类62项缺失能力，提出七层代理云栈参考架构，并规划了从存储到经济原语的五条关键演进路径，为2030年实现Web4代理云提供技术路线。

Comments 28 pages, 11 tables, 1 figure. Preprint, not peer-reviewed

Grasp to Act: Dexterous Grasping for Tool Use in Dynamic Settings

抓取到动作：动态环境中的灵巧抓取与工具使用

Harsh Gupta, Mohammad Amin Mirzaee, Wenzhen Yuan

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 工具调用 ：tool use(title,abstract)；tool-use(abstract)

AI总结 本文提出Grasp-to-Act系统，结合物理基抓取优化与强化学习适应，实现动态环境下稳定抓取。在五种动态工具使用任务中表现优异，减少手内滑动并提高任务完成率。

Comments Result videos can be found at https://grasp2act.github.io/

Journal ref IEEE Robotics and Automation Letters, 11(5):6288-6295, 2026

From RAG to Agentic RAG for Faithful Islamic Question Answering

从RAG到智能体RAG：面向可靠的伊斯兰问答

Gagan Bhatia, Hamdy Mubarak, Mustafa Jarrar, George Mikros, Fadi Zaraket, Mahmoud Alhirthani, Mutaz Al-Khatib, Logan Cochrane, Kareem Darwish, Rashid Yahiaoui, Firoj Alam

机构 * Qatar Computing Research Institute, HBKU, Qatar（卡塔尔计算研究中心，HBKU，卡塔尔） ； College of Humanities and Social Sciences, HBKU, Qatar（人文与社会科学学院，HBKU，卡塔尔） ； Arab Center for Research and Policy Studies, Qatar（阿拉伯研究中心与政策研究所，卡塔尔） ； College of Islamic Studies, HBKU, Qatar（伊斯兰研究学院，HBKU，卡塔尔） ； College of Public Policy, HBKU, Qatar（公共政策学院，HBKU，卡塔尔） 纠错

专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI、cs.CL

AI总结 针对LLM在伊斯兰问答中的幻觉与弃权问题，构建双语基准IslamicFaithQA，并提出基于结构化工具调用的智能体RAG框架，显著提升正确性与鲁棒性。

Comments Islamic Question Answering; Faithful Question Answering; Retrieval-Augmented Generation; Agentic RAG; Large Language Models

Large Language Model-Assisted Framework for BSM Model Building

大型语言模型辅助的BSM模型构建框架

Shaikh Saad

专题命中 工具调用 ：agent(summary_cn,abstract)

AI总结 提出bsm_agent框架，结合确定性物理后端与LLM聊天接口，通过自然语言指定新场量子数，自动构建可重整拉氏量、检查规范反常、导出对称性破缺条件与质量矩阵，确保结果可重复。

Comments 49 pages. Includes a Python package for BSM model building via LLM chat from user-specified particle quantum numbers. Code: https://github.com/saad-hep/bsm_agent

Dissecting Agentic RAG: A Component Ablation for Multi-Hop QA with a Local 7B Model

解析智能体RAG：基于本地7B模型的多跳问答组件消融研究

Sheroz Shaikh

机构 * Independent Researcher（独立研究员） 纠错

专题命中 工具调用 ：agentic(title,abstract)；分类 cs.CL

AI总结 通过消融实验，发现固定混合检索和短检索循环对多跳问答贡献最大，自适应路由和深度循环并非必要。

Comments 8 pages, 4 figures, 4 tables. Code: https://github.com/sherozshaikh/agentic-rag-eval

When Does Streaming Tool Use Help? Characterizing Tool-Intent Stabilization in Streaming Retrieval-Augmented Generation

流式工具使用何时有帮助？表征流式检索增强生成中的工具意图稳定化

Elroy Galbraith

机构 * SMG Labs（SMG实验室） 纠错

专题命中 工具调用 ：tool use(title)；分类 cs.CL

AI总结 通过测量工具意图稳定化（即推测查询收敛到答案的时间点），在CRAG基准上分析流式RAG的延迟隐藏效果，发现73.9%的查询可实现显著延迟隐藏，并识别早期与晚期稳定化的预测因素。

Learning the ARTS of Search for Automated Discovery

学习搜索的艺术以实现自动发现

Gurusha Juneja, Arnav Kumar Jain, Deepak Nathani, William Yang Wang, Xin Eric Wang

机构 * University of California, Santa Barbara（加州大学圣塔芭芭拉分校） ； Université de Montréal and Mila- Quebec AI Institute（蒙特利尔大学和Mila-魁北克人工智能研究所） 纠错

专题命中 工具调用 ：agent(abstract)；agentic(abstract)；分类 cs.AI、cs.CL

AI总结 提出ARTS方法，利用推理语言模型在假设与实验空间中迭代搜索，通过测试时训练解决上下文长度问题，在22个任务上优于现有算法，相对提升超15.3%。

Scaling Small Agents Through Strategy Auctions

通过策略拍卖扩展小型智能体

Lisa Alazraki, William F. Shen, Yoram Bachrach, Akhil Mathur

机构 * Meta Superintelligence Labs（Meta超智能实验室） ； Imperial College London（帝国理工学院伦敦分校） ； University of Cambridge（剑桥大学） 纠错

专题命中 工具调用 ：agent(abstract)；agentic(abstract)；分类 cs.AI、cs.CL

AI总结 针对小型语言模型在复杂任务中性能不足的问题，提出受自由职业市场启发的SALE框架，通过策略拍卖实现任务分配与测试时自我改进，在降低对大型模型依赖和成本的同时提升性能。

Comments ICML 2026

GIF: Locally Sound Geometric Information Flow Control for LLMs

GIF: 局部几何信息流控制用于大语言模型

Adam Storek, Nikolaus Holzer, Zhuo Zhang, Suman Jana

机构 * Columbia University（哥伦比亚大学） 纠错

专题命中 工具调用 ：tool use(abstract)；agentic(abstract)；分类 cs.AI

AI总结 提出GIF框架，利用LLM雅可比矩阵和局部输出几何上界香农互信息，实现可扩展的信息流追踪，在提示注入和隐私泄露任务中达到近完美召回，且计算成本低。

PulseCX: Breaking the Closed-World Assumption in Real-Time CX

PulseCX：打破实时客户体验中的封闭世界假设

Rajat Agarwal, Suvidha Tripathi, Shubham Sharma

机构 * Sprinklr AI, Gurugram, India（Sprinklr AI，古尔冈，印度） 纠错

专题命中 工具调用 ：agent(abstract)；AI agent(abstract)；分类 cs.AI

AI总结 提出PulseCX框架，通过解耦知识获取与消费，采用异步代理和衰减感知时序知识图谱（DA-TKG）管理信息生命周期，结合分层意图门控消除同步搜索瓶颈，在动态环境中提升意图解析率和客户满意度。

Illuminating the Three Dogmas of Reinforcement Learning under Evolutionary Light

在进化之光下揭示强化学习的三个教条

Mani Hamidi, Terrence W. Deacon

机构 * Department of Computer Science, University of Tübingen（图宾根大学计算机科学系） ； Department of Anthropology, University of California, Berkeley（加州大学伯克利分校人类学系） 纠错

专题命中 工具调用 ：agent(abstract)；autonomous agent(abstract)；分类 cs.AI

AI总结 本文从人工生命视角批判强化学习的三个核心假设，提出将学习视为适应而非优化，并利用开放新颖性搜索和热力学理论构建更生物真实的智能体模型。

AlphaMemo: Structured Search-Process Memory for Self-Evolving Alpha Mining Agents

AlphaMemo: 用于自我进化的Alpha挖掘智能体的结构化搜索过程记忆

Hang Yu, Zifan Zheng, Jeff Z. Pan, Tongliang Liu, Zhiyong Wang, Fengxiang He

机构 * University of Sydney（悉尼大学） ； University of Edinburgh（爱丁堡大学） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 提出AlphaMemo，一种具有结构化搜索过程记忆的自我进化Alpha挖掘智能体，通过记录编辑模式在特定父因子上下文中的成败证据，结合置信门控残差记忆和非对称否决控制，提升样本外表现和固定预算发现效率。

IRumAI: Reinforcement Learning for Indian Rummy

IRumAI: 面向印度拉米纸牌游戏的强化学习

Vignesh Mohan

机构 * IEEE 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.LG

AI总结 提出首个面向印度拉米纸牌游戏的强化学习智能体IRumAI，采用PPO、融合感知编码、死牌驱动奖励和双分支卷积架构，在仅对弱启发式训练后，以53.9%胜率击败最强搜索对手，推理速度比最优启发式快7000倍以上。

Comments 9 pages, 2 figures, 6 tables

Revisiting Text Ranking in Deep Research

重新审视深度研究中的文本排序

Chuan Meng, Litu Ou, Sean MacAvaney, Jeff Dalton

机构 * The University of Edinburgh（爱丁堡大学） ； University of Glasgow（格拉斯哥大学） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.CL

AI总结 本文通过复现实验，从检索单元、流水线配置和查询特性三个角度评估文本排序方法在深度研究中的有效性，并提出Q2Q方法缓解查询不匹配问题。

Comments Accepted at the 49th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR 2026)

Graph-Enhanced Large Language Models for Spatial Search

用于空间搜索的图增强大型语言模型

Nicole R. Schneider, Kent O'Sullivan, Hanan Samet

机构 * University of Maryland（马里兰大学） ； University of Sydney（悉尼大学） 纠错

专题命中 工具调用 ：planning(abstract)；分类 cs.AI

AI总结 针对大语言模型空间推理能力不足的问题，提出图增强方法，将空间数据以图形式存储并与检索增强生成结合，提升复杂空间问题回答能力。

RLM-Cascade: Response-Level Speculative Decoding for Cost-Efficient LLM API Serving

RLM-Cascade：用于成本高效LLM API服务的响应级推测解码

Haifeng Wu, Srinivasan Manoharan, Fangbo Tu, Junhua Zhao, Jian Wan

机构 * PayPal 纠错

专题命中 工具调用 ：agentic(abstract)；分类 cs.LG

AI总结 提出RLM-Cascade代理层系统，通过响应级推测解码降低LLM API成本，在真实编码工作负载上实现45.8%成本降低和1.83倍延迟加速，同时保持或超越基线质量。

Comments 9 pages, 1 figure, 9 tables

Black-Box Forensics for Conversational LLM Agents

对话式LLM代理的黑盒取证

Isadora White, Yasaman Jafari, Taylor Berg-Kirkpatrick

机构 * University of California, San Diego（加州大学圣地亚哥分校） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.CL

AI总结 研究通过非对抗对话识别对话代理的基座模型（归因）和系统提示（指纹识别），归因准确率达98%，指纹识别对未见提示的AUC达0.943。

MetaPS: Adaptive Programmatic Strategy Selection for Market Agents

MetaPS：面向市场智能体的自适应程序化策略选择

Jiaxiang Chen, Aotian Luo, Zhouyi Zheng, Weiyi Huang, Chi Zhang, Zenglin Xu

机构 * Fudan University（复旦大学） ； TensorPacific 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 提出MetaPS框架，通过模拟市场回滚候选策略并生成监督微调数据，使智能体自适应选择程序化策略，在股票交易和商品交换实验中优于固定策略和直接决策方法。

Load Testing for Machine Learning Model Serving Systems at Scale

大规模机器学习模型服务系统的负载测试

Amr S. Abdelfattah, Nakul Tirumalai, Indu Mohanan, Xiao Li, Pengchao Wang, Dinakar Dhurjati, Eric Sung

机构 * Meta Inc.（Meta公司） 纠错

专题命中 工具调用 ：planning(abstract)；分类 cs.LG

AI总结 提出自适应反馈驱动的负载测试框架Sys，通过实时性能信号和收敛检测，在SLO约束下高效识别最大可持续吞吐量，显著提升GPU资源效率并减少服务事故。

Comments The paper is accepted at ECSA 2026

Bridging Design and Execution: A Visual Graph Editor for Edge and Cloud Workflows

桥接设计与执行：面向边缘和云工作流的可视化图形编辑器

Katarina-Glorija Grujić, Nikola Stanković, Maja Vukasović, Miloš Simić

专题命中 工具调用 ：workflow(abstract)；分类 cs.SE

AI总结 提出一种领域特定可视化图形编辑器，通过内核、共享内存节点和事件触发器三种抽象，支持边缘和云应用的模块化设计，自动序列化为可执行表示，弥合设计与部署的鸿沟。

Comments 12 pages, published at the 16th International Conference on Information Society and Technology

Substitution-Based Analysis of Structural Novelty for Generative Models of Materials

基于替换分析的材料生成模型结构新颖性评估

Masahiro Negishi, Aron Walsh

机构 * Imperial College London（伦敦帝国学院） 纠错

专题命中 工具调用 ：workflow(abstract)；分类 cs.LG

AI总结 针对无机晶体生成AI模型，提出工作流区分生成晶体是否为训练重复、元素替换产物或全新结构，发现81-92%的生成晶体为重复或替换结构，高对称性系统尤其明显，低对称性新结构可解释为数据丰富区域的插值。

Comments 27 pages (20 pages of main text). See https://github.com/WMD-group/xtaledit for the code

SVGym (SciVerseGym): An Environment for Reinforcement Learning and Bayesian Optimization in Crystal Discovery

SVGym (SciVerseGym): 晶体发现中强化学习与贝叶斯优化的环境

Bin Cao

机构 * Bin Cao（包超） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 提出一个兼容Gymnasium的晶体发现环境SciVerseGym，将晶体设计建模为马尔可夫决策过程，支持局部和全局编辑操作，为强化学习、贝叶斯优化等提供可复现的测试平台。

"What Happens Locally, Leaks Globally": Detecting Privacy Leakage Risks in MCP Servers

“局部发生，全局泄露”：检测MCP服务器中的隐私泄露风险

Biwei Yan, Minghui Xu, Yijun Yang, Boyang Ma, Xuelong Dai, Jingku Li, Yue Zhang

专题命中 工具调用 ：agent(abstract)

AI总结 提出MCPPrivacyDetector，一种上下文感知的跨语言静态分析框架，用于检测MCP服务器中由协议引发的隐私泄露，在10,655个真实服务器中发现超过10%的泄露率。

From Punishment to Protection: Charting Six Decades of U.S. Juvenile Justice Through Topic Modeling and LLM-Assisted Analysis

从惩罚到保护：通过主题建模和LLM辅助分析描绘美国少年司法的六十年变迁

Nia E. George, Simeon Sayer

专题命中 工具调用 ：tool use(abstract)

AI总结 本文通过主题建模和LLM辅助分析60470份美国上诉意见（1970-2025），发现儿童福利案件激增、性犯罪登记案件翻倍，而传统惩罚机制（移交成人法庭、少年死刑）大幅下降，并揭示了法律词汇的十年演变和司法管辖区碎片化风险。

Comments 7 figures, 4 tables, includes appendices

AOHP: An Open-Source OS-Level Agent Harness for Personalized, Efficient and Secure Interaction

AOHP：一个用于个性化、高效和安全交互的开源操作系统级Agent框架

Shanhui Zhao, Jiacheng Liu, Guohong Liu, Jichao Yan, Jialei Ye, Yuhao Yang, Hao Wen, Shizuo Tian, Yizhen Yuan, Yuxuan Chen, Yunxin Liu, Ju Ren, Ya-Qin Zhang, Chao Huang, Yao Guo, Yuanchun Li

机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 规划决策 ：agent(title,title_cn)；AI agent(abstract,abstract_cn)；分类 cs.AI

AI总结 提出AOHP，一个基于AOSP的操作系统级Agent框架，通过将Agent视为一等OS参与者，实现个性化服务组合、高效Agent接口和安全信息流，在任务完成率、令牌成本和策略合规性上优于现有系统。

Comments 17 pages, 3 figures

PlanBench-XL: Evaluating Long-Horizon Planning of LLM Tool-Use Agents in Large-Scale Tool Ecosystems

PlanBench-XL：评估大规模工具生态系统中LLM工具使用智能体的长时程规划能力

Jiayu Liu, Qihan Lin, Cheng Qian, Rui Wang, Emre Can Acikgoz, Xiaocheng Yang, Jiateng Liu, Zhenhailong Wang, Xiusi Chen, Heng Ji, Dilek Hakkani-Tür

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 规划决策 ：tool-use(title,abstract)；planning(title,abstract)；agentic(abstract)；分类 cs.AI、cs.CL

AI总结 提出PlanBench-XL基准，包含327个零售任务和1665个工具，测试LLM智能体在检索受限工具环境下的长时程规划能力，实验表明GPT-5.4在无阻塞下准确率51.90%，严重阻塞下降至11.36%。

Tell Me: An LLM-powered Mental Well-being Assistant with RAG, Synthetic Dialogue Generation, and Agentic Planning

Tell Me：基于LLM的心理健康助手，集成RAG、合成对话生成与智能体规划

Trishala Jayesh Ahalpara

机构 * Fujitsu Research of America（富士通美国研究） 纠错

专题命中 规划决策 ：agentic(title,abstract)；planning(title)；workflow(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 提出Tell Me系统，利用大语言模型通过RAG实现个性化对话、合成客户-治疗师对话生成以及智能体规划生成自我护理计划，旨在提供可及的心理支持而非替代专业治疗。

Comments 8 pages, 2 figures, 1 Table. Submitted to the Computation and Language (cs.CL) category. Uses the ACL-style template. Code and demo will be released at: https://github.com/trystine/Tell_Me_Mental_Wellbeing_System

Training the Orchestrator: A Supervised Approach to End-to-End PDDL Planning with LLM Agents

训练编排器：一种基于监督学习的端到端PDDL规划方法，使用LLM智能体

Rajesh Mangannavar, Zachary Coalson, Pranay Dugar, Prasad Tadepalli

机构 * Oregon State University（俄勒冈州立大学） 纠错

专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；agentic(abstract)；分类 cs.AI

AI总结 提出HALO框架，通过监督学习训练编排器，利用验证器提供的轨迹作为监督信号，在11个PDDL领域上以极低成本实现与前沿LLM相当的成功率。

Comments 22 pages, 2 figures