AI Agent

Entropy-Based Observability for AI Agent Behavior

基于熵的AI智能体评估：一种测量行为模式的轻量级框架

Olasimbo Ayodeji Arigbabu

机构 * Olasimbo Ayodeji Arigbabu（奥拉西姆波·阿里加布） 纠错

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

AI总结 提出一种基于熵的轻量级评估框架（EEA），通过动作熵、轨迹熵、工具熵、信息增益、探索效率和鲁棒性熵等指标，从决策过程结构角度补充传统任务成功率等评估方法。

Comments 6 pages, 2 Tables

Why Multi-Step Tool-Use Reinforcement Learning Collapses and How Supervisory Signals Fix It

为什么多步工具使用强化学习会崩溃以及监督信号如何修复它

Yupu Hao, Zhuoran Jin, Huanxuan Liao, Kang Liu, Jun Zhao

机构 * The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所复杂系统认知与决策智能重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

专题命中 工具调用 ：tool-use(title,abstract)；tool use(abstract)；agentic(abstract)；分类 cs.CL、cs.LG

AI总结 研究发现RL训练LLM工具使用时会出现控制token概率尖峰导致性能崩溃，而交错SFT与RL可提升稳定性，但OOD评估下降。

The Unfireable Safety Kernel: Execution-Time AI Alignment for AI Agents and Other Escapable AI Systems

不可解雇的安全内核：面向AI代理及其他可逃逸AI系统的执行时AI对齐

Seth Dobrin, Łukasz Chmiel

机构 * ARYA Labs PBC 纠错

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

AI总结 提出一种架构性控制机制“不可解雇的安全内核”，通过进程隔离、前置强制、故障关闭和外部验证四个属性实现执行时AI对齐，在可逃逸AI系统中阻止逃逸尝试。

Comments Pre-print submitted for publication

Shepherd: Enabling Programmable Meta-Agents via Reversible Agentic Execution Traces

Shepherd: 一个为元代理提供形式化执行迹的运行时基座

Simon Yu, Derek Chong, Ananjan Nandi, Dilara Soylu, Jiuding Sun, Christopher D Manning, Weiyan Shi

机构 * Northeastern University（东北大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出Shepherd，一个基于函数式编程的Python运行时基座，将代理执行作为一等对象，通过类似Git的执行迹支持元代理的检查、分叉和重放，在三个用例中显著提升性能。

Comments 50 pages, 22 figures, 14 tables

Agentic System as Compressor: Quantifying System Intelligence in Bits

智能体系统作为压缩器：用比特数衡量系统智能

Zihan Qin, Hongrui Zhang

机构 * Peking University（北京大学） 纠错

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

AI总结 提出将智能体系统视为压缩器，通过算术编码等方法以比特数衡量系统智能，在五个任务中验证智能体组件能减少编码长度。

The Web4 Agent Economy: A Large-Scale Empirical Study of the Landscape, Challenges, and Opportunities

Web4 代理经济：景观、挑战与机遇的大规模实证研究

Yuhan Jin, Shuohan Wu, Chong Chen, Lingfeng Bao, Xiaohu Yang, Jiachi Chen

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

AI总结 通过分析99,448个多链身份注册、3.17亿交易日志、341个MCP项目源码和349个GitHub问题，首次大规模实证研究Web4代理生态，发现自主代理已建立活跃的机器对机器支付经济，但基础设施不成熟，支付互操作性是主要瓶颈。

Scaling Laws for Agent Harnesses via Effective Feedback Compute

智能体框架的有效反馈计算缩放定律

Xuanliang Zhang, Dingzirui Wang, Keyan Xu, Qingfu Zhu, Wanxiang Che

机构 * Harbin Institute of Technology（哈尔滨理工大学） 纠错

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

AI总结 提出有效反馈计算（EFC）作为缩放坐标，通过衡量信息性、有效性、非冗余性和保留性来预测智能体框架性能，在多个任务上优于原始计算基线。

Beyond Function Calling: Benchmarking Tool-Using Agents under Tool-Environment Unreliability

超越函数调用：工具环境不可靠性下的工具使用智能体基准测试

Yang Tian, Zhengpeng Shi, Yu Zhou, Bo Zhao

机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院） 纠错

专题命中 工具调用 ：function calling(title)；tool-use(abstract)；分类 cs.CL、cs.SE

AI总结 提出ToolBench-X基准，在工具环境中注入五种可恢复可靠性风险，评估智能体任务完成能力，发现可靠工具下表现良好的智能体在可恢复风险下失败，失败主因是诊断和恢复能力不足。

Constraint Tax in Open-Weight LLMs: An Empirical Study of Tool Calling Suppression Under Structured Output Constraints

开源大语言模型中的约束税：结构化输出约束下工具调用抑制的实证研究

Fangzheng Li, Aimin Zhang, Chen Lv

机构 * Focus AI Center, Focus Technology Co., Ltd.（焦点科技有限公司焦点人工智能中心） ； Nanjing University of Science and Technology（南京理工大学） 纠错

专题命中 工具调用 ：agent(abstract,abstract_cn)；tool use(abstract)；分类 cs.CL

AI总结 本文通过实验发现，在同时启用工具调用和JSON Schema约束时，多个开源模型会抑制工具调用，并提出透明两遍执行策略来恢复工具调用同时保证结构化输出。

Comments 2 figures, 14 tables

Verifiable Manifest Signing and Transparency Enforcement for Secure MCP-Based LLM Pipelines

可验证的清单签名与透明度强制：面向基于MCP的安全LLM流水线

Saeid Jamshidi, Kawser Wazed Nafi, Arghavan Moradi Dakhel, Foutse Khomh, Mohammad Hamdaqa

机构 * SWAT Laboratory, Polytechnique Montréal（SWAT实验室，蒙特利尔理工学院） ； SæT Laboratory, Polytechnique Montréal（SæT实验室，蒙特利尔理工学院） 纠错

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

AI总结 针对MCP协议缺乏工具清单认证的问题，提出清单级强制层，通过策略验证、新鲜度检查、数字签名、执行前验证和Merkle透明度日志，实现低开销、可追溯的LLM工具调用安全控制。

FactorLibrary: From Polynomials to Circuits via Recursive Subgoals

FactorLibrary: 从多项式到电路通过递归子目标

Rohan Pandey, Michael Ruofan Zeng, Weikun K. Zhang, Kaijie Jin, Naomi Morato, Archit Ganapule, Bhaumik Mehta, Jarod Alper

机构 * University of Washington, Seattle, WA, USA（华盛顿大学） 纠错

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

AI总结 将有限域上多项式的最小算术电路发现建模为强化学习问题，提出FactorLibrary存储可分解子表达式作为子目标，使用PPO+MCTS的top-down方法在复杂度8以内达到91.8%的成功率。

Comments 14 pages, 8 figures, in 3rd AI for Math Workshop (ICML 2026)

TabClean: Reusable LLM-Synthesized Programs for Tabular Data Cleaning

TabClean: 用于表格数据清洗的可复用LLM合成程序

Yibo Wang, Riteng Zhang, Yinghao He, Yongye Su, Bharat Bhargava, Chunwei Liu

专题命中 工具调用 ：workflow(abstract)

AI总结 提出TabClean系统，通过将LLM推理编译为可复用的带守卫修复程序，实现无模型训练的表格数据清洗，在五个基准数据集上F1优于基线，并大幅降低重复运行成本。

Comments 13 pages

Dominance-Based Feasibility Inference for Packing-Constrained Pickup and Delivery Problems

基于支配性的可行推断用于带装箱约束的取送货问题

Siqiao Li, Mahnam Saeednia, Patrick Stokkink

专题命中 工具调用 ：planning(abstract)

AI总结 针对带二维装箱约束的取送货问题，提出一种基于支配性的可行推断框架，通过保序映射和搜索规则减少精确装箱验证调用，将可行性检查时间降低高达42%。

Comments 34 pages, 11 figures

Constraint-Aware Quantum Optimization of Defect Configurations in Doped ZrO2: XY-Mixer QAOA and Grover Adaptive Search

掺杂ZrO2中缺陷构型的约束感知量子优化：XY混合器QAOA与Grover自适应搜索

Huajing Song

专题命中 工具调用 ：workflow(abstract)

AI总结 针对掺杂ZrO2热障涂层材料中的成分-缺陷搜索问题，开发了端到端的约束感知量子优化工作流，通过QUBO代理模型和两种量子路径（XY混合器QAOA和容错Grover自适应搜索）实现高效搜索，其中QAOA在深度p=3时将86%的概率质量集中在MACE最优值1 meV内。

Comments 18 pages, 9 figures, 4 tables

Collaborating with Artists in the Search for Life

与艺术家合作寻找生命

Jack Madden, Cybele Collins, Mia Rollins, Ashika Capirala

专题命中 工具调用 ：planning(abstract)

AI总结 本文探讨艺术与科学协作在天体生物学中的价值，通过案例展示艺术家在问题解决、情境化和设计思维方面的独特贡献，并提出资助艺术家咨询、恢复驻留项目等建议。

Comments NASA-DARES 2025 white paper, 5 pages, 3 figures. Originally submitted in 2025 under topic 8 (Prepare for the Discovery of Life Beyond Earth and Subsequent Post-Discovery Activities), which now falls under focus area 9 (Astrobiology in Society)