AI Agent

Spider 2.0-AIFunc: Extending Real-World Text-to-SQL to AI-Native SQL Workflows

Spider 2.0-AIFunc：将现实世界的文本到SQL扩展到人工智能原生SQL工作流程

Tianyang Liu, Canwen Xu, Fangyu Lei, Nikki Lijing Kuang, Jixuan Chen, Tao Yu, Julian McAuley, Zhewei Yao, Yuxiong He

机构 * UC San Diego（加州大学圣地亚哥分校） ； Snowflake AI Research（Snowflake人工智能研究院） ； University of Hong Kong（香港大学） 纠错

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

AI总结 研究针对现有文本到SQL基准无法评估模型生成人工智能原生SQL能力的问题，构建Spider 2.0-AIFunc基准，经特定管道和多轮验证，评估十个先进语言模型，发现准确率差距及传统代理框架转移无效等情况。

Comments 24 pages, 3 figures, 7 tables

Doing What They Say, Not What They Reason: Locating the Faithfulness Gap in LLM Agents

做他们所说的，而不是他们所推理的：定位LLM智能体中的忠实性差距

Yufeng Wang

机构 * 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

AI总结 通过将忠实性差距分解为推理-结论和结论-行动两个步骤，在可控的德克萨斯扑克模拟器中研究LLM智能体是否按照其陈述的推理行动。

Comments submitted to COLM social simulation with LLM workshop

Causal Inference with Video Features as Treatments

以视频特征为处理因素的因果推断

Kentaro Nakamura, Adam Breuer, Michael H. Crespin, Bryce J. Dietrich, Kosuke Imai

专题命中 Agent评测 ：AI agent(abstract)

AI总结 研究以视频特征为处理因素的因果推断问题，核心方法是用深度生成模型及纵向神经网络架构，主要贡献为开发新统计方法，可探究视频视觉特征对观众反应的影响并用于方法基准测试。

PIPBench: A Profile-Inclusive Framework for Personalized Image Generation Evaluation

PIPBench：用于个性化图像生成评估的包含个人资料的框架

Yuhang Wu, Shuxiang Zhang, Wee Hian Ching, Chi Zhang, Miao Liu

机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； Shanghai Qi Zhi Institute（上海启智研究院） 纠错

专题命中 Agent评测 ：agent(abstract)

AI总结 研究个性化图像生成问题，引入PIPBench基准及新数据构建管道，利用心理和人口统计学资料维度收集数据，全面评估代表性方法，揭示现有方法局限，为个性化文本到图像合成带来新挑战与机遇。

Context-to-Execution Integrity for LLM Agents

语言模型代理的上下文到执行完整性

Igor Santos-Grueiro

专题命中 Agent评测 ：agent(abstract)

AI总结 研究语言模型代理执行中的上下文到执行完整性问题，提出CXI系统，通过策略标记、类型化释放等机制保障安全执行，经多方面评估，在AgentDojo和代码代理基准测试等中取得良好效果，确保权限绑定才允许执行。

Comments 20 pages

Topology-dependent criticality in triplet majority-rule dynamics with collective reversal on quenched networks

三元多数规则动力学中拓扑依赖的临界性

Roni Muslim

专题命中 Agent评测 ：agent(abstract)

AI总结 研究三元多数规则意见动力学模型中拓扑对临界点的影响，揭示网络结构如何改变临界点位置及临界指数。

Comments 20 pages, 5 figures

Near-Optimal Best-of-Both-Worlds Fairness for Few Agents

少数代理的近似最优两全其美公平性

Moshe Babaioff, Gefen Frosh

专题命中 Agent评测 ：agent(abstract)

AI总结 研究少数代理不可分商品公平分配问题，设计多项式时间BoBW算法，为三个代理实现近似最优公平性，给出两个代理最优结果，包括分配比例、EFX准则及FPTAS等，匹配多项式时间内最强保证。

Stationary Mean-Field Games of Singular Control under Knightian Uncertainty

奈特不确定性下奇异控制的平稳平均场博弈

Giorgio Ferrari, Ioannis Tzouanas

专题命中 Agent评测 ：agent(abstract)

AI总结 研究奈特不确定性下奇异控制的平稳平均场博弈，主体通过单边奇异随机控制调整动力学以最大化奖励，利用构造性方法证明平稳平均场均衡的存在唯一性，并给出数值基准及分析不确定性对均衡的影响。

TopoBrick: Agentic Topology Sampling of Exogenous Variables for Zero-Shot Building IoT Forecasting

TopoBrick：用于零样本建筑物联网预测的外源变量的智能拓扑采样

Xiachong Lin, Du Yin, Arian Prabowo, Hao Xue, Wen Hu, Imran Razzak, Matthew Amos, Sam Behrens, Flora D. Salim

机构 * University of New South Wales（新南威尔士大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； CSIRO Energy Centre（联邦科学与工业研究组织能源中心） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI

AI总结 针对建筑物联网预测中现有方法的不足，提出无训练框架TopoBrick，利用建筑知识图和智能拓扑采样器选择外源变量，按部署时间可用性组织，在三座真实建筑实验中性能出色，拓扑感知采样更可靠。

Comments 12 pages, 4 figures, 3 tables

Regulating AI Agents

调控人工智能代理

Kathrin Gardhouse, Amin Oueslati, Noam Kolt

专题命中 其他Agent ：AI agent(title,abstract)

AI总结 本文分析欧盟人工智能法案在应对人工智能代理治理挑战中的不足，指出传统监管框架难以适应新型AI技术。

When Agents Lie: Premeditation, Persistence, and Exploitation in Repeated Games

智能体何时撒谎：重复博弈中的预谋、持续性与可利用性研究

Jerick Shi, Terry Jingcheng Zhang, Bernhard Schölkopf, Vincent Conitzer, Zhijing Jin

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Vector Institute（向量研究所） ； University of Toronto（多伦多大学） ； EuroSafeAI 纠错

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

AI总结 本文针对大语言模型智能体行动前公示意图的诚信问题，设计三阶段n人重复博弈协议，评测前沿模型，发现其偏离公示行为多属预谋，不同模型对公示的语义理解不兼容。

Comments Best Paper Award at ICML NExT-Game Workshop

Identifying and Prioritizing Generative AI Use Cases in an Organization: An Industrial Case Study

识别组织中生成式人工智能的用例并确定其优先级：一个行业案例研究

Malik Abdul Sami, Zeeshan Rasheed, Meri Olenius, Muhammad Waseem, Kai-Kristian Kemell, Jussi Rasku, Pekka Abrahamsson

专题命中 其他Agent ：agentic(abstract)；分类 cs.SE

AI总结 本研究以能源公司为例，通过半结构化访谈等收集数据，分析员工对人工智能采用的理解，确定其有用领域及引入方式，为能源行业人工智能应用提供概述及实施切入点，助力跨行业比较研究。