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。
RESOURCE2SKILL: 从人类创建的多模态资源中提取可执行智能体技能
机构 * University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Shanghai Jiao Tong University（上海交通大学） ； Microsoft（微软）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 提出RESOURCE2SKILL框架，从教程视频、代码库、文章等人类多模态资源中提取可执行技能，构建分层多模态技能维基，提升智能体在七个领域的任务表现。
使代理介导的贡献具有可治理性：开源人工智能协作的项目级治理宣言
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.SE
AI总结 研究开源人工智能协作中代理介导贡献的治理问题，开发代理治理宣言（AGM）作为双向治理合同，通过实验验证其有效性，构建三层框架，推进合规数字创新治理并保留维护者决策权。
Comments Preprint. Under journal review
理解模型-框架边界处的代理反应性错误：对大型语言模型代理问题报告的实证研究
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.SE
AI总结 研究聚焦大型语言模型代理在模型-框架边界处的反应性错误，通过分析255份错误报告构建分类法，发现此类错误多为无明确测试预言的静默错误，检测和重现困难，还揭示了用户与开发者对错误归因及修复的不匹配，推动相关技术设计。
CHIA: 一个用于原则性、智能体AI驱动的硬件/软件协同设计研究的开源框架
专题命中 软件智能体 ：agentic(title,abstract)
AI总结 提出CHIA开源框架，通过有向循环图表达智能体AI驱动的协同设计流程，支持多种工具集成，实现可扩展、容错的大规模协同设计研究。
评估基于LLM的从零开始软件生成在端到端CLI工具场景中的表现
机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Independent Researcher, China（独立研究者，中国） ； Singapore Management University, Singapore（新加坡管理大学）
专题命中 软件智能体 ：autonomous agent(abstract)；planning(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出CLI-Tool-Bench基准，用于评估从零生成CLI工具的能力，发现顶级模型成功率低于43%，指出生成代码倾向单体化。
Comments Data link: https://github.com/kinesiatricssxilm14/CLI-Tool-Bench
MirrorCode: AI 仅凭行为就能重建整个程序
机构 * Epoch AI ； Metr Prime ； Intellect University ； University of Warwick（沃里克大学）
专题命中 软件智能体 ：AI agent(abstract)；autonomous agent(abstract)；分类 cs.AI
AI总结 提出 MirrorCode 基准，基于从零复现完整软件项目评估 AI 长周期编码能力，最强模型得分 56%，如复现 16000 行生物信息学工具。
Comments 34 pages, 13 figures, 9 tables. Code available at https://github.com/epoch-research/MirrorCode
解决ARC-AGI-3编码智能体是否需要可执行世界模型、简化和验证？
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 研究探讨解决ARC-AGI-3时编码智能体是否需可执行世界模型、简化和验证。通过四个基于Codex的嵌套智能体评估，发现各变体随模型和推理强度改进，组件影响因设置而异，完整验证处理最佳，文本变体在部分设置中表现出色。
Comments 31 pages, 2 figures
拒绝并非安全！评估大语言模型驱动的内容幽默化中的潜在安全风险
专题命中 软件智能体 ：agent(abstract)
AI总结 研究基于LLM的内容幽默化潜在安全风险，提出HumorSafe框架评估风险传播，发现LLMs幽默化时会引入刻板印象和毒性，还提出HumorPIA攻击，揭示现有LLM安全评估在幽默化设置下的差距。
SeerGuard：一种通过世界模型预测实现的移动 GUI 代理安全框架
机构 * JIUTIAN Research（九天研究）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI
AI总结 研究针对移动 GUI 代理安全风险问题，提出 SeerGuard 框架，通过执行前指令级筛选和行动级风险评估减轻风险。构建安全增强世界模型，经实验验证其在不同代理上有效泛化，提升了安全效用分数并降低风险成本分数。
Comments 19 pages, 8 figures
在有限标注和导航预算下用于目标检测的具身主动学习
机构 * LAAS-CNRS, Universite de Toulouse, CNRS（法国国家科学研究中心图卢兹分部LAAS、图卢兹大学、法国国家科学研究中心） ； Department of Electrical Engineering and Automation at Aalto University（阿尔托大学电气工程与自动化系）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 研究在机器人导航和标注预算有限时，如何让目标检测器适应未知环境。核心方法是利用空间一致性选择样本重训检测器，实验表明该方法能在无外部监督下选图，相同预算下适应结束时检测精度最高。
Comments Accepted at 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
世界合一演示：用于学习开放世界移动操作的合成数据引擎
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 研究如何通过合成数据引擎WANDA从单个演示学习开放世界移动操作策略，利用重建背景、重排交互片段、校正状态扩展等方法，实现长期鲁棒性、空间泛化和跨环境泛化，还支持跨实体数据生成。
Comments Project website: https://wanda.lecar-lab.org/
用于视觉语言导航的实例增强语义地图
机构 * Department of Mechanical Engineering, Kyung Hee University（庆熙大学机械工程系） ； Advanced Institutes of Convergence Technology (AICT)（融合技术高级研究院） ； School of Mechanical Engineering, Kyungpook National University（庆北国立大学机械工程学院）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 研究视觉语言导航问题，提出实例增强语义地图框架，通过实例级二维半丰富信息映射、基于大语言模型的鲁棒查询处理和存储高效的语义表示，提升导航性能，在相关实验中取得优于基线的结果。
ABot-AgentOS：一个具有终身多模态记忆的通用机器人智能体操作系统
机构 * AMAP CV Lab（AMAP计算机视觉实验室）
专题命中 记忆与上下文管理 ：agent(title,abstract)；tool use(abstract)；planning(abstract)；分类 cs.AI
AI总结 研究针对长期具身智能体运行需求，提出ABot-AgentOS通用机器人智能体操作系统，引入EmbodiedWorldBench基准，采用通用多模态图记忆及失败驱动自我进化循环，在相关测试中表现良好，证明该系统层可提升具身执行并提供持久记忆。
Comments Code: https://github.com/amap-cvlab/ABot-AgentOS Project page: https://amap-cvlab.github.io/ABot-AgentOS
智能体是否会梦到虚假记忆？对多模态人工智能智能体长期记忆的黑盒视觉攻击
机构 * University of California, Irvine（加州大学尔湾分校）
专题命中 记忆与上下文管理 ：AI agent(title,abstract)；agent(abstract)；分类 cs.LG
AI总结 研究针对多模态人工智能智能体长期记忆的黑盒视觉攻击，提出Lucid框架，通过制作扰动实现记忆中毒和注入两种攻击模式，在多种对话领域和架构上评估，揭示了多模态记忆管道的结构漏洞。
Comments 34 pages, 5 figures, 15 tables
记忆驱动的自我表露与关系转折点：人机交互的纵向多模态研究
机构 * Graduate School of Informatics, Kyoto University（京都大学信息学研究科） ； Equmenopolis, Inc.（Equmenopolis公司） ； Waseda University（早稻田大学） ； School of Informatics, Kyoto University（京都大学信息学系）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 该研究通过纵向多模态研究，探讨对话式人工智能系统中交互如何发展为关系。核心方法是让参与者对五个关系构建要素评分，发现对话质量影响当下愉悦感，感知记忆受关系制约，关系有崩溃和激增等转折点，揭示了人机关系建立的方式。
Comments 15 pages, 3 figures. Accepted to ICMI 2026 (International Conference on Multimodal Interaction), October 5-9, 2026, Napoli, Italy
随机重置路径寻找：图路径上级联强盗问题的路径级遗憾
机构 * Texas A&M University（德克萨斯A&M大学）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.LG
AI总结 研究随机重置路径寻找（SRP）问题，它在已知有向图上，边成功概率未知。提出 Log - Dijkstra 元算法及 PathUCB、PathTS 实例，给出 PathUCB 路径级遗憾界，实验表明 PathTS 性能佳但有对抗实例，推荐其为实用默认算法。
DSWorld：用于高效自主智能体的数据科学世界模型
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
专题命中 Agent评测 ：autonomous agent(title)；agent(abstract)；workflow(abstract)；分类 cs.AI
AI总结 研究自主数据科学智能体依赖试错流程效率低的问题，提出数据科学世界模型概念及DSWorld框架，含多种技术。构建数据集并引入优化策略，实验显示其加速智能体训练和推理，在转换预测任务上超基线。
CoWeaver：用于混合人机科学协作的双向、可学习且可解释的匹配引擎
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 研究针对基于大语言模型的智能体在科学协作中存在的问题，提出CoWeaver算法，通过填补能力差距匹配人员，经两阶段排名筛选，结合探索与贪婪策略，在匹配质量和效率上优于基线，能促进人机科学协作。
Jailbreak Foundry: 从论文到可运行攻击的可重复基准测试
机构 * Shanghai Qi Zhi Institute（上海启智研究院） ； Tsinghua University（清华大学） ； University of Melbourne（墨尔本大学）
专题命中 Agent评测 ：agent(abstract)；workflow(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 JAILBREAK FOUNDRY通过多代理工作流将论文转换为可执行模块，实现可重复基准测试的标准化评估和自动化。
智能体步骤值：使用基于状态的语言模型评估器进行状态转换测量
机构 * KTH Royal Institute of Technology（皇家理工学院） ； University of Electronic Science and Technology of China（电子科技大学）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 研究提出智能体步骤值（ASV）框架，通过状态转换测量评估智能体动作，能定位最终答案分数等遗漏的关键信息，还介绍了具体方法及工具，并用实验验证其有效性。
Comments adds source-contract intervention and two-wave retry study; re-acquires cube and extends bridge cohort to n=98 to 100
PCTD：用于智能体工具检索的偏好引导反事实任务分解
专题命中 Agent评测 ：agent(title)
AI总结 研究针对任务分解中因直接用检索指标作奖励易致奖励作弊及削弱域外泛化能力的问题，提出偏好引导反事实任务分解框架PCTD，通过反事实和偏好奖励改进，构建基准MTDTool，实验证明其在多方面超越现有方法。
当模型合并与联合多任务强化学习相抗衡时：任务向量几何分析
机构 * Aimpoint Digital Labs（Aimpoint数字实验室）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 研究在强化学习中模型合并能否替代联合多任务训练，通过训练Qwen3 - 8B专家并合并，与联合训练模型对比，发现任务向量几何结构中方向和支持解耦，合并效果与联合训练相当，还发布了代码和统计数据。
一点自由大有可为：生成模型下强化学习的经典与量子算法
机构 * Center for Quantum Computer Science, Faculty of Computing（量子计算机科学中心，计算学院） ； University of Latvia（拉脱维亚大学） ； HUN-REN Alfréd Rényi Institute of Mathematics（匈牙利-中国阿尔弗雷德·雷尼数学研究所）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 提出学习有限和无限时域MDP的经典与量子在线算法，基于混合模型，能避免一些强化学习范式，直接计算使用最优策略，量子算法突破经典界限，在不同设置下有更好遗憾界及参数依赖性改进。
Comments 31 pages. v3: main text completely restructured and simplified, results for compact spaces have been dropped (to be included elsewhere), fixed a bug on optimal policies for finite-horizon MDPs which weakened a bit one result, expanded the new RL model by including a tunable budget parameter, new results on infinite-horizon discounted MDPs, improved regrets overall
感知通用人工智能：可信度取决于维度完整性，而非能力
机构 * University of Bucharest（布加勒斯特大学）
专题命中 Agent评测 ：agent(abstract)；分类 cs.AI
AI总结 研究探讨大语言模型在对话中缺乏思维存在感的问题，提出可信度取决于维度完整性的假设，定义了时间、真相、熵和爱四个维度及相关行为立场，识别出行为层，还陈述了可证伪预测，为感知通用人工智能提供概念框架。
Comments 12 pages, 1 figure, 3 tables
IMBench：直观机器人操作的基准测试
专题命中 Agent评测 ：tool use(abstract)；分类 cs.AI
AI总结 IMBench旨在评估直观机器人操作这一综合能力，其任务含物理结构推断与动作序列生成。通过35个任务等进行实验，发现视觉语言模型和视觉 - 语言 - 动作模型的不足，为评估和发展物理智能提供基准。
Comments Accepted to SemRob Workshop, RSS 2026. Project Website: https://imbench.org/
非线性估值下可分物品的公平分配
专题命中 Agent评测 ：agent(abstract)；autonomous agent(comments)
AI总结 研究非线性估值下可分物品的公平分配问题，针对最大最小份额保证设计算法，给出\(\frac{1}{2n - 1}\)-MMS分配，证明对MMS的近似比例几乎是紧的；还研究无嫉妒性，证明其检查存在性对\(n\)个主体和至少三种物品是NP难的，对单个物品给出多项式时间算法。
Comments Appears in the 24th International Conference on Autonomous Agents and Multiagent Systems (AAMAS), 2025
以用户为中心对用于解释魁北克保险合同的检索增强生成系统的评估
专题命中 Agent评测 ：agent(abstract)
AI总结 研究针对在线保险销售中消费者面临的‘建议差距’问题，对用于解释魁北克汽车保险合同的检索增强生成系统进行以用户为中心的评估，通过用户研究得出系统被视为‘认知均衡器’，但也有局限性，凸显人在回路框架在高风险消费金融中实施AI的重要性。
Comments Accepter to HCII 2026
Vogls：用于硅前功率侧信道分析的快速交互式全时序模拟器
专题命中 Agent评测 ：workflow(abstract)
AI总结 研究针对侧信道分析中现有模拟器不足的问题，提出Vogls模拟器。它结合编译代码性能、全时序仿真及细粒度控制，有Python接口和高效跟踪收集工作流程，在案例研究中能在多抽象级别成功恢复密钥。
PriEco-DRL：基于深度强化学习的电动公交生态驾驶与公交优先自适应信号联合优化
专题命中 Agent评测 ：agent(abstract)
AI总结 本文提出PriEco-DRL框架，运用深度强化学习将电动公交生态驾驶与公交优先自适应信号控制相结合，采用优先级加权最大压力控制器及结构化奖励，经集中训练和分散执行，实验表明其能降低电动公交能耗，实现能量-时间权衡。
补偿设计
专题命中 Agent评测 ：agent(abstract)
AI总结 研究分散环境中补偿设计问题，提出简单无视成本且匿名的边际贡献支付规则，证明其在大市场情形下能保证纯纳什均衡存在且PoA至多为\(2 + o_{\lambda}(1)\)，还扩展到粗相关均衡等多种情况并给出相应结果。
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