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。
MiniCache：用于高效大语言模型推理的具有小模型接口的可重复使用程序缓存
专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI、cs.LG
AI总结 研究针对大语言模型推理成本高的问题，提出MiniCache框架，将PoT程序转换为参数化缓存对象，通过重用小模型进行语义变量提取和推测性起草，减少目标大语言模型调用，实验证明其能提升推理性能，平衡延迟、缓存重用和准确性。
Comments 16 pages, 8 figures
用于通过公开测试的代码的代码监控红队
机构 * University of Electronic Science and Technology of China（电子科技大学）
专题命中 软件智能体 ：workflow(abstract)；分类 cs.AI
AI总结 研究公开测试通过后代码隐藏错误监控问题，引入代码监控红队协议并实例化为代码监控基准。通过大量实验发现弱验证器虽能改进但仍易漏错，对抗性压力影响验证效果，GLM - 5.1验证器缩小部分差距，揭示了验证器故障与证据限制的问题。
TANDE：在与年轻人的情感人工智能-虚拟化身对话中区分言语和非言语反馈渠道
专题命中 软件智能体 ：agent(abstract)
AI总结 研究在与年轻人的情感人工智能-虚拟化身对话中反馈渠道模式的影响，引入TANDE这个由LLM驱动的ECA，通过实验探讨其对融洽关系、同理心和参与度的作用及性别差异，得出相关设计启示。
Comments This paper has been accepted for publication at the 28th ACM International Conference on Multimodal Interaction (ICMI 2026)
SciExplore：评估从科学导航到信息整合的自主智能体
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室）
专题命中 GUI与网页智能体 ：autonomous agent(title,abstract)；分类 cs.AI
AI总结 介绍用于评估大语言模型和智能体科学信息检索与推理能力的基准SciExplore，包含四类任务，在其上评估多个先进模型和智能体，发现随着任务复杂度增加性能差距大，凸显当前模型在实际科学信息检索场景中的局限。
Comments 25 pages, 13 figures. Submitted to ACL 2026
HARP：人机人工智能研究平台
机构 * BTPX Innovation Lab（BTPX创新实验室）
专题命中 GUI与网页智能体 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 研究旨在设计人机人工智能研究平台（HARP），通过让参与者在可控模拟场景中与可配置实时人工智能代理互动，研究人员可控制多种因素并记录相关数据，能系统测试人工智能设计选择对用户的影响。
Comments 5 pages, 3 figures, SAP Academic Community Conference North America, 2026
ZONDA：多楼层环境中具有动态避障功能的零样本目标导航
机构 * Southern University of Science and Technology（南方科技大学） ； Guangdong Direct Drive Technology Limited（广东直驱技术有限公司） ； South China University of Technology（华南理工大学） ； Great Bay University（大湾区大学）
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 研究针对目标导航任务中现有方法局限，提出ZONDA框架，集成启发式多楼层规划、多视图目标验证、动态行人避障三个核心组件，通过真实机器人及模拟测试取得显著改进结果，在动态基准测试中表现优于现有基线。
Q-SpiRL：量子脉冲强化学习用于自适应机器人导航
机构 * eBRAIN Lab, Division of Engineering, New York University Abu Dhabi (NYUAD)（eBRAIN实验室，工程系，纽约大学阿布扎比分校） ； Center for Quantum and Topological Systems (CQTS), NYUAD Research Institute（量子与拓扑系统中心（CQTS），NYUAD研究机构）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 本文提出Q-SpiRL框架，结合量子增强的脉冲神经网络，实现了在动态环境中高效稳定的机器人导航，通过实验验证了其在任务完成、轨迹效率和运动平滑度之间的最佳平衡。
Comments Accepted at the IEEE International Conference on Quantum Computing and Engineering (QCE), 2026
智能体上下文管理：将智能体内存和成本视为生命周期和架构问题来解决
机构 * Maximem
专题命中 记忆与上下文管理 ：agent(title,abstract)；agentic(title,abstract)；AI agent(abstract)；分类 cs.AI
AI总结 研究生产型人工智能智能体因无法管理推理上下文而失败的问题，提出智能体上下文管理（ACM），分解为五个原语，经经济分析和参考实现验证，在特定配置下取得较好结果，还指出了现有基准未涵盖的维度及上下文前沿。
Comments 23 pages, 6 figures, 4 tables. Evaluation harness and study data: github.com/maximem-ai
代理记忆：为大语言模型代理学习统一的长期和短期记忆管理
机构 * School of Cyber Science and Engineering, Wuhan University（武汉大学计算机科学与工程学院） ； Alibaba Group（阿里巴巴集团）
专题命中 记忆与上下文管理 ：agentic(title,summary_cn)；agent(abstract)；分类 cs.CL
AI总结 本文提出Agentic Memory框架，统一管理大语言模型的长期和短期记忆，通过分步GRPO和三阶段强化学习提升记忆效率与任务表现。
Comments ACL'26 SAC Highlight. The code is available at https://github.com/y1y5/AgeMem
NVIDIA实验室的OO智能体：原生Python面向对象智能体
机构 * NVIDIA-labs（英伟达实验室）
专题命中 记忆与上下文管理 ：agent(abstract)；AI agent(abstract)；workflow(abstract)；agentic(abstract)
AI总结 研究提出NOOA这一Python框架构建可靠AI智能体，采用智能体即Python对象的编程模型，结合六个面向模型的理念，证明当前模型能有效使用此接口并在相关测试中表现良好，为智能体开发提供新途径。
MemTools：用于可互操作智能体内存的统一研究框架
机构 * Institute of Automation, CAS（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院）
专题命中 记忆与上下文管理 ：agent(title,abstract)；分类 cs.CL
AI总结 研究针对智能体内存架构碎片化问题，提出MemTools框架，通过解耦组件与环境、规范生命周期、分离数据集与协议、提供统一接口，实现跨系统组件集成等功能，为智能体内存研究提供实用可扩展基础设施。
Comments Work in progress
因果智能体图像恢复：用于自适应图像恢复智能体的自进化因果记忆
机构 * Shanghai Jiao Tong University（上海交通大学） ； Harbin Institute of Technology（哈尔滨工业大学）
专题命中 记忆与上下文管理 ：agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 针对图像恢复智能体知识存储局限，提出Causal-AgentIR框架，通过构建结构化因果记忆图及协作系统，支持智能体进行因果推理，依质量变化和反馈调整恢复经验，有效提升图像恢复能力。
WebCoach：具有跨会话记忆引导的自我进化网络代理
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Amazon（亚马逊）
专题命中 记忆与上下文管理 ：agent(abstract)；planning(abstract)；分类 cs.AI、cs.CL
AI总结 研究针对网页代理跨会话学习不足问题，提出WebCoach框架，通过三个关键组件赋予代理跨会话记忆，可长期规划与自我进化，在WebVoyager基准测试中提升了不同LLM backbone的代理性能。
Comments 18 pages
CMI-Mem：通过CMI增强的强化学习实现可泛化的长期内存管理
机构 * Alibaba Group（阿里巴巴集团） ； HKUST（香港科技大学） ； PolyU（香港理工大学） ； HKUST(GZ)（香港科技大学（广州））
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 研究针对现有内存管理器模型局限，提出基于强化学习的CMI-Mem模型，结合下游问答正确性与内在条件互信息CMI作为混合奖励，可评估新输入信息，补充而非取代问答基础，实现可泛化的长期内存管理。
ArbiGraph：用于评估上下文管理的任意可扩展可验证任务图
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 ArbiGraph作为基准生成器，将任务表示为带Python求解器的自然语言问题，通过类型化中间状态组合任务。用多种任务类别实例化并评估智能体，发现其在孤立任务和复杂相关任务上表现不同，揭示了单任务评估无法发现的问题。
从聊天机器人到数字同事：向持久自主人工智能的范式转变
专题命中 记忆与上下文管理 ：tool use(abstract)；分类 cs.AI
AI总结 本文提出LLM从聊天机器人向数字同事的范式转变，通过认知核心（思考型LLM）和工具增强任务执行（OpenClaw工作站系统）两个维度，实现持久工作、状态持久化、可重用技能和自改进能力。
Comments The paper is available on the project website: https://from-chatbot-to-digital-colleague.github.io/
利用外部结构进行样本高效强化学习
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.LG
AI总结 研究Exo-MDPs这类结构化马尔可夫决策过程，建立离散MDPs等之间的表示等价性，刻画其学习的极小极大遗憾值，证明不同情况下的遗憾值界，表明其解耦样本复杂度，通过实验验证相关见解。
Comments 70 pages
用于在消声室中可重构智能表面波束转向的自动全向测量方法
专题命中 记忆与上下文管理 ：workflow(abstract)
AI总结 该研究针对可重构智能表面波束转向，提出自动消声室测量方法，结合近场扫描仪与变换技术及低散射支架，通过控制单元编程实现波束转向配置，测量并评估相关参数，验证了方法可行性，给出了不同状态下的增益数据。
Comments 10 pages, 9 figures, Preprint Journal Submission
HiMe：用于健康洞察的实时自托管个人代理平台与可穿戴设备
机构 * King’s College London（伦敦国王学院） ； The Alan Turing Institute（艾伦·图灵研究所）
专题命中 Agent评测 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI、cs.CL、cs.SE
AI总结 针对传统可穿戴健康信号分析的局限，HiMe提出本地可部署、隐私至上的代理平台，遵循数据库为一等组件等原则，能与多种可穿戴设备实时健康数据生态系统兼容，实现个人持续、个性化健康监测以提升幸福感。
用于基础设施即代码生成的智能语言模型的验证优先评估
专题命中 Agent评测 ：agentic(title,abstract)；planning(abstract)；分类 cs.AI、cs.SE
AI总结 研究针对自然语言生成基础设施即代码的问题，对七种智能策略在特定基准测试上进行验证优先评估，通过多种方法得出如主动检索提升性能、迭代优化有收敛效果等五个主要发现，为相关研究提供了重要参考。
Comments 26 pages, 3 figures, 17 tables. Benchmark dataset available at https://huggingface.co/datasets/iac-eval-v2/iac-eval-v2
评估和保障智能科学合成中的引用忠实性
机构 * Seoul National University（首尔国立大学） ； BioNexus（生物 Nexus）
专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 研究智能语言模型系统引用答案检查的可靠性问题，提出黄金锚定评估协议和可部署防护措施，能验证验证者、测量重新归因，为无支撑引用设限，经多模型和管道验证后作为单GPU工具包发布。
Comments 20 pages, 5 figures. Includes supplementary material (Appendices S1-S6). Open single-GPU reproducibility kit included
InferenceBench：用于通过人工智能代理进行开放式大语言模型推理优化的基准测试
机构 * ELLIS Institute Tübingen, Max Planck Institute for Intelligent Systems, Tübingen AI Center（图宾根ELLIS研究所、马克斯·普朗克智能系统研究所、图宾根人工智能中心）
专题命中 Agent评测 ：AI agent(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 研究旨在为开放式大语言模型推理优化建立基准测试InferenceBench，让代理部署推理服务器优化推理速度。通过多种场景和配置测试，发现代理虽能提升性能，但仍有局限，瓶颈在于提出多样配置等能力，反映了代理在开放式环境中的操作能力。
扮演：通过理论思维学习双代理守护者以实现信念引导
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出ToM-SB挑战，通过强化学习训练双代理模型以提升信念引导和理论思维能力，结果显示结合两者奖励的模型在对抗任务中表现更优。
Comments First two authors contributed equally. Code: https://github.com/The-Inscrutable-X/AIDoubleAgentDefenders
从他们是谁到他们如何行动：生成式基于代理的社会媒体模型中的行为特征
专题命中 Agent评测 ：agent(title,abstract)；autonomous agent(abstract)
AI总结 本文提出通过行为特征显式表征代理行为，以生成更真实的社交媒体参与模式和内容传播动态。
Comments Accepted at The International AAAI Conference on Web and Social Media (ICWSM) 2027
AISE-Bench：用于学术知识图谱信息检索的全周期精选基准测试
机构 * Renmin University of China（中国人民大学） ； Anhui University（安徽大学） ； Z-Lab Z.ai ； Tsinghua University（清华大学） ； Bosch Center for AI（博世人工智能中心） ； University of Oslo（奥斯陆大学）
专题命中 Agent评测 ：agent(abstract)；autonomous agent(abstract)；planning(abstract)；workflow(abstract)
AI总结 研究针对学术知识图谱信息检索基准测试不足的问题，引入AISE-Bench，通过定制工作流程和综合评估协议构建基准测试，为多步API使用的大语言模型智能体提供新测试平台，助力评估与改进。
Comments 9 pages, accepted by KDD 2026
Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD '26), August 09-13, 2026, Jeju Island, Republic of Korea
腾讯工作伙伴基准测试：一个具有抗污染任务构建的多领域编码智能体基准测试
机构 * Tencent（腾讯） ； Youtu Lab（腾讯优图实验室） ； Keen Security Lab（腾讯安全科恩实验室） ； Workbuddy（腾讯工作伙伴） ； Yunding Security Lab（腾讯云鼎实验室）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.CL、cs.SE
AI总结 介绍腾讯工作伙伴基准测试这一多领域编码智能体评估套件，核心是统一评估框架，任务经反向设计防污染，数据集公开，四个子集探测工作不同方面，以统一格式和协议运行，还给出跨模型排行榜。
Comments 30 pages, 9 figures. Project page: https://workbuddybench.com/ ; code: https://github.com/Tencent/workbuddy-bench ; dataset: https://huggingface.co/datasets/tencent/workbuddy-bench
从智能体经验中进行高效样本学习
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.CL
AI总结 研究现实世界中智能体学习受环境交互限制的问题，提出“经验蒸馏”，开发无需额外环境交互的实现方法，实验表明该方法能高效保留上下文学习收益，相比经典方法减少环境样本使用。
CANN基准测试：针对真实NPU和算法限制对代理生成的内核进行基准测试
机构 * Huawei（华为）
专题命中 Agent评测 ：agent(title)；AI agent(abstract)；分类 cs.AI
AI总结 研究针对人工智能代理生成的算子内核在Ascend NPU上缺乏通用评估基线的问题，提出CANN Bench基准测试，涵盖多算子和测试用例，采用三维加权综合评分，为Ascend生态系统提供评估算子编写能力的标准。
开放技能风险：使用现实世界中的危险第三方技能时对智能体安全性进行基准测试
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.CL
AI总结 研究基于语言模型的智能体使用第三方危险技能时的安全问题，构建OpenSkillRisk基准测试，涵盖多种不安全场景并能细粒度分析。实验发现当前系统处理危险技能能力不足，揭示三种失败模式，强调需改进语言模型风险推理和智能体框架执行控制。
隐藏的足迹：使存储成为大语言模型智能体评估的头等指标
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 研究大语言模型智能体运行后磁盘持久数据评估问题，引入AgentFootprint基准测试，通过序列化感知度量套件测量多方面指标，解决测量陷阱，给出不同配置差异及存储优化结果，确立持久存储为资源指标。
Comments 17 pages, 5 figures; includes supplementary material
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