AI Agent

Beyond Top-K: Replacing Black-Box Retrieval with Interpretable Agentic Operations

超越Top-K：用可解释智能体操作替代黑盒检索

Sagar Tamang, Ayush Vyas, Tabarakul Hazarika

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

AI总结 该研究针对长文档检索的结构缺陷，提出无嵌入智能体检索框架READ，在政府财务报告数据集上显著优于密集检索，且性能提升源于操作界面，同时发现BM25与READ无统计差异。

Comments 20 pages, 5 figures, 14 tables. Code, benchmark, and full result trajectories: https://github.com/twospoon/READ

The Perils of Agency: How Developers Perceive, Prioritize, and Address Risks in Agentic AI Products

代理的风险：开发者如何感知、优先级排序和应对代理型AI产品中的风险

Hao-Ping Lee, Jessica He, David Piorkowski, Thomas Serban von Davier, Jodi Forlizzi, Sauvik Das

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 通过35位行业开发者的研究，发现开发者对代理型AI风险的感知与自主性、工具使用等代理特性紧密相关，他们优先考虑产品和业务风险，缺乏成熟的控制手段，揭示了代理能力与风险控制之间的张力。

Agentic AI: User Empowerment or Enclosure?

智能体AI：用户赋能还是圈地？

David Gamba, Daniel M. Romero, Grant Schoenebeck

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

AI总结 本文通过分析广告拦截器等四个领域，指出智能体AI的治理决策本质是政治选择，其配置正被模型上下文协议等专有框架锁定，可能损害用户权益。

Comments Extended version of AIES'2026 publication

AgentChaos: Chaos Engineering for Agent Systems via Programmatic Fault Injection

AgentChaos：通过可编程故障注入实现智能体系统的混沌工程

Gou Tan, Zhensu Sun, Jieke Shi, Ting Zhang, Zilong He, Qingfu Wu, Shuai Liang, Weifeng Sun, Junda He, Pengfei Chen, Chuanfu Zhang, Lwin Khin Shar, David Lo

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

AI总结 提出AgentChaos框架，在不修改源代码的情况下于LLM API共享层注入故障，评估显示智能体系统鲁棒性取决于自身实现，现有故障诊断方法仍有提升空间。

Comments Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026)

CEDAR: Agent-Orchestrated Tree Search for Goal-Directed Optimization of Complex Systems

CEDAR：面向复杂系统目标导向优化的智能体编排树搜索算法

Yingtao Tian

机构 * Sakana AI 纠错

专题命中 工具调用 ：agent(title)；分类 cs.AI

AI总结 针对复杂系统目标导向设计的难题，提出基于LLM智能体的CEDAR方法，通过LLM驱动的MCTS实现复杂系统的目标导向发现，减少人力投入并促进其跨领域应用。

Comments Accepted as Talk in ALIFE 2026: The 2026 Conference on Artificial Life

BONSAI: Evolvability-Guided Tree Search over Skills

BONSAI：基于可进化性的技能树搜索

Yash Priya Shastri, Anand Eswaran, Adnan Qidwai, Pankaj Thorat, Sachin Joshi

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 该研究提出BONSAI技能优化框架，基于可进化性的蒙特卡洛树搜索优化冻结智能体的技能，在30B智能体和三个基准上，较无技能智能体及GEPA、SkillOpt基线显著提升保留集准确率。

Physics-Grounded Materials Artificial Intelligence for Reliable Materials Discovery

基于物理学原理的材料人工智能用于可靠的材料发现

Yuhang Wang, Qian Wang, Seong-Hoon Jang, Hao Li

专题命中 工具调用 ：AI agent(abstract)

AI总结 该研究提出PhysMat AI框架，整合物理知识用于材料发现，通过多领域示例说明其应用，还规划了从物理感知到自主AI的发展路线，助力可靠材料发现。