AI Agent

FitText: Evolving Agent Tool Ecologies via Memetic Retrieval

FitText: 通过模因检索演化智能体工具生态

Kyle Zheng, Han Zhang, Renliang Sun, Chenchen Ye, Wei Wang

机构 * UCLA（加州大学洛杉矶分校） 纠错

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

AI总结 针对用户任务描述与工具文档间的语义鸿沟，提出FitText框架，将检索嵌入推理循环，通过自然语言伪工具描述迭代优化和模因进化选择，显著提升工具检索性能。

Comments 30 pages, including appendices. Accepted at COLM 2026 (main conference) and the COLM 2026 Workshop on Efficient Reasoning

Agentic Stage-One Stellarator Optimization: Autonomous Multi-Objective Search for Finite-Beta Equilibria

智能体阶段一仿星器优化：有限β平衡的自主多目标搜索

Tingjia Zhang, Zhuoran Meng, Runlai Xu

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

AI总结 本文提出智能体阶段一仿星器优化概念，通过语言模型智能体与DESC执行配合，提升有限β平衡构型的质量与数量，生成结构化决策数据，实现可扩展的多目标优化。

Safeguarding LLM Agents from Misalignment through Provenance Analysis

通过溯源分析保护LLM智能体免受失调影响

Yining She, Yiliang Liang, Eunsuk Kang

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 提出基于溯源分析的ProvenanceGuard框架，通过多阶段流水线检测工具调用前的三种失调类型，在Agent-SafetyBench和WorkBench上显著降低失调错误率并减少不必要的干预。

Prompts Don't Protect: Architectural Enforcement via MCP Proxy for LLM Tool Access Control

提示不保护：通过MCP代理实现的架构强制以实现LLM工具访问控制

Rohith Uppala

机构 * Independent Researcher（独立研究员） 纠错

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

AI总结 本文提出了一种受控的MCP代理，通过在工具发现和工具调用两个阶段实施基于属性的访问控制（ABAC），有效阻止了未经授权的工具调用，而提示基于的限制仅能减少11-18个百分点的未授权调用率，证明了架构强制在部署的智能体系统中实现可靠工具访问控制的必要性。

Comments 7 pages, 4 tables, 2 figures. Revised version with 200 adversarial tasks and expanded limitations

TraceSafe: A Systematic Assessment of LLM Guardrails on Multi-Step Tool-Calling Trajectories

TraceSafe: 对LLM在多步骤工具调用轨迹上的安全护栏的系统评估

Yen-Shan Chen, Sian-Yao Huang, Cheng-Lin Yang, Yun-Nung Chen

机构 * CyCraft AI Lab, Taiwan（CyCraft AI实验室（台湾）） ； National Taiwan University（国立台湾大学） 纠错

专题命中 工具调用 ：autonomous agent(abstract)；tool-use(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 本文提出TraceSafe-Bench，首个评估中间轨迹安全的综合基准，发现安全护栏效果更依赖结构数据能力而非语义安全对齐，通用模型在轨迹分析中表现更优，且准确性随执行步骤增加而提升。

Comments Accepted to Conference on Language Modeling (COLM) 2026

CognixShield: PoV-Guided Vulnerable API Usage Detection in Large Codebases via LLMs

CognixShield：基于LLM的、面向大型代码库的PoV引导式漏洞API使用检测

Quanzhi Fu, Wang Lingxiang, Wenjia Song, Gelei Deng, Yi Liu, Dan Williams, Ying Zhang

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

AI总结 CognixShield是一款LLM驱动的框架，通过保留语义的AST碎片化、感知漏洞的多智能体RAG、PoV引导的语义推理三个核心组件，在57个Java应用上实现了优于现有工具的漏洞API使用检测性能。

Comments accepted in ESEM 2026

Emergence Invariance: From Symbolized Thought to Structural Control

涌现不变性：从符号化思维到结构控制

Yi Liu

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

AI总结 该研究形式化了语言为核心的智能的限制，提出动态边界控制框架，通过DeepSeek V4-Flash实验验证其可提升大语言模型的推理性能，组织了大语言模型的涌现限制。

Comments 51 pages, 3 figures

ToolUniverse: An open platform for democratizing AI scientists

ToolUniverse：一个让AI科学家开发民主化的开放平台

Shanghua Gao, Richard Zhu, Pengwei Sui, Zhenglun Kong, Sufian Aldogom, Yepeng Huang, Ayush Noori, Reza Shamji, Krishna Parvataneni, Theodoros Tsiligkaridis, Marinka Zitnik

机构 * Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； Harvard College, Harvard University（哈佛大学哈佛学院） ； Massachusetts Institute of Technology（麻省理工学院） ； MIT Lincoln Laboratory（MIT林肯实验室） ； Kempner Institute for the Study of Natural and Artificial Intelligence, Harvard University（哈佛大学自然与人工智能研究学院） ； Broad Institute of MIT and Harvard（MIT与哈佛联合广谱研究所） ； Harvard Data Science Initiative（哈佛数据科学计划） 纠错

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

AI总结 ToolUniverse是支持从各类模型构建AI科学家的开放平台，通过AI-工具交互标准规范工具调用，已应用于大量科学工具，案例中可完成多领域端到端分析。

Comments https://aiscientist.tools

Learning to Coordinate Symbolic Tools: LLM Agents for Verified Sum-of-Squares Certificates

学习协调符号工具：用于验证平方和（SOS）证书的大语言模型（LLM）智能体

Bohan Chen, Shivam N. Patel, Richard Hoffmann, Sam Looi, Tony Yue Yu

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 该研究开发结合领域训练、符号工具和验证反馈的LLM智能体，在加权SOS验证任务上达到78.96%成功率，为可精确检查输出领域的工具调用智能体设计提供案例。

Comments 15 pages, 4 figures

When Counterbalancing Hides the Bias: Access-Conditioned Position Lock in Forced-Choice LLM Evaluation

跨模型价值比较中的两个混淆因素：响应确定性和访问约束

Hong-In Won, Jinseok Jang, Hyoseop Kim

机构 * KITECH（韩国产业技术评价院） ； National Research Council of Science and Technology (NST)（韩国国家科学技术研究院） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.LG

AI总结 研究跨模型价值比较中的两个混淆因素，提出无规则价值困境等方法分离并校正响应确定性，还发现访问约束影响模型价值概况，贡献了确定性校正分解，识别出部署约束是独特价值混淆因素。

Comments 16 pages, 3 figures, 7 tables. Substantially revised: reframed around an identifiability result for the counterbalanced concentration index, with access configuration presented as one generator of the failure rather than a separate confound. Code and data are included as ancillary files

READER: Dynamic LLM Provenance from Query-Varying Interactions

READER: 基于提取表示的鲁棒证据作者身份解码

Jiaxu Liu, Sunnan Mu, Dong Huang, Liuyin Wang, Jing Shao, Jie Zhang

机构 * National University of Singapore（新加坡国立大学） ； Xidian University（西安电子科技大学） ； Tsinghua University（清华大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 针对黑盒LLM来源识别问题，提出READER框架，通过冻结代理LLM读取隐藏作者证据，利用贝叶斯证据累积实现多查询归因，在Agent500数据集上显著优于基线方法。

Examining QRMI as a Unified Interface for Quantum-HPC Integration

将量子资源管理接口（QRMI）作为量子与高性能计算集成的统一接口进行研究

Thomas Badts, Tim Boyle, Claudio Carvalho, Antonio Córcoles, Andrew Damin, Vadim Elisseev, Jonathan Frassineti, Daniel Gruber, Hiroshi Horii, Eun-Kyung Lee, James Machin, Sara Marzella, Mateusz Meller, Daniel Milroy, Matthieu Moreau, Munetaka Ohtani, Elisabeth Ortega-Carrasco, Doug Oucharek, Yoonho Park, Adarsh Patil, Emre M. Sahin, Gábor Samu, Seetharami Seelam, Amir Shehata, Vanessa Sochat, James Thorne, Oscar Wallis, Aleksander Wennersteen

专题命中 工具调用 ：workflow(abstract)

AI总结 研究如何将量子资源集成到高性能计算环境，核心方法是用QRMI通过中间件层提供标准化API。贡献是将QRMI验证扩展到多种工作负载管理器，证明其提供可移植灵活抽象层，能跨环境一致访问异构量子资源。

Comments 16 pages, 3 tables, 3 figures, 13 listings, unpublished manuscript

MIA: A Visual Analytics System for Multimodal Spectral Imaging Data

MIA：一种用于多模态光谱成像数据的可视分析系统

Hennes Rave, Katharina Kronenberg, Hannes Gödde, Lea Tobergte, Michael Holtkamp, Julia Werner, Peter Bohrer, Fabian Lohöfer, Rickmer Braren, David Clases, Uwe Karst, Lars Linsen

专题命中 工具调用 ：workflow(abstract)

AI总结 提出一种模态无关的可视分析系统MIA，集成光谱预处理、降维、交互分割和相似性分析等全流程，支持层次化嵌入和多模态数据联合分析，通过三个实际案例验证其有效性。

Journal ref Computers & Graphics, Vol. 139, Art. 104727, 2026

Joint Optimization of Qubit Leasing and Quantum Circuit Distribution

量子比特租赁与量子电路分布的联合优化

Anoushka Dey, Gaurav S. Kasbekar

专题命中 工具调用 ：agent(abstract)

AI总结 针对量子网络中执行量子电路的资源租赁与分配问题，提出整数线性规划模型，证明NP完全性，并设计贪心算法求解。

$A^2E$ : An End-to-End Agent Auditing Engine

端到端智能体审计引擎

Haoning Wang, Mingxun Zhang, Chenyue Yu, Yingjun Shang, Xia Hu, Guanchu Wang, Na Zou

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 规划决策 ：agent(title,abstract)；tool use(abstract)；planning(abstract)；分类 cs.AI

AI总结 针对智能体适配框架的系统化评估难题，本文提出A²E引擎，借助ATP协议实现任务快速集成，通过多维指标评估适配框架能力，实验表明模型-适配框架组合性能差异显著，为模型与适配框架协同演进提供指导。

From Reasoning to Agentic: Credit Assignment in Reinforcement Learning for Large Language Models

从推理到代理：大型语言模型强化学习中的信用分配

Chenchen Zhang

机构 * Independent Researcher（独立研究员） 纠错

专题命中 规划决策 ：agentic(title,abstract)；agent(abstract,abstract_cn)；multi-agent(abstract_cn)；分类 cs.CL

AI总结 本文探讨了大型语言模型强化学习中信用分配问题，总结了47种方法，并提出了可重用的资源，指出从推理到代理的转变使信用分配更加复杂，推动了新的方法发展。

Comments 50 pages, 4 figures. v3: expanded to a unified 69-paper corpus through July 31, 2026; adds restored-state identification results, blind coding of a 42-paper full-text subset, a source-located reporting audit, the CA-ID Card, and replay-fidelity analysis

SIMMER: Benchmarking Latent Failures in LLM Executable Planning with a World Model

SIMMER: 基于世界模型评估LLM可执行规划中的潜在故障

Xiaoxin Lu, Ranran Haoran Zhang, Rui Zhang

机构 * The Pennsylvania State University（宾夕法尼亚州立大学） 纠错

专题命中 规划决策 ：planning(title,abstract)；autonomous agent(abstract)；分类 cs.AI、cs.CL

AI总结 提出SIMMER基准，通过人工策划的厨房领域符号世界模型，评估LLM规划中的潜在故障；实验发现前沿模型最多17%无错误计划，56%含潜在故障，多数不可逆；反事实预演可减少72%潜在故障和75%不可逆案例。

Comments Accepted at COLM 2026

Argus: A General-Purpose Agentic Reasoning Runtime for Long-Horizon Tasks

Argus：面向长程推理的通用智能体运行时

Boxiu Li, Zimo Wen, Yijia Fan, Chuan Wen, Fan Yang, Hangxi Guo, Jiaao Wu, Jiachen Zhang, Junxiang Lei, Mukai Li, Ruize Tang, Runjing Gu, Shibo Hu, Sihan Chen, Sufeng Guo, Wanbo Zhang, Xian Zhang, Xiaoyu Chen, Xuanhe Zhou, Xuyao Huang, Yifei Gao, Yifei Shen, Yilin Chen, Yuheng Wu, Yuzhe Zhang, Zelong Zhao, Zhijie Deng

机构 * Microsoft（微软公司） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Nanjing University（南京大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Peking University（北京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Donghua University（东华大学） 纠错

专题命中 规划决策 ：agentic(title,abstract)；workflow(abstract)；分类 cs.AI

AI总结 Argus是面向长程推理的通用智能体运行时，通过多角色协作与自进化，在多个基准测试中表现优于同类方法，还完成了实际应用任务并产出结构化轨迹。

Demonstrating TOFFEE: A Learned System for Synthesizing Data Agent Trajectories at Scale

展示TOFFEE：一个大规模合成数据代理轨迹的学习系统

Ziting Wang, Yin Li, Zuhao Yang, Xiuchang Li, Jiale Bai, Gao Cong

机构 * Nanyang Technological University（南洋理工大学） ； Huawei（华为） ； Industrial and Commercial Bank of China Limited（中国工商银行） 纠错

专题命中 规划决策 ：agent(title,abstract)；workflow(abstract)；分类 cs.AI

AI总结 针对现有数据代理难以适应新环境的问题，提出TOFFEE系统，通过蒙特卡洛树搜索等方法，能从给定数据环境合成高质量数据代理轨迹，可用于监督微调与上下文学习，还展示了系统框架、界面及工作流程与应用场景。

Comments Accepted to VLDB 2026

SearchSwarm: Towards Delegation Intelligence in Agentic LLMs for Long-Horizon Deep Research

SearchSwarm：面向长周期深度研究的代理LLM委托智能

Xiaochong Lan, Quan Chen, Kun Tao, Xinyu Tang, Tianshu Wang, Qianggang Cao, Xinyu Kong, Zujie Wen, Zhiqiang Zhang, Jun Zhou

机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Ant Group（蚂蚁集团） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） 纠错

专题命中 规划决策 ：agentic(title)；agent(abstract)；workflow(abstract)；分类 cs.AI

AI总结 提出SearchSwarm框架，通过监督微调将任务分解与委托决策内化到模型权重中，在BrowseComp和BrowseComp-ZH上取得同规模最佳性能。

SAKE: Structured Agentic Knowledge Extrapolation for Complex LLM Reasoning via Reinforcement Learning

SAKE：通过强化学习进行复杂LLM推理的结构代理知识外推

Jiashu He, Jinxuan Fan, Bowen Jiang, Ignacio Houine, Dan Roth, Alejandro Ribeiro

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI、cs.CL

AI总结 SAKE通过强化学习训练LLM自主检索和外推结构化知识，提升生物医学和常识领域推理性能，同时减少90%以上token使用。

Critic-Free Deep Reinforcement Learning for Maritime Coverage Path Planning on Irregular Hexagonal Grids

无评价深度强化学习用于不规则六边形网格上的海上覆盖路径规划

Carlos S. Sepúlveda, Gonzalo A. Ruz

专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出一种深度强化学习框架，用于在不规则海域的六边形网格上解决覆盖路径规划问题，通过Transformer指针策略自回归构造覆盖路径，并采用无评价组相对策略优化方法，实现高效路径规划。

NormAct: Benchmarking Embodied Agents' Proactive Compliance with Unspoken Social Norms

NormAct：具身规划中隐藏社会规范遵守的基准

Shiyun Zhao, Xinwei Song, Tianyu Guo, Xiaomeng Gao, Mingyuan Liu, Xu Han, Yuanyuan Zhang, Zhenliang Zhang, Xue Feng, Bo Dai

机构 * State Key Laboratory of General Artificial Intelligence, Beijing Institute for General Artificial Intelligence (BIGAI)（通用人工智能国家重点实验室，北京通用人工智能研究院） ； China Academy of Information and Communications Technology（中国信息通信研究院） ； ShanghaiTech University（上海科技大学） 纠错

专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI

AI总结 提出NormAct基准，评估多模态大语言模型在具身规划中遵守隐藏社会规范的能力，发现模型在67.3%情况下达成显式目标，但仅26.4%遵守隐藏规范；提出NormPerceptor方法将任务成功率从24.2%提升至46.7%。

Comments This version revises the paper content and adds substantial details on the benchmark design and experimental setup

Optimizing Trajectory-Trees in Belief Space: An Application from Model Predictive Control to Task and Motion Planning

在信念空间中优化轨迹树：从模型预测控制到任务与运动规划的应用

Camille Phiquepal, Marc Toussaint

专题命中 规划决策 ：planning(title,abstract)

AI总结 该研究针对部分可观测机器人规划问题，提出PO-MPC、D-AuLa算法及PO-LGP规划器，分别应用于MPC和TAMP，提升了规划性能并实现了问题规模的扩展。

Comments 42 pages

Improving Operational Feasibility in Large-Scale Power System Planning

提升大规模电力系统规划的操作可行性

Gereon Recht, Oussama Alaya, Benedikt Jahn, Karl-Kiên Cao, Hendrik Lens

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出通过重新调度和增强初始解来解决大规模交流扩容问题，考虑了发电机、无功补偿设备、储能系统和传输的同步扩展，并通过启动程序和电源能力曲线等约束确保操作可行性。

Degradation-Aware Lifecycle Planning of Microgrids with Second-Life Batteries through Reliability-Guided Refinement

利用退役电池规划未来微电网：一种考虑退化的迭代优化框架

Hassan Zahid Butt, Xingpeng Li

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种考虑退化的迭代优化框架，用于长期微电网规划，整合光伏效率衰减、电池容量和效率退化以及退役电池特性，通过多年优化模型和逐年验证模型评估可靠性，减少停电风险并降低成本。

Knowing When to Ask: Resolving Uncertainty in Human-Robot Joint Planning via Explicit Dialogue and Implicit Intent Cues

不确定性缓解与意图推断：一种双模式人机联合规划系统

Zeyu Fang, Yuxin Lin, Cheng Liu, Beomyeol Yu, Zeyuan Yang, Rongqian Chen, Taeyoung Lee, Mahdi Imani, Tian Lan

机构 * Department of Electrical and Computer Engineering, George Washington University（电气与计算机工程系，乔治华盛顿大学） ； Department of Mechanical and Aerospace Engineering, George Washington University（机械与航空航天工程系，乔治华盛顿大学） ； Department of Electrical and Computer Engineering, Northeastern University（电气与计算机工程系，东北大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种双模式人机联合规划系统，通过缓解不确定性与推断意图，提升人机协作效率。

Risk-Averse Power System Resilience Planning Under AI Data Center Demand Growth Using a Two-Stage DRO-CVaR MILP Optimization

一种用于管理AI/数据中心需求冲击的双阶段风险厌恶DRO-MILP方法论框架

Sharaf K. Magableh, Caisheng Wang, Oraib Dawaghreh, Xuesong Wang

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种双阶段风险厌恶DRO-MILP框架，用于管理AI驱动数据中心需求冲击，通过优化柔性容量模块的预分配和事后调度，提升电力系统韧性。

Comments Accepted for publication in the proceedings of the 58th North American Power Symposium (NAPS 2026)

ActiveFly-Bench: Aligning Embodied Question Answering with Vision-Language-Action for Aerial Embodied Perception

ActiveFly-Bench：将具身问答与视觉-语言-动作对齐用于空中具身感知

Weichen Zhang, Shiquan Yu, Yinan Zhu, Peizhi Tang, Shilong Ji, Zhiyuan Deng, Tianyi Lyu, Haoyang Wang, Xin Zeng, Chen Gao, Yong Li, Xinlei Chen

机构 * Tsinghua University（清华大学） ； Manifold AI（流形人工智能） 纠错

专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI

AI总结 介绍用于无人机具身感知的ActiveFly-Bench基准测试，它分解主动感知为三个层次任务，收集数据集，开发集成视觉语言推理与细粒度控制的ActiveFly智能体，实验表明当前无人机智能体有困难，该基准成为具身空中智能新测试平台。

Towards a Bridge Layer Between Bibliographic and Formalized Mathematical Knowledge

迈向文献与形式化数学知识之间的桥梁层

A. Mayeux

专题命中 规划决策 ：workflow(abstract)；agentic(abstract)；分类 cs.AI

AI总结 提出一个关系型桥接数据库，对齐出版物元数据与形式化工件，并引入论文级形式化评分，通过跨文档对齐估计形式化覆盖度，以整合文献与形式化数学生态系统。