AI Agent

On Understanding, Identifying, and Mitigating Vulnerabilities in Agentic Large Language Models

关于智能体大语言模型漏洞的理解、识别与缓解

Md Jafrin Hossain, Mohammad Arif Hossain, Nirwan Ansari

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

AI总结 本研究针对智能体大语言模型安全开展系统文献综述，提出四层漏洞分类法，发现攻击研究多于防御研究、感知层漏洞研究占比偏高等现状，识别7个开放问题及架构耦合的核心不安全根源。

SoK: The Attack Surface of Agentic AI - Tools and Autonomy

SoK：代理AI的攻击面——工具与自主性

Ali Dehghantanha, Sajad Homayoun

专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)

AI总结 本文系统分析了代理AI的安全风险，提出攻击分类与评估指标，探讨防御措施及开放研究挑战，帮助研究人员和工程师应对代理AI的安全威胁。

Actionable Hallucination Detection: Translating Latent Uncertainty into Agentic Critique

可操作的幻觉检测：将潜在不确定性转化为智能体批判

Sanidhya Vijayvargiya, Rahul Lokesh

机构 * Samsung Research America（美国三星研究院） 纠错

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

AI总结 该研究提出Latent Critic轻量级LoRA适配器，可实时检测LLM智能体的幻觉，定位准确率超80%、AUROC达0.966，能拦截幻觉并助力智能体自我修正，效能优于同类基线方法。

Comments 22 pages, 6 figures

UserToolBench: A User-Profile-Hidden Benchmark for Personalized Decision Making in Tool-Use LLMs

UserToolBench：用于工具使用类大语言模型个性化决策的用户画像隐藏型基准测试集

Xuexiong Yin, Zechuan Chen, Yongsen Zheng, Yuxiang Zhang, Jingyuan Yang, Bin Wang, Yubin Wang, Keze Wang

机构 * Sun Yat-Sen University（中山大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 UserToolBench是针对工具使用类大语言模型的基准测试集，可评估模型从交互历史推断用户偏好等个性化决策能力，实验发现当前模型在多工具协调等方面仍存瓶颈。

Comments 21pages,4figures

OpenVisTool: An Open Recipe for Synthesizing Instructive Visual Tool-Use Trajectories

OpenVisTool：用于合成具有指导性的视觉工具使用轨迹的开源方案

Changhao Xiang, Shilin Zhang, Zheng Ma, Kanzhi Cheng, Ruize Ma, Yi Feng, Jianbing Zhang, Zhi Wang, Zhen Wu, Xinyu Dai, Lewei Lu

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

AI总结 本研究提出OpenVisTool框架，构建含因果监督的视觉工具使用轨迹数据集OpenVisTool-42K，微调后模型视觉工具使用性能提升，大模型接近领先闭源系统。

FlowScout: From Execution Feedback to Reliable Tool-Using Agent Workflows

FlowScout：从执行反馈到可靠的工具使用智能体工作流

Shuo Hao, You Lu, Bihuan Chen, Xin Peng

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

AI总结 FlowScout是从历史任务记录生成工具集成型智能体工作流的执行引导框架，经多任务域评估，其工具调用正确性与执行质量均显著优于PM4Py等基线方法。

EviBack: Search-Agent Reinforcement Learning via Evidence-Constrained Teacher Backoff

EviBack：通过证据约束的教师退避进行搜索智能体强化学习

Xiao Ma, Zhiquan Hu, Yi Wei, Chenchen Zhao, Yijun Chen, Jicheng Zhao, Yuming Li, Chuang Dai

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

AI总结 研究针对智能体RAG系统中全零展开组问题，提出EviBack方法，通过证据约束教师退避提供辅助监督。利用全自动管道生成两阶段教师，提升了下游F1等指标，在多个问答基准上取得更好效果。

CuSearch: Curriculum Rollout Sampling via Search Depth for Agentic RAG

CuSearch：通过搜索深度进行课程展开采样以实现代理RAG

Jianghan Shen, Siqi Luo, Xinyu Cheng, Jing Xiong, Yue Li, Jiyao Liu, Jiashi Lin, Yirong Chen, Junjun He

机构 * Nanjing University（南京大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； University of Hong Kong（香港大学） 纠错

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

AI总结 本文提出CuSearch，通过搜索深度贪心分配策略改进代理RAG训练，提升检索监督密度，实验显示在ZeroSearch上性能提升达11.8个精确匹配点。

Comments The paper has been accepted by COLM 2026. Code: https://github.com/MrToser/CuSearch

On Effectiveness and Efficiency of Agentic Tool-calling and RL Training

论智能体工具调用与强化学习训练的有效性与效率

Tong Liu, Cheng Qian, Matej Cief, Yuan He, Daniele Dan, Nikolaos Aletras, Gabriella Kazai

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学） 纠错

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

AI总结 本文系统分析工具调用评估中的实现选择对结果敏感性的影响，并针对强化学习训练中的计算浪费提出两种加速技术。

Comments ICML 2026

Recovering Wasted Compute in Autoresearch Agents

恢复自动研究智能体中浪费的计算资源

Au Kwok Chun, Abhigyan Acherjee, Amrutha Rao, Zaiqian Chen, Kazem Meidani, C. Bayan Bruss, Micah Goldblum

机构 * Columbia University（哥伦比亚大学） ； Georgetown University（乔治城大学） ； Capital One（第一资本金融公司） 纠错

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

AI总结 本文针对自动研究智能体应用于表格数据集时的四类计算资源浪费问题，提出针对性干预措施，仅通过优化智能体设计即可大幅提升其性能。

DOCSCHISEL: Adaptive Tool Documentation Optimization Framework for LLM Agents

DOCSCHISEL：面向大语言模型智能体的自适应工具文档优化框架

You Lu, Kun Zhang, Bihuan Chen, Xin Peng

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

AI总结 该研究针对LLM智能体工具文档的异质性与泛化问题，提出DocsChisel自适应优化框架，经实验较原始文档及EasyTool、DRAFT基线大幅提升任务成功率，且开销有限。

Mitigating Context Interference for Reliable and Efficient Search Agents

缓解可靠高效搜索智能体的上下文干扰

Boyang Xue, Bin Wu, Shuofei Qiao, Sheng Wang, Rui Wang, Yiming Du, Hongru Wang, Jeff Z. Pan, Emine Yilmaz, Kam-Fai Wong, Aldo Lipani

机构 * The Chinese University of Hong Kong（香港中文大学） ； University College London（伦敦大学学院） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） ； The University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 本文针对多轮搜索智能体的上下文干扰问题，提出基于蒸馏的上下文优化器，将其纳入RL训练后可显著提升搜索智能体的可靠性与效率，开创了AI智能体“先优化上下文再生成”的新范式。

AgentSnare: Learning to Delay, Divert, and Defuse Autonomous Penetration Agents

AgentSnare：学习延迟、转移和瓦解自主渗透智能体

Ruoyu Wang, Heng Zhao, Renjie Wu, Mengnan Zhao, Zhixuan Chu, Wanyu Lin, Tianhang Zheng

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

AI总结 AgentSnare是一种轨迹自适应欺骗系统，通过动态构建诱饵环境，吸收渗透智能体工具调用、转移其轨迹并瓦解攻击，在CVE-Bench实验中成功阻止了所有真实目标被利用。

A Graph Neural Network--Guided Genetic Algorithm for Physical Internet Supply Chain Optimization under Cost Uncertainty

成本不确定性下面向物理互联网供应链优化的图神经网络引导遗传算法

Faezeh Ardali, Gerald M. Knapp

专题命中 工具调用 ：planning(abstract)；分类 cs.LG

AI总结 针对成本不确定的物理互联网三级供应链优化问题，构建确定性与最小最大遗憾模型，提出GNN-GA算法，实验显示其在多实例上优于标准GA，学习到的初始化是主要改进来源。

Comments 6 pages

APCReg: Anatomical-Prior-Guided Coarse-to-Fine CBCT--IOS Registration via Multi-View Projection and Reliability-Controlled Residual Correction

APCReg：基于解剖先验的、经多视图投影与可靠性控制残差校正的CBCT与口腔内扫描（IOS）粗到精配准方法

Xincan Zheng, Yaqi Wang, Zhi Li, Jiahao Bao, Lan Feng, Yiru Xia, Shuai Wang

专题命中 工具调用 ：planning(abstract)

AI总结 针对CBCT与IOS自动配准不可靠的问题，提出APCReg框架，通过多视图解剖粗配准、重叠感知残差配准及牙弓结构假设选择等技术，在60个颌骨对的评估中多项指标优于开源基线。

Comments 10 pages, 7 figures

From Prompt Injection to Web Exploitation: Revisiting Classic Vulnerabilities in LLM-Integrated Applications

从提示注入到Web漏洞利用：重新审视集成大语言模型的应用中的经典漏洞

Spiros Tsigkopoulos, Christoforos Ntantogian

专题命中 工具调用 ：agentic(abstract)

AI总结 本文研究集成大语言模型的Web应用的新型攻击LLM介导的Web攻击，提出LLM2X系列攻击类型，通过实现TicketOracle实验发现模型易感性差异，给出多层缓解策略。

Dual dynamic programming for stochastic programs over an infinite horizon

无限期随机规划的对偶动态规划

Caleb Ju, Guanghui Lan

专题命中 工具调用 ：planning(abstract)

AI总结 针对无限期随机规划，本文提出CE-Inf-EDDP算法，通过整合割共享等策略提升迭代复杂度，在报童及水火电规划问题中大幅缩短迭代时间并改善解质量。

Comments Major revision updates

Efficient Reinforcement Learning for Long-Horizon Tool-Use Agentic Tasks

面向长周期工具使用智能体任务的高效强化学习

Zelei Cheng, Amritansh Mishra, Sambit Sahu, William Campbell

机构 * Capital One（第一资本金融公司） ； AI Foundations（人工智能基础部门） 纠错

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

AI总结 本文提出 SINKFLEX-RL 模块化训练系统，通过整合环境接口等技术，在 Tau2Bench 测试中提升验证奖励并降低注意力路径显存占用，实现长周期工具使用智能体的高效 RL 训练。

Comments Published at the COLM 2026 Workshop on Efficient Reasoning

Hierarchical Compositionality for An Assistive AI Agent

面向辅助AI智能体的分层组合性

Tianyi Fu, Mohan Sridharan

机构 * University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 本文针对辅助AI智能体的歧义问题，提出嵌入分层组合性原则的架构，结合语义兼容性等模型推理实现歧义消除，实验表明其性能优于当前最优数据驱动基线，可适配特定用户画像。

Comments 25 pages, 9 figures, 4 tables. Project page: https://tianyi-fu.github.io/HCAA

SBCO: Self-Supervised, Verifier-Grounded Harness Optimization For Planning Agents

SBCO：面向规划智能体的自监督、验证器驱动的工具链优化器

Vivek Kulkarni, Sudipta Paul, Aounon Kumar, Nicholas Tzou, Srinivas Chappidi

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

AI总结 本研究针对规划任务提出SBCO，一种自监督的验证器驱动工具链优化器，其性能优于或相当的定制基线，且计算成本仅为其1/4至1/5.5。

CAPO: Critic-Guided Action-Aligned Policy Optimization for Advancing LLM Agent Capabilities

StepPO: 面向智能体强化学习的步骤对齐策略优化

Daoyu Wang, Qingchuan Li, Mingyue Cheng, Jie Ouyang, Shuo Yu, Chunli Liu, Shijin Wang, Qi Liu, Enhong Chen

机构 * State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China（认知智能国家重点实验室，中国科学技术大学） 纠错

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

AI总结 提出StepPO，一种步骤级策略优化方法，通过将智能体强化学习从token级MDP重构为步骤级MDP并引入步骤级信用分配，以解决现有算法在智能体决策粒度上的不匹配问题，在多跳问答等任务上优于多种RL算法。

InSight-doc: Agentic Visual Perception for Long-Document Understanding

InSight-doc：面向长文档理解的智能体视觉感知框架

Kaican Li, Weiyan Xie, Lewei Yao, Jiannan Wu, Lanqing Hong, Yongxiang Huang, Nevin L. Zhang

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Huawei（华为） 纠错

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

AI总结 本研究提出智能体视觉感知框架InSight-doc，通过自适应选择放大高分辨率区域处理长文档，经SFT+RL训练后在文档VQA任务中显著提升准确率、降低幻觉与推理延迟，相关资源已公开。

CARD: Controlled Agentic Reddit Discussions for Credit Card Simulation

CARD：用于信用卡模拟的受控智能体Reddit讨论框架

Yaoning Yu, Kai-Min Chang, Ye Yu, Yi-Chia Wang, Haojing Luo, Haohan Wang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； U.S. Bank（美国银行） ； Stanford University（斯坦福大学） 纠错

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

AI总结 本研究提出CARD框架，通过规划器、生成器与校准循环，结合多维度控制项生成逼真信用卡讨论线程，经多指标评估，其效果优于多种LLM模拟基线。

Evo-Bench: Can Language Models Improve Agent Harness?

Evo-Bench：语言模型能否改进智能体框架？

Lisheng Huang, Chen Yang, Hao Zhou, Huatong Song, Zongchao Chen, Ran Le, Yang Song, Wayne Xin Zhao, Tao Zhang

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

AI总结 本研究推出首个智能体框架进化基准Evo-Bench，评估语言模型的自主框架优化能力，发现其在通用、搜索任务中优于人工框架，在办公任务中表现不佳，且合成框架可迁移提升各类模型。

CastFSR: A Fast--Slow--Reflect Agentic Reasoning Framework for Context-Aware Time Series Forecasting

CastFSR：用于上下文感知时间序列预测的快慢反思智能体推理框架

Xiaoyu Tao, Mingyue Cheng, Bokai Pan, Chuang Jiang, Huanjian Zhang, Tian Gao, Yaguo Liu, Qi Liu, Enhong Chen

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

AI总结 本研究提出CastFSR智能体框架，将上下文感知时间序列预测建模为快慢反思工作流，通过实验证明其在公共数据集上的表现优于代表性基线。

SearchArt: Training Long-Horizon Search Agent with Scalable Synthetic and Verified Task

SearchArt：使用可扩展的合成和经过验证的任务训练长视野搜索代理

Lang Mei, Xiaohan Yu, Chong Chen, Liyan Liu, Xiangnan Chen, Jinchao Ma, Chao Feng, Li Huang, Siyu Mo, Sichen Kang, Yunkun Xu, Zhihan Yang, Zhujun Xue, Jingren Zhang, Qing He, Yingdi Huang, Hao Jiang, Ziao Ma, Zewei Pan, Minhao Sun, Zhuo Tao, Jinzhao Xiao, Gangtao Xin, Huanyao Zhang, Wenjian Zhang, Jiangshan Zhang, Guojie Zhu, Fangzhou Zou, Jiaxin Mao, Wentao Zhang

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

AI总结 针对训练长视野搜索代理的挑战，SearchArt提出通过验证驱动任务合成及多阶段训练管道的框架，构建大规模数据集并验证数据可靠性，经此训练的代理在多基准测试中表现出色，参数少却成绩优异。

MESA:Task-Adaptive Multi-Structure Evidence Selection for Long-Horizon Agent Memory

MESA：面向长视野智能体记忆的任务自适应多结构证据选择

Beidi Zhao, Yaoqi Chen, Yuru Feng, Menghao Li, Qianxi Zhang, Baotong Lu, Jianan Lu, Zhirui Wang, Xinjiang Wang, Shusen Xu, Zengzhong Li, Xiaoxiao Li, Qi Chen

机构 * Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 MESA是面向长视野智能体记忆的多结构证据选择框架，通过自适应选择融合互补记忆结构，在AMA-Bench上性能优于基线且减少了证据标记使用量。

Comments 18 pages, 5 figures

DAEP: Difficulty-Aware Evidence Planning for Medical Video Corpus Temporal Answer Grounding

DAEP：面向医学视频语料时序答案 grounding 的难度感知证据规划

Tianjian He, Yujie Liu, Zhiping Huang, Changbo Xu

机构 * TikTok, ByteDance（字节跳动TikTok） ； Beijing Institute of Graphic Communication（北京印刷学院） ； Lingnan University（岭南大学） 纠错

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

AI总结 BIGC团队提出DAEP方案，通过多模态证据排名与难度感知规划，在NLPCC 2026共享任务中以0.2728的平均得分获第一名，提升了医学视频时序答案定位的性能。

Comments 12 pages, 2 figures, 5 tables, accepted by NLPCC 2026 Shared Task Track 3

When Does Critique Improve AI-Assisted Theoretical Physics? SCALAR: Structured Critic--Actor Loop for Agentic Reasoning

当批评如何提升AI辅助理论物理？SCALAR：用于代理推理的结构化批评-代理循环

Vasilis Niarchos, Constantinos Papageorgakis, Alexander G. Stapleton, Sokratis Trifinopoulos

机构 * Department of Physics, CCTP ； ITCP, University of Crete, 71303, Greece ； Centre for Theoretical Physics, Department of Physics ； Astronomy, Queen Mary University of London, London E1 4NS, United Kingdom ； Theoretical Physics Department, CERN, Geneva, Switzerland 纠错

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

AI总结 本文研究了研究人员与代理交互对AI辅助理论物理研究的影响，通过SCALAR框架评估不同交互结构对科学发现的促进作用。

Comments V2. Expanded experiments. Accepted at ICML 2026 Workshop (AI4Physics); 18 pages; 9 figures

Planning Task Shielding: Detecting and Repairing Flaws in Planning Tasks through Turning them Unsolvable

计划任务防护：通过使其不可解来检测和修复计划任务中的缺陷

Alberto Pozanco, Pietro Totis, Marianela Morales, Daniel Borrajo

机构 * J.P. Morgan AI Research（摩根大通人工智能研究） 纠错

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

AI总结 本文提出计划任务防护方法，通过最小修改使计划任务不可解来检测和修复缺陷，验证了算法在不同规模任务中的有效性。