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。
独立复杂或维伯犯罪？探索生成AI工具、编码助手和代理在网络犯罪生态系统中的采用与创新
专题命中 软件智能体 ：agentic(abstract)
AI总结 本文通过创新理论和演化经济学分析网络犯罪生态系统，提出独立复杂和维伯犯罪概念，发现AI在现有低利润方案中有早期应用，但未造成广泛破坏。
Comments Updated with results on developments in the first half of 2026
专题命中 GUI与网页智能体 ：planning(abstract)
Journal ref 2026 European Control Conference (ECC), IEEE
空间记忆智能体：用于空间智能的基于经验的过程记忆
机构 * Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 记忆与上下文管理 ：agent(title,abstract)；planning(abstract)；agentic(abstract)；分类 cs.AI
AI总结 该研究提出SMA框架，让冻结VLM智能体无需外部空间工具，通过无参数更新自进化提升空间推理，在多基准和模型上表现最优，提供了空间自进化的实用路径。
Comments Under Review
MindMemOS：面向AI智能体的可移植且自演进的内存操作层
机构 * Noah’s Ark Lab, Huawei Technologies（华为技术有限公司诺亚方舟实验室）
专题命中 记忆与上下文管理 ：AI agent(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 提出MindMemOS内存操作层，通过多种算法实现内存自适应建模与技能演进，在多个数据集上取得显著性能提升。
Comments 35 pages,14 figures
PIPES：基于来源与先验的智能体感知安全防护方案
专题命中 记忆与上下文管理 ：agent(title,abstract)；分类 cs.AI
AI总结 该研究针对工具使用智能体感知易受状态篡改攻击的问题，提出PIPES防护方案，通过语义先验与来源筛选，大幅降低攻击成功率且保留良性效用。
正确性不受管控：智能体工作流的来源完整性
机构 * Microsoft（微软公司）
专题命中 记忆与上下文管理 ：agentic(title,abstract)；分类 cs.AI
AI总结 本文针对智能体工作流的来源完整性问题，提出确定性因果状态层Matrix作为机构完整性层，可记录依赖、验证证据，使工作可审计，且能限制恢复范围。
Comments 19 pages, 2 figures
FluctlightDB：面向AI智能体的数据内存模型
专题命中 记忆与上下文管理 ：AI agent(title)；agent(abstract)；分类 cs.AI
AI总结 本文提出面向AI智能体的独立数据内存模型，实现嵌入式引擎FluctlightDB，在多个记忆召回基准上取得优异结果，填补了数据栈的一层空白。
Comments 16 pages, 6 tables, 4 figures, appendix. Code and frozen benchmark artifacts: https://github.com/voxmastery/FluctlightDB. Preprint DOI: 10.5281/zenodo.20949890
关联量子系统中的时序自由能：一种智能体方法
专题命中 记忆与上下文管理 ：agentic(title)；agent(abstract)
AI总结 本文针对关联量子系统，提出一种基于动态规划和计算力学的智能体方法，定义时序自由能（TOFE）为该系统中智能体可提取的最大功，其策略识别时间复杂度随序列长度线性缩放。
RippleMem：从孤立检索到智能体长期记忆的关联回忆
机构 * Communication University of China（中国传媒大学） ； Zhilian Yinghe Technology Co., Ltd.（智联映和科技有限公司） ； State Key Laboratory of Media Convergence and Communication（媒体融合与传播国家重点实验室）
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.CL
AI总结 RippleMem是一种智能体长期记忆系统，以自适应关联回忆替代孤立检索，在LoCoMo、LongMemEval-S数据集上提升LLM-as-a-Judge准确率并降低图构建成本，性能优于现有方法。
Comments 22 pages, 4 figures
通过小型语言模型（SLMs）与边缘计算增强虚拟智能体：对思考与记忆过程的探索性评估
机构 * University of Central Lancashire（中央兰开夏大学）
专题命中 记忆与上下文管理 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 本文探索利用SLMs与边缘计算支持CEAA的“思考”“记忆”组件，在NVIDIA Jetson Orin NX上用Qwen2.5模型开发边缘虚拟智能体网关，经模拟实验验证其可高效运行部分CEAA过程，助力沉浸式虚拟世界具身智能体开发。
ERSkill：面向技能引导的自适应记忆检索的演化框架
机构 * Shenzhen International Center for Industrial and Applied Mathematics（深圳国际工业与应用数学中心） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Shenzhen Loop Area Institute（深圳河套学院）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 ERSkill是一个以检索为核心的自演化技能引导记忆访问框架，通过协同演化技能集与路由器，在多个智能体记忆基准上大幅超越基线，在两款模型上分别实现31.3%、28.1%的指标提升。
TCS-BENCH：评估最先进生成式AI理论计算机科学研究能力的基准
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 研究人员推出TCS-Bench基准，基于STOC、FOCS、SODA论文的定理证明任务评估LLMs，结合验证智能体，参考验证器在专家标注集准确率超90%，为评估生成式AI的TCS研究能力提供工具
LycheeMemory V2：基于语义片段级整合的LLM智能体高效长期记忆
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.CL
AI总结 LycheeMemory V2用语义片段级整合替代轮次级整合，降低LLM编码成本，在LoCoMo、LongMemEval-S上实现SOTA性能，构建token用量较A-Mem大幅减少且未增加查询开销。
Comments 34 pages, 5 figures
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.LG
受控持久内存：长程智能体的源绑定状态语义与故障关闭式释放
机构 * Qingdao Guodongxiansheng Network Technology Co., Ltd.（青岛果动先生网络科技有限公司）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 本文针对长程智能体内存的矛盾记录问题，提出受控持久内存（GPM）模型，经多组基准测试与服务评估，其在GPM-ReleaseBench、中英文指令分支等场景均实现零不匹配，修复大量基线故障且无退化。
Comments 23 pages, 2 figures, 11 tables. Includes a sealed end-to-end governed-memory service evaluation with an ungoverned local Qwen2.5-7B comparison
生成式人工智能（GenAI）时代的评估设计：用于测试学生AI素养、学习成果与反思的X1-X2-X3评估模式
专题命中 记忆与上下文管理 ：planning(abstract)；分类 cs.AI
AI总结 本文针对GenAI对在线评估的挑战，提出可复用的X1-X2-X3评估模式，用于测试学生AI素养等，为教师适配GenAI时代评估提供实践指导。
Comments 30 pages, 1 figure, 11 tables. Submitted to the following journal: Assessment & Evaluation in Higher Education (Taylor & Francis)
SDAM：面向复杂文本转SQL的结构差异感知记忆演化
机构 * 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)；分类 cs.CL
AI总结 针对现有文本转SQL记忆设计的缺陷，提出SDAM方法，集成至SDAM-SQL框架，在BIRD-dev和Spider-test数据集上实现指标提升，验证了方法有效性。
Comments 19 pages, 5 figures, 12tables
RealmEye：面向Arm CCA Realm虚拟机的虚拟机 introspection（虚拟机内省）
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 RealmEye是首个面向Arm CCA Realm虚拟机的虚拟机内省系统，将内省逻辑置于RMM中，无需修改Realm即可检测rootkit，兼容现有工具，在Arm FVP上可有效检测Diamorphine rootkit的恶意行为。
Comments 14 pages. Preprint
VOS-Agent：第8届LSVOS挑战赛（MOSEv2赛道）的第一名解决方案
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Nanyang Technological University（南洋理工大学） ； Shenzhen Loop Area Institute（深圳河套学院）
专题命中 Agent评测 ：agent(title,title_cn)
AI总结 针对复杂视频目标分割中微小目标、语义主导目标的稳健传播难题，本文提出VOS-Agent协作框架，以SAM3为共享密集分割模块，根据目标特征激活专用智能体，在ECCV 2026第8届LSVOS挑战赛MOSEv2赛道获第一名，J&JF指标达69.82%。
Comments 1st Place Solution for the 8th LSVOS MOSEv2 Challenge (ECCV 2026 Workshop)
Vero：AI智能体能否构建形式化验证的软件仓库？
机构 * University of Chicago（芝加哥大学） ； California Institute of Technology（加州理工学院） ； Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校） ； Amazon Web Services（亚马逊云计算服务） ； Apodex
专题命中 Agent评测 ：AI agent(title,abstract)；agent(abstract)；分类 cs.AI、cs.LG、cs.SE
AI总结 研究推出首个仓库级验证软件综合基准Vero，含43个多模块实例，评估发现前沿智能体仅解决27个实例，为相关研究提供测试平台。
AI智能体为何违反规则？框架、情境与社会信号如何影响合规性
专题命中 Agent评测 ：AI agent(title,abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 该研究运用法律与经济学的合规理论，发现安全微调AI模型大体合规，任务优化与智能体模型会在低惩罚等条件下违规，且引入经济激励等会导致大规模合规失败，指出模型选择与合规性评估需改进。
交互就绪：构建和评估人类角色AI智能体的框架
专题命中 Agent评测 ：AI agent(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 该研究针对带角色属性AI智能体的评估缺口，提出交互就绪框架，通过分离内容与交互规范、四项智能体操作实现评估，证实内容与交互质量独立，并给出规范模板与审核流程。
Comments 3 figures
模型发现智能体：用于数据高效发现机制世界模型的大语言模型辅助贝叶斯实验设计
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI
AI总结 该研究提出模型发现智能体（MDA），结合LLM与贝叶斯机制，在少量干预下发现机制世界模型，在三类基准上实现数据高效模型学习与可靠干预预测的SOTA性能。
Comments v3: further improve app A (algorithm pseudocode), add new app G (further related work) - (main text unchanged)
我们能信任超市中的智能体吗？从产品图像推断糖含量
专题命中 Agent评测 ：AI agent(title,abstract)；agent(abstract)
AI总结 该研究评估AI智能体从超市产品图像推断糖含量的能力，发现其准确率因场景和产品类型差异大，全球产品准确率高但本地产品与随机猜测无差异，指出AI营养工具应定位为辅助工具，需对齐本地生态的可审计基准。
Comments Accepted on April 15th 2026 to the 2026 48th Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC)
Doctorina MedBench：基于真实医患交互的医疗AI端到端评估框架
机构 * A.I. Doctor Medical Assist LTD（A.I. Doctor Medical Assist有限公司）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 Doctorina MedBench通过模拟真实医患对话评估医疗AI系统，包含诊断、观察、治疗和步骤计数四项指标，用于评估临床正确性和对话效率，同时支持多层级测试和质量监控。
CAKE：面向前沿核函数演进的编译器-智能体协同设计
机构 * Carnegie Mellon University（卡内基梅隆大学） ； NVIDIA（英伟达公司）
专题命中 Agent评测 ：agent(title,abstract)；分类 cs.LG
AI总结 本文提出CAKE编译器-智能体协同设计方案，通过硬件显式IR实现GPU核函数演进，在Flash-KMeans等基准测试中性能优于CUDA/PTX，相关成果已提交上游PR。
SteerBench-Work：动作边界处智能体决策的基准测试
机构 * AgentDock
专题命中 Agent评测 ：agent(title)；分类 cs.AI、cs.CL、cs.LG
AI总结 本研究推出职场智能体动作边界决策基准SteerBench-Work，发现模型在该任务中存在过度拒绝的显著偏差，且通用能力与引导校准并不等同。
通过代理评估和稳定性感知排名实现多模态大语言模型的鲁棒检查点选择
机构 * Meta AI
专题命中 Agent评测 ：agentic(title)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出了一种多阶段框架，结合了精心挑选的现实世界数据、结构化的LLM判断和多阶段排名协议，以解决多模态大语言模型检查点选择中的鲁棒决策问题，强调数据质量（特别是OCR可读性）对评估有效性的重要性。
自然语言处理：从分词到RLHF的全面实用指南
机构 * KAZAN (VOLGA REGION) FEDERAL UNIVERSITY INSTITUTE OF COMPUTATIONAL MATHEMATICS AND INFORMATION TECHNOLOGIES（卡赞（伏尔加地区）联邦大学计算数学与信息科技学院）
专题命中 Agent评测 ：agent(abstract)；AI agent(abstract)；multi-agent(abstract)；分类 cs.CL
AI总结 本文系统指导现代NLP全流程，涵盖分词、向量化、大语言模型微调、检索增强生成及人类反馈强化学习，强调低资源语言处理与开源模型应用。
Comments 136 pages, 12 practical works, preprint. Textbook for senior undergraduates and graduate students. Original contributions on low-resource languages (Tajik, Tatar and other). Companion repository available
标签并非终点：MCP智能体安全评估中的处理泄露与构念效度
专题命中 Agent评测 ：agent(title)；分类 cs.AI
AI总结 本研究针对MCP智能体安全评估中标签与行为事实的偏差问题，通过审计留存评估活动发现处理泄露现象，提出七环节完整性链及端点完整性检查器，完成活动受限的测量审计。
Comments 24 pages, 10 figures, 4 tables. Preprint
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