AI Agent

Skill Reuse as Compression in Agentic RL

智能体强化学习中的技能重用作为压缩

Zhikun Xu, Yu Feng, Jacob Dineen, Taiwei Shi, Jieyu Zhao, Ben Zhou

机构 * Arizona State University（亚利桑那州立大学） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Southern California（南加州大学） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI、cs.LG

AI总结 提出ReuseRL方法，基于最小描述长度原则将成功轨迹压缩为可重用技能字典，并通过分割代价惩罚低效编码行为，在多个环境中提升分布内和分布外成功率。

Comments Work in progress

Agentic Chunking and Bayesian De-chunking of AI Generated Fuzzy Cognitive Maps: A Model of the Thucydides Trap

代理分块与贝叶斯去分块：人工智能生成的模糊认知图的模型：特克西德斯陷阱模型

Akash Kumar Panda, Olaoluwa Adigun, Bart Kosko

机构 * University of Southern California（美国南加州大学） ； Florida International University（佛罗里达国际大学） 纠错

专题命中 其他Agent ：agentic(title)；AI agent(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出了一种基于代理分块和贝叶斯去分块的方法，用于生成和更新人工智能生成的模糊认知图，通过在文本中生成重叠的文本分块，并利用稀疏因果分块矩阵进行混合，从而构建出代表性的循环模糊认知图知识图谱，以预测特克西德斯陷阱模型中的冲突结果。

Comments 15 pages, 6 figures

Probabilistic Modeling of Latent Agentic Substructures in Deep Neural Networks

深度神经网络中潜在代理子结构的概率建模

Su Hyeong Lee, Risi Kondor, Richard Ngo

机构 * Department of Statistics, University of Chicago（芝加哥大学统计学系） ； Department of Computer Science, University of Chicago（芝加哥大学计算机科学系） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出基于概率建模的智能代理理论，探讨了代理通过加权对数池化实现递归结构，并揭示了在LLM中代理对齐现象的数学框架。

Comments Accepted by ICML 2026

Irminsul: MLA-Native Position-Independent Caching for Agentic LLM Serving

Irminsul：基于MLA的原生位置无关缓存用于代理LLM服务

Bole Ma, Jan Eitzinger, Harald Köstler

机构 * Erlangen National High Performance Computing Center（埃朗根国家高性能计算中心） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出Irminsul，一种基于MLA的原生位置无关缓存，通过内容哈希键和δ旋转规则提升代理LLM服务性能，实现高达83%的提示词恢复率和63%的预填能量节省。

Supplement Generation Training for Enhancing Agentic Task Performance

增强代理任务性能的补充生成训练

Young Min Cho, Daniele Bonadiman, Divya Bhargavi, Tamer Alkhouli, Salvatore Romeo, Dongwei Jiang, Khushbu Pahwa, Yubin Ge, Etsuko Ishii, Monica Sunkara, Yi Zhang

机构 * University of Pennsylvania（宾夕法尼亚大学） ； AWS Agentic AI Labs（AWS智能代理AI实验室） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出补充生成训练(SGT)，通过小型LLM生成补充文本帮助大模型更高效完成任务，降低计算成本并提升部署灵活性。

Comments Accepted to the Findings of ACL 2026

Imitating AI agents increase diversity in homogeneous information environments but can reduce it in heterogeneous ones

模仿AI代理在同质信息环境中增加多样性，但在异质环境中可能减少多样性

Emil Bakkensen Johansen, Oliver Baumann

专题命中 其他Agent ：AI agent(title,abstract)；分类 cs.AI、cs.CL

AI总结 研究发现，AI代理在同质信息环境中提升多样性，但可能在异质环境中降低多样性，且多样性主要源于风格差异而非事实丰富。

Comments 53 pages, 13 figures, 4 tables; v2: corrected typographical errors, streamlined language, updated abstract, added supplementary information; v3: restructured appendix, added temperature and embeddings sensitivity checks; v4: additional LLM models introduced, restructured manuscript, additional robustness checks

Unsupervised Cycle Detection in Agentic Applications

Felix George, Harshit Kumar, Divya Pathak, Kaustabha Ray, Mudit Verma, Pratibha Moogi

机构 * IBM Research（IBM研究院） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI、cs.CL

PRISM: Agentic Retrieval with LLMs for Multi-Hop Question Answering

Md Mahadi Hasan Nahid, Davood Rafiei

机构 * Department of Computing Science University of Alberta（计算科学系阿尔伯塔大学） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI、cs.CL

Comments 18 pages

Autonomic Microservice Management via Agentic AI and MAPE-K Integration

Matteo Esposito, Alexander Bakhtin, Noman Ahmad, Mikel Robredo, Ruoyu Su, Valentina Lenarduzzi, Davide Taibi

机构 * University of Oulu（奥卢大学） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI、cs.SE

System of Agentic AI for the Discovery of Metal-Organic Frameworks

Theo Jaffrelot Inizan, Sherry Yang, Aaron Kaplan, Yen-hsu Lin, Jian Yin, Saber Mirzaei, Mona Abdelgaid, Ali H. Alawadhi, KwangHwan Cho, Zhiling Zheng, Ekin Dogus Cubuk, Christian Borgs, Jennifer T. Chayes, Kristin A. Persson, Omar M. Yaghi

机构 * University of California, Berkeley（加州大学伯克利分校） ； Lawrence Berkeley National Laboratory（伯克利国家实验室） ； Google DeepMind（谷歌DeepMind） ； Kavli Energy NanoScience Institute（Kavli能源纳米科学研究所） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI、cs.CL

Generative AI Agents in Autonomous Machines: A Safety Perspective

Jason Jabbour, Vijay Janapa Reddi

专题命中 其他Agent ：AI agent(title,abstract)；分类 cs.AI、cs.LG

Advancing Social Intelligence in AI Agents: Technical Challenges and Open Questions

Leena Mathur, Paul Pu Liang, Louis-Philippe Morency

专题命中 其他Agent ：AI agent(title,abstract)；分类 cs.CL、cs.LG

Comments EMNLP 2024 Main Conference

AgentPeerTalk: Empowering Students through Agentic-AI-Driven Discernment of Bullying and Joking in Peer Interactions in Schools

Aditya Paul, Chi Lok Yu, Eva Adelina Susanto, Nicholas Wai Long Lau, Gwenyth Isobel Meadows

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI、cs.CL

Should agentic conversational AI change how we think about ethics? Characterising an interactional ethics centred on respect

Lize Alberts, Geoff Keeling, Amanda McCroskery

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI、cs.CL

Toddler-Guidance Learning: Impacts of Critical Period on Multimodal AI Agents

Junseok Park, Kwanyoung Park, Hyunseok Oh, Ganghun Lee, Minsu Lee, Youngki Lee, Byoung-Tak Zhang

专题命中 其他Agent ：AI agent(title,abstract)；分类 cs.AI、cs.LG

Comments ICMI2021 Oral Presentation, 9 pages, 9 figures

Feedback-Based Self-Learning in Large-Scale Conversational AI Agents

Pragaash Ponnusamy, Alireza Roshan Ghias, Chenlei Guo, Ruhi Sarikaya

专题命中 其他Agent ：AI agent(title,abstract)；分类 cs.AI、cs.LG

Comments 8 pages, 2 figures

Answer Only as Precisely as Justified: Calibrated Claim-Level Specificity Control for Agentic Systems

仅在必要时精确回答：用于代理系统的校准断言特异性控制

Tianyi Huang, Samuel Xu, Jason Tansong Dang, Samuel Yan, Kimberley Yin

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.CL

AI总结 本文研究了代理系统因过于精确而失败的问题，提出了一种称为组合选择性特异性（CSS）的方法，通过分解回答为断言、提出更粗略的退化方案，并在最合适的校准级别发出每个断言，从而提高风险-效用权衡。

Comments Accepted at the ICML 2026 Workshop on Statistical Frameworks for Uncertainty in Agentic Systems

From Privacy to Trust in the Agentic Era: A Taxonomy of Challenges in Trustworthy Federated Learning Through the Lens of Trust Report 2.0

从隐私到信任在代理时代：通过信任报告2.0的视角，对可信联邦学习中挑战的分类

Nuria Rodríguez-Barroso, Mario García-Márquez, M. Victoria Luzón, Francisco Herrera

机构 * Department of Computer Science and Artificial Intelligence, Andalusian Research Institute in Data Science and Computational Intelligence (DaSCI) University of Granada（计算机科学与人工智能系，数据科学与计算智能安达卢西亚研究 institute，格拉纳达大学） ； Department of Software Engineering, Andalusian Research Institute in Data Science and Computational Intelligence (DaSCI) University of Granada（软件工程系，数据科学与计算智能安达卢西亚研究 institute，格拉纳达大学） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI

AI总结 本文通过信任报告2.0提出可信联邦学习的挑战分类，强调信任作为持续维持的操作条件，并引入协调蓝图以处理跨要求的权衡和治理对齐。

Comments Already published in Information Fusion

Journal ref Rodríguez-Barroso, et. al. (2026). From Privacy to Trust in the Agentic Era: A Taxonomy of Challenges in Trustworthy Federated Learning Through the Lens of Trust Report 2.0. Information Fusion, 104236

Looking Forward: Challenges and Opportunities in Agentic AI Reliability

Liudong Xing, Janet, Lin

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI

Comments 13 pages, 6 figures; This is a preprint of a chapter accepted for publication in Generative and Agentic AI Reliability: Architectures, Challenges, and Trust for Autonomous Systems, published by SpringerNature

Autonomous Agents Modelling Other Agents: A Comprehensive Survey and Open Problems

Stefano V. Albrecht, Peter Stone

专题命中 其他Agent ：autonomous agent(title,abstract)；分类 cs.AI

Comments Final manuscript (46 pages), published in Artificial Intelligence Journal. The arXiv version also contains a table of contents after the abstract, but is otherwise identical to the AIJ version. Keywords: autonomous agents, multiagent systems, modelling other agents, opponent modelling

To Share or Not to Share: Orchestrating Trustworthy Data in Global Value Chains

共享还是不共享：协调全球价值链中的可信数据

Han-Teng Liao, Chang-Yi Kao

专题命中 其他Agent ：agentic(summary_cn,abstract)

AI总结 针对欧盟CBAM带来的监管透明与数据主权矛盾，提出基于IDSA框架的RegTech参考架构，通过主权数据交换实现数字产品护照，驱动全球商业服务能力需求，并集成Agentic AI与绿色金融，为全球产业集群提供可扩展蓝图。

iARCS: Iterative Agentic RL for Controllable 3D Scene Generation

iARCS：用于可控3D场景生成的迭代智能体强化学习

Saugat Adhikari, Ashok Prasad Neupane, Pramish Paudel, Ajad Chhatkuli, Danda Pani Paudel

机构 * Tribhuvan University（特里布文大学） ； Pulchowk Campus, IOE, Tribhuvan University（特里布文大学工程学院普尔乔克校区） ； NAAMII（尼泊尔先进数学与信息学研究所） ； INSAIT, Sofia University “St. Kliment Ohridski”（索菲亚大学圣克莱门特奥赫里德斯基分校INSAIT） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI

AI总结 研究针对现有3D场景生成器无法满足任务约束的问题，提出iARCS迭代智能体强化学习框架，通过两阶段策略优化约束保真度，生成的数据可改进基础生成器，具实用价值。

Comments 15 pages, 9 figures, 4 tables. Includes appendix

AgenticCANN: Automated Ascend C Operator Generation via Knowledge-Augmented Agentic Evolution

AgenticCANN：基于知识增强的智能体演化的自动昇腾C算子生成

Junhao Qiu, Zidong Wang, Yansong Sun, Zhitong Ma, Ping Guo, Qingfu Zhang

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI

AI总结 本研究针对昇腾C算子生成的独特挑战，提出AgenticCANN知识增强智能体演化框架，在昇腾910B实验中实现高可行性与加速效果，验证了知识注入的通用性优势。

Security and Privacy in Agentic AI: Grand Challenges and Future Directions

智能体人工智能中的安全与隐私：重大挑战与未来方向

Adam Jenkins, Agnieszka Kitkowska, Caterina Maidhof, Diego Paracuellos, Francesco Sovrano, Gonzalo Gabriel Mendez, Guillermo Suarez-Tangil, Hana Kopecka, Isabel Wagner, Isabel Barbera, Javier Carnerero-Cano, Jide Edu, Jose Luis Martin-Navarro, Jose Such, Josep Domingo-Ferrer, Juan Carlos Carrillo, Kopo Marvin Ramokapane, Mark Cote, Pablo Vellosillo, Ramon Ruiz-Dolz, Rongjun Ma, Ruba Abu-Salma, Sameer Patil, William Seymour, Xiao Zhan

机构 * King’s College London（伦敦国王学院） ； Jönköping University（琼斯平大学） ； Universitat Politècnica de València（巴塞罗那理工大学） ； Inria（法国国家信息与自动化技术研究所） ； IBM Research（IBM研究院） ； Aalto University（阿尔托大学） ； INGENIO (CSIC–Universitat Politècnica de València)（INGENIO（西班牙国家科研委员会-巴塞罗那理工大学）） ； IMDEA Networks（IMDEA网络研究所） ； University of Basel（巴塞尔大学） ； Dutch Data Protection Authority (AP)（荷兰数据保护局） ； University of Strathclyde（斯特拉斯克莱德大学） ； Universitat Rovira i Virgili（罗维拉-维古利大学） ； University of Bristol（布里斯托大学） ； University of Dundee（邓迪大学） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI

AI总结 探讨智能体人工智能安全与隐私关键挑战及未来方向，通过汇聚30位国际专家的视野扫描活动，针对人工智能增长带来的新风险展开讨论与协作。

Symbol and Footprint Database for Electronic Components by Agentic Recognition and Generation

基于智能识别与生成的电子元件符号与引脚封装数据库

Yichen Shi, Yuzhi Liu, Zhuofu Tao, Li Huang, Yuhao Gao, Ting-Jung Lin, Lei Hel

机构 * Ningbo Institute of Digital Twin, Eastern Institute of Technology（宁波数字孪生研究院，东方理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； BTD Technology（BTD科技） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI

AI总结 研究利用多模态大语言模型开发电子元件符号和引脚封装智能识别与生成流程SFgen，其符号生成准确率86%，引脚封装生成准确率80%，并用此创建含1000个元件的SFnet数据库，为PCB设计自动生成奠定基础。

Comments Accepted by PRCV 2025

Autonomous AI Agents for Option Hedging: Enhancing Financial Stability through Shortfall Aware Reinforcement Learning

自主AI代理用于期权对冲：通过意识短缺的强化学习增强金融稳定性

Minxuan Hu, Ziheng Chen, Jiayu Yi, Wenxi Sun

机构 * Cornell Ann S. Bowers College of Computing and Information Science, Cornell University（康奈尔大学安·索斯·博尔斯计算与信息科学学院） ； Department of Mathematics, University of Texas at Austin（德克萨斯大学奥斯汀分校数学系） ； School of Social Sciences, Nanyang Technological University（南洋理工大学社会科学学院） ； Krieger School of Arts and Sciences, Johns Hopkins University（约翰霍普金斯大学克里eger艺术与科学学院） 纠错

专题命中 其他Agent ：AI agent(title,abstract)；分类 cs.AI

AI总结 本文提出RLOP和QLBS两种强化学习框架，通过意识短缺的方法优化期权对冲，提升金融稳定性并改进风险预测。

TopoBrick: Agentic Topology Sampling of Exogenous Variables for Zero-Shot Building IoT Forecasting

TopoBrick：用于零样本建筑物联网预测的外源变量的智能拓扑采样

Xiachong Lin, Du Yin, Arian Prabowo, Hao Xue, Wen Hu, Imran Razzak, Matthew Amos, Sam Behrens, Flora D. Salim

机构 * University of New South Wales（新南威尔士大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； CSIRO Energy Centre（联邦科学与工业研究组织能源中心） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI

AI总结 针对建筑物联网预测中现有方法的不足，提出无训练框架TopoBrick，利用建筑知识图和智能拓扑采样器选择外源变量，按部署时间可用性组织，在三座真实建筑实验中性能出色，拓扑感知采样更可靠。

Comments 12 pages, 4 figures, 3 tables

SciLens: Multi-modal Scientific Claim Verification with Agentic Entailment and Grounding

SciLens: 多模态科学声明验证的智能蕴含与归因框架

Yueming Wang, Tianshi Zheng, Jiaxin Bai, Yangqiu Song, Ginny Wong, Simon See

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong Baptist University（香港浸会大学） ； NVIDIA AI Technology Center（英伟达人工智能技术中心） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.CL

AI总结 提出SciLens框架，通过将声明分解为原子命题并归因到表格/图表证据，实现多模态科学声明验证，在SciClaimEval上达到79.2%宏F1和63.1%配对准确率。

Comments KDD 2026 SciSoc Agents & LLMs (Oral)

QoS-Aware Token Scheduling and Private Data Valuation for Multi-Modal Agentic Networks

面向多模态代理网络的QoS感知令牌调度与私有数据估值

Yao Du, Jing Liu, Pengfei Xu, Zehua Wang, Victor C. M. Leung, Cyril Leung, Victoria Lemieux

机构 * University of British Columbia（不列颠哥伦比亚大学） ； Lazai Network（Lazai网络） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI

AI总结 针对去中心化代理系统中数据异构和资源受限问题，提出基于差分隐私的多模态表示与公平令牌分配方案，在保障服务质量的同时提升数据隐私和贡献公平性。

Comments Accepted to IEEE ICME 2026

Will AI Agents Free Us From Meaningless Work? A Human-Centered Analysis

AI代理能否让我们摆脱无意义的工作？一项以人为中心的分析

Davide Ghia, Jaspreet Ranjit, Tania Cerquitelli, Daniele Quercia

机构 * Politecnico di Torino（都灵理工大学） ； University of Southern California（南加州大学） ； Nokia Bell Labs（诺基亚贝尔实验室） 纠错

专题命中 其他Agent ：AI agent(title,abstract)；分类 cs.AI

AI总结 基于Graeber的“狗屁工作”理论，通过任务级分析发现，工人感知的任务无意义程度强烈预测其对AI委托的意愿，且此类任务被认为需要较少人工监督。

Comments Improved overall writing; add details about task filtering and participants screening; add comments in the discussion about the subjective and context-specific nature of the scale introduced;