AI Agent

Agent-Dice: Disentangling Knowledge Updates via Geometric Consensus for Agent Continual Learning

Agent-Dice: 通过几何共识解耦知识更新以实现智能体持续学习

Zheng Wu, Xingyu Lou, Xinbei Ma, Yansi Li, Weiwen Liu, Weinan Zhang, Jun Wang, Zhuosheng Zhang

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院） ； OPPO Research Institute（OPPO研究院） 纠错

专题命中 Agent评测 ：agent(title,abstract)；tool-use(abstract)；分类 cs.CL

AI总结 本文提出Agent-Dice框架，通过几何共识过滤和曲率重要性加权解耦知识更新，解决智能体持续学习中的稳定性与可塑性矛盾，实验表明其在GUI智能体和工具使用领域表现优异。

Agentic Jackal: Live Execution and Semantic Value Grounding for Text-to-JQL

代理Jackal：用于文本到JQL的实时执行与语义价值接地

Vishnu Murali, Anmol Gulati, Elias Lumer, Kevin Frank, Sindy Campagna, Vamse Kumar Subbiah

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

AI总结 本文提出Jackal基准，通过实时执行和语义检索工具提升文本到JQL的准确性，验证了代理方法在解决语义歧义中的有效性。

SAGE: A Service Agent Graph-guided Evaluation Benchmark

SAGE：基于服务代理图的评估基准

Ling Shi, Yuqin Dai, Ziyin Wang, Ning Gao, Wei Zhang, Chaozheng Wang, Yujie Wang, Wei He, Jinpeng Wang, Deiyi Xiong

机构 * Tianjin University（天津大学） ； Tsinghua University（清华大学） ； Beihang University（北京航空航天大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； The Chinese University of Hong Kong（香港中文大学） ； Independent Researcher（独立研究员） 纠错

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

AI总结 本文提出SAGE基准，通过动态对话图验证逻辑合规性，解决现有基准无法评估多维度用户行为和SOP的问题，揭示模型在意图分类与后续动作推导间的执行差距。

Exploring Teachers' Perspectives on Using Conversational AI Agents for Group Collaboration

探索教师使用对话式AI代理进行小组协作的视角

Prerna Ravi, Carúmey Stevens, Beatriz Flamia Azevedo, Jasmine David, Brandon Hanks, Hal Abelson, Grace Lin, Emma Anderson

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Instituto Politécnico de Bragança（布拉干萨理工学院） 纠错

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

AI总结 研究探讨教师如何感知对话式AI代理对小组协作的影响，揭示设计中的核心矛盾及教学应用考量。

Comments Accepted to 27th International Conference on AI in Education (AIED) 2026

LogAct: Enabling Agentic Reliability via Shared Logs

LogAct：通过共享日志实现代理可靠性

Mahesh Balakrishnan, Ashwin Bharambe, Davide Testuggine, David Geraghty, David Mao, Vidhya Venkat, Ilya Mironov, Rithesh Baradi, Gayathri Aiyer, Victoria Dudin

机构 * Meta 纠错

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

AI总结 LogAct通过共享日志实现代理可靠性，允许代理通过LLM推理分析执行历史，实现故障恢复、健康检查和优化。

Agentic SPARQL: Evaluating SPARQL-MCP-powered Intelligent Agents on the Federated KGQA Benchmark

代理SPARQL：在联邦知识图谱问答基准上评估基于SPARQL-MCP的智能代理

Daniel Dobriy, Frederik Bauer, Amr Azzam, Debayan Banerjee, Axel Polleres

机构 * WU Vienna（维也纳经济大学） ； Leuphana Universität Lüneburg（吕讷堡大学） ； Complexity Science Hub Vienna（维也纳复杂性科学中心） 纠错

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

AI总结 本文探讨了基于SPARQL-MCP的智能代理在联邦SPARQL查询中的潜力，扩展了知识图谱问答基准，并评估了通过MCP集成SPARQL联邦与LLM代理的能力。

Towards Secure Agent Skills: Architecture, Threat Taxonomy, and Security Analysis

面向安全的智能体技能：架构、威胁分类与安全分析

Zhiyuan Li, Jingzheng Wu, Xiang Ling, Xing Cui, Tianyue Luo

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

AI总结 本文首次系统分析了智能体技能框架的安全性，识别各生命周期阶段的攻击面，构建了包含七类十七种场景的威胁分类，并提出针对各威胁类别的防御方向和研究挑战。

AgentFixer: From Failure Detection to Fix Recommendations in LLM Agentic Systems

AgentFixer: 从LLM代理系统中故障检测到修复建议

Hadar Mulian, Sergey Zeltyn, Ido Levy, Liane Galanti, Avi Yaeli, Segev Shlomov

机构 * IBM Research（IBM研究院） 纠错

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

AI总结 本文提出一个综合验证框架，通过系统诊断和改进可靠性故障，结合轻量规则检查与LLM评估，提升代理系统性能，通过实验展示改进效果。

AEC-Bench: A Multimodal Benchmark for Agentic Systems in Architecture, Engineering, and Construction

AEC-Bench：一种用于建筑、工程和施工领域代理系统的多模态基准

Harsh Mankodiya, Chase Gallik, Theodoros Galanos, Andriy Mulyar

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

AI总结 AEC-Bench旨在评估建筑、工程和施工领域代理系统在真实任务中的表现，涵盖图纸理解、跨表单推理和项目级协调任务，通过多模型基准测试提升基础模型性能。

Operationalizing Perceptions of Agent Gender: Foundations and Guidelines

将智能代理性别感知操作化：基础与指南

Katie Seaborn, Madeleine Steeds, Ilaria Torre, Martina De Cet, Katie Winkle, Marcus Göransson

机构 * Institute of Science Tokyo（东京科学大学） ； University of Cambridge（剑桥大学） ； University College Dublin（都柏林大学学院） ； Chalmers University of Technology and University of Gothenburg（查尔姆斯理工大学与哥德堡大学） ； Uppsala University（乌普萨拉大学） 纠错

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

AI总结 本文探讨智能代理性别感知的操作化方法，提出理论驱动的框架以提高研究严谨性和包容性，解决现有标准缺失的问题。

Journal ref CHI 2026 Full Paper

Before the Tool Call: Deterministic Pre-Action Authorization for Autonomous AI Agents

在工具调用之前：自主AI代理的确定性预行动授权

Uchi Uchibeke

机构 * APort Technologies Inc.（APort技术公司） 纠错

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

AI总结 本文提出Open Agent Passport，通过同步拦截工具调用、评估声明性策略并生成加密审计记录，实现自主AI代理的确定性预授权，提升安全性和可控性。

Access Controlled Website Interaction for Agentic AI with Delegated Critical Tasks

受控网站交互用于代理AI的委托关键任务

Sunyoung Kim, Hokeun Kim

机构 * Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 本文提出一种受控网站交互设计，用于代理AI执行关键任务，通过细粒度访问控制机制提升安全性与效率。

VeriGrey: Greybox Agent Validation

VeriGrey：灰盒代理验证

Yuntong Zhang, Sungmin Kang, Ruijie Meng, Marcel Böhme, Abhik Roychoudhury

机构 * National University of Singapore（新加坡国立大学） 纠错

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

AI总结 本文提出VeriGrey方法，通过工具调用序列反馈函数驱动测试过程，发现LLM代理中隐含的提示注入漏洞，并在实际案例中验证其有效性。

The Comprehension-Gated Agent Economy: A Robustness-First Architecture for AI Economic Agency

基于理解的智能体经济：面向AI经济代理的鲁棒性优先架构

Rahul Baxi

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文提出Comprehension-Gated Agent Economy架构，通过对抗鲁棒性审计生成验证函数，实现经济权限的鲁棒性约束，确保经济安全与竞争力。

Comments v2: updated correspondence email

Runtime Governance for AI Agents: Policies on Paths

AI代理的运行时治理：路径上的政策

Maurits Kaptein, Vassilis-Javed Khan, Andriy Podstavnychy

机构 * Eindhoven University of Technology（埃因霍温理工大学） ； Kyvvu B.V.（Kyvvu公司） 纠错

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

AI总结 本文提出通过路径作为核心对象，研究AI代理运行时治理，探讨路径依赖政策的框架与实现，分析合规性评估及开放问题。

SQL-ASTRA: Alleviating Sparse Feedback in Agentic SQL via Column-Set Matching and Trajectory Aggregation

SQL-ASTRA: 缓解代理SQL中的稀疏反馈 via 列集匹配和轨迹聚合

Long Li, Zhijian Zhou, Jiangxuan Long, Peiyang Liu, Weidi Xu, Zhe Wang, Shirui Pan, Chao Qu

机构 * Griffith University（格里菲斯大学） ； Fudan University（复旦大学） ； The University of Hong Kong（香港大学） ； Peking University（北京大学） ； InFly ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Academy of Artificial Intelligence for Science（上海人工智能科学研究院） 纠错

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

AI总结 本文提出SQL-ASTRA框架，通过列集匹配和轨迹聚合解决代理SQL中的稀疏反馈问题，引入轨迹奖励和列集匹配奖励，提升多轮任务的奖励分配效率与稳定性。

Comments 17 pages

An Agentic Evaluation Framework for AI-Generated Scientific Code in PETSc

面向AI生成科学代码的PETSc代理评估框架

Hong Zhang, Barry Smith, Satish Balay, Le Chen, Murat Keceli, Lois Curfman McInnes, Junchao Zhang

机构 * Argonne National Laboratory（阿贡国家实验室） 纠错

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

AI总结 本文提出petscagent-bench框架，通过代理评估代理的方式，评估AI生成的科学代码在正确性、性能、代码质量等方面的表现，揭示传统指标的不足。

UIS-Digger: Towards Comprehensive Research Agent Systems for Real-world Unindexed Information Seeking

UIS-Digger：面向现实世界未索引信息检索的综合性研究代理系统

Chang Liu, Chuqiao Kuang, Tianyi Zhuang, Yuxin Cheng, Huichi Zhou, Xiaoguang Li, Lifeng Shang

机构 * Huawei Technologies Ltd.（华为技术有限公司） ； The University of Hong Kong（香港大学） ； University College London（伦敦大学学院） 纠错

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

AI总结 本文提出UIS-Digger，一种新型多代理框架，通过双模式浏览和同时网页搜索与文件解析，解决未索引信息检索问题，展示了其在UIS-QA基准上的性能优势。

Comments 21 pages, 5 figures, ICLR 2026

One-Eval: An Agentic System for Automated and Traceable LLM Evaluation

One-Eval: 一个用于自动化和可追溯的LLM评估代理系统

Chengyu Shen, Yanheng Hou, Minghui Pan, Runming He, Zhen Hao Wong, Meiyi Qiang, Zhou Liu, Hao Liang, Peichao Lai, Zeang Sheng, Wentao Zhang

机构 * Peking University（北京大学） ； Beijing Institute of Technology（北京理工大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Zhongguancun Academy（中关村学院） 纠错

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

AI总结 One-Eval通过自动化和可追溯的评估流程，提升大语言模型评估的效率和可重复性。

Distributed Legal Infrastructure for a Trustworthy Agentic Web

分布式法律基础设施用于可信代理网络

Tomer Jordi Chaffer, Victor Jiawei Zhang, Sante Dino Facchini, Botao Amber Hu, Helena Rong, Zihan Guo, Xisen Wang, Carlos Santana, Giovanni De Gasperis

机构 * Institute for Technoscience and Society（科技与社会研究所） ； Berkeley Center for Law & Technology（伯克利法与科技中心） ； U.C. Berkeley Law School（伯克利法学院） ； Technical University of Munich（慕尼黑技术大学） ； Università degli Studi dell’Aquila（阿奎拉大学） ； University of Oxford（牛津大学） ； Existential Risk Alliance（存在风险联盟） ； NYU Shanghai（纽约大学上海分校） ； Sun Yat-sen University（中山大学） ； Shanghai Innovation Institute（上海创新研究院） ； Norwegian University of Science and Technology（挪威科学技术大学） 纠错

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

AI总结 本文提出分布式法律基础设施，旨在通过可互操作的协议构建可信代理网络，实现连贯治理与合法性维持。

How Well Does Agent Development Reflect Real-World Work?

代理开发是否能反映现实世界的工作？

Zora Zhiruo Wang, Sanidhya Vijayvargiya, Aspen Chen, Hanmo Zhang, Venu Arvind Arangarajan, Jett Chen, Valerie Chen, Diyi Yang, Daniel Fried, Graham Neubig

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 本文研究了代理开发与现实工作分布的匹配程度，揭示了代理开发与人类劳动力分布的不匹配，并提出了三个原则以改进基准设计。

AgentSCOPE: Evaluating Contextual Privacy Across Agentic Workflows

AgentSCOPE: 在代理工作流中评估上下文隐私

Ivoline C. Ngong, Keerthiram Murugesan, Swanand Kadhe, Justin D. Weisz, Amit Dhurandhar, Karthikeyan Natesan Ramamurthy

机构 * University of Vermont（佛蒙特大学） ； IBM Research（IBM研究院） 纠错

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

AI总结 AgentSCOPE通过评估代理工作流中的隐私流，揭示了中间阶段的隐私风险，指出输出层面评估不足以反映代理系统的隐私问题。

Why Do AI Agents Systematically Fail at Cloud Root Cause Analysis?

为何AI代理在云根因分析中系统性失败？

Taeyoon Kim, Woohyeok Park, Hoyeong Yun, Kyungyong Lee

机构 * Hanyang University（汉阳大学） ； OKESTRO Co., Ltd.（OKESTRO公司） 纠错

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

AI总结 本文分析了基于LLM的云根因分析代理在推理、通信和环境交互中的系统性故障，揭示了幻觉数据和不完全探索等普遍问题，并通过改进通信协议减少故障率。

Artificial Superintelligence May be Useless: Equilibria in the Economy of Multiple AI Agents

人工超智能可能无用：多智能体经济中的均衡

Huan Cai, Ziqing Lu, Catherine Xu, Weiyu Xu, Jie Zheng

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

AI总结 本文研究了多智能体经济中的均衡，发现除非代理能翻倍边际效用，否则不会发生购买行为，且更强大AI代理可能对低能力代理贡献零效用。

Comments 20 pages

OPGAgent: An Agent for Auditable Dental Panoramic X-ray Interpretation

OPGAgent: 一种用于可审计牙科全景X光解读的智能体

Zhaolin Yu, Litao Yang, Ben Babicka, Ming Hu, Jing Hao, Anthony Huang, James Huang, Yueming Jin, Jiasong Wu, Zongyuan Ge

机构 * AIM for Health Lab ； Faculty of Information Technology, Monash University（信息科技学院，莫纳什大学） ； Monash University（莫纳什大学） ； Curae Health ； Faculty of Dentistry, The University of Hong Kong（牙科学院，香港大学） ； National University of Singapore（新加坡国立大学） ； Southeast University（东南大学） 纠错

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

AI总结 OPGAgent是一种用于可审计牙科全景X光解读的智能体系统，通过多工具协调和共识机制，在结构化报告和VQA评估中优于现有牙科VLMs和医疗智能体框架。

Comments 10 pages, 2 figures

AESP: A Human-Sovereign Economic Protocol for AI Agents with Privacy-Preserving Settlement

AESP：面向AI代理的人类主权经济协议：具有隐私保护的结算

Jian Sheng Wang

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

AI总结 AESP是一种面向AI代理的人类主权经济协议，通过五种机制确保代理在经济上具备能力但不具有主权，同时实现隐私保护和高效结算。

Comments 16 pages, 1 figure

When Should an AI Act? A Human-Centered Model of Scene, Context, and Behavior for Agentic AI Design

AI何时行动？面向智能体AI设计的场景、情境与行为的人本模型

Soyoung Jung, Daehoo Yoon, Sung Gyu Koh, Young Hwan Kim, Yehan Ahn, Sung Park

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

AI总结 本文提出了一种人本模型，用于设计具有情境敏感性和判断力的智能体AI系统，通过整合场景、情境和人类行为因素，指导智能体的干预行为。

CWM: Contrastive World Models for Action Feasibility Learning in Embodied Agent Pipelines

CWM: 用于具身智能体流水线中动作可行性学习的对比世界模型

Chayan Banerjee

机构 * School of Electrical Engineering and Robotics, Queensland University of Technology（电气工程与机器人学学院，昆士兰理工大学） 纠错

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

AI总结 CWM通过对比训练提升动作可行性评分，优于SFT方法，提升精度并增强安全性。

Dynamic System Instructions and Tool Exposure for Efficient Agentic LLMs

动态系统指令与工具暴露用于高效代理LLM

Uria Franko

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

AI总结 通过动态系统指令和工具暴露技术，ITR显著减少LLM代理的上下文令牌使用和运行成本，提升工具路由准确性，适用于长期自主代理。

TabAgent: A Framework for Replacing Agentic Generative Components with Tabular-Textual Classifiers

TabAgent：一种用表格-文本分类器替代代理生成组件的框架

Ido Levy, Eilam Shapira, Yinon Goldshtein, Avi Yaeli, Nir Mashkif, Segev Shlomov

机构 * IBM Research, Haifa, Israel（IBM研究所在以色列海法） 纠错

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

AI总结 TabAgent通过表格-文本分类器替代生成决策组件，显著降低代理系统延迟和成本，提升任务成功率。