AI Agent

SAGE: Scalable Agentic Grounded Evaluation for Crop Disease Diagnosis

SAGE: 可扩展的代理基于地面评估用于作物疾病诊断

Muhammad Arbab Arshad, Tirtho Roy, Yanben Shen, Dinakaran Elango, Shivani Chiranjeevi, Asheesh K. Singh, Baskar Ganapathysubramanian, Chinmay Hegde, Arti Singh, Soumik Sarkar

专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)

AI总结 本文提出SAGE框架，通过构建大规模作物疾病图像-症状数据集，结合自动管道生成基于源的症状描述，并引入自主视觉推理代理提升疾病诊断准确性。

Journal ref CVPR 2026 Workshop on Emerging Directions in Data for Multimodal Foundation Models

A Framework for Evaluating Agentic Skills at Scale

大规模评估智能体技能的框架

Maksim Shaposhnikov, Nicolas Fortuin, Simon Stipcich, Maria I. Gorinova, Amy Heineike, Rob Willoughby

机构 * Tessl London United Kingdom（伦敦英国Tessl） 纠错

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

AI总结 提出一个评估框架，通过构建真实任务和评分标准，大规模评估500个真实技能在19种智能体模型上的表现，发现模型对技能指令的遵循程度差异显著，且技能显著改变模型行为。

Ablation Study of a Fairness Auditing Agentic System for Bias Mitigation in Early-Onset Colorectal Cancer Detection

公平性审计代理系统在早发性结直肠癌检测中缓解偏见的消融研究

Amalia Ionescu, Jose Guadalupe Hernandez, Jui-Hsuan Chang, Emily F. Wong, Paul Wang, Jason H. Moore, Tiffani J. Bright

专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)

AI总结 提出双代理架构（领域专家代理+公平性顾问代理），通过消融实验比较不同配置下大语言模型在公平性审计中的表现，发现带RAG的代理系统在识别差异方面语义相似度最高。

Towards In Silico Cancer Therapy Design: An Agent-Based Approach for GPU-Accelerated Molecular Pathway Simulation

迈向计算机辅助癌症治疗设计：基于智能体的GPU加速分子通路模拟方法

Stefano Maestri

专题命中 Agent评测 ：agent(title,abstract)；autonomous agent(abstract)

AI总结 提出GPU加速的智能体模拟器，用于癌症信号通路建模与治疗评估，通过MAPK/ERK级联和cFos表达案例验证，准确复现临床剂量反应和基因表达动态。

Comments 16 pages, 7 figures, 2 tables. A preliminary version of this work appeared in the Collections of Short Papers of CIBB 2025 (20th International Conference on Computational Intelligence Methods for Bioinformatics and Biostatistics, Milan, 10-12 September 2025)

AgentCanary: A Security Evaluation Framework for Autonomous AI Agents in Real Executable Environments

AgentCanary：真实可执行环境中自主AI智能体的安全评估框架

Peiyang Li, Songping Wang, Yi Huang, Yanhua Shi, Chenhao Zhang, Qi Li, Yueming Lyu, Caifeng Shan, Fengting Li, Chao Feng, Chuanqun Zhu, Liang Chen

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

AI总结 提出AgentCanary框架，通过正交风险分类、高保真执行环境和轨迹多维度评估，解决现有安全评估中风险覆盖碎片化、环境静态低保真及指标单一粗粒度的问题。

AutoVQA-G: Self-Improving Agentic Framework for Automated Visual Question Answering and Grounding Annotation

AutoVQA-G：用于自动视觉问答与接地标注的自我改进代理框架

Rongsheng Hu, Runwei Guan, Yicheng Di, Jiayu Bao, Yuan Liu

机构 * School of Artificial Intelligence（人工智能学院） 纠错

专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)

AI总结 本文提出AutoVQA-G框架，通过迭代优化流程提升视觉问答接地标注的准确性，优于现有多模态LLM，为构建高质量数据促进更稳健的视觉语言模型训练提供新方法。

Comments Accepted at IEEE ICASSP 2026. 5 pages, 5 figures. Code available at https://github.com/rohnson1999/AutoVQA-G

Journal ref Proc. 2026 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), pp. 12312-12316, 2026

Comparing Sentiment Contagion in AI-Agent and Human Social Networks: Evidence from MOLTBOOK

AI智能体与人类社交网络中情绪传染的比较：来自MOLTBOOK的证据

Elyes Ben chaabane, Savindu Herath, Yash Raj Shrestha

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

AI总结 研究AI社交网络中的情绪传播，发现负面帖子吸引更多回复，但回复通常趋于中性，情绪不会持续扩散，表明AI网络可能抑制情绪极端化。

Comments 8 pages without appendix

Agentic AI-Enhanced Semantic Communications: Foundations, Architecture, and Applications

基于代理AI的语义通信：基础、架构与应用

Haixiao Gao, Mengying Sun, Ruichen Zhang, Yanhan Wang, Xiaodong Xu, Nan Ma, Dusit Niyato, Ping Zhang

专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)

AI总结 本文探讨代理AI如何赋能语义通信，提出统一框架并展示多场景应用，通过案例研究验证其有效性。

Comments This version is being withdrawn because we need to further reevaluate the attribution of contributions among the authors

Impostor: An Agent-Curated Benchmark for Realistic AIGC Manipulation Localization

Impostor：一个用于真实AIGC篡改定位的智能体策划基准

Zhenliang Li, Yutao Hu, Qixiong Wang, Wenpeng Du, Hongxiang Jiang, Jiasong Wu, Xiaolong Jiang, Jungong Han

机构 * Southeast University（东南大学） ； Xiaohongshu Inc.（小红书公司） ； Tsinghua University（清华大学） 纠错

专题命中 Agent评测 ：agent(title,abstract)；planning(abstract)

AI总结 为解决现有图像篡改检测与定位基准在视觉真实感、篡改多样性和生成器覆盖方面的局限，提出了Impostor数据集和CraftAgent框架，并设计了PhaseAware-Net方法，在多个基准上取得优异性能。

Comments 10 pages, 3 figures, 5 tables

Cross-Vendor Sola ISPM Benchmark: Evaluating Agentic AI for Federated Identity Security Reasoning

跨厂商Sola ISPM基准测试：评估面向联邦身份安全推理的智能体AI

Eden Yavin, Gal Engelberg, Konstantin Koutsyi, Leon Goldberg, Gal Baron

专题命中 Agent评测 ：agentic(title)；agent(abstract)；AI agent(abstract)

AI总结 针对多云和SaaS平台中跨厂商身份安全配置错误与权限提升路径的评估缺失，提出包含50个数据驱动任务的跨厂商Sola ISPM基准测试，并构建评估框架，实验表明结构化关系上下文将答案正确性相对提升约34%，探索查询减少约70%。

Comments 22 pages, 4 figures, 8 tables, 2 appendices

When Agents Talk: Discourse, Manipulation, and Risk in an Agentic Social Network

当智能体对话：一个智能体社交网络中的话语、操纵与风险

10a Labs, :, Grace Cheong, Violet Davis, Juliette Garcia, Kendal Gee, Molly Hart, Nicholas Hayes, Henry Houghton, Kyle Lee, Paige Lee, Vicky Lee, Hailey May, Bobby McKenzie, Christine McNeill, Han Nguyen, Brooke Perreault, David Pham, Charlie Plumb, Olivia Quill, Matthew Swain, Grace Wang, Adam Warren, Corie Wieland, Zachary Yahn

专题命中 Agent评测 ：agentic(title)；agent(abstract)；AI agent(abstract)

AI总结 通过分析一个Reddit风格的AI智能体社交平台上的22.8万条帖子，结合语义聚类和LLM辅助有害内容分类，发现18.28%的帖子包含有害内容，并识别出74类恶意行为，包括凭证窃取、主机执行指令等。

Are LLMs Ready for Neural-integrated Mechanistic Modeling? A Benchmark and Agentic Framework

LLM 是否准备好进行神经集成机制建模？一个基准测试与智能体框架

Zihan Guan, Rituparna Datta, Mengxuan Hu, Shunshun Liu, Aiying Zhang, Prasanna Balachandran, Sheng Li, Anil Vullikanti

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 本文提出神经集成机制建模（NIMM）基准测试，评估大语言模型在三个科学领域构建神经集成机制模型的能力，并设计树引导的智能体框架 NIMMGen，通过分支级搜索和原子模型细化显著提升搜索稳定性和解质量。

Comments 25 pages, 8 figures

PithTrain: A Compact and Agent-Native MoE Training System

PithTrain: 一个紧凑且面向智能体的MoE训练系统

Ruihang Lai, Hao Kang, Haozhan Tang, Akaash R. Parthasarathy, Zichun Yu, Junru Shao, Todd C. Mowry, Chenyan Xiong, Tianqi Chen

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Xlue ； NVIDIA（英伟达） 纠错

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

AI总结 提出PithTrain，一个基于智能体原生设计原则的紧凑型MoE训练框架，通过引入ATE-Bench评估智能体任务效率，在保持生产框架吞吐量的同时，将智能体任务轮次和活跃GPU时间分别降低62%和64%。

When Should AI Read the Room? Public Perceptions of Social Intelligence in AI Agents

AI何时应该察言观色？公众对AI智能体社会智能的认知

Leena Mathur, Jenny T. Liang, Vasudha Varadarajan, Jimin Mun, Xuhui Zhou, Jana Schaich Borg, Yonatan Bisk, Louis-Philippe Morency, Maarten Sap

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

AI总结 通过混合方法调查美国成年人（N=200），研究公众对AI智能体社会智能的感知、接受度及影响因素，发现支持-采用差距并揭示外行人的担忧。

Comments 16 pages, 8 figures

ProofAgent Harness: Open Infrastructure for Adversarial Evaluation of AI Agents

ProofAgent Harness：用于AI智能体对抗性评估的开放基础设施

Fouad Bousetouane

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

AI总结 提出ProofAgent Harness开放基础设施，通过对抗性多轮试验、轨迹捕获和多评委评分，实现可扩展、可审计的AI智能体对抗性评估。

Comments 48 pages, 3 figures

ImProver: Agent-Based Automated Proof Optimization

ImProver：基于代理的自动证明优化

Riyaz Ahuja, Jeremy Avigad, Prasad Tetali, Sean Welleck

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

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

AI总结 本文研究了自动证明优化问题，提出ImProver这一基于大语言模型的代理，用于重写证明以优化长度、可读性等任意标准，实验表明其能显著缩短证明并提高其模块化和可读性。

Comments Published as a conference paper at ICLR 2025

MOCHA: Multi-Objective Chebyshev Annealing for Agent Skill Optimization

MOCHA：多目标切比雪夫退火用于智能体技能优化

Md Mehrab Tanjim, Jayakumar Subramanian, Xiang Chen, Branislav Kveton, Subhojyoti Mukherjee, Anlan Zhang, Sungchul Kim, Somdeb Sarkhel, Sunav Choudhury

机构 * Adobe Research（Adobe研究院） 纠错

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

AI总结 该研究提出MOCHA方法，通过切比雪夫标量化和指数退火解决智能体技能优化中的多目标问题，实现更优的帕累托前沿发现和性能提升。

Comments Preprint. 25 pages, 14 figures, 5 tables

Multi-Dimensional Behavioral Evaluation of Agentic Stock Prediction Systems Using Large Language Model Judges with Closed-Loop Reinforcement Learning Feedback

基于大语言模型判官的多维行为评估：用于代理股票预测系统的闭环强化学习反馈

Mohammad Al Ridhawi, Mahtab Haj Ali, Hussein Al Osman

机构 * School of Electrical Engineering and Computer Science（电气工程与计算机科学学院） 纠错

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

AI总结 本文提出一种多维行为评估方法，通过大语言模型判官评估代理系统决策过程，利用闭环强化学习反馈提升预测性能，验证了方法在股票预测中的有效性。

Comments 17 pages, 5 figures, 14 tables. Manuscript submitted to Applied Artificial Intelligence (Taylor and Francis)

Recursive Agent Optimization

递归智能体优化

Apurva Gandhi, Satyaki Chakraborty, Xiangjun Wang, Aviral Kumar, Graham Neubig

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon AGI Labs（亚马逊人工智能实验室） 纠错

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

AI总结 本文提出递归智能体优化方法，通过递归代理训练实现更高效的推理扩展和泛化能力，提升任务处理效率和泛化性能。

SkillScope: Toward Fine-Grained Least-Privilege Enforcement for Agent Skills

SkillScope：迈向细粒度最小特权执行的代理技能

Jiangrong Wu, Yuhong Nan, Yixi Lin, Huaijin Wang, Yuming Xiao, Shuai Wang, Zibin Zheng

专题命中 Agent评测 ：agent(title,abstract)

AI总结 本文提出SkillScope框架，通过图分析方法实现细粒度最小特权执行，检测技能超特权行为，实验表明其在检测和约束超特权方面效果显著。

Comments 19 pages, 7 figures

BioVeil MATRIX: Uncovering and categorizing vulnerabilities of agentic biological AI scientists

BioVeil MATRIX: 洞察和分类代理生物AI科学家中的漏洞

Kimon Antonios Provatas, Avery Self, Ioannis Mouratidis, Ilias Georgakopoulos-Soares

专题命中 Agent评测 ：agentic(title,abstract)；planning(abstract)

AI总结 研究探讨了代理生物AI科学家在多学科科学流程中的应用，指出现有安全评估无法覆盖双用途应用风险，提出BioVeil MATRIX作为防御分类体系，用于系统化分类生物安全风险。

SoK: Security of Autonomous LLM Agents in Agentic Commerce

SoK：自主大语言模型代理在代理商业中的安全性

Qian'ang Mao, Jiaxin Wang, Ya Liu, Li Zhu, Cong Ma, Jiaqi Yan

专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)

AI总结 本文系统分析了自主LLM代理在商业中的安全问题，提出统一的安全框架，识别12种跨层攻击向量，并提出分层防御架构以解决现有协议的授权漏洞。

On Agentic Behavioral Modeling

关于代理行为建模

Dirk Ostwald, Rasmus Bruckner, Franziska Usée, Belinda Fleischmann, Joram Soch, Sean Mulready

专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)

AI总结 本文提出代理行为建模框架，通过两个实验任务展示其在认知机制建模中的应用，并证明Rescorla-Wagner学习与贝叶斯推断的等价性。

BenchGuard: Who Guards the Benchmarks? Automated Auditing of LLM Agent Benchmarks

BenchGuard：谁守护着基准？对LLM代理基准的自动化审计

Xinming Tu, Tianze Wang, Yingzhou, Lu, Kexin Huang, Yuanhao Qu, Sara Mostafavi

机构 * Allen School, University of Washington（华盛顿大学阿伦学院） ； Phylo, Inc.（Phylo公司） ； Genentech, Inc.（基因泰克公司） 纠错

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

AI总结 BenchGuard通过结构化LLM协议交叉验证所有基准制品，发现ScienceAgentBench中的12个问题，并在BIXBench Verified-50子集中准确识别83.3%的问题，证明自动化基准审计的有效性。

AgentPulse: A Continuous Multi-Signal Framework for Evaluating AI Agents in Deployment

AgentPulse：一个连续多信号框架用于评估AI代理在部署中的表现

Yuxuan Gao, Megan Wang, Yi Ling Yu

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Columbia University（哥伦比亚大学） ； OpenMesh AI 纠错

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

AI总结 本文提出AgentPulse框架，通过18种实时信号评估50个AI代理在10种工作负载中的表现，揭示部署中的采纳、维护和体验信息，强调其作为方法论而非真实排名的价值。

Comments 19 pages, 5 figures, 9 tables. Preprint under review

Dr.Sai: An agentic AI for real-world physics analysis at BESIII

Dr.Sai：BESIII实世界物理分析的代理AI

Mingfeng He, Fayu Jiang, Junkun Jiao, Mingrun Li, Ke Li, Yipu Liao, Beijiang Liu, Tong Liu, Fazhi Qi, Zijie Shang, Weimin Song, Yue Sun, Xiongfei Wang, Hong Wang, Dongbo Xiong, Changzheng Yuan, Bolun Zhang, Zhengde Zhang, Xuliang Zhu

专题命中 Agent评测 ：agentic(title)；agent(abstract)；multi-agent(abstract)

AI总结 Dr.Sai利用大语言模型实现自动物理分析，通过自然语言转化为严谨的物理工作流，在BESIII实验中成功重新测量了十个J/psi衰变分支比，无需手动编程，展示了自主发现的潜力。

Comments 39 pages, 7 figures

Cross-Session Threats in AI Agents: Benchmark, Evaluation, and Algorithms

AI代理中的跨会话威胁：基准测试、评估与算法

Ari Azarafrooz

机构 * Intrinsec AI 纠错

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

AI总结 本文提出CSTM-Bench基准数据集，通过信息瓶颈方法评估跨会话检测，并引入CSR_prefix指标，用于评估检测算法的召回率与服务稳定性。

Comments 46 pages, 8 figures. Dataset: https://huggingface.co/datasets/intrinsec-ai/cstm-bench

YAIFS: Yet (not) Another Intelligent Fog Simulator: A Framework for Agent-Driven Computing Continuum Modeling & Simulation

YAIFS: 又一个智能雾模拟器：一种基于智能体驱动的计算连续性建模与仿真框架

Isaac Lera, Carlos Guerrero

专题命中 Agent评测 ：agent(title,abstract)；multi-agent(abstract)

AI总结 本文提出YAIFS框架，通过引入模型上下文协议实现智能体与模拟的交互，展示了多智能体系统在动态负载下的自适应行为。

Comments under review,

Neuro-Oracle: A Trajectory-Aware Agentic RAG Framework for Interpretable Epilepsy Surgical Prognosis

Neuro-Oracle：一种具有轨迹意识的代理RAG框架用于可解释性癫痫手术预后

Aizierjiang Aiersilan, Mohamad Koubeissi

机构 * The George Washington University（乔治华盛顿大学） 纠错

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

AI总结 本文提出Neuro-Oracle框架，通过三维Siamese对比编码器提取术前术后MRI变化，检索历史相似手术轨迹，并利用量化Llama-3-8B推理代理生成自然语言预后，验证了轨迹意识检索架构的可行性。

Towards a Multi-Embodied Grasping Agent

迈向多体 grasping agent

Roman Freiberg, Alexander Qualmann, Ngo Anh Vien, Gerhard Neumann

机构 * Bosch Corporate Research（博世企业研究） ； Autonomous Learning Robots Lab（自主学习机器人实验室） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

专题命中 Agent评测 ：agent(title,title_cn)

AI总结 本文提出一种高效、基于流的 equivariant grasping 架构，能够处理不同自由度的抓取器，通过抓取器和场景几何信息推导出底层运动学模型，提升学习效率和性能。

Comments 8 pages, 3 figures