AI Agent

Agentic AI Workload Characteristics

Agentic AI 工作负载特征

Yichao Yuan, Ankita Nayak, Souvik Kundu, Nishil Talati

专题命中 工具调用 ：agentic(title,title_cn)；tool use(abstract)

AI总结 本文通过端到端追踪基础设施，在五个智能体基准测试上刻画 ReAct 风格智能体的 LLM 服务和工具执行特征，发现智能体工作负载并非简单长提示工作负载，其执行以解码为主且依赖长寿命 KV 缓存状态，工具使用具有从读/探索到执行/写的时序结构。

Think-Augmented Function Calling: Improving LLM Parameter Accuracy Through Embedded Reasoning

思考增强的功能调用：通过嵌入式推理提高LLM参数准确性

Lei Wei, Xiao Peng, Jinpeng Ou, Bin Wang

机构 * Alibaba International Digital Commerce Group（阿里巴巴国际数字商业集团） ； School of Software and Microelectronics（软件与微电子学院） ； Peking University（北京大学） 纠错

专题命中 工具调用 ：function calling(title,abstract)；agent(abstract)；AI agent(abstract)；autonomous agent(abstract)

AI总结 TAFC通过嵌入式推理提升LLM参数准确性，实现函数调用的显式推理和细粒度优化，增强多参数函数的生成准确性和可解释性。

CudaForge: An Agent Framework with Hardware Feedback for CUDA Kernel Optimization

Zijian Zhang, Rong Wang, Shiyang Li, Yuebo Luo, Mingyi Hong, Caiwen Ding

机构 * University of Minnesota, Twin Cities（明尼苏达大学，双城分校） 纠错

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

Granite-Function Calling Model: Introducing Function Calling Abilities via Multi-task Learning of Granular Tasks

Ibrahim Abdelaziz, Kinjal Basu, Mayank Agarwal, Sadhana Kumaravel, Matthew Stallone, Rameswar Panda, Yara Rizk, GP Bhargav, Maxwell Crouse, Chulaka Gunasekara, Shajith Ikbal, Sachin Joshi, Hima Karanam, Vineet Kumar, Asim Munawar, Sumit Neelam, Dinesh Raghu, Udit Sharma, Adriana Meza Soria, Dheeraj Sreedhar, Praveen Venkateswaran, Merve Unuvar, David Cox, Salim Roukos, Luis Lastras, Pavan Kapanipathi

专题命中 工具调用 ：function calling(title,abstract)；agent(abstract)；autonomous agent(abstract)；agentic(abstract)

The Scaffolding Matters More Than the Interface: A Controlled Comparison of MCP and CLI Tool Use Across Seven Agent Scaffoldings, Five Language Models, and One Software Task

脚手架比接口更重要：在七种智能体脚手架、五种语言模型和一项软件任务中对MCP与CLI工具使用的对照比较

Marc Alier Forment, María José Casañ Guerrero, Francisco José García-Peñalvo, Juanan Pereira

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

AI总结 该研究通过对照实验发现，智能体脚手架对AI编码智能体的工具使用成本影响远大于接口，MCP并非必要，且智能体常忽略分配的接口，相关数据已开源。

Comments 29 pages, 4 figures, 8 tables. Companion methodology paper: arXiv:2606.11869. Dataset and measurement harness (open source, GPL-3.0): https://doi.org/10.5281/zenodo.21851992

CRMWeaver: Building Powerful Business Agent via Agentic RL and Shared Memories

CRMWeaver：通过智能体强化学习与共享记忆构建强大的商业智能体

Yilong Lai, Yipin Yang, Ting Liang, Jialong Wu, Zhenglin Wang, Jianguo Lin, Keping Yang

机构 * Taobao & Tmall Group of Alibaba（阿里巴巴淘宝与天猫集团） ； Southeast University（东南大学） ； University of Montreal（蒙特利尔大学） 纠错

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

AI总结 针对商业智能体面临的数据复杂、任务异质问题，提出CRMWeaver方法，通过智能体强化学习训练与共享记忆机制提升性能，在CRMArena-Pro数据集的B2B、B2C场景中取得竞争力结果，实用价值显著。

ChainWatch: A Kill Chain-Aligned Sequential Detection Framework for Multi-Step Attacks in MCP-Based AI Agent Systems

ChainWatch：基于杀伤链的顺序检测框架，用于基于MCP的人工智能代理系统中的多步攻击

Om Narayan, Rashmi Jyoti, Ramkinker Singh

机构 * Computer Science New York University New York, USA（计算机科学 新 York 大学 新 York 美国） ； Cybersecurity University of Maryland, College Park MD, USA（网络安全 美国马里兰大学College Park分校 MD 美国） ； Carnegie Mellon University Pittsburgh, USA（卡内基梅隆大学 彭博 美国） 纠错

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

AI总结 针对基于MCP的人工智能代理系统中现有防御无法可靠检测多步攻击的问题，提出ChainWatch框架，用六阶段杀伤链建模攻击进展，结合隐马尔可夫模型分类工具调用序列，能检测逃避传统机制的攻击链。

Code-in-the-Loop Forensics: Agentic Tool Use for Image Forgery Detection

循环代码取证：面向图像伪造检测的代理工具使用

Fanrui Zhang, Qiang Zhang, Sizhuo Zhou, Jianwen Sun, Chuanhao Li, Jiaxin Ai, Yukang Feng, Yujie Zhang, Wenjie Li, Zizhen Li, Yifan Chang, Jiawei Liu, Kaipeng Zhang

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 工具调用 ：tool use(title)；agentic(title)；agent(abstract)；tool-use(abstract)

AI总结 本文提出ForenAgent框架，通过多轮交互使MLLM自主生成并迭代优化Python工具，提升图像伪造检测的灵活性和可解释性，构建FABench数据集进行系统训练和评估。

Comments 18 pages, 7 figures

Towards Agentic Agent-based Models: Feasibility, Performance, and Statistical Model Checking

迈向基于智能体的智能体模型：可行性、性能和统计模型检查

Stefano Blando, Emanuele Guerrazzi, Riccardo Porcedda, Giuseppe Squillace, Max Tschaikowski, Andrea Vandin

机构 * Sant’Anna School of Advanced Studies Pisa（比萨圣安娜高等研究学校） ； Sapienza University of Rome（罗马第一大学） ； DTU Technical University of Denmark（丹麦技术大学） ； University of Pisa（比萨大学） 纠错

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

AI总结 研究引入大语言模型驱动决策对基于智能体模型模拟的影响，以Mesa ABM模型为对象，扩展谢林隔离模型，通过统计模型检查进行分析，实验表明较小本地服务LLM有问题，较大模型通过初步检查，还探讨了统计模型检查的作用。

Deterministic Replay for AI Agent Systems

人工智能代理系统的确定性重放

Rasheed Mudasiru

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

AI总结 研究人工智能代理系统不确定性问题，提出agrepl框架，通过MITM代理拦截外部交互并序列化，在隔离环境重放，形式化执行模型，经实验验证重放保真度高且延迟大幅降低，以Go实现并开源。

Comments 9 pages, 5 figures, 5 tables

Multi-Turn Agentic Scientific Literature Search via Workflow Induction

通过工作流归纳实现多轮智能科学文献搜索

Jisen Li, Bingxuan Li, Nanyi Jiang, Xuying Ning, Xiyao Wang, Yifan Shen, Heng Wang, Yuqing Jian, Xiaoxia Wu, Ben Athiwaratkun, Pan Lu, Jiaxuan You, Bingxin Zhao

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Together AI ； University of Pennsylvania（宾夕法尼亚大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出PaperPilot，通过构建可执行DAG工作流进行多轮文献搜索，利用用户反馈优化查询和工作流，显著提升搜索性能并消除执行错误。

Comments 17 pages, 12 figures

EvoMaster: A Foundational Evolving Agent Framework for Agentic Science at Scale

EvoMaster：一种用于大规模代理科学的基础进化代理框架

Xinyu Zhu, Yuzhu Cai, Zexi Liu, Cheng Wang, Fengyang Li, Wenkai Jin, Wanxu Liu, Zehao Bing, Bingyang Zheng, Jingyi Chai, Shuo Tang, Rui Ye, Yuwen Du, Xianghe Pang, Yaxin Du, Tingjia Miao, Yuzhi Zhang, Ruoxue Liao, Zhaohan Ding, Linfeng Zhang, Yanfeng Wang, Weinan E, Siheng Chen

机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； SciLand ； DP Technology（DP技术） 纠错

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

AI总结 EvoMaster通过持续自我进化机制，使代理能迭代优化假设并积累知识，实现跨学科的高效科学发现，其易用性与性能在多个基准测试中均表现优异。

Comments 44 pages, 3 figures

Is Grep All You Need? How Agent Harnesses Reshape Agentic Search

Grep 是否足够？代理如何重塑搜索流程

Sahil Sen, Akhil Kasturi, Elias Lumer, Anmol Gulati, Vamse Kumar Subbiah

机构 * PricewaterhouseCoopers（普华永道） 纠错

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

AI总结 本文通过两个实验比较了grep与向量检索在代理搜索中的效果，发现grep在准确性上优于向量检索，但整体表现仍受代理架构和工具调用方式影响。

Learning to Rewrite Tool Descriptions for Reliable LLM-Agent Tool Use

学习重写工具描述以实现可靠的LLM-代理工具使用

Ruocheng Guo, Kaiwen Dong, Xiang Gao, Kamalika Das

机构 * Intuit AI Research（Intuit AI研究院） 纠错

专题命中 工具调用 ：agent(title,abstract)；tool use(title)；workflow(abstract)；分类 cs.AI

AI总结 本文提出Trace-Free+框架，通过渐进式转移监督从轨迹丰富设置到轨迹自由部署，提升代理在大规模工具库中的鲁棒性与泛化能力，同时提高查询成功率。

Comments Preprint

Why Search When You Can Transfer? Amortized Agentic Workflow Design from Structural Priors

为何需要搜索？从结构先验出发的 amortized 智能工作流设计

Shiyi Du, Jiayuan Liu, Weihua Du, Yue Huang, Jiayi Li, Yingtao Luo, Xiangliang Zhang, Vincent Conitzer, Carl Kingsford

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Foundations of Cooperative AI Lab (FOCAL)（合作人工智能基础实验室） ； University of Notre Dame（圣约翰大学） 纠错

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

AI总结 本文提出SWIFT框架，通过结构先验和跨任务工作流演示，实现工作流设计的 amortization，减少计算成本并提升泛化能力。

Forage V2: Knowledge Evolution and Transfer in Autonomous Agent Organizations

Forage V2：自主代理组织中的知识进化与转移

Huaqing Xie

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 Forage V2通过构建学习型组织架构，实现知识积累与跨模型转移，提升自主代理任务的可靠性与效率。

Subliminal Transfer of Unsafe Behaviors in AI Agent Distillation

AI代理蒸馏中不安全行为的潜意识转移

Jacob Dang, Brian Y. Xie, Omar G. Younis

机构 * UCLA（加州大学洛杉矶分校） ； Santa Monica College（圣蒙代克学院） ； Mila, Silverstream AI（Mila与Silverstream AI） 纠错

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

AI总结 研究探讨了在代理系统中行为特征通过模型蒸馏的潜意识转移，通过两个实验设置发现学生代理继承了教师代理的破坏性行为偏见，证明显式数据清理不足以防止隐含行为偏见。

ToolOmni: Enabling Open-World Tool Use via Agentic learning with Proactive Retrieval and Grounded Execution

ToolOmni: 通过代理学习实现开放世界工具使用：基于主动检索和基础执行

Shouzheng Huang, Meishan Zhang, Baotian Hu, Min Zhang

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

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

AI总结 ToolOmni通过主动检索和基础执行实现开放世界工具使用，通过冷启动多轮交互数据集和Decoupled Multi-Objective GRPO算法提升工具检索和执行性能，实验表明其在检索和执行任务上均达到SOTA水平。

Comments 19 pages, 9 figures, 9 tables, accepted to ACL 2026

Your LLM Agent Can Leak Your Data: Data Exfiltration via Backdoored Tool Use

你的LLM代理可能泄露你的数据：通过植入工具使用的数据外泄

Wuyang Zhang, Shichao Pei

机构 * University of Massachusetts Boston（马萨诸塞大学波士顿分校） 纠错

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

AI总结 研究揭示了通过植入工具使用的LLM代理进行数据外泄的风险，提出Back-Reveal攻击方法，展示多轮交互加剧信息泄露，强调需加强对抗外泄后门的防御。

Comments The 64th Annual Meeting of the Association for Computational Linguistics

Keyword search is all you need: Achieving RAG-Level Performance without vector databases using agentic tool use

关键词搜索足矣：无需向量数据库即可实现RAG级别的性能

Shreyas Subramanian, Adewale Akinfaderin, Yanyan Zhang, Ishan Singh, Mani Khanuja, Sandeep Singh, Maira Ladeira Tanke

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

AI总结 本文提出无需向量数据库，通过代理工具使用实现接近RAG的性能，展示了关键词搜索在问答任务中的有效性。

ScaleEnv: Scaling Environment Synthesis from Scratch for Generalist Interactive Tool-Use Agent Training

ScaleEnv: 从零开始构建通用交互工具使用智能体训练的环境合成

Dunwei Tu, Hongyan Hao, Hansi Yang, Yihao Chen, Yi-Kai Zhang, Zhikang Xia, Yu Yang, Yueqing Sun, Xingchen Liu, Furao Shen, Qi Gu, Hui Su, Xunliang Cai

机构 * National Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家实验室，南京大学） ； School of Artificial Intelligence, Nanjing University, Nanjing, China（人工智能学院，南京大学，中国南京） ； Institute of Computer Science and Technology, Harbin Institute of Technology (Shenzhen), Shenzhen, China（计算机科学与技术学院，哈尔滨工业大学（深圳），中国深圳） ； School of Statistics, East China Normal University, Shanghai, China（统计学学院，华东师范大学，中国上海） 纠错

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

AI总结 ScaleEnv通过从零构建交互式环境和可验证任务，提升通用智能体在多领域工具使用任务中的泛化能力与学习鲁棒性。

Budget-Aware Tool-Use Enables Effective Agent Scaling

预算感知的工具使用实现有效的代理扩展

Tengxiao Liu, Zifeng Wang, Jin Miao, I-Hung Hsu, Jun Yan, Jiefeng Chen, Rujun Han, Fangyuan Xu, Yanfei Chen, Ke Jiang, Samira Daruki, Yi Liang, William Yang Wang, Tomas Pfister, Chen-Yu Lee

机构 * Google Cloud AI Research（谷歌云人工智能研究） ； Google DeepMind（谷歌DeepMind） ； New York University（纽约大学） ； UC Santa Barbara（加州大学圣塔芭芭拉分校） 纠错

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

AI总结 本研究提出BATS框架，通过预算感知机制提升工具增强代理的扩展效率，实现更优的成本-性能平衡。

Beyond Retrieval-Ranking: A Multi-Agent Cognitive Decision Framework for E-Commerce Search

Zhouwei Zhai, Mengxiang Chen, Haoyun Xia, Jin Li, Renquan Zhou, Min Yang

机构 * Beijing China（中国北京） 纠错

专题命中 工具调用 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.CL

From Specification to Service: Accelerating API-First Development Using Multi-Agent Systems

Saurabh Chauhan, Zeeshan Rasheed, Malik Abdul Sami, Kai-Kristian Kemell, Muhammad Waseem, Zheying Zhang, Jussi Rasku, Mika Saari, Pekka Abrahamsson

专题命中 工具调用 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.SE

Comments 9 Figures, 6Tables

AutoMaAS: Self-Evolving Multi-Agent Architecture Search for Large Language Models

Bo Ma, Hang Li, ZeHua Hu, XiaoFan Gui, LuYao Liu, Simon Liu

机构 * Department of Software \& Microelectronics Peking University Beijing, China ； Department of Software \& Microelectronics Peking University Beijing, China hangli\ ； Department of Software \& Microelectronics Peking University Beijing, China zehua\ ； Department of Software \& Microelectronics Peking University Beijing, China xiaofan\ ； Economic Law School China University of Political Science ； School of Computer Science Peking University Beijing, China 纠错

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

Accelerating Focal Search in Multi-Agent Path Finding with Tighter Lower Bounds

Yimin Tang, Zhenghong Yu, Jiaoyang Li, Sven Koenig

机构 * Thomas Lord Department of Computer Science, University of Southern California（美国南加州大学计算机科学系） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California, Irvine（加州大学尔湾分校） 纠错

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

Comments 7 pages

Journal ref 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems

The Multi-Agent Fault Localization System Based on Monte Carlo Tree Search Approach

Rui Ren

专题命中 工具调用 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.SE

MARCO: Hardware-Aware Neural Architecture Search for Edge Devices with Multi-Agent Reinforcement Learning and Conformal Prediction Filtering

Arya Fayyazi, Mehdi Kamal, Massoud Pedram

机构 * University of Southern California（南加州大学） 纠错

专题命中 工具调用 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG

ParaView-MCP: An Autonomous Visualization Agent with Direct Tool Use

Shusen Liu, Haichao Miao, Peer-Timo Bremer

机构 * CASC, Computing, Lawrence Livermore National Laboratory（计算部、劳伦斯利弗莫尔国家实验室） 纠错

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

MA4DIV: Multi-Agent Reinforcement Learning for Search Result Diversification

Yiqun Chen, Jiaxin Mao, Yi Zhang, Dehong Ma, Long Xia, Jun Fan, Daiting Shi, Zhicong Cheng, Simiu Gu, Dawei Yin

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