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。
通过模拟部署预测大语言模型发布前的安全性
机构 * OpenAI（开放人工智能研究公司）
专题命中 工具调用 ：tool-use(abstract)；分类 cs.AI、cs.LG
AI总结 研究通过模拟部署预测大语言模型发布前安全性的方法，从去识别化对话出发，固定前缀用候选模型生成回复来评估。该方法能估计行为不当率，优于基线，还能克服工具重新采样挑战，为外部研究提供途径，助力预测模型现实行为及评估部署风险。
Comments 31 pages
AutoSpec: 通过归纳逻辑编程实现LLM智能体的安全规则演化
机构 * Zhejiang University of Technology（浙江工业大学）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 提出AutoSpec框架，利用归纳逻辑编程引导的CEGIS自动演化专家定义的安全规则，平衡精确率和召回率，在代码执行和具身智能体领域将F1提升至0.98和0.93，减少高达94%的误报。
竞争感知的CPC预测与近市场覆盖
机构 * Nova School of Business and Economics（新里斯本大学商业与经济学院） ； University of Hamburg（汉堡大学）
专题命中 工具调用 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 针对付费搜索中部分可观测的竞争环境，提出结合语义邻域、行为邻域和地理意向协变量的竞争感知CPC预测方法，在短期（1周）图模型降低sMAPE 15.1%，长期（6-12周）协变量增强基础模型降低sMAPE 22.5%-27.6%。
Comments 17 pages, 2 figures, 6 tables, European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML/PKDD), the code is availale at https://github.com/Sebastian-Frey/Competition-Aware-GNNs-for-TimeSeriesForecasting
模型生物体是泄漏的：困惑度差分经常揭示微调目标
机构 * Meridian Visiting Researcher Programme（Meridian 访问研究员计划）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出通过困惑度差分方法揭示模型生物体的微调目标，无需模型内部信息或先验假设，适用于多种微调模型。
通过混合文档路由检索解决金融RAG中的鲁棒性与精度权衡
机构 * organization= School of Engineering, Stanford University , city= Stanford , state= CA , country= USA ； organization= Simon Business School, University of Rochester , city= Rochester , state= NY , country= USA ； organization= Accounting \& Information Systems, Rutgers University , city= Newark , state= NJ , country= USA
专题命中 工具调用 ：agentic(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出混合文档路由检索方法，通过结合语义文件路由与分块检索，解决金融文档问答中鲁棒性与精度的权衡问题，提升检索性能。
Comments 26 pages, 4 figures, 13 tables
多模态评估者偏好坍缩：自进化智能体中的跨模态传染
机构 * Qilu Institute of Technology, School of Software Engineering（齐鲁理工学院软件工程学院）
专题命中 工具调用 ：AI agent(abstract)；分类 cs.CL、cs.LG
AI总结 研究多模态自评估中偏好坍缩的加剧现象，发现跨模态传染导致策略选择扭曲，并引入传染矩阵量化风险。
Comments 17 pages, 0 figures
混合事实核查：集成知识图谱、大语言模型和基于搜索的检索代理提高可解释的声明验证
机构 * Technical University Munich（慕尼黑工业大学）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 提出一种混合事实核查方法，集成知识图谱、大语言模型和实时搜索代理，通过三步流水线（KG检索、LM分类、Web搜索）在FEVER基准上达到0.93 F1分数，无需微调，并有效处理信息不足情况。
Comments Paper has been accepted at 9th wiNLP workshop at EMNLP
FactorLibrary: 从多项式到电路通过递归子目标
机构 * University of Washington, Seattle, WA, USA（华盛顿大学）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 将有限域上多项式的最小算术电路发现建模为强化学习问题，提出FactorLibrary存储可分解子表达式作为子目标，使用PPO+MCTS的top-down方法在复杂度8以内达到91.8%的成功率。
Comments 14 pages, 8 figures, in 3rd AI for Math Workshop (ICML 2026)
EComAgentBench：在分布式隐藏意图的长时任务上基准测试购物代理
机构 * Shopee
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 提出EComAgentBench基准，包含662个基于真实亚马逊产品的任务，要求代理在100次工具调用内从可见查询、工具门控配置文件和脚本化澄清中挖掘隐藏意图，验证候选产品并提交最终选择，通过类型化源标签评分归因失败。
MONAQ：面向资源受限设备的时间序列分析多目标神经架构查询
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 MONAQ通过多目标神经架构查询框架，结合大语言模型能力，实现对时间序列数据的高效处理与部署，实验表明其模型性能优于传统方法。
Comments EMNLP 2025 (Findings), Project Page: https://kaist-dmlab.github.io/MONAQ
IRumAI: 面向印度拉米纸牌游戏的强化学习
机构 * IEEE
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 提出首个面向印度拉米纸牌游戏的强化学习智能体IRumAI，采用PPO、融合感知编码、死牌驱动奖励和双分支卷积架构，在仅对弱启发式训练后，以53.9%胜率击败最强搜索对手，推理速度比最优启发式快7000倍以上。
Comments 9 pages, 2 figures, 6 tables
重新审视深度研究中的文本排序
机构 * The University of Edinburgh（爱丁堡大学） ； University of Glasgow（格拉斯哥大学）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文通过复现实验，从检索单元、流水线配置和查询特性三个角度评估文本排序方法在深度研究中的有效性，并提出Q2Q方法缓解查询不匹配问题。
Comments Accepted at the 49th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR 2026)
LedgerAgent: 策略遵从工具调用代理的结构化状态
机构 * Arizona State University（亚利桑那州立大学） ； University of Arizona（亚利桑那大学）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 针对客服领域策略遵从工具调用代理，提出LedgerAgent方法，通过独立账本维护任务状态并渲染到提示中，在执行工具调用前检查状态依赖策略约束，提升多轮一致性。
Comments Work in Progress
LLM代理中寻求澄清的不确定性分解
机构 * AI Talent Hub, ITMO University（AI Talent Hub, ITMO大学）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 提出一种基于提示的不确定性分解方法，将行动置信度与请求不确定性分离，使代理能在任务规范模糊时主动寻求澄清，在五个LLM骨干上平均澄清F1提升36%-73%。
Comments 26 pages, 8 figures. Source code: https://github.com/PE51K/udcs-in-llm-agents
自主性税：防御训练破坏LLM智能体
机构 * University of Southern California（南加州大学）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 揭示防御训练在提升LLM智能体安全性时，系统性地破坏其工具执行能力，导致任务失败率飙升，且无法有效防御复杂攻击。
风险感知的LLM智能体用于地理空间数据检索：设计与初步对抗性评估
机构 * Dept. of Systems Design Engineering, University of Waterloo（滑铁卢大学系统设计工程系） ； SkyWatch ； Dept. of Geography and Environmental Management, University of Waterloo（滑铁卢大学地理与环境管理系） ； Dept. of Geomatics Engineering, University of Calgary（卡尔加里大学测绘工程系）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 提出一种基于LLM的框架，通过自然语言查询从云地理空间目录检索遥感数据，集成三个智能体实现安全、意图解析和API调用生成，初步对抗实验表明提示级安全指令提升鲁棒性但需系统级防御。
Comments Accepted for publication in the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences (ISPRS Archives), ISPRS Congress 2026
Journal ref Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci., XLIX-B3-2026, 1419-1426, 2026
长周期研究智能体的搜索纪律
机构 * North Carolina State University（北卡罗来纳州立大学） ； University of Maryland（马里兰大学）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 针对研究智能体使用聚合指标评估候选方案导致科学有效性反转的问题，提出一种外部审计协议，基于分解行为而非单一分数进行决策。
Comments 9 pages, 1 figure
生成式人工智能在德国软件工程行业的采用：一项实证研究
机构 * Technical University of Munich（慕尼黑技术大学） ； Heilbronn University of Applied Science（海德堡应用科学大学）
专题命中 工具调用 ：tool use(abstract)；分类 cs.AI、cs.SE
AI总结 通过混合方法研究德国软件工程师采用生成式AI工具的情况，发现经验水平调节感知收益，组织规模影响工具选择和使用强度，项目上下文意识不足是主要障碍。
Comments Accepted at FSE '26
面向物理AI的驾驭工程：机器人中间件即驾驭层
机构 * Daegu Gyeongbuk Institute of Science and Technology (DGIST)（大邱庆北科学技术院）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出机器人中间件作为物理AI的驾驭层，需同时干预控制、计算和通信，并补充投影、隔离和转移三种缺失的强制功能，以ROS 2驾驭配置文件为例。
Comments 6 pages, 2 figures, 2 tables. Big Ideas track submission to the 27th ACM/IFIP International Middleware Conference (Middleware 2026)
Contract2Tool: 学习可靠工具增强型LLM代理的前提条件和效果
机构 * Independent Researcher（独立研究者） ； United States of America（美国）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 提出Contract2Tool框架，从元数据、文档和执行轨迹中推断工具契约，实现因果工具过滤，在保持可靠性的同时大幅减少工具选择和token使用。
NTILC: 通过学习的压缩实现神经工具调用
机构 * Department of Robotics, University of Michigan（机器人学系，密歇根大学） ； Department of ECE, University of Michigan（电子工程与计算机科学系，密歇根大学）
专题命中 工具调用 ：agentic(abstract)；分类 cs.AI、cs.SE
AI总结 提出NTILC框架，用学习的潜在检索替代上下文工具查找，将工具选择与参数生成解耦，通过签名感知复合损失函数提升选择精度，相比基线减少95%上下文消耗和74%延迟。
Comments 10 Pages, 4 Figures, 5 Tables, 1 Algorithm
预算受限的微预训练中的分阶段因子筛选
机构 * Hewlett Packard Enterprise（惠普企业）
专题命中 工具调用 ：workflow(abstract)；分类 cs.CL、cs.LG
AI总结 针对预算受限的微预训练，提出分阶段分数因子设计方法，通过短时筛选识别高惩罚方向并确认有效锚点，在共享加速器上实现高效配方筛选。
Comments 23 pages, 4 figures
R-APS：基于反思性对抗帕累托搜索的组合推理与上下文元学习用于约束设计
机构 * Idiap Research Institute（Idiap研究 institute） ； École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院） ； Honda Research Institute Europe（本田欧洲研究机构） ； Department of Computer Science, University of Manchester（曼彻斯特大学计算机科学系） ； National Biomarker Centre, CRUK-MI, University of Manchester（曼彻斯特大学国家生物标志物中心）
专题命中 工具调用 ：agentic(abstract)；分类 cs.AI、cs.CL
AI总结 提出R-APS方法，通过推理模式分解、分阶段组合推理、敏感性引导对抗测试和元归纳规则提取，联合解决LLM在代理设置中的错误传播、最坏情况扰动和知识失效问题，在平面机构合成任务上实现更紧的鲁棒性证书和更快的迭代速度。
随机极小极大树的双保真度最优动作识别
机构 * Department of Mathematics, Columbia University（哥伦比亚大学数学系） ； Stern School of Business, New York University（纽约大学斯特恩商学院）
专题命中 工具调用 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 针对随机极小极大树中的固定置信度最优动作识别问题，提出双保真度树搜索算法2FFS，结合极小极大快速扩展与MCTS随机采样，自适应选择廉价有偏评估或昂贵精确评估，理论证明固定置信度正确性、有限停止及多项式深度成本上界，实验表明比现有BAI-MCTS基线显著减少样本和计算。
Comments 36 pages
认证工具服务器准入：模型上下文协议的安全扩展
机构 * Enclawed LLC（Enclawed公司）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 针对MCP协议缺乏信任机制的问题，提出mcp-attested扩展，通过离线签名的权限断言、默认拒绝的工具白名单和分级强制审计日志，实现安全服务器准入与工具边界控制。
自动猜想解决与形式化验证
机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Westlake Institute for Advanced Study, Westlake University（西拉雅大学先进研究所） ； School of Mathematics, Tianjin University（天津大学数学学院） ； Research Institute for Mathematical Sciences, Kyoto University（京都大学数学研究所） ； Department of Mathematics, Stanford University（斯坦福大学数学系） ； IQuest Research（IQuest研究） ； New Cornerstone Science Laboratory, School of Mathematical Sciences, Peking University（北京大学数学科学学院新基石科学实验室） ； Beijing International Center for Mathematical Research and the New Cornerstone Science Laboratory, Peking University（北京大学国际数学研究所以及新基石科学实验室） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； Center for Intelligent Computing, Great Bay Institute for Advanced Study, Great Bay University（大湾大学先进研究所智能计算中心） ； Zhongguancun Academy（中关村学院）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 提出一个集成非形式化推理与形式化验证的自动框架，通过两个组件Rethlas和Archon解决研究级数学问题，并成功解决交换代数中的开放问题并在Lean 4中形式化验证。
Comments Code and resources are available at: Rethlas (https://github.com/frenzymath/Rethlas), Rethlas Results (https://github.com/frenzymath/Rethlas_results), Archon (https://github.com/frenzymath/Archon), and the formalization results (https://github.com/frenzymath/Anderson-Conjecture)
NNGPT: 用大型语言模型重新思考AutoML
机构 * Computer Vision Lab, CAIDAS & IFI, University of Würzburg, Germany（计算机视觉实验室，CAIDAS与IFI，乌尔姆大学，德国）
专题命中 工具调用 ：workflow(abstract)；分类 cs.AI、cs.LG
AI总结 提出NNGPT开源框架，利用大型语言模型实现自我改进的AutoML引擎，通过生成-评估-自我改进闭环自动设计神经网络架构和超参数。
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), pp. 5664-5674, 2026
用强化学习和递归推理自动化形式验证
机构 * Department of Electrical Engineering and Computer Science（电气工程与计算机科学系） ； Massachusetts Institute of Technology（麻省理工学院）
专题命中 工具调用 ：tool-use(abstract)；分类 cs.LG、cs.SE
AI总结 研究通过可验证奖励的强化学习和验证器引导的推理搜索，提升大语言模型生成验证程序和证明的能力，在Dafny和Lean上取得显著进展。
Comments Master's thesis, 140 pages, 16 figures, 17 tables
工具调用ReAct代理中深度相关的间接提示注入：注入深度、载荷框架和轮次预算敏感性
机构 * Department of Computer Science（计算机科学系） ； AI and Media Analysis Lab（人工智能与媒体分析实验室） ； Berlin, Germany（柏林，德国）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 通过四个对照实验（共460次试验），研究在工具调用ReAct代理中，注入深度、载荷框架和轮次预算对间接提示注入攻击成功率的影响，发现注入深度是主导变量，且仅清理第一个工具观察可捕获67%的注入成功。
Comments 17 pages, 16 figures
外部观察者的必要性：充分性差距的形式化——序列模型中混合可识别性与上下文基础化的数学扩展
专题命中 工具调用 ：tool use(abstract)；分类 cs.CL、cs.LG
AI总结 本文通过构建二元混合过程，形式化了由未观测隐状态导致的充分性差距，并引入辅助信号建立上下文主导阈值，证明温度缩放无法弥补缺失上下文，而外部观察者或验证器在高风险领域是必要的。
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