AI Agent

VMAS: A Vectorized Multi-Agent Simulator for Collective Robot Learning

Matteo Bettini, Ryan Kortvelesy, Jan Blumenkamp, Amanda Prorok

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

From Multi-agent to Multi-robot: A Scalable Training and Evaluation Platform for Multi-robot Reinforcement Learning

Zhiuxan Liang, Jiannong Cao, Shan Jiang, Divya Saxena, Jinlin Chen, Huafeng Xu

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

Comments 13 pages

Scalable Evaluation of Multi-Agent Reinforcement Learning with Melting Pot

Joel Z. Leibo, Edgar Duéñez-Guzmán, Alexander Sasha Vezhnevets, John P. Agapiou, Peter Sunehag, Raphael Koster, Jayd Matyas, Charles Beattie, Igor Mordatch, Thore Graepel

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

Comments Accepted to ICML 2021 and presented as a long talk; 33 pages; 9 figures

Journal ref In International Conference on Machine Learning 2021 (pp. 6187-6199). PMLR

Policy Evaluation and Seeking for Multi-Agent Reinforcement Learning via Best Response

Rui Yan, Xiaoming Duan, Zongying Shi, Yisheng Zhong, Jason R. Marden, Francesco Bullo

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

Comments 14 pages, 6 figures

Arena: A General Evaluation Platform and Building Toolkit for Multi-Agent Intelligence

Yuhang Song, Andrzej Wojcicki, Thomas Lukasiewicz, Jianyi Wang, Abi Aryan, Zhenghua Xu, Mai Xu, Zihan Ding, Lianlong Wu

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

A Model for Combination of External and Internal Stimuli in the Action Selection of an Autonomous Agent

Pedro Pablo Gonzalez Perez, Jose Negrete Martinez, Ariel Barreiro Garcia, Carlos Gershenson Garcia

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

Comments 13 pages, in MICAI 2000: Advances in Artificial Intelligence. Lecture Notes in Artificial Intelligence 1793, pp. 621-633. Springer-Verlag

Journal ref MICAI 2000: Advances in Artificial Intelligence. Lecture Notes in Artificial Intelligence 1793, pp. 621-633. Springer-Verlag

A Five-Plane Reference Architecture for Runtime Governance of Production AI Agents

生产AI代理运行时治理的五平面参考架构

Krti Tallam

机构 * Kamiwaza 纠错

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

AI总结 针对生产AI代理打破传统数据边界治理假设的问题，提出由推理平面和四个执行平面组成的五平面参考架构，通过可组合原语实现运行时治理，阻断七种威胁并验证四个正确性不变式。

Comments 65 pages, 3 figures, 5 tables. Reference architecture with a reference implementation of the policy-engine core and microbenchmark results; full-system evaluation identified as future work

Agentic Environment Engineering for Large Language Models: A Survey of Environment Modeling, Synthesis, Evaluation, and Application

面向大语言模型的智能体环境工程：环境建模、合成、评估与应用综述

Jiachun Li, Zhuoran Jin, Tianyi Men, Yupu Hao, Kejian Zhu, Lingshuai Wang, Dongqi Huang, Longxiang Wang, Shengjia Hua, Lu Wang, Jinshan Gao, Hongbang Yuan, Ruilin Xu, Kang Liu, Jun Zhao

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

AI总结 本文从环境工程生命周期出发，系统综述了智能体环境的建模、合成、评估与应用，涵盖八种属性与领域、两种合成范式、四种智能体演化路径及三种环境演化范式。

Comments 63 pages, 10 figures

Herculean: An Agentic Benchmark for Financial Intelligence

Herculean: 面向金融智能的智能体基准测试

Xueqing Peng, Zhuohan Xie, Yupeng Cao, Haohang Li, Lingfei Qian, Yan Wang, Vincent Jim Zhang, Huan He, Xuguang Ai, Linhai Ma, Ruoyu Xiang, Yueru He, Yi Han, Shuyao Wang, Yuqing Guo, Mingyang Jiang, Yilun Zhao, Youzhong Dong, Xiaoyu Wang, Yankai Chen, Ye Yuan, Qiyuan Zhang, Fuyuan Lyu, Haolun Wu, Yonghan Yang, Zichen Zhao, Yuyang Dai, Fan Zhang, Rania Elbadry, Ayesha Gull, Muhammad Usman Safder, Nuo Chen, Fengbin Zhu, Tianshi Cai, Zimu Wang, Polydoros Giannouris, Yuechen Jiang, Zhiwei Liu, Mohsinul Kabir, Yuyan Wang, Yixiang Zheng, Yangyang Yu, Weijin Liu, Wenbo Cao, Anke Xu, Peng Lu, Jerry Huang, Mingquan Lin, Prayag Tiwari, Yijia Zhao, Víctor Gutiérrez-Basulto, Xiao-Yang Liu, Kaleb E Smith, Jiahuan Pei, Arman Cohan, Jimin Huang, Yuehua Tang, Alejandro Lopez-Lira, Xi Chen, Xue Liu, Junichi Tsujii, Jian-Yun Nie, Sophia Ananiadou

机构 * The Fin AI ； Yale University（耶鲁大学） ； Columbia University（哥伦比亚大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； NVIDIA（英伟达） ； New York University（纽约大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Florida（佛罗里达大学） ； MBZUAI ； Université de Montréal（蒙特利尔大学） ； University of Minnesota（明尼苏达大学） ； University of Massachusetts Boston（马萨诸塞大学波士顿分校） ； National Institute of Advanced Industrial Science and Technology（国家先进工业科学与技术研究院） ； University of Liverpool（利物浦大学） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； National University of Singapore（新加坡国立大学） ； Halmstad University（哈尔姆斯塔德大学） ； University of Manchester（曼彻斯特大学） ； Cardiff University（卡迪夫大学） ； McGill University（麦吉尔大学） ； Mila – Quebec AI Institute（魁北克人工智能研究所） 纠错

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

AI总结 本文提出Herculean，首个覆盖交易、对冲、市场洞察和审计四个代表性工作流的智能体金融智能基准测试，通过标准化MCP技能环境评估异构智能体系统，发现智能体在交易和市场洞察上表现较好，但在对冲和审计等需要长期协调、状态一致性和结构化验证的任务上存在显著不足。

Agent Tools Orchestration Leaks More: Dataset, Benchmark, and Mitigation

Agent工具编排泄露更多：数据集、基准测试与缓解措施

Yuxuan Qiao, Dongqin Liu, Hongchang Yang, Wei Zhou, Songlin Hu

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院） 纠错

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

AI总结 研究LLM代理在编排多个工具时泄露敏感结论的风险（TOP-R），构建了包含1000个实例的基准TOP-Bench，并提出TOP-Align后训练方法以缓解泄露。

Comments 17 pages, 2 figures. Dataset and code are available at https://github.com/1Ponder/TOP-R

Towards Human-Like Interactive Speech Recognition With Agentic Correction and Semantic Evaluation

迈向具有智能体纠正和语义评估的类人交互式语音识别

Zixuan Jiang, Yanqiao Zhu, Peng Wang, Qinyuan Chen, Xinjian Zhao, Xipeng Qiu, Wupeng Wang, Zhifu Gao, Xiangang Li, Kai Yu, Xie Chen

机构 * College of Artificial Intelligence, Xi’an Jiaotong University（西安交通大学人工智能学院） ； X-LANCE Lab, School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电子信息与电气工程学院X-LANCE实验室） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Fudan University（复旦大学） ； Tongyi Fun Team, Alibaba Group（阿里云通义团队） 纠错

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

AI总结 提出Agentic ASR闭环框架，通过多轮交互和语义纠正减少语义错误，并引入句子级语义错误率（S^2ER）作为评估指标。

Insuring Every Action: An Authority Frontier Framework for Runtime Actuarial Control of Autonomous AI Agents

为每个行动投保：自主AI代理运行时精算控制的权威边界框架

Hao-Hsuan Chen

机构 * Department of Risk Management and Insurance（风险管理与保险系） 纠错

专题命中 Agent评测 ：AI agent(title,abstract)；agent(abstract)；tool-use(abstract)；agentic(abstract)

AI总结 提出精算行动接口（AAI）和权威边界框架，通过确定性运行时合约对自主AI代理的副作用行动进行定价、门控和评估，实现跨领域的精算控制与基准测试。

Comments 35 pages, 4 figures, 11 tables. Companion paper on the mathematical foundations: SSRN 6761960

Content-Aware Attack Detection in LLM Agent Tool-Call Traffic: An Empirical Study of Features, Architectures, and Evaluation Protocols

LLM Agent工具调用流量中的内容感知攻击检测：特征、架构与评估协议的实证研究

Sultan Zavrak

机构 * Department of Computer Engineering, Duzce University（杜兹大学计算机工程系） 纠错

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

AI总结 针对MCP工具调用流量，提出基于图神经网络的攻击检测框架，通过内容嵌入和任务分离评估协议，实现AUROC超过0.89的检测性能，并揭示随机分割评估导致的高估问题。

Comments v2: renamed manuscript (brand removed; descriptive title). No changes to methodology, results, tables, or figures

Verifiable Agentic Infrastructure: Proof-Derived Authorization for Sovereign AI Systems

可验证的代理基础设施：基于证明的授权机制用于主权AI系统

Jun He, Deying Yu

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

AI总结 本文提出Distributed Trust Framework，通过结构化可验证的艺术品计算执行权限，解决自主AI代理执行安全风险问题，实现授权过程的可验证、分布和可回放。

Comments 19 pager, 2 figures, 4 tables

Context-Agent: Dynamic Discourse Trees for Non-Linear Dialogue

上下文代理：非线性对话的动态 discourse 树

Junan Hu, Shudan Guo, Wenqi Liu, Jianhua Yin, Yinwei Wei

机构 * Shandong University（山东大学） 纠错

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

AI总结 本文提出 Context-Agent 框架，通过动态树结构建模对话历史，解决非线性对话中的上下文管理问题，并引入 NTM 评估基准，提升多轮对话任务完成率和效率。

Comments 14 pages, 7 figures, ACL 2026

AgentArch: A Comprehensive Benchmark to Evaluate Agent Architectures in Enterprise

AgentArch: 一种全面的基准，用于评估企业中的代理架构

Tara Bogavelli, Roshnee Sharma, Hari Subramani

机构 * ServiceNow 纠错

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

AI总结 AgentArch提出一个企业特定的基准，评估代理架构在复杂任务中的性能，揭示模型特定的架构偏好及性能瓶颈。

Adaptive Monitoring and Real-World Evaluation of Agentic AI Systems

Manish Shukla

机构 * Independent Researcher（独立研究者） 纠错

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

Demo: Healthcare Agent Orchestrator (HAO) for Patient Summarization in Molecular Tumor Boards

Matthias Blondeel, Noel Codella, Sam Preston, Hao Qiu, Leonardo Schettini, Frank Tuan, Wen-wai Yim, Smitha Saligrama, Mert Öz, Shrey Jain, Matthew P. Lungren, Thomas Osborne

机构 * Microsoft Health and Life Sciences（微软健康与生命科学） 纠错

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

Comments 9 pages, 1 figure; Added missing co-authors and contributors

RubikSQL: Lifelong Learning Agentic Knowledge Base as an Industrial NL2SQL System

Zui Chen, Han Li, Xinhao Zhang, Xiaoyu Chen, Chunyin Dong, Yifeng Wang, Xin Cai, Su Zhang, Ziqi Li, Chi Ding, Jinxu Li, Shuai Wang, Dousheng Zhao, Sanhai Gao, Guangyi Liu

机构 * Huawei Company（华为公司） ； Cornell University（康奈尔大学） 纠错

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

Comments 18 pages, 3 figures, 3 tables, to be submitted to VLDB 2026 (PVLDB Volume 19)

Are LLM-Generated GPU Kernels Production-Ready? A Trace-Driven Benchmark and Optimization Agent

大语言模型生成的GPU内核能否用于生产？基于追踪的基准测试与优化代理

Lingyun Yang, Yuxiao Wang, Shenghao Liang, Linfeng Yang, Daocheng Ying, Chunbo You, Rui Zhang, Luping Wang, Yinghao Yu, Guodong Yang, Liping Zhang

机构 * Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 研究大语言模型生成GPU内核用于生产的可行性，提出Atrex-Bench基准测试，发现现有模型表现不佳。为此发布Atrex-Kernel-Agent优化代理，结合多种技术，经案例研究能将回退转换为匹配或超越生产基线的内核。

Comments Both artifacts are released as open source: Atrex-Bench (https://github.com/alibaba/atrex-bench) and Atrex-Kernel-Agent (https://github.com/alibaba/atrex-kernel-agent)

Co-Director: Agentic Generative Video Storytelling

Co-Director: 基于代理的生成视频叙事

Yale Song, Yiwen Song, Nick Losier, Nathan Hodson, Ye Jin, Rhyard Zhu, Yan Xu, Daniel Vlasic, Carina Claassen, Jasmine Leon, Khanh G. LeViet, Zack Chomyn, Joe Timmons, Brett Slatkin, Scott Penberthy, Tomas Pfister

机构 * Google（谷歌） 纠错

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

AI总结 本文提出Co-Director框架，通过分层多代理方法解决视频生成的语义一致性问题，引入分层参数化和多模态自优化循环，实现叙事策略探索与有效配置的平衡，通过GenAD-Bench验证其在个性化广告中的优越性。

Comments Project Page: https://co-director-agent.github.io/

AgentGuard: Repurposing Agentic Orchestrator for Safety Evaluation of Tool Orchestration

Jizhou Chen, Samuel Lee Cong

专题命中 Agent评测 ：agentic(title,abstract)；tool use(abstract)；tool-use(abstract)；workflow(abstract)

Comments Project report of AgentGuard in LLM Agent MOOC Hackathon hosted by UC Berkeley in 2024

Small Language Model enabled Autonomous agent for Language-Conditioned Cognitive Radar

基于小型语言模型的语言条件认知雷达自主智能体

Minhaj Uddin Ahmad, Zakia Zaman, Shunqiao Sun, Mizanur Rahman

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

AI总结 本文提出一种小型语言模型驱动的自主智能体框架，作为语言条件认知雷达的智能控制器，经实验验证可在多种雷达场景下完成算法选择，且雷达特定提示与基于物理的工具执行是可靠决策的必要条件。

Comments Accepted at MLSP 2026, ATL, USA

ChatMuse: Supporting In-Person Small-Group Conversation Experience with a Proactive Assistive AI Agent in Mixed Reality

ChatMuse：在混合现实中通过主动辅助人工智能代理支持面对面小团体对话体验

Shaoze Zhou, Joaquin Frangi, Diana Nelly Rivera Rodriguez, Rawan Alghofaili, Janet G. Johnson, Lingyao Li, Renkai Ma, Christine Lisetti, Chen Chen

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

AI总结 研究旨在解决面对面小团体对话有效支持信息的设计生成问题，提出ChatMuse系统，它能分析参与者线索并提供实时指导，利用用户行为反应改进支持能力，通过受试者内研究证明了该系统在协助小团体对话方面的可行性和有效性。

Comments 19 pages, 9 figures, 4 tables, Proceedings of the 39th Annual ACM Symposium on User Interface Software and Technology (UIST '26), Detroit, MI, USA

VIGIL: Runtime Enforcement of Behavioral Specifications in AI Agent Skills

VIGIL：AI代理技能中行为规范的运行时执行

Ying Li, Yanju Chen, Hongbo Wen, Bosi Zhang, Hanzhi Liu, Peiran Wang, Yu Feng, Yuan Tian

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

AI总结 提出VIGIL框架，通过符号策略语言将自然语言规范转化为SMT约束，实现代理系统跨技能行为策略的运行时监控，检测违规召回率>95%。

From Agent Identity to Agent Economy: Measuring the Operational Readiness of ERC-8004 AI Agents

从代理身份到代理经济：衡量ERC-8004 AI代理的操作就绪度

Rischan Mafrur, Priagung Khusumanegara

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

AI总结 本文通过分析以太坊上ERC-8004代理的数据，构建操作就绪度框架，发现早期采用以注册为主但操作浅层，身份层可见但元数据、服务、声誉和跨链证据有限，所有权和反馈活动高度集中，表明从代理身份到代理经济的转型尚未完成。

Toward Trustworthy Digital Twins in AI Agent-based Wireless Network Optimization: Challenges, Solutions, and Opportunities

迈向可信的AI代理无线网络优化数字孪生：挑战、解决方案与机遇

Zhenyu Tao, Wei Xu, Xiaohu You

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

AI总结 本文提出一种新的数字孪生评估框架，用于确保AI代理基于网络优化的数字孪生的可信度，通过任务导向的评估方法减少训练和测试成本，同时保持部署性能。

Constitutional Black-Box Monitoring for Scheming in LLM Agents

LLM Agent 中阴谋行为的宪法黑盒监控

Simon Storf, Rich Barton-Cooper, James Peters-Gill, Marius Hobbhahn

机构 * University of Cambridge（剑桥大学） 纠错

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

AI总结 研究使用基于宪法黑盒的监控器，通过仅观察外部输入和输出检测LLM Agent的阴谋行为，并在合成数据上优化后泛化到更真实环境。

Comments Accepted at ICML 2026. Camera-ready version

An Activity-Theoretical Approach to Teacher Professional Development in Pedagogical AI Agent Design

基于活动理论的教师专业发展在教学人工智能代理设计中的应用

Haiyang Xin, Qiannan Niu, Shuang Li, Yimeng Sun, Ching Sing Chai, Lingyun Huang, Gaowei Chen

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

AI总结 本研究通过两轮形成性干预，探讨教师在完成专业发展后为何失去创建AI代理的兴趣，并验证系统性设计能否解决这一问题，发现通过活动理论和自我决定理论的整合，可提升教师的能力与意愿。

Latent-Y: A Lab-Validated Autonomous Agent for De Novo Drug Design

Latent-Y：一种经过实验室验证的自主代理用于从头药物设计

Latent Labs Team, Sebastian M. Schmon, Daniella Pretorius, Simon Mathis, Rebecca Bartke-Croughan, Aishaini Puvanendran, James Vuckovic, Henry Kenlay, Mária Vlachynská, Alex Bridgland, Ivan Grishin, Sven Over, David Li, Bridget Li, Jonathan Crabbé, Agrin Hilmkil, Alexander W. R. Nelson, David Yuan, Annette Obika, Simon A. A. Kohl

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

AI总结 Latent-Y通过自主执行抗体设计流程，结合生成模型Latent-X2，实现了高效药物设计，展示了在不同任务类型中的成功案例，并在实验室验证中达到高成功率。

Comments A.N. performed work as an advisor to Latent Labs. A.H. and D.Y. performed work while at Latent Labs