预注册实验：标注对手为人类会加剧竞价升级，标注为优化机器则抑制升级
研究者在预注册、无欺骗的实验中（N = 1,395）让参与者进行全支付拍卖，并交叉操纵对手身份与告知信息。在对手固定的情况下，被告知对手是人类或可能是人类，使报价中位数提高奖金的 6.7%；被告知对手可能是优化机器，则使报价中位数降低 8.8%。面对 AI 智能体时报价更低，双方最终都盈利的情况也更少见；探索性分析显示，标签改变的是领先时继续加价的频率，而非落后时的应对频率。
#Agent
arXiv · cs.HCAI 评分5858 arXiv · cs.HCAI 评分5858 RiskLens：面向 AI 风险评估的人机协同事件迁移系统
研究团队提出 RiskLens，一个由实时爬取、可刷新排序器和可扩展人工标注 schema 组成的人机工作流，用于判断历史 AI 事件能否迁移到新产品。
arXiv · cs.HCAI 评分4242 Agentic Dashboards：视觉分析的新设计范式
论文提出 agentic dashboard 这一持续存在的视觉分析工作区构想：智能体在设计者定义的决策空间内自主决定分析方法、视图及其协调方式，设计者的角色从构建固定界面转为定义智能体运行时可选决策。作者用现有能力演示了该工作区的运作方式，并提出评估其行为与潜在失败的标准。
arXiv · cs.HCAI 评分5252 研究区分 AI 顾问的决策一致与理由一致，发现咨询偏好与委托意愿随任务自主度变化
研究通过 N=121 的被试内实验，让参与者针对八个日常道德困境评估三种 AI 顾问，区分决策一致（建议符合用户价值观偏好的选项）与理由一致（给出的理由符合用户价值观）。
arXiv · cs.DBAI 评分4242 从 token 账单到基准测试周：让数据系统自动研究可验证且低成本
针对 AI 自动研究数据系统时易出现规格博弈、token 成本高且验证周期长达数周的问题，论文提出以精确可组合的规格约束搜索、用轻量性能评估器剪枝、并以证伪与演绎验证把正确性纳入流程。目标是把正确性、性能、研究时间与 token 成本视为同等重要的目标，使 AI 生成的数据系统成为可审计、可信赖的生产级系统。
arXiv · cs.DBAI 评分4747 Auriga：用 harness 管控的 LLM 智能体优化 Execute-Order-Validate 许可链有效吞吐
Auriga 是一个非侵入式框架，通过样本高效的 LLM 引导配置搜索与执行前冲突预防，联合优化 Hyperledger Fabric 等 Execute-Order-Validate 链的原始吞吐与交易成功率。
arXiv · cs.DBAI 评分5858 VASTRA：按查询复杂度控制流程的智能体视频 Top-K 检索系统
VASTRA 是一个智能体视频检索系统，它按查询复杂度决定执行流程，而不是采用开放式推理循环：简单查询直接从预摄取摘要中排序，困难查询只在相关性不确定处做定向验证。
arXiv · cs.CVAI 评分6262 SimpleSearch-VL：面向多模态智能体深度搜索的简洁方案
研究团队提出多模态智能体搜索框架 SimpleSearch-VL，核心思路是改进智能体自身的搜索与验证过程，而非扩大数据、工具或辅助模型规模。该方法用 Factorized Adaptive Rollout（FAR）提升采样效率，并通过链式思维验证检索到的视觉与文本线索是否与原始上下文相关。
arXiv · cs.CVAI 评分6262 Visual Cipher Bench：评测 LLM 智能体长程视觉推理的新基准
作者提出 Visual Cipher Bench，包含空间操作与模拟、逻辑约束与规划、规则归纳、知识解码四类共40道原创视觉谜题，每题仅给1至3张黑白线稿和极简提交说明，要求智能体完全从图像中发现解题机制。
arXiv · cs.SE精选AI 评分6969 CrossPloit：面向 Python Web 应用跨版本 PoC 迁移的基准
研究团队发布 CrossPloit 基准，包含 45 个 CVE 的 127 个跨版本 PoC 迁移实例，每个实例配有版本固定的容器、参考 PoC 和漏洞专用 oracle。
推荐理由：该基准用可执行 PoC 验证漏洞版本区间漏报，并给出 18 种 Agent 配置的自动化迁移上限。
arXiv · cs.SE精选AI 评分6666 Oracle-to-PostgreSQL 迁移智能体是否真在学习？一项带审计的评测
研究团队对 Oracle-to-PostgreSQL 迁移智能体的经验记忆做了审计式评测：在 1,833 对文档来源参考上，持久记忆把参考一致性（RC）比无记忆基线提高 0.015 [0.004。
推荐理由：通过审计式评测拆解记忆增益中的参考泄漏与复制效应，并给出六条区分跨任务学习与指标假象的评测规则。
arXiv · cs.ROAI 评分6060 LIFE：让机器人持续观察、选择性记忆并从经验中积累技能的具身智能框架
作者提出 LIFE（Lifelong Intelligence from Experience）框架，让机器人持续观察、选择性记忆并把经验转化为新能力。
arXiv · cs.SEAI 评分5858 研究观察 Claude Code 调试生产数据库故障：访问受限比推理失误更普遍
作者用 Claude Code 诊断生产消息派发引擎中的八次数据库故障，发现访问生产状态受限是最普遍的瓶颈。五次依赖并发的故障都出现访问缺口，其中一次仅因访问不足，四次还叠加了推理错误，如锚定早期原因、配置探索不完整或误读代码事务语义；三次不依赖并发的故障则无需额外能力。作者据此提出为生产调试 Agent 增加取证层，包含安全查询 API、锁与死锁飞行记录器和生产回放装置。
arXiv · cs.RO精选AI 评分7070 TinyAstral 将自进化 harness 迁移到 4B 小型通用操作智能体
TinyAstral 提出两阶段方法，先把冻结的开源教师智能体的 harness 通过递归自我改进（RSI）迭代，再把最终 harness 下的教师轨迹蒸馏进 4B 学生模型。
推荐理由：该工作把教师智能体的 harness 自进化收益蒸馏到 4B 小模型，并给出与 552B 规划器接近的跨基准结果，可供关注具身智能体轻量化的读者参考。
arXiv · cs.SEAI 评分5858 Rasoi：用可视化 diff 评估编码智能体所做结构性改动
作者提出 Rasoi，一种把代码库架构在每次编码智能体编辑后的变化映射出来的设计探针，可让开发者按多个抽象层级查看哪些架构元素与关系被新增、修改或删除。在为期一周、12 名开发者使用各自代码库的研究中，可视化 diff 帮助开发者判断改动是否在范围内、发现意外的结构重组，并理解被修改部分与整体系统的关系。
arXiv · cs.RO精选AI 评分7171 Robo-SWE：从机器人软件仓库挖掘的 236 个可执行 issue 解决任务数据集
作者发布 Robo-SWE 数据集，从 28 个公开机器人仓库的已合并 PR 中挖掘出 236 个可执行 issue 解决任务，覆盖 ROS 2 系统、仿真与物理引擎、机器人算法库和机器人学习框架四类。
推荐理由：该数据集把机器人软件的真实 issue 与可执行测试打包，并附多套编码智能体的解题记录，便于比较领域专用评测与通用评测的差异。
arXiv · cs.ROAI 评分4242 异构多机器人系统的迭代聚类协同任务分配方法
针对异构多机器人系统的协同任务分配难题，研究者提出一种迭代聚类算法，将难以求解的全局优化问题拆分为较小的可解子问题，通过迭代形成机器人与任务的簇并在簇内优化分配，保证每次迭代整体效用单调提升。仿真中该算法在计算时间和解质量上均优于模拟退火和基于群体的拍卖方法，解质量优于享乐博弈方法。
arXiv · cs.ROAI 评分6565 ACE-CaP-0 提出按需演示与按需仿真的 Code as Policies 智能体方案，八项真实操作任务成功率 92.1%
ACE-CaP-0 团队提出一种 Code as Policies 智能体方案，把策略修订与经验获取结合，采用按需演示（Demonstrations on Request）和按需仿真（Simulation on Demand）。
arXiv · cs.RO精选AI 评分6767 NSDL：用神经符号分工做多机器人任务规划，7B 模型在 VIKI-L2 达 97.0% 分布外准确率
作者提出 NSDL，让小型视觉语言模型只判断场景状态与任务分工并写成计划草图，再由确定性求解器展开为可执行的联合计划，模型在训练中调用检测器与求解器两个工具。
推荐理由：论文把多机器人任务规划拆成视觉判断与确定性求解两部分，并在两个基准上对比端到端方案，还开源了代码与基准。
arXiv · cs.RO精选AI 评分7878 Reins：前沿多模态模型零样本驱动真实机械臂完成长程任务
作者提出 Reins 框架，让现成的前沿多模态模型借助 3D 感知工具和可报告接触与抓取状态的原子动作，操作双臂机器人完成长程、接触密集的操作任务。在五个真实任务上，GPT-6.1 Sol 在自然语言提示、无任务专用代码的条件下成功率为 88%；不使用该框架时，它在所有 shell game 任务上均失败，耗时是前者的 8 倍。
推荐理由：作者提出让前沿多模态模型通过工具与原子动作驱动双臂机器人的框架，并给出真实机器人长程任务的成功率对比。
arXiv · cs.RO精选AI 评分7878 Alloy：面向机器人学习的多材料物理引擎
作者提出开源物理引擎 Alloy，让刚性机器人、布料、缆线、液体、颗粒材料和软体共享同一场景，每个物体只描述一次，由引擎分配到适配求解器并在每个控制步内耦合。
推荐理由：多材料统一场景的物理引擎，附吞吐、深度相机与千世界可靠性测试，并给出编码智能体冷启动实测。
arXiv · cs.ROAI 评分5858 BWM-Forge：用代码驱动的智能体框架生成可控机器人视频
BWM-Forge 是一个代码驱动的机器人视频生成框架：给定机器人资产与任务描述，编码智能体构建可编辑的 Blender 场景程序，指定物体、机器人运动与相机，再由视频生成模型补充视觉细节。
arXiv · cs.CV精选AI 评分6565 Duo v1：面向全双工交互的互惠世界模型 RWM
研究团队提出互惠世界模型（RWM）并发布 Duo v1，一个持续感知音视频输入、同时实时回应用户的全双工世界模型。RWM 把智能与物理现实视为同等基础，划分出提供交互认知的 Intent 与生成连贯音视频行为的 Realization 两项能力。
推荐理由：提出把意图推理与音视频生成统一进世界模型的双模块框架，并给出三项训练设计，可供多模态交互研究参考。
arXiv · cs.CVAI 评分4242 MemCrafter：用脑启发智能体迭代优化提示词提升文本生成视频的记忆度
MemCrafter 通过迭代式智能体提示词优化提升文本生成视频的记忆度，其核心是构建基于皮层区域的神经记忆信号，从估计的神经响应预测视频记忆度，同时提供优化目标和可解释的区域级信息。配套的敏感度感知反馈模块基于对优化目标的概念性敏感度分析，在保持语义保真度的同时给出可操作的提示词改进指导。实验显示该方法在维持语义对齐与感知质量的同时持续提升预测的视频记忆度。
arXiv · cs.ROAI 评分5858 COMBS：融合 LLM 与 VLM 先验的隐藏物体多模态贝叶斯搜索方法
作者提出 COMBS，将隐藏物体搜索统一为 concealment-adaptive mixed-observability MDP（CA-MOMDP），并用分层转移系统把环境抽象为房间与物体节点进行规划。
arXiv · cs.CV精选AI 评分6262 SAVE：智能体视频推理中更简单的框架反而更有效
研究者在 Gemini 3 Flash 和 Gemma 4 两个骨干上对多种智能体视频推理框架做受控评测并核算 token 与成本，发现多数现有框架未能稳定优于原生视频推理且常增加开销。
推荐理由：在统一骨干与成本核算下比较多种智能体视频推理框架，并给出更简单的 SAVE 方案，便于判断复杂度是否值得。
arXiv · cs.ROAI 评分4242 主动物体搜索需要什么样的世界模型？不完美检测下的研究
研究者提出 Bayesian Active Miss-aware Object Search（BAMOS），在 Isaac Sim 与 HSSD 房屋中系统消融目标信念、占据信念及检测器误差对搜索决策的影响。
arXiv · cs.RO精选AI 评分6060 BiPOP：用 LLM 结合时序偏序规划实现长程双臂机器人操作
作者提出 BiPOP 框架，将 LLM 与时序偏序规划结合用于长程双臂机器人操作：LLM 把自然语言指令转成 PDDL 规格，时序规划器按双臂可达性划分工作空间并处理臂间依赖、任务分配与同步约束，从而调度可并行动作。
推荐理由：论文把双臂长程操作的时空协调交给符号规划器，并用失败分析说明纯 LLM 规划器的约束违反问题。
arXiv · cs.ROAI 评分5353 Terrain-Aware Thompson Sampling：面向多无人机搜救的地形感知 Thompson Sampling 算法
作者提出一种去中心化的地形感知多无人机 Thompson Sampling 算法，用于搜救任务：用位移环、海拔、流域、扩散角和轨迹偏移等 SAR 模型把地形数据转化为失踪人员位置的概率分布，并以逐单元高斯后验的贝叶斯更新平衡探索与利用，同时用森林覆盖率刻画植被遮挡带来的观测不确定性。
arXiv · cs.LG 机器学习精选AI 评分7272 多智能体 LLM 框架结合可微 CFD 实现湍流模型自动发现
作者提出一个梯度感知的多智能体 LLM 框架，把湍流闭包发现建模为双层问题：LLM 智能体搜索闭包形式，GPU 原生可微 CFD 求解器提供梯度，使后验学习成为智能体的可执行动作。
推荐理由：该工作把闭包形式搜索交给多智能体 LLM，并用可微 CFD 求解器提供梯度，为湍流建模自动化提供了一条可迁移的双层流程。
arXiv · cs.LG 机器学习AI 评分5858 研究：把回测过拟合校正移入搜索循环会引入阈值稀释效应
作者提出将 deflated Sharpe ratio 等回测过拟合校正从搜索结束后移到搜索循环内部，使接受阈值随搜索自身试验次数与离散度变化，并分析出朴素循环内阈值存在方差稀释效应：平庸的近重复候选会拉低门槛。
arXiv · cs.LG 机器学习AI 评分4242 HALight：面向车道级观测缺失的异构多智能体强化学习交通信号控制
HALight 是一个面向车道级观测缺失场景的通信增强异构多智能体强化学习交通信号控制框架，支持按路口定制观测与动作建模，并引入轻量级一跳邻域通信模块在车道级观测部分缺失时补充空间上下文。该框架采用序贯策略更新方案改善异构智能体间的协调。在两个真实路网上的实验显示，HALight 在交通效率与收敛行为上优于代表性的同构与异构基线，代码与数据集已公开。
arXiv · cs.LG 机器学习AI 评分5858 StateAlign：用状态对比强化学习提升多轮工具智能体的决策可靠性
作者提出 StateAlign，把任务状态构建与状态对比强化学习结合，让工具智能体的决策跟随当前任务状态。在 Qwen3-8B 上，BFCL v4 multi-turn 准确率从 45.5% 提升到 55.2%，SimpleToolHalluBench 上的无工具幻觉率从仅用结果奖励训练的 62.2% 降至 56.1%。
arXiv · cs.LG 机器学习AI 评分6060 Wayfinder：利用 Agent 引用反馈实现自适应资源路由
作者提出 Wayfinder，一种自适应路由器，把下游 Agent 引用的文档作为反馈来更新内部资源表示，从而在后续交互中优先选择可能含相关信息的资源。方法还引入离线强化学习中的资源增强，通过匿名化和置换资源身份减少训练期过拟合，消融显示训练环境较少时收益最明显。
arXiv · cs.AI 人工智能AI 评分5858 Conflux：用主体上下文与系统级评测防止 LLM 智能体权限提升
作者提出 Conflux，一种主体上下文防御机制，其内核 ITES 依据来源与组织现有访问控制推导权限，并对所有影响该动作的主体权限取交集。论文给出条件性的权限约束定理：在完全中介、来源不可洗白、决策上下文已知非空、权限检查新鲜和动作绑定等条件下，内核不会放行相对任一已记录影响主体构成权限提升的动作。
arXiv · cs.AI 人工智能AI 评分5858 研究提出无代码缺陷修复的自动验证流水线，评估 LLM 生成修复的有效性
该研究提出一套基于真实浏览器执行的自动流水线，用于评估大语言模型生成无代码修复的能力，覆盖 Faulty Configuration、Wrong Version 和 External System & Dependency 三类缺陷报告。
arXiv · cs.AI 人工智能AI 评分5858 研究团队发布移动出行数据工程基准，评测本地 LLM 智能体产出完整工件
研究团队提出包含 15 个移动出行数据工程任务的基准，用确定性检查器校验智能体产出的脚本、表格、结构化文件、图表和报告，在消费级 GPU 上对 6 个模型家族的 16 种配置做 3,600 次评分尝试。
arXiv · cs.AI 人工智能AI 评分4747 审计脚手架而非检查点：智能体编程递归自我改进的平稳性二分法
针对 AI 编程智能体，论文提出自我改进的检查不应只看模型是否重训或权重冻结，而应审计模型外围的工具、测试与任务拆解脚手架。作者认为脚手架可被改写而模型不动，从而突破固定改动集带来的收益递减；同一标准区分了固定设定下增加搜索、使用中重训模型与改写脚手架。测试中同一模型族的 30 个智能体在 55 个任务里有 23 个（42%）被多数智能体共同失败，增加智能体数量并不抬高上限。
arXiv · cs.AI 人工智能精选AI 评分7070 通过迭代去对齐估计稀有事件概率：面向智能体轨迹风险的重要性采样方法
研究团队提出一种重要性采样方法，通过扰动原模型权重构造可微参数化的语言模型提案，用梯度搜索放大稀有事件，并配合自适应正则平衡放大与估计稳定性。在约 120M 和约 2.6B 模型、三类事件共 300+ 个低至 10^-9 的稀有事件上评测，在概率低于 10^-7 的事件上，其估计器相对朴素蒙特卡洛平均获得超过 800 倍的计算加权效率提升，代码已开源。
推荐理由：针对智能体轨迹中的极低概率风险事件，提出通过扰动模型权重构造重要性采样提案的估计方法，并给出与朴素蒙特卡洛的计算效率对比。
arXiv · cs.AI 人工智能AI 评分5858 论文提出 k-robust coalitional alignment，用未对齐评审智能体保障长程 Agent 安全
论文研究长程 AI 智能体把动作审批委托给多个评审智能体时的控制问题，提出 k-robust coalitional alignment 条件：在任意移除 k 个评审者后，主方的效用可写成剩余评审者效用的非负组合加上一个在可行提案上非负的项，该条件弱于个体对齐，却是阈值规则安全的充要条件。