I-HITL：让人工智能（AI，Artificial Intelligence）智能体无法绕过的强制人工审批协议
论文提出不可剥夺的人类在环（I-HITL，Inalienable Human-in-the-Loop）概念，要求人工智能（AI，Artificial Intelligence）智能体只有在获得人类明确批准后才能发起动作，即使人类所交互的系统已被该智能体攻陷。
#Agent
arXiv · cs.AI模型评分5555 arXiv · cs.AI模型评分5252 SecPRBench 基准：智能体代码审查能否在合并前发现漏洞
论文提出 SecPRBench，用于评估智能体在真实代码变更上的安全审查能力，已从 Firefox、V8、OpenSSL 等九个关键系统收集 265 个任务。八个前沿模型的召回率在 32.5% 到 78.1% 之间，Grok 4.6 与 GPT-6 sol 居前。
arXiv · cs.AI模型评分3838 超级智能软件工程：让治理随能力扩展的 OSTEON 方法
论文提出“超级智能软件工程”，即用能力超过人类工程师的智能体构建和演进软件，并让治理（门禁、契约、决策与知识衰减控制）随能力同步扩展。作者以 452 个高星 GitHub 仓库为样本，发现 48.67% 含智能体上下文文件，且部分路径无法解析。其 OSTEON 以 Claude Code 插件形式发布，为每个项目建立受治理的决策与契约知识库并机械校验每次变更，但作者明确未测量其实际效果。
arXiv · cs.AI模型评分5252 DialFork 发布对话智能体流程幻觉评测基准
研究团队提出 DialFork 基准，用于在原始对话文本上评测对话智能体的流程幻觉，即单句流畅可信但偏离既定对话流程的失败模式。该基准通过在受控轮次位置分叉合规对话并注入四类幻觉构建，覆盖 12 个领域 24 项任务共 36,278 段对话，由 30 名人工标注者验证。
arXiv · cs.AI模型评分5050 GUI-Lens：让现成 VLM 通过由粗到细裁剪实现精准 GUI 定位
GUI-Lens 提出一种由粗到细的 GUI 定位框架，让通用视觉语言模型（VLM，Vision-Language Model）通过主动观察逐步确定点击目标，在 ScreenSpot-Pro 上的准确率最高达到直接定位的 9.3 倍。
arXiv · cs.AI模型评分3939 自我改进智能体的相对可计算性理论：区分能力获取与独立性认证
一篇 31 页论文提出自我改进智能体的相对可计算性理论，用显式的获取与完成契约把“学会求解器”和“认证其已脱离教师”分开。对已知有限维布尔特征语言，带守卫的协议可在保证以最优教师调用次数完成的同时允许修改查询提议者，所得求解器无需教师即可回答所有输入。核心障碍在于完成规格无法从任意全程序中被基线有效过程统一提取，即使只有一个特征维度或两个候选描述。
arXiv · cs.AI模型评分4242 EvoMemBench：从自进化视角评测 大语言模型（LLM，Large Language Model） 智能体记忆能力
研究者提出 EvoMemBench，一个按记忆范围（单回合内与跨回合）和记忆内容（知识型与执行型）两个维度组织的统一基准，用于评测大语言模型（LLM，Large Language Model）智能体的记忆机制。
arXiv · cs.AI模型评分4040 大语言模型（LLM，Large Language Model） 智能体长期记忆安全综述：覆盖记忆全生命周期的攻击、防御与治理
一篇被 EMNLP 2026 接收的综述提出记忆生命周期框架，沿写入、存储、检索、执行、共享传播、遗忘回滚六个阶段和完整性、机密性、可用性、治理四个安全目标，梳理 大语言模型（LLM，Large Language Model） 智能体的长期记忆安全威胁。
arXiv · cs.AI模型评分4949 Mstar：让每个任务拥有自己的记忆框架
Mstar 通过反思式代码进化自动为不同任务发现专属记忆程序，在对话、具身规划和专业推理四类任务上均优于现有基线。该方法把记忆框架写成可执行的 Python 记忆程序，联合优化其 Schema、Logic 和 Instruction 三部分，进化出的程序在各领域呈现结构不同的处理机制。
arXiv · cs.AI模型评分4343 STRIATUM-CTF：基于 模型上下文协议（MCP，Model Context Protocol） 协议的自主 CTF 解题智能体框架
STRIATUM-CTF 是一个通过模型上下文协议（MCP，Model Context Protocol）在 大语言模型（LLM，Large Language Model） 推理与工具执行之间做中介的模块化 CTF 解题智能体框架，协议层会在执行前拒绝不符合 schema 的工具调用。
arXiv · cs.AI模型评分6464 代数世界模型 AWM 提出：把陌生环境交互转成可证明的数学模型
论文提出代数世界模型（AWM，Algebraic World Model），把与陌生环境的交互转化为可形式化推理的显式数学模型。AWM 先探索环境并生成可执行的 Python 假设，再按观测不断测试和修正，随后把假设整理成带类型的对象与共享规则，用范畴论引导的变换简化结构，最终在 Lean 4 中形式化以证明可达性与不可达性。
arXiv · cs.AI模型评分4141 EvoTeam：通过演化团队实现多智能体协作
EvoTeam 提出一种以协作为中心的多智能体系统演化框架，同时演化团队组织、交互规则和单个智能体技能，并维护可复用团队库，按团队上下文积累协作经验。该框架在四个基准上验证了有效性，代码已开源。
arXiv · cs.AI模型评分5454 MoLRSI：可递归自我改进的分子发现 人工智能（AI，Artificial Intelligence） 智能体
作者提出分子发现智能体 MoLRSI，它把工作流与模型架构的系统优化和跨任务持久记忆结合起来，递归改进自身的搜索策略。
arXiv · cs.AI模型评分6060 Concordat：为 大语言模型（LLM，Large Language Model） 智能体加上类型化会话约束
作者提出 Concordat，一个把智能体接口定义为有限状态协议并在运行时强制执行的 Python 库，模型每轮只能看到当前状态允许的工具，越界调用在产生副作用前被拒绝。
arXiv · cs.AI模型评分4141 LegoSR：面向智能体引导科学发现的统一框架
LegoSR 是一个统一代数符号回归与微分方程发现的框架，通过共同的方程表示和评估流程整合了七个求解器，并支持部分已知方程约束下的搜索。其 LegoSR Agent 能根据求解器知识、中间结果和过往任务经验选择求解器并调整搜索，在含噪常微分与偏微分方程基准上恢复的方程数量接近七个专家调优求解器的并集，且比同模型、同工具、同预算的通用智能体高出最多 29 个百分点。
arXiv · cs.AI模型评分4444 AgentOrch 基准：全局编排与逐步交互的准确率差距有多大？
AgentOrch 基准在 650 条企业标准作业程序和 3,220 个运行时变体上，用匹配的工具、环境和评测直接比较全局编排与逐步交互。逐步交互在所有被测模型上仍更准确，但差距从早期模型到最强近期模型已缩小约 79%。
arXiv · cs.AI模型评分3232 Terminal-RSI：通过递归自我重写与策略精炼实现递归自我改进的终端智能体
研究提出 Terminal-RSI，交替对已验证轨迹做递归自我重写（RSR）与继承评论家的递归策略精炼（RPR），从 Qwen3.8-27B 基座经五阶段训练得到 Terminal-RSI-27B。
arXiv · cs.AI模型评分5252 论文探讨智能体 人工智能（AI，Artificial Intelligence） 的验证与自我改进基础及边界
Chien-Ping Lu 发布论文《Verification and Self-Improvement in Agentic 人工智能（AI，Artificial Intelligence）: Foundations and Limits》，提出用显式支持接口和转录接口扩展任务相对验证，以区分搜索增益与可接受任务覆盖的变化。
arXiv · cs.AI模型评分4949 LazyAgent：面向智能体程序的按需物化与物理优化
LazyAgent 提出智能体运行时的按需执行机制，只运行当前请求真正需要的就绪步骤，并在计划变化时保持判断精确。在 154 个生产工作流的 303 个请求上，它相比急切运行方式节省 42.0% 的 CPU，在 LangGraph 应用中节省 24.0% 的费用，且无质量损失。该机制还能充当查询优化器，在候选工作流之间做选择。
arXiv · cs.AI模型评分3232 统一智能体视频编辑：覆盖不同复杂度与创意层级
研究提出一套智能体工具方法，用于自动完成场景预览、视频摘要和电影预告片三类视频编辑任务，三者在编辑目标、复杂度和创意程度上各不相同。团队评估了输出结果，并讨论了自动化与自主性（agency）的含义。
arXiv · cs.AI模型评分4141 PA-SciML：用物理审计约束大语言模型智能体的科学机器学习发现
研究者提出 Physics-Audited Agentic SciML（PA-SciML）框架，把大语言模型智能体与物理审计结合，在候选搜索前固定叠加性、边界条件和因果性等物理契约，并在无参考解情况下对预测场做对抗性检验。
arXiv · cs.AI模型评分1515 arXiv 撤下一篇 Agentic 检索增强生成（RAG，Retrieval-Augmented Generation） 系统性综述（SoK）论文
arXiv 管理员撤下了一篇关于智能体检索增强生成（Agentic 检索增强生成（RAG，Retrieval-Augmented Generation），Retrieval-Augmented Generation）的系统性知识综述（SoK，Systematization of Knowledge）论文，理由是未达到该平台的研究内容质量标准，目前无 PDF 可查看。
arXiv · cs.AI模型评分5757 RoboArchitect：用编码模型自动设计带持久记忆的机器人智能体外壳
RoboArchitect 让编码模型观察机器人执行过程、诊断失败并迭代修改冻结策略外围的控制外壳，在不更新任何模型权重的情况下把未见场景平均成功率从 9.7% 提升到 43.3%（4.5 倍），未见任务从 12.7% 提升到 40.2%（3.2 倍）。
arXiv · cs.AI模型评分5454 SecPO：面向提示词注入安全的原则化对抗训练方法
作者提出 SecPO 损失函数与配套对抗训练流程，用于提升大语言模型抵御提示词注入的能力。在三种自适应攻击下，该方法的攻击成功率比 Meta-SecAlign 降低 1.5-14.5 倍；SecPO 损失相比 直接偏好优化（DPO，Direct Preference Optimization） 损失再降低 2.4-4.6 倍。
arXiv · cs.AI模型评分5555 研究发现人工智能（AI，Artificial Intelligence）评估器偏好特定AI模型撰写的求职申请，与候选人质量无关
一项多模型审计研究将11个大语言模型（LLM，Large Language Model）写作智能体与9个应用程序编程接口（API，Application Programming Interface）托管的评估智能体在10个职位描述、每个职位50名候选人上交叉配对，发现评估器对写作模型存在一致的偏好排序，且本地部署模型无论许可证如何都系统性处于劣势。
arXiv · cs.AI模型评分3434 SimXAI：一个轻量对话层可提升对话式可解释 人工智能（AI，Artificial Intelligence） 的交互质量与理解
SimXAI 用一个支持工具调用的 大语言模型（LLM，Large Language Model） 取代 GUS 式架构中意图识别、对话管理和模板生成等独立模块，作为模块化接口连接现有可解释 人工智能（AI，Artificial Intelligence） 资源。
arXiv · cs.AI模型评分3636 ORION：面向 RL 多域 6G 切片放置的结果驱动 大语言模型（LLM，Large Language Model） 顾问
研究提出 ORION，一个分层编排器，用两个大语言模型（LLM，Large Language Model）智能体把服务意图转成结构化请求并生成抽象放置方案，再由协作式多智能体强化学习协调器选择跨域划分。其核心是结果驱动的情景记忆，把每次尝试的网络状况、方案与可行性结果回传给规划器，在固定下游机制的控制实验中使接纳率提升 4.6–11.5 个百分点。
arXiv · cs.AI模型评分3838 KEEPER：为长程 大语言模型（LLM，Large Language Model） 智能体学习控制充分的文本记忆
KEEPER 对比分析了共享递归接口下四种辅助目标，发现奖励相关预测在离线强化学习前后任务表现均最高，优于联合监督。研究提出“自一致性偏差”，指错误声明在记忆更新中持续存在，并建议除任务结果外还应评估错误持续与有效信息保留。
arXiv · cs.AI模型评分5454 BlindToChange 基准：人工智能（AI，Artificial Intelligence） 智能体被问才找变化，需要时却不主动查
研究者提出 BlindToChange 基准，衡量 人工智能（AI，Artificial Intelligence） 智能体是否会主动发现影响回答的近期现实变化。
arXiv · cs.AI模型评分4141 让安全审计不再泄露隐私：面向 大语言模型（LLM，Large Language Model） 智能体的隐私保护审计范式与 SealCall 框架
研究者提出一种隐私保护的安全审计范式，把审计计算与明文访问、执行权限分离，并落地为 SealCall 框架，结合学习式审计表示、基于 CKKS 的加密相似度计算和与受审工具调用绑定的执行控制。在 1,252 个公开二元候选样本上，SealCall 在分组嵌套评估下平均 F1 达 0.840，所有测量案例均保留明文审计决策，单次加密评分耗时 0.176 秒。
arXiv · cs.AI模型评分3434 ART of PIV：面向主动流动控制的智能体实时粒子图像测速
研究团队提出 ART of PIV，为每对粒子图像自动选择测速流程配置，在同等速度预算下将平均端点误差（AEPE）较最佳单一估计器降低 12.2-22.4%，速度覆盖 1000-4000 图像对/秒。在模拟局部速度调节任务中，闭环成本较调优后的固定估计器下降 13.24-13.59 个百分点。团队还在桌面水槽的流体风车实验中用 DreamerV3 强化学习控制器实现了尾流指定流场跟踪。
arXiv · cs.AI模型评分4242 无需训练的 Agentic Soft-Token Compression：为长程 大语言模型（LLM，Large Language Model） 智能体压缩上下文
研究者提出无需训练的 Agentic Soft-Token Compression（ASTC），利用模型原生的混合 Gated Delta Network（GDN）-attention 循环动态判断已吸收的信息，将其作为智能体软 token 前传，同时以硬 token 保留精确值。
arXiv · cs.AI模型评分5353 ANGLER 提出基于验证器的网页智能体红队基准 REEF
作者提出 REEF，一个带真实状态验证的网页智能体红队测试基准，覆盖旅行、电商、办公、媒体和通信等 9 个可执行网站，每个正常任务都配一个通过 5 类攻击方式注入的恶意目标。
arXiv · cs.AI模型评分5353 论文提出面向智能体检索的知识编译层，导航树使查询 token 平均减少 38%
论文提出在检索增强生成（RAG，Retrieval-Augmented Generation）的智能体检索流程中加入知识编译层，把文档加工成导航层级、实体图谱、时间线等结构化产物。
arXiv · cs.AI模型评分3737 欧盟新规强制披露算法规则：用自利 大语言模型（LLM，Large Language Model） 司机智能体评估网约车调度政策
研究用自利的大语言模型（LLM，Large Language Model）司机智能体，评估欧盟《平台工作指令》要求披露调度规则后两类网约车调度政策的表现。在曼哈顿场景中，规则披露后司机拒绝改派的比例从约五分之四降至四分之一，但反应式政策平台利润下降 3.7%，两类政策利润差距达 6.1%。该研究为强制披露新规下的政策评估提供了框架。
arXiv · cs.AI模型评分4444 让 大语言模型（LLM，Large Language Model） 智能体既接受变更又拒绝攻击：鲁棒记忆管理
研究把大语言模型（LLM，Large Language Model）智能体的记忆鲁棒性定义为同时处理过时记忆与记忆投毒，并用证据条件准确率（ECA，Evidence-Conditioned Accuracy）衡量所选记录是否包含答案所需的全部更新证据且无攻击内容。
arXiv · cs.AI模型评分3939 TSFLab：面向时间序列预测研究的自改进、智能体无关工作台
研究者提出 TSFLab，一个自改进且不绑定特定智能体的工作台，为兼容的编程智能体提供共享资源和工具，用于低成本的时间序列预测（TSF，Time Series Forecasting）研究及研究资源持续维护。
arXiv · cs.AI模型评分5050 Caper：先沙箱试跑再审批的编码智能体命令放行机制
论文提出 Caper，一种面向编码智能体的后果感知审批机制：先在快照沙箱中预执行每条命令，把观察到的效果整理成有界报告交给独立审批方，放行的命令提交、拦截的命令回滚并附上可供智能体处理的原因。
arXiv · cs.AI模型评分4444 MetaVul：面向漏洞检测的智能体执行框架自动发现
MetaVul 是一个面向漏洞检测的自我改进框架，能从种子结构化推理脚手架出发，通过工作流优化循环迭代改进智能体执行框架（harness，即包裹大语言模型的脚手架代码），并返回一组帕累托最优框架。
arXiv · cs.AI模型评分5757 研究刻画 大语言模型（LLM，Large Language Model） 智能体在模块遮蔽环境中的行为
研究提出一套评估框架，对 大语言模型（LLM，Large Language Model） 智能体轨迹中的观察、推理、执行和回复行为进行编码，并与独立的环境记录对齐，以还原执行历史、核验最终报告。