SCOUT：融合推理与工具使用，实现计算机使用安全验证
SCOUT 以两阶段方式融合评分规则生成与工具取证来验证计算机使用智能体的安全性，在 AutoElicit-Bench 上取得 75.4 unsafe F1 和 74.5 completion F1。
#MCP/工具调用
#MCP/工具调用
今日 3 条arXiv cs.CLAI 评分4242 arXiv cs.CLAI 评分4040 SAKIKO：修正何时变成修复？工具调用 LLM 内部干预的机制审计
SAKIKO 审计框架把工具调用 LLM 的内部激活干预落到目标端核验：在 When2Call 与 MetaTool 上的七个 LLM 中，通道键控干预在五个模型产生方向特定净增益，59 个预算匹配随机方向在三项封存评估中均未达到校准目标增益。
arXiv cs.CLAI 评分3636 Lookahead-R：通过执行中心规划实现预算感知的工具检索
Lookahead-R 在 ToolBench 的 I3 分流上 NDCG@5 达 91.40%，超过 SOTA 的 ToolGen（90.16%）1.24%。该方法把工具检索重构为受资源约束的序列决策问题，用执行感知的代理世界模型在不调用真实 API 的情况下预测执行成功率、延迟开销与语义效用。消融实验显示显式延迟建模是关键信号。
HuggingFace BlogAI 评分4545 ProvenanceGuard：面向 MCP 智能体的来源感知事实性验证
ProvenanceGuard 是面向 MCP 智能体的来源感知事实核查层，在不重训模型的前提下对黑盒智能体答案做后置验证，专门识别事实为真但归错来源的跨源混淆。在 281 条医疗智能体真实轨迹中，专家判定 361 条断言里 139 条不应通过，该方法拦下 138 条，可识别来源时约 86% 选对来源。
arXiv cs.AIAI 评分3434 PTC-Decoder：面向离线资源受限边缘设备的智能 SLM
PTC-Decoder 是免训练、即插即用的解码器框架，将规划提升为原子工具并在首步推理强制调用，再由确定性有限自动机 TC-Decoder 对工具名施加 token 级硬约束。
arXiv cs.CLAI 评分3737 ToolSearcher：通过强化学习优化大规模工具选择
ToolSearcher 是一个面向大规模工具选择的强化学习框架，用类别约束的工具区分、事件级搜索建模与轨迹对齐信用分配，提升 LLM 在上下文限制下的多轮工具搜索与组合能力。它将大规模工具选择视为智能体强化学习的新挑战，指出现有知识问答 RL 方法难以兼顾工具兼容性。在迭代搜索与复杂工具组合等基准设置下，它持续优于多个强基线，并已被 NeurIPS 2026 接收。
arXiv cs.CLAI 评分3636 Cartograph：面向 AI 智能体的联邦式工具发现与运营方认证检索
Cartograph 是联邦式 MCP 代理，把 AI 智能体的工具发现从 O(n) 改为 O(k) 渐进式披露。在 22 个服务器、374 个工具的部署中仅暴露三个代理工具，49 条查询基准 R@5 为 0.816，高于 Jaccard 基线的 0.592。Rift 三层分析识别出 49 个易混淆簇，网关十次试验平均增加 5ms 延迟（0.8%）。
Apple Machine Learning ResearchAI 评分4343 面向智能体 LLM 系统的共享选择性持久记忆架构
共享选择性持久记忆架构面向智能体 LLM 系统，只保留任务规范、数据 schema、工具配置与输出约束四类可复用上下文，工作区可按角色访问权限跨用户共享。在三个企业部署场景中任务完成率达 96%，高于无记忆的 79% 与保留完整历史的 71%。零 token 数据刷新免去重复更新的 LLM 重调用，任务耗时降低 14×；摘要驱动生成使单次调用 token 成本降低 97×。