AI Agent

An End-to-end Architecture for Collider Physics and Beyond

通向对撞机物理与更广泛领域端到端架构的架构

Shi Qiu, Zeyu Cai, Jiashen Wei, Zeyu Li, Yixuan Yin, Qing-Hong Cao, Chang Liu, Ming-xing Luo, Xing-Bo Yuan, Hua Xing Zhu

专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 本文提出首个基于语言的智能体系统，实现端到端对撞机现象学任务，通过解耦、领域无关的架构实现自主高能物理现象学研究，展示了其在粒子物理、宇宙学等领域的应用潜力。

Comments 15 pages, 3 figure, project website: AGI/ColliderAgent" target="_blank" rel="noopener">https://github.com/HET-AGI/ColliderAgent

Taxonomy and Trends in Reinforcement Learning for Robotics and Control Systems: A Structured Review

强化学习在机器人与控制系统中的分类与趋势：一种结构化综述

Kumater Ter, Abolanle Adetifa, Daniel Udekwe

专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG

AI总结 本文综述了强化学习原理、深度强化学习算法及其在机器人和控制系统中的应用，探讨了核心算法策略及现代DRL技术，旨在连接理论进展与实际应用。

PerlAD: Towards Enhanced Closed-loop End-to-end Autonomous Driving with Pseudo-simulation-based Reinforcement Learning

PerlAD：基于伪模拟的强化学习在闭环端到端自动驾驶中的应用

Yinfeng Gao, Qichao Zhang, Deqing Liu, Zhongpu Xia, Guang Li, Kun Ma, Guang Chen, Hangjun Ye, Long Chen, Da-Wei Ding, Dongbin Zhao

机构 * School of Automation and Electrical Engineering, University of Science and Technology Beijing（北京科技大学自动化与电气工程学院） ； Xiaomi EV（小牛电动车） ； State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所多模态人工智能系统国家重点实验室） 纠错

专题命中 规划决策 ：agent(abstract)；planning(abstract)

AI总结 PerlAD通过伪模拟强化学习方法解决闭环端到端自动驾驶中训练与现实需求不匹配的问题，利用向量空间构建伪模拟环境，结合预测世界模型和分层解耦规划器，实现高效训练和规划，实验表明其在Bench2Drive和DOS基准上均表现优异。

Comments Accepted by IEEE RA-L. Submitted: 2025.12.2; Revised: 2026.2.4; Accepeted: 2026.3.7

Ego to World: Collaborative Spatial Reasoning in Embodied Systems via Reinforcement Learning

从自身视角到世界视角：通过强化学习实现具身系统的协作空间推理

Heng Zhou, Li Kang, Yiran Qin, Xiufeng Song, Ao Yu, Zilu Zhang, Haoming Song, Kaixin Xu, Yuchen Fan, Dongzhan Zhou, Xiaohong Liu, Ruimao Zhang, Philip Torr, Lei Bai, Zhenfei Yin

专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)

AI总结 本文提出E2W基准和CoRL框架，通过结合链式推理监督微调与强化学习，解决多智能体系统中分布式视角下的空间推理问题，实现跨视角实体识别与任务执行。

Universe Routing: Why Self-Evolving Agents Need Epistemic Control

宇宙路由：为何自我进化智能体需要认知控制

Zhaohui Geoffrey Wang

专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 本文提出宇宙路由问题，探讨智能体在不同信念空间中选择推理框架的挑战，发现硬路由到异构求解器在准确性和效率上优于软MoE，并展示语义推理优于表面推理，模块化认知架构更适应终身学习。

Comments 10 pages. Accepted at the LLA Workshop at ICLR 2026 (camera-ready version)

Walking through Doors is Hard, even without Staircases: Universality and PSPACE-hardness of Planar Door Gadgets

通过门是困难的，即使没有楼梯：平面门装置的普遍性和PSPACE难性

MIT Gadgets Group, Jeffrey Bosboom, Erik D. Demaine, Jenny Diomidova, Dylan Hendrickson, Hayashi Layers, Jayson Lynch

专题命中 规划决策 ：agent(abstract)；planning(abstract)

AI总结 研究证明在平面系统中通过门装置的可达性问题PSPACE难，且门装置可模拟其他运动规划装置，简化了以往游戏的复杂性证明。

Comments 36 pages, 35 figures. All cases are now proved PSPACE-complete. New universality proofs. Earlier version published at FUN 2020

Colon-X: Advancing Intelligent Colonoscopy toward Clinical Reasoning

Colon-X：推动智能结肠镜向临床推理迈进

Ge-Peng Ji, Jingyi Liu, Deng-Ping Fan, Huazhu Fu, Nick Barnes

机构 * NKIARI & SLAI, Shenzhen Futian and VCIP, Nankai University, Tianjin, China（NKIARI与SLAI，深圳福田及VCIP，南开大学，天津，中国） ； Australian National University (ANU), Canberra, Australia（澳大利亚国立大学（ANU），堪培拉，澳大利亚） ； King Abdullah University of Science and Technology (KAUST), Thuwal, Saudi Arabia（国王阿卜杜勒·阿齐兹大学（KAUST），图瓦尔，沙特阿拉伯） ； Institute of High Performance Computing (IHPC), Agency for Science, Technology and Research (A*STAR), Singapore（高性能计算研究所（IHPC），科学、技术和研究局（A*STAR），新加坡） 纠错

专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)

AI总结 本文提出Colon-X，构建了最全面的结肠镜多模态数据集ColonVQA，并开发了专为结肠镜设计的ColonR1模型，通过任务自适应奖励和梯度稳定策略优化，在数据稀缺条件下实现了56.61%的总体准确率，优于监督微调方法。

Comments Technical report (v2)

Efficient Morphology-Control Co-Design via Stackelberg Proximal Policy Optimization

通过Stackelberg近端策略优化实现高效的形态-控制协同设计

Yanning Dai, Yuhui Wang, Dylan R. Ashley, Jürgen Schmidhuber

机构 * Center of Excellence for Generative AI, King Abdullah University of Science and Technology (KAUST)（生成人工智能卓越中心，卡奥斯特大学） ； Dalle Molle Institute for Artificial Intelligence Research (IDSIA)（人工智能研究达勒莫利研究所） ； Università della Svizzera italiana (USI)（瑞士意大利大学） ； Scuola universitaria professionale della Svizzera italiana (SUPSI)（瑞士意大利专业大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出Stackelberg PPO方法，通过将形态与控制的内在耦合建模为Stackelberg博弈变体，解决形态与控制策略的协同优化问题，提升机器人设计效率。

Comments presented at the Fourteenth International Conference on Learning Representations; 11 pages in main text + 3 pages of references + 23 pages of appendices, 5 figures in main text + 11 figures in appendices, 16 tables in appendices; accompanying website available at https://yanningdai.github.io/stackelberg-ppo-co-design/ ; source code available at https://github.com/YanningDai/StackelbergPPO

ADV-0: Closed-Loop Min-Max Adversarial Training for Long-Tail Robustness in Autonomous Driving

ADV-0：面向自动驾驶的闭环极小-极大对抗训练以提升长尾鲁棒性

Tong Nie, Yihong Tang, Junlin He, Yuewen Mei, Jie Sun, Lijun Sun, Wei Ma, Jian Sun

机构 * The Hong Kong Polytechnic University, Hong Kong SAR, China（香港理工大学） ； Tongji University, Shanghai, China（同济大学） ； McGill University, Montreal, QC, Canada（麦吉尔大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出ADV-0框架，通过闭环极小-极大优化，将驾驶策略与对抗 agent 的交互视为零和马尔可夫博弈，提升自动驾驶对长尾场景的鲁棒性。

TrajFlow: Nation-wide Pseudo GPS Trajectory Generation with Flow Matching Models

TrajFlow：基于流匹配模型的全国范围伪GPS轨迹生成

Peiran Li, Jiawei Wang, Haoran Zhang, Xiaodan Shi, Noboru Koshizuka, Chihiro Shimizu, Renhe Jiang

机构 * Hitotsubashi University（立命馆大学） ； The University of Tokyo（东京大学） ； LocationMind Inc.（LocationMind公司） ； Stockholm University（斯德哥尔摩大学） 纠错

专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出TrajFlow，首个基于流匹配的GPS轨迹生成模型，解决空间尺度、交通模式多样性及效率问题，通过轨迹和谐化与重建策略，在全国范围内优于扩散模型和深度生成基线。

GlobalRAG: Enhancing Global Reasoning in Multi-hop Question Answering via Reinforcement Learning

GlobalRAG: 通过强化学习增强多跳问答中的全局推理

Jinchang Luo, Mingquan Cheng, Fan Wan, Ni Li, Xiaoling Xia, Shuangshuang Tian, Tingcheng Bian, Haiwei Wang, Haohuan Fu, Yan Tao

专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.CL

AI总结 GlobalRAG通过强化学习框架提升多跳问答的全局推理能力，引入规划质量奖励和子目标完成奖励，结合渐进权重退火策略，有效解决多步推理中的全局规划和执行不一致问题。

Comments 8 pages, 3 figures, 4 tables

Efficient Story Point Estimation With Comparative Learning

高效的比较学习故事点估计

Monoshiz Mahbub Khan, Xiaoyin Xi, Andrew Meneely, Yiming Tang, Zhe Yu

专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.SE

AI总结 本文提出基于比较学习的框架，通过比较判断提升故事点预测效率，实验显示其在准确性和注释时间上优于传统回归方法。

A Methodology for Thermal Limit Bias Predictability Through Artificial Intelligence

一种通过人工智能预测热极限偏置的方法

Anirudh Tunga, Michael J. Mueterthies, Jonathan Nistor

专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出基于深度学习的方法，通过预测和校正沸水堆的热极限偏置，提高燃料循环经济性和运营规划。

Journal ref Transactions of the American Nuclear Society 131 (2024) 520-523

Distilling Reasoning Without Knowledge: A Framework for Reliable LLMs

提炼知识而不依赖知识：一种可靠大语言模型的框架

Auksarapak Kietkajornrit, Jad Tarifi, Nima Asgharbeygi

专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出一种模块化框架，通过显式分离规划与事实检索及回答合成，提升大语言模型在需要最新或冲突信息时的可靠性。

GraphSeek: Next-Generation Graph Analytics with LLMs

GraphSeek: 基于LLM的下一代图分析

Maciej Besta, Łukasz Jarmocik, Orest Hrycyna, Shachar Klaiman, Konrad Mączka, Robert Gerstenberger, Jürgen Müller, Piotr Nyczyk, Hubert Niewiadomski, Torsten Hoefler

机构 * ETH Zurich（苏黎世联邦理工学院） ； IDEAS Research Institute（IDEAS研究机构） ； Cledar（Cledar公司） ； NCBJ Warszawa（华沙国家生物中心） ； BASF SE（巴斯夫股份有限公司） 纠错

专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出GraphSeek框架，通过语义目录实现复杂多查询分析，提升图数据处理效率与效果，实现LLM推理与数据库级执行的结合。

Buffer Matters: Unleashing the Power of Off-Policy Reinforcement Learning in Large Language Model Reasoning

缓冲区很重要：在大语言模型推理中释放离策略强化学习的潜力

Xu Wan, Yansheng Wang, Wenqi Huang, Mingyang Sun

专题命中 规划决策 ：planning(abstract)；分类 cs.AI

AI总结 本文提出BAPO框架，通过动态选择训练批次和保证策略改进下限，提升大语言模型训练效率，实验显示在数学、规划和视觉推理任务中平均提升12.5%。

Neural Value Iteration

神经价值迭代

Yang You, Ufuk Çakır, Alex Schutz, Nick Hawes

专题命中 规划决策 ：planning(abstract)；分类 cs.AI

AI总结 本文提出神经价值迭代算法，利用神经网络的泛化能力替代传统价值迭代中的α向量，解决大规模POMDP问题的计算难题。

A Single-Sample Polylogarithmic Regret Bound for Nonstationary Online Linear Programming

非平稳在线线性规划的单样本对数回归界

Haoran Xu, Owen Shen, Peter Glynn, Yinyu Ye, Patrick Jaillet

专题命中 规划决策 ：planning(abstract)；分类 cs.LG

AI总结 本文提出一种新算法，在非平稳在线线性规划中实现O((log n)^2)的回归界，证明在资源充足时，即使环境变化大，也能有效分配资源。

VLA-Thinker: Boosting Vision-Language-Action Models through Thinking-with-Image Reasoning

VLA-Thinker: 通过图像推理增强视觉-语言-动作模型

Chaoyang Wang, Wenrui Bao, Sicheng Gao, Bingxin Xu, Yu Tian, Yogesh S. Rawat, Yunhao Ge, Yuzhang Shang

专题命中 规划决策 ：tool-use(abstract)；分类 cs.AI

AI总结 本文提出VLA-Thinker框架，通过动态可调用的推理动作提升视觉语言动作模型的能力，通过两阶段训练流程提升操控性能，在LIBERO和RoboTwin 2.0基准上取得显著成果。

Comments We introduce VLA-Thinker, the first VLA model capable of thinking-with-image reasoning, which models visual perception as a dynamically invocable reasoning action, enabling Multimodal Embodied Chain-of-Thought

Refining 3D Medical Segmentation with Verbal Instruction

通过言语指令细化3D医学分割

Kangxian Xie, Jiancheng Yang, Nandor Pinter, Chao Wu, Behzad Bozorgtabar, Mingchen Gao

专题命中 规划决策 ：planning(abstract)；分类 cs.LG

AI总结 本文提出CoWTalk基准和迭代细化模型，通过放射科医生的口头指令改进3D解剖分割，提升分割精度与鲁棒性。

Toward Secure Web to ERP Payment Flows: A Case Study of HTTP Header Trust Failures in SAP Based Systems

迈向安全的Web到ERP支付流程：SAP基于系统的HTTP标头信任失败案例研究

Vick Dini

专题命中 规划决策 ：planning(abstract)；分类 cs.SE

AI总结 本文通过案例研究揭示了Web到ERP支付流程中因HTTP元数据验证不足导致的安全漏洞，提出通用漏洞模式及安全设计实践，强调支付状态机形式化、信任边界强化和安全审查的重要性。

Data-Driven Physics Embedded Dynamics with Predictive Control and Reinforcement Learning for Quadrupeds

数据驱动的物理嵌入动力学：结合预测控制与强化学习的四足机器人

Prakrut Kotecha, Aditya Shirwatkar, Shishir Kolathaya

专题命中 规划决策 ：planning(abstract)；分类 cs.LG

AI总结 本文提出一种结合预测控制与强化学习的四足机器人动力学方法，通过引入拉格朗日神经网络提升物理一致性，实现高效计算和更优任务性能。

Comments 9 pages, 6 figures

Formal Abductive Explanations for Navigating Mental Health Help-Seeking and Diversity in Tech Workplaces

形式归纳解释用于导航心理健康求助与科技职场多样性

Belona Sonna, Alain Momo, Alban Grastien

专题命中 规划决策 ：planning(abstract)；分类 cs.AI

AI总结 本文提出形式归纳解释框架，用于系统揭示AI对科技职场心理健康求助预测的合理性。通过计算模型输出的严谨解释，支持选择适合不同心理科目的模型，并确保伦理稳健的救济计划。同时，明确考察性别等敏感属性对模型决策的影响，以支持公平性评估。

Comments Appeared in the Proceedings of the Empowering Women of Colour in AI-Driven Mental Health Research at IJCAI 2025

VAD4Space: Visual Anomaly Detection for Planetary Surface Imagery

VAD4Space：行星表面影像的视觉异常检测

Fabrizio Genilotti, Arianna Stropeni, Francesco Borsatti, Manuel Barusco, Davide Dalle Pezze, Gian Antonio Susto

专题命中 规划决策 ：planning(abstract)；分类 cs.AI

AI总结 本文提出VAD4Space框架，用于自动化发现行星探索中的异常现象，通过实测评估了最先进的基于特征的VAD方法，并建立了两个基准数据集以支持行星科学中的异常检测应用。

STRIDE: Structured Lagrangian and Stochastic Residual Dynamics via Flow Matching

STRIDE: 通过流匹配实现结构化拉格朗日和随机残差动力学

Prakrut Kotecha, Ganga Nair B, Shishir Kolathaya

专题命中 规划决策 ：planning(abstract)；分类 cs.LG

AI总结 本文提出STRIDE框架，结合拉格朗日神经网络与条件流匹配，分离保守刚体动力学与非保守随机交互效应，提升机器人在不确定环境中的预测精度与控制可靠性。

Comments 9 pages, 7 figures

Grounding Generated Videos in Feasible Plans via World Models

通过世界模型将生成视频接地到可行计划中

Christos Ziakas, Amir Bar, Alessandra Russo

专题命中 规划决策 ：planning(abstract)；分类 cs.LG

AI总结 本文提出GVP-WM方法，通过学习动作条件的世界模型，将生成视频计划接地为可行动作序列，解决视频生成计划在时间一致性和物理约束上的问题。

SpA2V: Harnessing Spatial Auditory Cues for Audio-driven Spatially-aware Video Generation

SpA2V: 利用空间听觉线索进行音频驱动的空间感知视频生成

Kien T. Pham, Yingqing He, Yazhou Xing, Qifeng Chen, Long Chen

专题命中 规划决策 ：planning(abstract)；分类 cs.AI

AI总结 SpA2V通过利用空间听觉线索生成与输入音频在语义和空间上一致的视频，改进了现有方法对语义信息的依赖，提出两阶段框架实现视频场景布局生成与生成。

Comments The 33rd ACM Multimedia Conference (MM '25)

Continuous-time Risk-sensitive Reinforcement Learning via Quadratic Variation Penalty

通过二次变分惩罚实现连续时间风险敏感强化学习

Yanwei Jia

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文研究了在熵正则化探索扩散过程中，连续时间风险敏感强化学习的指数形式目标。通过鞅视角，将风险敏感RL问题转化为保证价值函数和q函数过程的鞅性质，并通过二次变分惩罚项来捕捉轨迹上的价值变化。

Comments 54 pages, 2 figures, 1 table

Opportunistic Cardiac Health Assessment: Estimating Phenotypes from Localizer MRI through Multi-Modal Representations

机会性心脏健康评估：通过多模态表示从局部定位MRI估计表型

Busra Nur Zeybek, Özgün Turgut, Yundi Zhang, Jiazhen Pan, Robert Graf, Sophie Starck, Daniel Rueckert, Sevgi Gokce Kafali

机构 * Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM) and TUM University Hospital（人工智能在医疗与健康中的研究所，慕尼黑技术大学（TUM）和TUM大学医院） ； Department of Diagnostic and Interventional Neuroradiology, School of Medicine, TUM University Hospital（诊断与介入神经放射科，医学院，TUM大学医院） ； Department of Computing, Imperial College London（计算学院，伦敦帝国学院） ； Munich Center for Machine Learning (MCML), Germany（慕尼黑机器学习中心（MCML），德国） 纠错

专题命中 规划决策 ：planning(abstract)；分类 cs.AI

AI总结 本文提出C-TRIP框架，通过融合局部定位MRI、ECG和表格数据，利用低成本信息预测心脏表型，提升心脏健康评估的可及性。

Suppressing Domain-Specific Hallucination in Construction LLMs: A Knowledge Graph Foundation for GraphRAG and QLoRA on River and Sediment Control Technical Standards

抑制构造LLM中的领域特定幻觉：图RAG和QLoRA在河流和泥沙控制技术标准上的知识图谱基础

Takato Yasuno

专题命中 规划决策 ：planning(abstract)；分类 cs.LG

AI总结 本文通过知识图谱和QLoRA技术，解决基于日本河流和泥沙控制技术标准的问答问题，发现领域特定微调在质量和效率上优于GraphRAG。

Comments 17 pages, 5 figures, 8 tables