AI Agent

Nemotron-Cascade 2: Post-Training LLMs with Cascade RL and Multi-Domain On-Policy Distillation

Nemotron-Cascade 2：基于级联强化学习和多领域在线蒸馏的后训练大语言模型

Zhuolin Yang, Zihan Liu, Yang Chen, Wenliang Dai, Boxin Wang, Sheng-Chieh Lin, Chankyu Lee, Yangyi Chen, Dongfu Jiang, Jiafan He, Renjie Pi, Grace Lam, Nayeon Lee, Alexander Bukharin, Mohammad Shoeybi, Bryan Catanzaro, Wei Ping

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

AI总结 Nemotron-Cascade 2是一款30B MoE模型，通过级联强化学习和多领域在线蒸馏提升推理和智能体能力，在2025年国际数学奥林匹克竞赛、国际信息学奥林匹克竞赛和ICPC世界总决赛中达到金奖水平，参数更少性能更强。

Comments We release the model and data at https://huggingface.co/collections/nvidia/nemotron-cascade-2

Measuring Iterative Temporal Reasoning with Time Puzzles

用时间谜题测量迭代时间推理

Zhengxiang Wang, Zeyu Dong

机构 * Department of Linguistics & IACS（语言学系及人工智能与计算科学中心） ； Stony Brook University（石溪大学） 纠错

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

AI总结 本文提出时间谜题，一种基于约束的日期推断任务，用于评估工具辅助的迭代时间推理。研究发现，即使使用工具，模型在处理时间推理任务时仍存在可靠性不足的问题。

Comments 11 pages, 4 tables, 3 figures

Conformal Constrained Policy Optimization for Cost-Effective LLM Agents

符合约束的策略优化用于成本有效的LLM代理

Wenwen Si, Sooyong Jang, Insup Lee, Osbert Bastani

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

AI总结 本文提出Conformal Constrained Policy Optimization方法，通过结合约束策略优化、离策略强化学习和在线符合预测技术，在保证可靠性的同时实现30%的成本降低。

Adaptive Insurance Reserving with CVaR-Constrained Reinforcement Learning under Macroeconomic Regimes

基于宏观经济环境的自适应保险准备金与CVaR约束强化学习

Stella C. Dong

机构 * Reinsurance Analytics（再保险分析） 纠错

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

AI总结 本文提出一种强化学习框架，用于在索赔发展不确定性、宏观经济压力和偿付能力监管下设定保险准备金，通过CVaR约束提升尾部风险控制并减少偿付能力违规。

Silent Commitment Failure in Instruction-Tuned Language Models: Evidence of Governability Divergence Across Architectures

指令调优语言模型中的沉默承诺失败：跨架构可控性分歧的证据

Gregory M. Ruddell

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

AI总结 研究发现指令遵循模型在冲突检测中存在沉默承诺失败，可控性差异显著，且基准准确度无法预测可控性，提示可控性在预训练阶段固定。

Comments 39 pages, 5 figures, 5 tables. Preprint. Submitted to NIST CAISI (Docket NIST-2025-0035, March 2026). Also available on Zenodo: https://doi.org/10.5281/zenodo.18971110

Implicit Maximum Likelihood Estimation for Real-time Generative Model Predictive Control

隐式最大似然估计用于实时生成模型预测控制

Grayson Lee, Minh Bui, Shuzi Zhou, Yankai Li, Mo Chen, Ke Li

机构 * School of Computing Science, Simon Fraser University（计算科学系，西蒙弗雷泽大学） 纠错

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

AI总结 本文提出隐式最大似然估计（IMLE）作为生成模型的替代方法，实现快速推理和强模式覆盖，适用于实时MPC任务。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2026

Transformer-Based Predictive Maintenance for Risk-Aware Instrument Calibration

基于Transformer的预测性维护用于风险感知的仪器校准

Adithya Parthasarathy, Aswathnarayan Muthukrishnan Kirubakaran, Akshay Deshpande, Ram Sekhar Bodala, Suhas Malempati, Nachiappan Chockalingam, Vinoth Punniyamoorthy, Seema Gangaiah Aarella

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

AI总结 本文研究了将校准调度作为预测性维护问题，利用Transformer模型预测时间到漂移，并结合风险感知策略降低校准成本和违规率。

OpenResearcher: A Fully Open Pipeline for Long-Horizon Deep Research Trajectory Synthesis

OpenResearcher: 一个完全开放的长 horizon 深度研究轨迹合成管道

Zhuofeng Li, Dongfu Jiang, Xueguang Ma, Haoxiang Zhang, Ping Nie, Yuyu Zhang, Kai Zou, Jianwen Xie, Yu Zhang, Wenhu Chen

机构 * Texas A&M University（德克萨斯大学） ； University of Waterloo（滑铁卢大学） ； UC San Diego（圣地亚哥大学） ； Verdent AI ； NetMind AI ； Lambda Code Demo Data Model 纠错

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

AI总结 OpenResearcher 提出了一种可重复的管道，通过解耦一次性语料库初始化与多轮轨迹合成，利用浏览器原语在1500万文档语料库上进行离线搜索和浏览循环，合成97000条轨迹并提升浏览任务准确率。

Thinking into the Future: Latent Lookahead Training for Transformers

展望未来：用于Transformer的潜在前瞻训练

Lorenzo Noci, Gregor Bachmann, Seyed-Mohsen Moosavi-Dezfooli, Moin Nabi

机构 * Apple（苹果公司） 纠错

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

AI总结 本文提出潜在前瞻训练方法，使模型在生成前进行多步前瞻，提升规划任务表现。

SafePilot: A Framework for Assuring LLM-enabled Cyber-Physical Systems

SafePilot: 一种确保基于大语言模型的嵌入式物理系统框架

Weizhe Xu, Mengyu Liu, Fanxin Kong

机构 * University of Notre Dame（诺克斯维尔大学） ； Washington State University（华盛顿州立大学） 纠错

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

AI总结 本文提出SafePilot框架，通过层级神经符号方法确保基于大语言模型的嵌入式物理系统安全性，通过任务复杂度评估和分治策略，结合形式化验证提升任务规划可靠性。

Comments 12 pages, 8 figures

BayesFlow 2: Multi-Backend Amortized Bayesian Inference in Python

BayesFlow 2: Python中多后端的近似贝叶斯推断

Lars Kühmichel, Jerry M. Huang, Valentin Pratz, Jonas Arruda, Hans Olischläger, Daniel Habermann, Simon Kucharsky, Lasse Elsemüller, Aayush Mishra, Niels Bracher, Svenja Jedhoff, Marvin Schmitt, Paul-Christian Bürkner, Stefan T. Radev

机构 * TU Dortmund University（图卢兹-多特蒙德大学） ； Rensselaer Polytechnic Institute（伦斯勒理工学院） ； Heidelberg University（海德堡大学） ； University of Bonn（波恩大学） 纠错

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

AI总结 本文介绍BayesFlow 2.0，通过训练神经网络实现快速推断，支持多种深度学习后端和生成网络，提供定制化接口和超参数优化等功能，展示其在动态系统参数估计中的应用潜力。

EvoOpt-LLM: Evolving industrial optimization models with large language models

EvoOpt-LLM：利用大语言模型演化工业优化模型

Yiliu He, Tianle Li, Binghao Ji, Zhiyuan Liu, Di Huang

机构 * School of Transportation, Southeast University（东南大学交通学院） 纠错

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

AI总结 本文提出EvoOpt-LLM框架，通过大语言模型实现工业优化建模的全流程自动化，包括自动建模、动态业务约束注入和端到端变量剪枝，提升求解效率和适应性。

Putting on the Thinking Hats: A Survey on Chain of Thought Fine-tuning from the Perspective of Human Reasoning Mechanism

戴上思考帽子：从人类推理机制视角对链式思考微调的综述

Xiaoshu Chen, Sihang Zhou, Ke Liang, Duanyang Yuan, Haoyuan Chen, Xiaoyu Sun, Lingyuan Meng, Xinwang Liu

机构 * College of Computer Science and Technology, National University of Defense Technology（计算机科学与技术学院，国防科技大学） ； College of Intelligence Science and Technology, National University of Defense Technology（智能科学与技术学院，国防科技大学） 纠错

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

AI总结 本文从人类推理机制角度综述了链式思考微调，分析其通过六顶思考帽子框架分类方法，并探讨未来研究方向及现有数据集与模型表现。

FluidWorld: Reaction-Diffusion Dynamics as a Predictive Substrate for World Models

FluidWorld: 反应-扩散动力学作为世界模型的预测性基质

Fabien Polly

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文提出FluidWorld，通过反应-扩散型偏微分方程实现世界模型预测，对比Transformer和ConvLSTM基线，展示PDE在参数效率和空间结构保留上的优势。

Comments 18 pages, 16 figures, 4 tables. Code available at https://github.com/infinition/FluidWorld/

Architecture for Multi-Unmanned Aerial Vehicles based Autonomous Precision Agriculture Systems

基于多无人飞行器的自主精准农业系统架构

Ebasa Temesgen, Nathnael Minyelshowa, Lebsework Negash

机构 * University of Minnesota（明尼苏达大学） ； Addis Ababa Institute of Technology (AAiT)（亚的斯亚贝巴理工学院） 纠错

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

AI总结 本文提出一种多无人飞行器自主精准农业系统架构，涵盖图像处理、路径规划等任务，提供高效端到端解决方案，通过仿真和实地测试验证其鲁棒性和易用性。

KLDrive: Fine-Grained 3D Scene Reasoning for Autonomous Driving based on Knowledge Graph

KLDrive: 基于知识图谱的细粒度3D场景推理用于自动驾驶

Ye Tian, Jingyi Zhang, Zihao Wang, Xiaoyuan Ren, Xiaofan Yu, Onat Gungor, Tajana Rosing

机构 * University of California San Diego, La Jolla, California, USA（加州大学圣地亚哥分校） ； University of California Merced, Merced, California, USA（加州大学默塞德分校） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 KLDrive通过构建可靠场景知识图谱和LLM代理进行事实驱动推理，提升自动驾驶中的细粒度问答性能，实验表明其在NuScenes-QA和GVQA上均取得最佳准确率和SPICE分数。

From 50% to Mastery in 3 Days: A Low-Resource SOP for Localizing Graduate-Level AI Tutors via Shadow-RAG

从50%到精通：一种低资源SOP，通过影子RAG本地化研究生级AI导师

Zonglin Yang, J. -H. Xie, Lining Zhang, Jiyou Jia, Zhi-X. Chen

机构 * School of Mechanics and Engineering Science, Peking University, Beijing, 100871, China（北京理工大学机械与工程科学学院） ； Readraft Intelligent Technology Co., Ltd., China（读raft智能科技有限公司） ； Graduate School of Education, Peking University, Beijing, 100871, China（北京大学教育学院） ； AI for Science Institute, Beijing, 100080, China（AI for Science研究院） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 本文提出一种低成本SOP，利用影子RAG架构和数据清洗策略，在3人天内本地化研究生级AI导师，使32B模型性能从74%提升至90%。

Comments 9 pages, 3 figures, practitioner report

A Modular LLM Framework for Explainable Price Outlier Detection

一个模块化的LLM框架用于可解释的价格异常检测

Shadi Sartipi, John Wu, Sina Ghotbi, Nikhita Vedula, Shervin Malmasi

机构 * Amazon.com, Inc.（亚马逊公司） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.CL

AI总结 本文提出一个基于LLM的框架，通过产品检测和比较进行价格异常判断，实现75%以上的人工审核一致率，优于零样本和检索基于的LLM方法。

Comments 13 pages, 3 figures

Compute Allocation for Reasoning-Intensive Retrieval Agents

为推理密集型检索代理进行计算分配

Sreeja Apparaju, Nilesh Gupta

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 研究通过BRIGHT基准和Gemini 2.5模型家族，探讨推理密集型检索管道中的计算分配，发现重排阶段受益于更强模型和更深候选池，而查询扩展在轻量模型后效果递减。

CAMEL: An ECG Language Model for Forecasting Cardiac Events

CAMEL：一种用于预测心脏事件的ECG语言模型

Neelay Velingker, Alaia Solko-Breslin, Mayank Keoliya, Seewon Choi, Jiayi Xin, Anika Marathe, Alireza Oraii, Rajat Deo, Sameed Khatana, Rajeev Alur, Mayur Naik, Eric Wong

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 CAMEL是首个能处理长信号的ECG语言模型，通过专门的编码器实现ECG与文本的跨理解，展示了在六个任务和九个数据集上的强大零样本性能，包括新提出的ECGForecastBench基准测试。

Comments 24 pages, 6 figures

BondBERT: What we learn when assigning sentiment in the bond market

BondBERT: 在债券市场中进行情感分析时我们学到了什么

Toby Barter, Zheng Gao, Eva Christodoulaki, Jing Chen, John Cartlidge

机构 * School of Engineering Mathematics and Technology, University of Bristol, Bristol, UK（工程数学与技术学院，布里斯托尔大学，布里斯托尔，英国） ； School of Mathematics, Cardiff University, Cardiff, UK（数学学院，卡迪夫大学，卡迪夫，英国） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出BondBERT，一种针对债券市场新闻微调的Transformer模型，用于提供与预测模型集成的情感信号，通过对比实验显示其在预测准确性上优于现有模型。

Comments 8 pages, 3 figures, author manuscript accepted for ICAART 2026: 18th International Conference on Agents and Artificial Intelligence, Mar. 2026, Marbella, Spain

Journal ref 18th International Conference on Agents and Artificial Intelligence (ICAART), Volume 5, Mar. 2026, pp. 4056-4063

A Probabilistic Approach to Wildfire Spread Prediction Using a Denoising Diffusion Surrogate Model

基于去噪扩散替代模型的 wildfire 传播预测概率方法

Wenbo Yu, Anirbit Ghosh, Tobias Sebastian Finn, Rossella Arcucci, Marc Bocquet, Sibo Cheng

机构 * CEREA, ENPC, EDF R&D, Institut Polytechnique de Paris（CEREA、ENPC、EDF R&D、巴黎理工学院） ； Department of Earth Science & Engineering, Imperial College London（帝国理工学院伦敦地球科学与工程系） ； Department of Computing, Imperial College London（帝国理工学院伦敦计算机科学系） ； Data Science Institute, Imperial College London（帝国理工学院伦敦数据科学研究院） 纠错

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

AI总结 本文提出首个去噪扩散模型用于预测野火传播，通过模拟多种可能场景，考虑野火动态的不确定性，优于传统确定性方法。

Journal ref Geosci. Model Dev., 19, 1027-1054, 2026

TimeXL: Explainable Multi-modal Time Series Prediction with LLM-in-the-Loop

TimeXL：基于LLM的多模态时间序列预测可解释方法

Yushan Jiang, Wenchao Yu, Geon Lee, Dongjin Song, Kijung Shin, Wei Cheng, Yanchi Liu, Haifeng Chen

机构 * School of Computing, University of Connecticut（大学计算机学院） ； Data Science & System Security Department, NEC Labs America（数据科学与系统安全部，NEC美国实验室） ； Kim Jaechul Graduate School of AI, KAIST（金 Jaechul人工智能研究生院，韩国科学技术院） 纠错

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

AI总结 TimeXL通过集成原型时间序列编码器与三个协作LLM，提升时间序列预测的准确性与可解释性，实验证明在四个真实数据集上AUC提升达8.9%。

Comments NeurIPS 2025 camera ready version

Model-Based Exploration in Monitored Markov Decision Processes

基于模型的监控马尔可夫决策过程探索

Alireza Kazemipour, Simone Parisi, Matthew E. Taylor, Michael Bowling

机构 * Department of Computing Science, University of Alberta（阿尔伯塔大学计算机科学系） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所） ； Canada CIFAR AI Chair, Amii（加拿大CIFAR人工智能 chair，Amii） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出了一种基于模型的算法，解决监控马尔可夫决策过程中的局限性，通过区间估计确保奖励可靠并学习最优策略，实验显示收敛速度更快，且在已知监控过程时改进更显著，同时提供了首个有限样本性能界。

DualCoT-VLA: Visual-Linguistic Chain of Thought via Parallel Reasoning for Vision-Language-Action Models

DualCoT-VLA: 通过并行推理实现视觉-语言链式思维的视觉-语言-动作模型

Zhide Zhong, Junfeng Li, Junjie He, Haodong Yan, Xin Gong, Guanyi Zhao, Yingjie Cai, Jiantao Gao, Xu Yan, Bingbing Liu, Yingcong Chen, Liuqing Yang, Haoang Li

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Huawei Foundation Model Department（华为基础模型部门） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 DualCoT-VLA通过并行推理机制，结合视觉和语言链式思维，解决传统VLA模型在复杂多步骤任务和精细空间感知中的不足，实现更高效的视觉-语言-动作处理。

DexDrummer: In-Hand, Contact-Rich, and Long-Horizon Dexterous Robot Drumming

DexDrummer: 手持式、接触密集且长周期的灵巧机器人敲击

Hung-Chieh Fang, Amber Xie, Jennifer Grannen, Kenneth Llontop, Dorsa Sadigh

机构 * Stanford University（斯坦福大学） ； National Taiwan University（国立台湾大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出DexDrummer，通过模拟训练实现多手灵巧敲击，解决手持、接触密集和长周期操控难题，展示在模拟和现实中的优越性能。

Comments Website: https://dexdrummer.github.io/

Feasibility of Augmented Reality-Guided Robotic Ultrasound with Cone-Beam CT Integration for Spine Procedures

增强现实引导的机器人超声与锥束CT整合在脊柱手术中的可行性

Tianyu Song, Felix Pabst, Feng Li, Yordanka Velikova, Miruna-Alexandra Gafencu, Yuan Bi, Ulrich Eck, Nassir Navab

机构 * Chair for Computer Aided Medical Procedures(CAMP), Technical University of Munich(TUM)（计算机辅助医疗程序系（CAMP），慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种基于光学透视增强现实的机器人系统，结合锥束CT与超声成像，提升脊柱手术中针具定位的准确性和效率，降低认知负荷。

Comments 8 pages, 7 figures

Interaction-Aware Predictive Environmental Control Barrier Function for Emergency Lane Change

具有交互意识的预测性环境控制屏障函数用于紧急变道

Ying Shuai Quan, Paolo Falcone, Jonas Sjöberg

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种考虑车辆交互的环境控制屏障函数方法，通过预测未来车辆位置以捕捉周围车辆反应，提升密集交通中变道的安全性与鲁棒性。

Comments 7 pages, 3 figures, submitted to 2026 CDC- L-CSS combined submission

Disengagement Analysis and Field Tests of a Prototypical Open-Source Level 4 Autonomous Driving System

原型开源四级自动驾驶系统的脱轨分析与实地测试

Marvin Seegert, Christian Oefinger, Korbinian Moller, Christoph Bank, Johannes Betz

机构 * Professorship of Autonomous Vehicle Systems, TUM School of Engineering and Design, Technical University of Munich（自动驾驶车辆系统教授职位，慕尼黑技术大学工程与设计学院，技术大学慕尼黑） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所（MIRMI）） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文通过236公里混合交通环境测试，分析了开源四级自动驾驶系统脱轨原因，发现感知与规划故障占比高，脱轨率低，揭示了标准指标难以发现的鲁棒性问题。

Comments 8 pages, submitted to IEEE for possible publication

Multi-View Deformable Convolution Meets Visual Mamba for Coronary Artery Segmentation

多视角可变形卷积与视觉Mamba相结合用于冠状动脉分割

Xiaochan Yuan, Pai Zeng

机构 * Sichuan Agricultural University（四川农业大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出MDSVM-UNet框架，结合多方向蛇卷积与残差视觉Mamba，解决冠状动脉分割中的长距离依赖和类别不平衡问题，提升分割精度与效率。