AI Agent

T-SKM-Net: Trainable Neural Network Framework for Linear Constraint Satisfaction via Sampling Kaczmarz-Motzkin Method

T-SKM-Net：基于采样Kaczmarz-Motzkin方法的可训练神经网络框架用于线性约束满足

Haoyu Zhu, Yao Zhang, Jiashen Ren, Qingchun Hou

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

AI总结 本文提出T-SKM-Net框架，通过将混合约束问题转化为纯不等式问题，并结合采样Kaczmarz-Motzkin方法进行迭代求解，实现神经网络在约束满足中的高效处理，同时保证了端到端的可训练性。

Do Language Models Follow Occam's Razor? An Evaluation of Parsimony in Inductive and Abductive Reasoning

语言模型遵循奥卡姆剃刀吗？对归纳和反向推理中简约性的评估

Yunxin Sun, Abulhair Saparov

机构 * Purdue University（普渡大学） 纠错

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

AI总结 本文评估大型语言模型在归纳和反向推理中是否遵循奥卡姆剃刀原则，通过生成综合推理问题测试其在简单和复杂场景中的表现，发现模型在复杂世界模型中难以生成高质量假设。

Scalable Multi-Objective Reinforcement Learning with Fairness Guarantees using Lorenz Dominance

基于洛伦兹支配的可扩展多目标强化学习与公平性保证

Dimitris Michailidis, Willem Röpke, Diederik M. Roijers, Sennay Ghebreab, Fernando P. Santos

机构 * University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 本文提出一种结合公平性保证的多目标强化学习算法，通过洛伦兹支配识别公平奖励分布，提升多目标问题的可扩展性，在西安和阿姆斯特丹两个大型城市中展示出优于传统方法的性能。

Comments 32 pages. Published in Journal of Artificial Intelligence Research, Vol. 85, Article 31

Journal ref Journal of Artificial Intelligence Research, Vol. 85, Article 31. Publication date: March 2026

Pixelis: Reasoning in Pixels, from Seeing to Acting

Pixelis：在像素中推理，从看见到行动

Yunpeng Zhou

机构 * University of Reading（雷丁大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 Pixelis通过在像素空间中直接操作图像和视频，结合执行操作和学习后果，提升视觉智能的通用性和物理基础，实现基于行动的多模态感知。

Comments 28pages, 16figures, 18tables

LLM-Driven Reasoning for Constraint-Aware Feature Selection in Industrial Systems

基于大语言模型的约束感知特征选择方法用于工业系统

Yuhang Zhou, Zhuokai Zhao, Ke Li, Spilios Evmorfos, Gökalp Demirci, Mingyi Wang, Qiao Liu, Qifei Wang, Serena Li, Weiwei Li, Tingting Wang, Mingze Gao, Gedi Zhou, Abhishek Kumar, Xiangjun Fan, Lizhu Zhang, Jiayi Liu

机构 * Meta AI 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.CL

AI总结 本文提出MoFA框架，利用大语言模型进行序列推理特征选择，解决工业系统中标注数据有限和多约束问题，通过结构化提示和可解释推理提升模型精度与效率。

Comments 11 pages, 2 tables

Multi-LLM Query Optimization

多LLM查询优化

Arlen Dean, Zijin Zhang, Stefanus Jasin, Yuqing Liu

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

AI总结 本文研究如何在异构模型间优化查询分配，通过建立鲁棒的离线查询规划问题，结合联合界限分解与Chernoff型集中界，提出闭式表达式并设计近似方案。

RadioDiff-FS: Physics-Informed Manifold Alignment in Few-Shot Diffusion Models for High-Fidelity Radio Map Construction

RadioDiff-FS：用于高保真射频地图构建的物理指导的少量扩散模型 manifold 对齐

Xiucheng Wang, Zixuan Guo, Nan Cheng

机构 * State Key Laboratory of ISN and School of Telecommunications Engineering, Xidian University（信息与通信工程国家重点实验室和西安电子科技大学电信工程学院） ； School of Physics, Xidian University（西安电子科技大学物理学院） ； Department of Electrical and Computer Engineering, University of Waterloo（滑铁卢大学电气与计算机工程系） 纠错

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

AI总结 RadioDiff-FS通过物理指导的少量扩散模型实现高保真射频地图构建，通过理论分解和方向一致性损失提升泛化能力，在低数据情况下显著降低误差。

Semi-Automated Generation and Hemodynamic Assessment of Surgical Baffle Geometry for Biventricular Repair

半自动化生成和手术隔膜几何的血流动力学评估用于双心室修复

Elena Sabdy Martinez, Alexander D. Kaiser, Alexander K. Reed, Sascha W. Stocker, Amit Sharir, Perry S. Choi, Shiraz A. Maskatia, Michael R. Ma, Alison Lesly Marsden

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种半自动计算框架，用于设计和评估患者特定的室间隔内分流隔膜，通过生理对齐的中心线进行区域重塑，结合CFD分析评估血流动力学性能。

StreamingClaw Technical Report

流式Claw技术报告

Jiawei Chen, Zhe Chen, Chaoqun Du, Maokui He, Wei He, Hengtao Li, Qizhen Li, Zide Liu, Hao Ma, Xuhao Pan, Chang Ren, Xudong Rao, Xintian Shen, Chenfeng Wang, Tao Wei, Chengjun Yu, Pengfei Yu, Shengyu Yao, Chunpeng Zhou, Kun Zhan, Lihao Zheng, Pan Zhou, Xuhan Zhu, Yufei Zheng

机构 * Li Auto Inc.（理想汽车） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出StreamingClaw框架，解决流式视频理解与具身智能中的实时推理、多模态记忆和闭环控制问题，提升复杂环境下的自主决策能力。

Comments Under Progress

DecoVLN: Decoupling Observation, Reasoning, and Correction for Vision-and-Language Navigation

DecoVLN：解耦观察、推理与修正以实现视觉-语言导航

Zihao Xin, Wentong Li, Yixuan Jiang, Bin Wang, Runmin Cong, Jie Qin, Shengjun Huang

机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Shandong University（山东大学） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 DecoVLN通过优化长期记忆构建和修正策略，提升长周期导航的鲁棒性与稳定性，实验证明其在真实环境中的有效性。

Comments 16 pages, 8 figures, CVPR2026

MeanFuser: Fast One-Step Multi-Modal Trajectory Generation and Adaptive Reconstruction via MeanFlow for End-to-End Autonomous Driving

MeanFuser: 一种基于MeanFlow的高效多模态轨迹生成与自适应重构方法用于端到端自动驾驶

Junli Wang, Yinan Zheng, Xueyi Liu, Zebin Xing, Pengfei Li, Guang Li, Kun Ma, Guang Chen, Hangjun Ye, Zhongpu Xia, Long Chen, Qichao Zhang

机构 * SKL-MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Xiaomi EV（小米汽车） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学智能产业研究院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出MeanFuser，通过引入Gaussian Mixture Noise、MeanFlow Identity和轻量级ARM模块，实现了高效且鲁棒的多模态轨迹生成与自适应重构，提升了端到端自动驾驶的性能和效率。

Comments Accepted by CVPR 2026

Identification of pressure points in modern power systems using transfer entropy

利用转移熵识别现代电力系统中的压力点

Katerina Tang, M. Vivienne Liu, C. Lindsay Anderson, Vivek Srikrishnan

专题命中 规划决策 ：planning(abstract)

AI总结 研究通过转移熵识别电力系统中预测压力点，揭示天气变化对电网供需影响的关键因素，强调复杂交互对系统可靠性的影响。

Comments Main text: 30 pages, 6 figures. Supplementary material: 15 pages, 18 figures

Chance-Constrained Iterative Linear-Quadratic Stochastic Games

机会约束迭代线性二次随机博弈

Hai Zhong, Yutaka Shimizu, Jianyu Chen

机构 * Institute for Interdisciplinary Sciences, Tsinghua University（清华大学交叉信息研究院） ； Tier IV, Inc.（Tier IV公司） ； Shanghai Qizhi Institute（上海期智研究院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出CCILQGames算法，通过增广拉格朗日方法解决机会约束随机博弈问题，在自动驾驶场景中验证了其生成安全交互策略的能力。

Comments Updated version of the published IEEE RA-L paper. Assumption 1 and strategy space definition revised to make the information structure explicit. Theorem 1 assumptions are more explict. No changes to algorithm or experimental results

Optimization of Closed-Loop Shallow Geothermal Systems Using Analytical Models

利用分析模型优化闭环浅层地热系统

Oliver Heinzel, Smajil Halilovic, Thomas Hamacher, Michael Ulbrich

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出利用有限线源模型和分析热传输模型优化垂直地热换热器布局，考虑温度限制约束，提升地热系统规划设计效率。

Comments 21 pages, 7 figure, conference: Stanford Geothermal Workshop 2026

Increasing trends in the severity of Australian fire weather conditions over the past century

过去一个世纪澳大利亚火灾天气条件严重性呈上升趋势

Soubhik Biswas, Andrew Dowdy, Savin Chand

专题命中 规划决策 ：planning(abstract)

AI总结 研究利用改进的20CRv2c再分析数据，探讨澳大利亚火灾相关天气条件的气候特征及长期趋势，发现火灾危险指数FFDI的均值和极端值普遍上升，湿度和温度变化是主要驱动因素。

Comments 33 pages, 17 figures, 2 tables

Characterization of Constraints in Flexible Unknown Environments

灵活未知环境中的约束特性分析

Samrat Bhattacharyya, Nabil Simaan

机构 * Vanderbilt University（范德堡大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种在线路径规划算法，用于在未知环境中安全自主操控灵活约束物体。通过实时识别和表征感知到的柔性约束和全局刚度，实现机器人对弹性系统的探索、表征和安全操控。

GenMask: Adapting DiT for Segmentation via Direct Mask Generation

GenMask：通过直接掩码生成适应DiT进行分割

Yuhuan Yang, Xianwei Zhuang, Yuxuan Cai, Chaofan Ma, Shuai Bai, Jiangchao Yao, Ya Zhang, Junyang Lin, Yanfeng Wang

机构 * Cooperative Medianet Innovation Center, Shanghai Jiao Tong University（上海交通大学协作中位网创新中心） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Institute of Artificial Intelligence for Medicine, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院人工智能医学研究院） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 规划决策 ：workflow(abstract)

AI总结 本文提出GenMask，通过直接生成二进制掩码实现分割任务，避免传统间接特征提取流程，提升分割性能。

Comments Accepted by cvpr 2026

From Logic Monopoly to Social Contract: Separation of Power and the Institutional Foundations for Autonomous Agent Economies

从逻辑垄断到社会契约：权力分离与自主代理经济制度的基础

Anbang Ruan

机构 * NetX Foundation（NetX 基金会） 纠错

专题命中 多智能体 ：agent(title,abstract)；autonomous agent(title)；agentic(abstract)；multi-agent(abstract)

AI总结 本文提出通过社会契约实现权力分离，解决多智能体框架中的逻辑垄断问题，引入Agent Enterprise paradigm并构建NetX Enterprise Framework，建立自主代理经济体系。

Comments 143 pages, 15 tables, 23 figures, 173 references, 4 appendices. Working paper -- pre-peer-review preprint. LaTeX source with arXiv-style template. Three companion manuscripts under development targeting peer-reviewed venues

CTS-PLL: A Robust and Anytime Framework for Collaborative Task Sequencing and Multi-Agent Path Finding

CTS-PLL：一种用于协作任务序列和多智能体路径寻找的鲁棒且随时可用的框架

Junkai Jiang, Yitao Xu, Ruochen Li, Shaobing Xu, Jianqiang Wang

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)

AI总结 本文提出CTS-PLL框架，通过锁定机制和LNS优化提升多智能体路径规划的鲁棒性和求解质量，在稀疏和密集环境中均表现出色。

Comments 8 pages, 5 figures, under review

Diffusion Forcing for Multi-Agent Interaction Sequence Modeling

扩散力场用于多智能体交互序列建模

Vongani H. Maluleke, Kie Horiuchi, Lea Wilken, Evonne Ng, Jitendra Malik, Angjoo Kanazawa

机构 * Sony Group Corporation（索尼集团公司） ； Meta ； UC Berkeley（加州大学伯克利分校） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；agentic(abstract)

AI总结 本文提出MAGNet框架，通过灵活的条件和采样生成多智能体运动序列，支持多种交互任务，实现长序列生成和智能体间协调。

Comments Project page: https://von31.github.io/MAGNet/ ; Code: https://github.com/Von31/MAGNet-code

Dual-Graph Multi-Agent Reinforcement Learning for Handover Optimization

双图多智能体强化学习用于切换优化

Matteo Salvatori, Filippo Vannella, Sebastian Macaluso, Stylianos E. Trevlakis, Carlos Segura Perales, José Suarez-Varela, Alexandros-Apostolos A. Boulogeorgos, Ioannis Arapakis

机构 * Telefónica Research ； Innocube PC ； Department of Electrical and Computer Engineering, Democritus University of Thrace（电气与计算机工程系，德摩根大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出TD3-D-MA算法，利用双图结构和图神经网络解决网络切换优化问题，通过共享参数GNN和区域双批评器提升决策效率，实验证明其在不同交通和网络拓扑下均能提升网络吞吐量。

When Is Collective Intelligence a Lottery? Multi-Agent Scaling Laws for Memetic Drift in LLMs

集体智慧何时是一场彩票？LLM中膜etic漂移的多智能体缩放定律

Hidenori Tanaka

机构 * CBS–NTT Program in Physics of Intelligence（物理智能中心-NTT项目） ； Center for Brain Science（脑科学中心） ； Harvard University（哈佛大学） ； Physics of Artificial Intelligence Group（人工智能物理研究组） ； NTT Research, Inc.（NTT研究公司） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 研究通过QSG模型揭示LLM多智能体系统中集体共识的形成机制，发现共识可能由膜etic漂移驱动，提出基于群体规模、通信带宽等因素的缩放定律。

Comments 19 pages, 10 figures

Belief-Driven Multi-Agent Collaboration via Approximate Perfect Bayesian Equilibrium for Social Simulation

基于近似完美贝叶斯均衡的信念驱动多智能体协作：用于社会模拟

Weiwei Fang, Lin Li, Kaize Shi, Yu Yang, Jianwei Zhang

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出BEACOF框架，通过动态博弈模型解决多智能体协作中的信念与能力估计循环依赖问题，验证其在对抗、开放和混合场景中的有效性，提升社会模拟的可靠性。

Comments accepted at WWW 2026

COIN: Collaborative Interaction-Aware Multi-Agent Reinforcement Learning for Self-Driving Systems

COIN: 基于协作交互的多智能体强化学习用于自动驾驶系统

Yifeng Zhang, Jieming Chen, Tingguang Zhou, Tanishq Duhan, Jianghong Dong, Yuhong Cao, Guillaume Sartoretti

机构 * Department of Mechanical Engineering, College of Design and Engineering, National University of Singapore（新加坡国立大学设计与工程学院机械工程系） ； Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（香港理工大学电机及电子工程学系） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出COIN框架，通过改进的CIG-TD3算法和双层交互感知集中批评者架构，提升多智能体自动驾驶系统在复杂动态场景中的安全性和效率。

SentinelAI: A Multi-Agent Framework for Structuring and Linking NG9-1-1 Emergency Incident Data

SentinelAI：一种多智能体框架，用于结构化和链接NG9-1-1应急事件数据

Kliment Ho, Ilya Zaslavsky

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title)；分类 cs.AI

AI总结 本文提出SentinelAI框架，通过多智能体系统实现应急事件数据的标准化和跨源推理，解决NG9-1-1数据标准下的数据整合难题。

Comments 10 pages, 5 figures

Sketch2Simulation: Automating Flowsheet Generation via Multi Agent Large Language Models

Sketch2Simulation: 通过多智能体大语言模型自动化流程图生成

Abdullah Bahamdan, Emma Pajak, John D. Hedengren, Antonio del Rio Chanona

机构 * Sargent Centre for Process Systems Engineering（塞格伦过程系统工程中心） ； Imperial College London（帝国理工学院伦敦分校） ； Department of Chemical Engineering（化学工程系） ； Brigham Young University（BYU（ Brigham Young University ）） 纠错

专题命中 多智能体 ：agent(title,abstract)；workflow(abstract)；multi-agent(abstract)；分类 cs.AI、cs.SE

AI总结 本文提出多智能体大语言模型系统，将流程图直接转化为可执行的Aspen HYSYS流程图，解决流程系统工程中流程草图转模拟模型的瓶颈问题。

Comments 27 pages, 14 figures, 8 tables

Cooperative Deep Reinforcement Learning for Fair RIS Allocation

协作深度强化学习用于公平RIS分配

Martin Mark Zan, Stefan Schwarz

机构 * Institute of Telecommunications TU Wien Vienna, Austria 纠错

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG

AI总结 本文提出基于公平性的协作多智能体强化学习方法，通过动态分配RIS资源提升弱小区性能，实现无线网络中效率与公平的平衡。

EQ-Negotiator: Dynamic Emotional Personas Empower Small Language Models for Edge-Deployable Credit Negotiation

EQ-Negotiator：动态情感人格赋能小型语言模型进行边缘部署的信用谈判

Yunbo Long, Yuhan Liu, Alexandra Brintrup

机构 * Rotman School of Management, University of Toronto（多伦多大学罗特曼管理学院） ； Department of Engineering, University of Cambridge（剑桥大学工程系） ； The Alan Turing Institute, London, UK（伦敦阿尔法顿研究所） 纠错

专题命中 多智能体 ：agent(abstract)；AI agent(abstract)；分类 cs.CL

AI总结 本文提出EQ-Negotiator框架，通过整合博弈论与隐马尔可夫模型，使小型语言模型具备动态情感人格，提升边缘设备上的信用谈判效率与道德标准。

Homogeneous Boltzmann-type equations on graphs: A framework for modelling networked social interactions

图上的均匀玻色-爱因斯坦型方程：一种建模网络社会互动的框架

Andrea Tosin

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 本文探讨将图结构纳入均匀玻色-爱因斯坦型方程的研究，以建模社会互动中'部分对部分'的特性。

A Dual-Threshold Probabilistic Knowing Value Logic

双阈值概率认知价值逻辑

Shanxia Wang

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 本文提出双阈值概率认知价值逻辑，用于不确定多智能体场景，结合概率阈值态度与高置信度价值态度，解决概率质量分配与价值敏感约束的联合实现问题。

Comments Preliminary draft. Comments and suggestions are welcome. Submitted to arXiv for preprint dissemination