AI Agent

Time Window-Based Netload Range Cost Curves for Coordinated Transmission and Distribution Planning Under Uncertainty

基于时间窗口的净负荷范围成本曲线用于在不确定性下协调输电和配电规划

Yujia Li, Alexandre Moreira, Miguel Heleno

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出基于时间窗口的净负荷范围成本曲线，用于在不确定条件下协调输电和配电规划，通过分层认证时间接口产品评估配电网络的灵活性，展示时间窗口方法在评估增量投资效益上的优势。

Spatial-temporal risk field-based coupled dynamic-static driving risk assessment and trajectory planning in weaving segments

基于空间-时间风险场的耦合动态-静态驾驶风险评估与交织段轨迹规划

Guodong Ma, Baofeng Sun, Hongchao Liang, Wenyu Yang, Huxing Zhou

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出空间-时间耦合风险评估方法，通过构建三维空间-时间风险场（STRF）量化动态障碍物未来轨迹影响，结合专用几何配置区域约束车辆方向，利用真实世界航拍数据校准参数提升准确性，并设计基于STRF的CAV轨迹规划方法，优化路径和速度以提高安全性和效率。

Combining BART and Principal Stratification to estimate the effect of intermediate variables on primary outcomes with application to estimating the effect of family planning on employment in Nigeria and Senegal

结合BART和主 stratification估计中间变量对主要结果的影响：以尼日利亚和塞内加尔的家庭计划对就业影响的估计为例

Lucas Godoy Garraza, Ilene Speizer, Leontine Alkema

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出结合BART和主 stratification方法，估计家庭计划对就业的影响，通过模拟和实证分析验证了该方法在估计中间变量效应上的有效性与稳健性。

Comments arXiv admin note: text overlap with arXiv:2408.03777

Combining BART and Principal Stratification to estimate the effect of intermediate on primary outcomes with application to estimating the effect of family planning on employment in sub-Saharan Africa

结合BART和主效应分层法估计中间变量对主要结果的影响：以估计家庭计划对撒哈拉以南非洲就业的影响为例

Lucas Godoy Garraza, Ilene Speizer, Leontine Alkema

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文结合BART和主效应分层法估计家庭计划对就业的影响，通过模拟研究和实证数据验证了该方法在非参数假设下的有效性。

Comments We are withdrawing this paper as it has been merged with another manuscript into a single, consolidated work. The combined paper is already available at arXiv.2412.16320. As this submission corresponds to only one component of that work, it is no longer being pursued as a standalone paper

Topological Motion Planning Diffusion: Generative Tangle-Free Path Planning for Tethered Robots in Obstacle-Rich Environments

拓扑运动规划扩散：用于缆绳机器人在障碍密集环境中的生成无纠缠路径规划

Yifu Tian, Xinhang Xu, Thien-Minh Nguyen, Muqing Cao

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出TMPD框架，结合终身拓扑记忆，通过扩散模型生成可行轨迹候选，并利用拓扑后端过滤优化，实现无碰撞和无纠缠的高效路径规划。

TianJi:An autonomous AI meteorologist for discovering physical mechanisms in atmospheric science

TianJi:一种自主AI气象学家，用于发现大气科学中的物理机制

Kaikai Zhang, Xiang Wang, Haoluo Zhao, Nan Chen, Mengyang Yu Jing-Jia Luo, Tao Song, Fan Meng

机构 * School of Artificial Intelligence, Nanjing University of Information Science and Technology（南京信息工程大学人工智能学院） ； State Key Laboratory of Climate System Prediction and Risk Management (CPRM), Nanjing University of Information Science and Technology（南京信息工程大学气候系统预测与风险管理国家重点实验室） ； College of Computer Science and Technology, China University of Petroleum（中国石油大学计算机科学与技术学院） 纠错

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

AI总结 TianJi通过自主驱动复杂数值模型验证物理机制，实现零人工干预的高效大气科学研究，压缩研究周期至数小时。

Continuous-Time Control Synthesis for Multiple Quadrotors under Signal Temporal Logic Specifications

多四旋翼在信号时间逻辑规范下的连续时间控制合成

Yating Yuan, Yu Liu

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

AI总结 本文提出双阶段框架，基于几何控制进行Lyapunov分析并设计多维增益，结合混合整数凸优化生成满足多智能体STL任务的轨迹，提升系统鲁棒性和暂态性能。

Learning Partial Action Replacement in Offline MARL

在离线多智能体强化学习中学习部分动作替换

Yue Jin, Giovanni Montana

机构 * Warwick Manufacturing Group, University of Warwick（华威大学华威制造集团） ； Department of Statistics, University of Warwick（华威大学统计系） 纠错

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

AI总结 本文提出PLCQL框架，通过将部分动作替换子集选择建模为上下文老虎机问题，学习状态依赖的替换策略，提升离线MARL的计算效率和性能。

CirrusBench: Evaluating LLM-based Agents Beyond Correctness in Real-World Cloud Service Environments

CirrusBench：在真实云服务环境中评估基于LLM的代理超越正确性的能力

Yi Yu, Guangquan Hu, Chenghuang Shen, Xingyan Liu, Jing Gu, Hangyi Sun, Junzhuo Ma, Weiting Liu, Jianfeng Liu, Mingyue Pu, Yu Wang, Zhengdong Xiao, Rui Xie, Longjiu Luo, Qianrong Wang, Gurong Cui, Honglin Qiao, Wenlian Lu

机构 * School of Mathematics and Sciences, Fudan University（复旦大学数学科学学院） ； Shanghai Center for Mathematical Sciences, Fudan University（复旦大学上海数学中心） ； Alibaba Group（阿里巴巴集团） ； Institute of Science and Technology for Brain-Inspired Intelligence, Fudan University（复旦大学类脑智能科学与技术研究院） ； Center for Applied Mathematics & Shanghai Key Laboratory of Contemporary Applied Mathematics, Fudan University（复旦大学应用数学中心暨上海市现代应用数学重点实验室） 纠错

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

AI总结 本文提出CirrusBench框架，基于真实云服务工单数据评估LLM代理的鲁棒性和解决效率，引入客户导向指标量化服务质量，揭示现有模型在复杂多轮任务中的不足。

Comments Submitted for SIGKDD 2026

LAMP: Language-Assisted Motion Planning for Controllable Video Generation

LAMP：语言辅助运动规划用于可控视频生成

Muhammed Burak Kizil, Enes Sanli, Niloy J. Mitra, Erkut Erdem, Aykut Erdem, Duygu Ceylan

机构 * Koç University（科奇大学） ； University College London（伦敦大学学院） ； Hacettepe University（哈斯特帕大学） ； Adobe Research（Adobe研究院） 纠错

专题命中 规划决策 ：planning(title)

AI总结 LAMP通过大语言模型生成3D轨迹，实现基于自然语言的视频生成，提升运动可控性和用户意图对齐。

Comments CVPR 2026. Project Page: https://cyberiada.github.io/LAMP/

RAGent: Physics-Aware Agentic Reasoning for Training-Free mmWave Human Activity Recognition

RAGent：面向无训练毫米波人类活动识别的物理感知代理推理

Mingda Han, Huanqi Yang, Zehua Sun, Wenhao Li, Yanni Yang, Guoming Zhang, Yetong Cao, Weitao Xu, Pengfei Hu

专题命中 规划决策 ：agentic(title)

AI总结 RAGent通过物理感知代理推理实现无训练毫米波人类活动识别，利用雷达知识库进行证据驱动推理，无需领域特定训练或适应，实现跨领域鲁棒识别。

Self++: Co-Determined Agency for Human--AI Symbiosis in Extended Reality

Self++: 人机共生在扩展现实中的协同代理

Thammathip Piumsomboon

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

AI总结 Self++通过自决理论和自由能原理，设计了人机共生的扩展现实系统，通过透明、适应性和协商性原则，实现能力增强与判断保留的平衡。

Comments 35 pages, 1 figure, under review by Empathic Computing Journal

Grounding Social Perception in Intuitive Physics

将社会感知 grounded 在直观物理学中

Lance Ying, Aydan Y. Huang, Aviv Netanyahu, Andrei Barbu, Boris Katz, Joshua B. Tenenbaum, Tianmin Shu

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Harvard University（哈佛大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Amazon（亚马逊） 纠错

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

AI总结 本文提出通过结合直观心理学与直观物理学的推理过程来解释社会感知，通过PHASE数据集和SIMPLE模型验证了物理基础的社会推理能力。

Comments 26 pages, 11 figures

On the Hardness of Reinforcement Learning with Transition Look-Ahead

强化学习中过渡前瞻的难度

Corentin Pla, Hugo Richard, Marc Abeille, Nadav Merlis, Vianney Perchet

机构 * CREST, ENSAE（CREST，ENSAE） ； Criteo AI Lab（Criteo AI实验室） ； FairPlay Joint Team（FairPlay联合团队） ； Technion（以色列理工学院） 纠错

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

AI总结 研究了强化学习中利用过渡前瞻的信息对性能的影响，证明了一步前瞻可在线性规划中解决，而两步及以上前瞻则为NP难问题。

Why Cognitive Robotics Matters: Lessons from OntoAgent and LLM Deployment in HARMONIC for Safety-Critical Robot Teaming

为何认知机器人很重要：来自OntoAgent和HARMONIC中LLM部署的启示

Sanjay Oruganti, Sergei Nirenburg, Marjorie McShane, Jesse English, Michael Roberts, Christian Arndt, Ramviyas Parasuraman, Luis Sentis

机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） ； University of Georgia（佐治亚大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 研究探讨了在物理世界部署具身体AI代理所需的认知能力，通过HARMONIC架构评估LLM是否能复制OntoAgent的认知能力，发现LLM在知识状态评估上存在缺陷。

Towards a Medical AI Scientist

迈向医疗AI科学家

Hongtao Wu, Boyun Zheng, Dingjie Song, Yu Jiang, Jianfeng Gao, Lei Xing, Lichao Sun, Yixuan Yuan

机构 * The Chinese University of Hong Kong（香港中文大学） ； Lehigh University（里海大学） ； Stanford University（斯坦福大学） ； Microsoft Research（微软研究院） 纠错

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

AI总结 本文提出医疗AI科学家框架，通过临床工程师协同推理机制生成可落地的医学研究想法，并基于结构化医学规范和伦理政策撰写论文，验证其在171案例、19临床任务和6种数据模态中的高质量表现。

From Simulation to Deep Learning: Survey on Network Performance Modeling Approaches

从仿真到深度学习：网络性能建模方法综述

Carlos Güemes-Palau, Miquel Ferriol-Galmés, Jordi Paillisse-Vilanova, Pere Barlet-Ros, Albert Cabellos-Aparicio

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

AI总结 本文综述了过去几十年 wired 网络性能建模方法，探讨传统方法与新兴机器学习结合的混合方法，分析其分类、评估及演变趋势。

Comments Preprint, final accepted version published on Computer Networks (DOI: 10.1016/j.comnet.2026.112253). 87 pages, 3 figures

Marco DeepResearch: Unlocking Efficient Deep Research Agents via Verification-Centric Design

Marco DeepResearch：通过以验证为中心的设计解锁高效的深度研究代理

Bin Zhu, Qianghuai Jia, Tian Lan, Junyang Ren, Feng Gu, Feihu Jiang, Longyue Wang, Zhao Xu, Weihua Luo

机构 * Alibaba International Digital Commerce（阿里巴巴国际数字商业集团） 纠错

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

AI总结 本文提出Marco DeepResearch，通过在问题生成、轨迹构建和测试阶段引入验证机制，提升深度研究代理在长周期任务中的性能，实验表明其在BrowseComp等基准测试中表现优异。

Declarative Scenario-based Testing with RoadLogic

基于RoadLogic的声明式场景测试

Ezio Bartocci, Alessio Gambi, Felix Gigler, Cristinel Mateis, Dejan Ničković

机构 * AIT Austrian Institute of Technology（AIT奥地利技术研究所） 纠错

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

AI总结 本文提出RoadLogic，通过答案集编程生成抽象计划，结合运动规划生成可行轨迹，并基于规范进行验证，实现声明式OS2规范与可执行模拟的桥梁，提升自动驾驶系统场景测试的系统性。

Comments Accepted at the 29th ACM International Conference on Hybrid Systems: Computation and Control (HSCC 2026). The final version will appear in the ACM Digital Library

Object-Centric World Models for Causality-Aware Reinforcement Learning

基于因果意识的强化学习对象中心世界模型

Yosuke Nishimoto, Takashi Matsubara

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

AI总结 本文提出STICA框架，通过对象中心Transformer构建世界模型，并结合因果意识策略和价值网络，提升样本效率和最终性能。

Comments Accepted by AAAI-26. Codes are available at https://github.com/nishimoto0430/STICA

KAT-Coder-V2 Technical Report

KAT-Coder-V2 技术报告

Fengxiang Li, Han Zhang, Haoyang Huang, Jinghui Wang, Jinhua Hao, Kun Yuan, Mengtong Li, Minglei Zhang, Pengcheng Xu, Wenhao Zhuang, Yizhen Shao, Zongxian Feng, Can Tang, Chao Wang, Chengxiao Tong, Fan Yang, Gang Xiong, Haixuan Gao, Han Gao, Hao Wang, Haochen Liu, Hongliang Sun, Jiabao Li, Jingwen Chang, Jun Du, Junyi Peng, Leizhen Cui, Meimei Jing, Mingqi Wu, Shangpeng Yan, Shaotong Qi, Suzhe Xu, Wenxuan Zhao, Xianda Sun, Xuan Xie, Yanbo Wang, Yao Xia, Yinghan Cui, Yingpeng Chen, Yong Wang, Yuze Shi, Zhiwei Shen, Ziyu Wang, Ming Sun, Lin Ye, Bin Chen

机构 * KwaiKAT Team（快手KwaiKAT团队） 纠错

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

AI总结 KAT-Coder-V2 采用'专精-统一'范式，通过五个专家领域独立训练后整合为单模型，提出MCLA和Tree Training提升RL训练稳定性与效率，实现多个基准测试的优异成绩。

Comments 22 pages, 7 figures

Umwelt Engineering: Designing the Cognitive Worlds of Linguistic Agents

环境工程：设计语言代理的认知世界

Rodney Jehu-Appiah

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

AI总结 本文提出Umwelt工程作为代理设计栈的第三层，通过两个实验探讨改变推理媒介对认知的影响，发现约束语言模型在伦理推理和分类任务中表现更优，且通过认知重构和多样化机制提升性能。

Comments 24 pages, 2 figures, 7 tables

Continual Robot Skill and Task Learning via Dialogue

通过对话实现机器人持续技能和任务学习

Weiwei Gu, Suresh Kondepudi, Anmol Gupta, Lixiao Huang, Nakul Gopalan

机构 * Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 本文提出通过对话交互实现机器人持续学习任务和视觉-运动技能，开发了ACT-LoRA政策在模拟中优于基线，且在真实场景中成功教授烹饪技能。

COvolve: Adversarial Co-Evolution of Large-Language-Model-Generated Policies and Environments via Two-Player Zero-Sum Game

COvolve：通过双人零和游戏实现大语言模型生成的策略与环境对抗共演

Alkis Sygkounas, Rishi Hazra, Andreas Persson, Pedro Zuidberg Dos Martires, Amy Loutfi

机构 * Machine Perception and Interaction Lab, Örebro University（厄勒布鲁大学机器感知与交互实验室） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 COvolve通过双人零和游戏实现环境与策略的对抗共演，利用大语言模型生成可执行代码，使环境和策略共同进化，提升持续学习和泛化能力。

Comments Accepted at GECCO 2026

Optimized Weighted Voting System for Brain Tumor Classification Using MRI Images

优化的加权投票系统用于MRI图像中的脑肿瘤分类

Ha Anh Vu

机构 * Artificial Intelligence Department FPT University Ho Chi Minh City, Vietnam 0009-0002-4921-9823 纠错

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

AI总结 本文提出一种结合深度学习和传统机器学习的加权集成学习方法，通过改进的加权投票机制和图像处理技术，提升脑肿瘤分类的准确性。

Reasoning as Energy Minimization over Structured Latent Trajectories

基于结构化潜在轨迹的能量推理

David K. Johansson

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

AI总结 本文提出EBRM方法，通过能量函数优化多步潜在轨迹，解决单次神经解码和链式思维方法的不足，通过双路径解码训练和潜在锚定缓解分布不匹配问题。

Comments 7 pages

Vega: Learning to Drive with Natural Language Instructions

Vega：通过自然语言指令学习驾驶

Sicheng Zuo, Yuxuan Li, Wenzhao Zheng, Zheng Zhu, Jie Zhou, Jiwen Lu

机构 * Tsinghua University（清华大学） ； GigaAI 纠错

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

AI总结 本文提出Vega模型，通过自然语言指令生成和规划，提升自动驾驶的灵活性和个性化水平，基于大规模驾驶数据集InstructScene进行实验验证。

Comments Code is available at https://github.com/zuosc19/Vega

Q-Learning with Shift-Aware Upper Confidence Bound in Non-Stationary Reinforcement Learning

具有迁移感知的Q学习上置信界在非平稳强化学习中的应用

Ha Manh Bui, Felix Parker, Kimia Ghobadi, Anqi Liu

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出Density-QUCB算法，通过转移密度函数检测分布变化，提升Q学习上置信界在非平稳强化学习中的探索与利用平衡，理论和实验均证明其优于QUCB。

Comments International Conference on Artificial Intelligence and Statistics, 2026

Inspire or Predict? Exploring New Paradigms in Assisting Classical Planners with Large Language Models

激励还是预测？探索利用大语言模型辅助经典规划器的新范式

Wenkai Yu, Jianhang Tang, Yang Zhang, Yixiong Feng, Celimuge Wu, Kebing Jin, Hankz Hankui Zhuo

机构 * State Key Laboratory of Public Big Data, Guizhou University（贵州大学公共大数据国家重点实验室） ； College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（南京航空航天大学计算机科学与技术学院） ； School of Mechanical Engineering, Guizhou University（贵州大学机械工程学院） ； Meta-Networking Research Center, The University of Electro-Communications（电气通信大学元网络研究中心） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） 纠错

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

AI总结 本文提出一种集成问题分解的新型LLM辅助规划器，通过LLM4Inspire和LLM4Predict两种范式，结合通用知识和领域知识，有效解决大规模规划问题。

PubMed Reasoner: Dynamic Reasoning-based Retrieval for Evidence-Grounded Biomedical Question Answering

PubMed Reasoner: 基于动态推理的证据导向生物医学问答检索

Yiqing Zhang, Xiaozhong Liu, Fabricio Murai

机构 * PayPal ； Worcester Polytechnic Institute（伍斯特理工学院） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.CL

AI总结 PubMed Reasoner通过动态推理机制提升生物医学问答的准确性与证据可靠性，采用三阶段框架优化检索过程并生成有据可查的回答。

Comments 20 pages; under review