AI Agent

The End of the Foundation Model Era: Open-Weight Models, Sovereign AI, and Inference as Infrastructure

基础模型时代的终结：开放权重模型、主权AI与推理作为基础设施

Jared James Grogan

机构 * Universitas AI 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.AI

AI总结 本文探讨基础模型时代终结，指出经济、技术、商业和政治四个维度的重构，强调开放权重模型作为主权控制的工具。

Comments 44 pages, 75 references, 5 endnotes. Version 1.0, events covered through March 9, 2026

Concentrated siting of AI data centers drives regional power-system stress under rising global compute demand

人工智能数据中心的集中布局在日益增长的全球计算需求下加剧了区域电力系统压力

Danbo Chen, Zijun Zhou, Yongyang Cai, Jiahong Qin, Ani Katchova, Lei Chen

机构 * The Ohio State University（俄亥俄州立大学） ； Meta Platforms Inc.（Meta平台公司） ； Zhejiang A&F University（浙江农林大学） 纠错

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

AI总结 本文研究了人工智能数据中心的集中布局对电力系统的影响，通过结合大语言模型分析和能源系统建模，预测了2025至2030年间AI数据中心的电力足迹，发现北美、西欧和亚太地区占90%以上计算能力，部分区域电网面临高压力。

Comments 32 pages, 8 figures

Smart Commander: A Hierarchical Reinforcement Learning Framework for Fleet-Level PHM Decision Optimization

智能指挥官：面向舰队级PHM决策优化的分层强化学习框架

Yong Si, Mingfei Lu, Jing Li, Yang Hu, Guijiang Li, Yueheng Song, Zhaokui Wang

机构 * School of Aerospace Engineering, Tsinghua University（清华大学航天航空学院） ； College of Information and Control Engineering, Xi'an University of Architecture and Technology（西安建筑科技大学信息与控制工程学院） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； First Aircraft Institute of Aviation Industry Corporation of China（中国航空工业集团公司第一飞机设计研究院） ； Science and Technology on Complex Aviation System Simulation Laboratory（复杂航空系统仿真重点实验室） 纠错

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

AI总结 本文提出Smart Commander框架，通过分层强化学习解决军事航空PHM中高维问题、稀疏反馈和随机任务配置带来的挑战，实现维护和后勤决策优化，展现出更高的效率和鲁棒性。

Comments 21 pages, 6 figures, 4 tables

Mixed-Initiative Context: Structuring and Managing Context for Human-AI Collaboration

混合发起式上下文：为人类-人工智能协作结构和管理上下文

Haichang Li, Qinshi Zhang, Piaohong Wang, Zhicong Lu

机构 * George Mason University（乔治梅森大学） ； University of California, San Diego（加利福尼亚大学圣迭戈分校） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 本文提出混合发起式上下文，通过结构化和可操作的交互对象，动态组织协作流程中的上下文，提升人机协作效率与可控性。

Comments 19 pages, 3 figures, 1 table. Appendix on pages 13-19 (main text is self-contained)

A Lightweight Library for Energy-Based Joint-Embedding Predictive Architectures

一种轻量级的用于基于能量的联合嵌入预测架构库

Basile Terver, Randall Balestriero, Megi Dervishi, David Fan, Quentin Garrido, Tushar Nagarajan, Koustuv Sinha, Wancong Zhang, Mike Rabbat, Yann LeCun, Amir Bar

机构 * Meta FAIR ； INRIA（法国国家信息与自动化研究所） ； New York University（纽约大学） 纠错

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

AI总结 本文提出EB-JEPA库，展示如何将图像级自监督学习的表示学习技术扩展到视频和动作条件世界模型，通过实验验证其在任务中的有效性。

Comments v2: clarify confusion in definition of JEPAs vs. regularization-based JEPAs v3: Camera-ready of ICLR world models workshop, fixed formatting and ViT config / results

Quality assessment of a country-wide bicycle node network with loop census analysis

全国自行车节点网络的质量评估：基于环状普查分析

Michael Szell, Anastassia Vybornova, Ane Rahbek Vierø

专题命中 规划决策 ：planning(abstract)

AI总结 本文通过分析丹麦28215公里自行车节点网络，研究其几何与拓扑特性，提出环状普查方法，评估不同群体的骑行选择能力，揭示网络在促进乡村骑行和旅游业中的潜力。

Comments Main text: 12 pages, 6 figures. SI: 10 pages, 8 figures

Towards Multi-Object Nonprehensile Transportation via Shared Teleoperation: A Framework Based on Virtual Object Model Predictive Control

通过共享遥控实现多物体非抓取运输：基于虚拟物体模型预测控制的框架

Xinyang Fan, Zhaoyang Chen, Shu Xin, Yi Ren, Zainan Jiang, Fenglei Ni, Hong Liu

机构 * State Key Laboratory of Robotics and System, Harbin Institute of Technology（哈尔滨工业大学机器人技术与系统国家重点实验室） ； Advanced Manufacturing Laboratory, Huawei Technologies（华为技术有限公司先进制造实验室） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种基于虚拟物体模型预测控制的共享遥控框架，解决多物体非抓取运输中的轨迹跟踪和托盘姿态控制问题，通过动态约束分析和轨迹平滑算法实现稳定操作。

Real-World LoRaWAN Performance and Propagation Modeling Using UAV, Helikite, and Vehicle-Based Measurements

基于无人机、直升机和车辆的实地测量评估LoRaWAN信号传播性能

Sergio Vargas Villar, Simran Singh, Özgür Özdemir, Mihail L. Sichitiu, İsmail Güvenç

专题命中 规划决策 ：planning(abstract)

AI总结 本文通过实地测量评估了LoRaWAN信号传播性能，分析了高度、移动性和地形对无线信号接收的影响，展示了自适应SF选择在维持通信可靠性中的作用。

Coupling Macro Dynamics and Micro States for Long-Horizon Social Simulation

耦合宏观动态与微观状态以实现长时域社会模拟

Yunyao Zhang, Yihao Ai, Zuocheng Ying, Qirui Mi, Junqing Yu, Wei Yang, Zikai Song

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出MF-MDP框架，通过耦合宏观集体动态与微观个体状态，有效捕捉意见反转并提升长时域模拟的准确性。

Think in Strokes, Not Pixels: Process-Driven Image Generation via Interleaved Reasoning

以笔触而非像素思考：通过交错推理实现过程驱动的图像生成

Lei Zhang, Junjiao Tian, Zhipeng Fan, Kunpeng Li, Jialiang Wang, Weifeng Chen, Markos Georgopoulos, Felix Juefei-Xu, Yuxiang Bao, Julian McAuley, Manling Li, Zecheng He

机构 * Meta Superintelligence Labs（Meta超级智能实验室） ； University of California, San Diego（加州大学圣迭戈分校） ； Worcester Polytechnic Institute（伍斯特理工学院） ； Northwestern University（西北大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出过程驱动的图像生成方法，通过交错推理轨迹分解合成过程，通过文本规划、视觉草图、文本反思和视觉细化四个阶段，使生成过程显式、可解释且可监督。

From Orbit to Ground: Generative City Photogrammetry from Extreme Off-Nadir Satellite Images

从轨道到地面：从极端俯仰角卫星图像生成城市光束摄影测量

Fei Yu, Yu Liu, Luyang Tang, Mingchao Sun, Zengye Ge, Rui Bu, Yuchao Jin, Haisen Zhao, He Sun, Yangyan Li, Mu Xu, Wenzheng Chen, Baoquan Chen

机构 * Peking University（北京大学） ； AMAP（高德地图） ； Ant Group（蚂蚁集团） ； Shandong University（山东大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出两种设计选择，通过2.5D高度图和可微渲染技术，解决从稀疏轨道图像合成地面视图的挑战，实现大规模城市重建。

Comments Accepted by CVPR 2026 Findings. Project page: https://pku-vcl-geometry.github.io/Orbit2Ground/

Mapping Child Malnutrition and Measuring Efficiency of Community Healthcare Workers through Location Based Games in India

通过基于位置的游戏映射儿童营养不良并测量社区医疗工作者的工作效率

Arka Majhi, Aparajita Mondal, Satish B. Agnihotri

专题命中 规划决策 ：planning(abstract)

AI总结 本文通过基于位置的游戏收集儿童营养数据，提升社区医疗工作者的工作效率和数据准确性，验证了游戏化方法在空间数据采集中的有效性。

Comments Accepted at GoodIT 2024

AstraNav-World: World Model for Foresight Control and Consistency

AstraNav-World：面向前瞻性控制与一致性的世界模型

Jintao Chen, Junjun Hu, Haochen Bai, Minghua Luo, Xinda Xue, Botao Ren, Chengyu Bai, Shichao Xie, Ziyi Chen, Fei Liu, Zedong Chu, Xiaolong Wu, Mu Xu, Shanghang Zhang

机构 * Amap Alibaba（高德阿里巴巴） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出AstraNav-World，通过统一的概率框架联合推理未来视觉状态与动作序列，提升开放动态环境中的导航轨迹精度与成功率，实验表明其在真实场景中具备零样本适应能力。

Spatially Varying Deep Functional Neural Network: Application in Large-Scale Crop Yield Prediction

具有空间变化深度函数神经网络：在大规模作物产量预测中的应用

Yeonjoo Park, Bo Li, Yehua Li

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出DSNet模型，通过整合函数和标量预测变量及空间变化系数和空间随机效应，解决天气变量与作物产量之间复杂非线性关系及农业地区空间异质性问题，提升预测准确性。

Journal ref Journal of the Royal Statistical Society Series C: Applied Statistic (2026)

A Dynamic Prognostic Prediction Method for Colorectal Cancer Liver Metastasis

结直肠癌肝转移的动态预后预测方法

Wei Yang, Yiran Zhu, Yan su, Zesheng Li, Chengchang Pan, Honggang Qi

机构 * North China Electric Power University（华北电力大学） ； University of the Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出DyPro框架，通过残差动态演化推断术后潜在轨迹，整合多模态临床信息，提升复发和生存预测精度。

Comments Accepted to IEEE International Conference on Multimedia and Expo (ICME) 2026

Argus: Reorchestrating Static Analysis via a Multi-Agent Ensemble for Full-Chain Security Vulnerability Detection

Argus：通过多智能体集合重新编排静态分析以实现全链路安全漏洞检测

Zi Liang, Qipeng Xie, Jun He, Bohuan Xue, Weizheng Wang, Yuandao Cai, Fei Luo, Boxian Zhang, Haibo Hu, Kaishun Wu

机构 * The Hong Kong Polytechnic University（香港理工大学） ； HKUST（香港科技大学） ； SF Express（顺丰速运） ； Great Bay University（大湾区大学） 纠错

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

AI总结 Argus通过多智能体框架提升静态分析效率，结合RAG和ReAct技术减少漏洞误报，发现更多真实漏洞并降低运营成本。

Logical Robots: Declarative Multi-Agent Programming in Logica

逻辑机器人：逻辑编程中的多智能体编程

Evgeny Skvortsov, Yilin Xia, Ojaswa Garg, Shawn Bowers, Bertram Ludäscher

机构 * Google LLC（谷歌公司） ； University of Illinois（伊利诺伊大学） ； Gonzaga University（贡扎加大学） 纠错

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

AI总结 Logical Robots通过逻辑编程语言Logica实现多智能体仿真平台，将观察映射到动作输出，实现低层反应控制与高层规划的结合。

Comments International Conference on Autonomous Agents and Multiagent Systems (AAMAS), May 25-29, 2026. Paphos, Cyprus

AutoUE: Automated Generation of 3D Games in Unreal Engine via Multi-Agent Systems

AutoUE：通过多智能体系统自动化生成Unreal引擎中的3D游戏

Lei Yin, Wentao Cheng, Zhida Qin, Tianyu Huang, Yidong Li, Gangyi Ding

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

AI总结 本文提出AutoUE系统，通过多智能体协同实现3D游戏的端到端生成，涵盖模型检索、场景生成、代码合成及自动化测试，验证了其有效性。

Comments Accepted as a ACL'26 Findings full paper

TwinLoop: Simulation-in-the-Loop Digital Twins for Online Multi-Agent Reinforcement Learning

TwinLoop：用于在线多智能体强化学习的闭环仿真数字孪生

Nan Zhang, Zishuo Wang, Shuyu Huang, Georgios Diamantopoulos, Nikos Tziritas, Panagiotis Oikonomou, Georgios Theodoropoulos

机构 * Research Institute of Trustworthy Autonomous Systems, Southern University of Science and Technology（南方科技大学可信自主系统研究院） ； Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） ； Department of Informatics and Telecommunications, University of Thessaly（色萨利大学信息与电信系） 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 TwinLoop通过仿真闭环数字孪生框架提升多智能体系统在运行时的适应性，减少对高成本试错的依赖，提高上下文切换后的适应效率。

Comments 6 pages, 6 figures

Energy Saving for Cell-Free Massive MIMO Networks: A Multi-Agent Deep Reinforcement Learning Approach

为无细胞大规模MIMO网络节能：一种多智能体深度强化学习方法

Qichen Wang, Keyu Li, Ozan Alp Topal, Özlem Tugfe Demir, Mustafa Ozger, Cicek Cavdar

机构 * Bilkent University（比尔肯大学） ； Aalborg University（奥尔堡大学） 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 本文提出一种多智能体深度强化学习算法，用于无源大规模MIMO网络下行链路动态交通条件下的节能，通过自主控制天线配置和先进睡眠模式选择，降低能耗并减少掉线率。

Equivariant Multi-agent Reinforcement Learning for Multimodal Vehicle-to-Infrastructure Systems

等价多智能体强化学习用于多模态车-基础设施系统

Charbel Bou Chaaya, Mehdi Bennis

机构 * Centre for Wireless Communications, University of Oulu（奥卢大学无线通信中心） 纠错

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

AI总结 本文研究了车-基础设施系统，通过分布式基站收集多模态数据，采用去中心化速率最大化方法，利用等价性对称性提出自监督学习框架，提升多模态感知和强化学习效率。

CCD-CBT: Multi-Agent Therapeutic Interaction for CBT Guided by Cognitive Conceptualization Diagram

CCD-CBT：基于认知概念图的多智能体治疗交互

Chang Liu, Changsheng Ma, Yongfeng Tao, Bin Hu, Minqiang Yang

机构 * School of Information Science and Engineering, Lanzhou University（兰州大学信息科学与工程学院） 纠错

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

AI总结 本文提出CCD-CBT框架，通过动态重构认知概念图和信息不对称交互提升CBT模拟效果，基于合成数据集验证了其在治疗可信度和积极情绪增强方面的优势。

MedRoute: RL-Based Dynamic Specialist Routing in Multi-Agent Medical Diagnosis

MedRoute: 基于强化学习的多智能体医疗诊断动态专家路由

Ashmal Vayani, Parth Parag Kulkarni, Joseph Fioresi, Song Wang, Mubarak Shah

机构 * Institute of Artificial Intelligence, University of Central Florida, Orlando, United States（中佛罗里达大学人工智能研究所，奥兰多，美国） 纠错

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

AI总结 本文提出MedRoute框架，通过强化学习动态选择专家进行医疗诊断，提升诊断准确性，优于现有基线方法。

Differentiable Environment-Trajectory Co-Optimization for Safe Multi-Agent Navigation

可微环境-轨迹联合优化用于安全多智能体导航

Zhan Gao, Gabriele Fadini, Stelian Coros, Amanda Prorok

机构 * University of Cambridge（剑桥大学） ； Zurich University of Applied Sciences, ZHAW（苏黎世应用科技大学） ； ETH Zurich（苏黎世联邦理工学院） 纠错

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

AI总结 本文提出一种可微环境-轨迹联合优化方法，通过双层优化问题提升多智能体导航的安全性和效率，实验验证了其在物流和交通场景中的有效性。

Compressing Correct-by-Design Synthesis for Stochastic Homogeneous Multi-Agent Systems with Counting LTL

为随机同质多智能体系统压缩正确-by-设计合成

Xinyuan Qiu, Ruohan Wang, Siyuan Liu, Sofie Haesaert

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

AI总结 本文研究了基于计数线性时序逻辑(cLTL)的随机同质多智能体系统，通过确定性有限自动机(DFA)实现满足概率的结构化张量分解，并提出双树值迭代框架以提升计算效率。

KD-MARL: Resource-Aware Knowledge Distillation in Multi-Agent Reinforcement Learning

KD-MARL: 多智能体强化学习中的资源感知知识蒸馏

Monirul Islam Pavel, Siyi Hu, Muhammad Anwar Masum, Mahardhika Pratama, Ryszard Kowalczyk, Zehong Jimmy Cao

机构 * School of Computer Science and Information Technology, Adelaide University, Australia（阿德莱德大学计算机科学与信息技术学院，澳大利亚） ； School of Electrical Engineering, Computing and Mathematical Sciences, Curtin University, Australia（科廷大学电气工程、计算与数学科学学院，澳大利亚） ； Systems Research Institute, Polish Academy of Sciences, Poland（波兰科学院系统研究所，波兰） 纠错

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KD-MARL框架，通过资源感知的知识蒸馏方法，在多智能体强化学习中实现高效协调行为转移，减少计算成本并保持高性能。

Comments Accepted in IJCNN 2026

Emergent decentralized regulation in a purely synthetic society

合成社会中涌现的去中心化调节

Md Motaleb Hossen Manik, Ge Wang

机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） 纠错

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

AI总结 研究合成集体是否能在无人工干预和集中设计下自动生成调节机制，通过分析OpenClaw代理在Moltbook上的互动数据，发现指令强度与纠正信号呈正相关，表明纯合成社会可能具备内生纠正能力。

Telling Speculative Stories to Help Humans Imagine the Harms of Healthcare AI

讲述推测性故事以帮助人类想象医疗AI的害处

Xingmeng Zhao, Tongnian Wang, Dan Schumacher, Veronica Rammouz, Anthony Rios

机构 * The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） 纠错

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

AI总结 本文提出一种以人类为中心的框架，通过生成用户故事和多代理讨论，帮助人们在部署前创造性地思考医疗AI的潜在利弊。实验表明，阅读故事的参与者能更全面地识别各种害处。

Comments 8 pages main + Appendix; Accepted to ACL Findings 2026

Exploiting Aggregate Programming in a Multi-Robot Service Prototype

利用聚合编程在多机器人服务原型中

Giorgio Audrito, Andrea Basso, Daniele Bortoluzzi, Ferruccio Damiani, Giordano Scarso, Gianluca Torta

机构 * MITO Technology, Milan, Italy（MITO Technology，米兰，意大利） 纠错

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

AI总结 本文提出一个多机器人服务系统原型，采用聚合编程实现协调软件设计，通过仿真和大学图书馆测试验证其有效性。

Comments In Proceedings PLACES 2026, arXiv:2604.05737

Journal ref EPTCS 444, 2026, pp. 45-57

Generating Local Shields for Decentralised Partially Observable Markov Decision Processes

为去中心化部分可观测马尔可夫决策过程生成局部护盾

Haoran Yang, Nobuko Yoshida

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

AI总结 本文提出一种护盾过程代数，用于在无通信的Dec-POMDP中指定安全全局行为，通过编译过程自动机和全局Mealy机，生成局部Mealy机以减少碰撞。

Comments In Proceedings PLACES 2026, arXiv:2604.05737

Journal ref EPTCS 444, 2026, pp. 1-10