AI Agent

PoC-Adapt: Semantic-Aware Automated Vulnerability Reproduction with LLM Multi-Agents and Reinforcement Learning-Driven Adaptive Policy

PoC-Adapt: 基于语义的自动漏洞重现与LLM多智能体及强化学习驱动的自适应策略

Phan The Duy, Khoa Ngo-Khanh, Nguyen Huu Quyen, Van-Hau Pham

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

AI总结 本文提出PoC-Adapt框架，通过语义运行时验证和自适应策略学习，提升漏洞重现的可靠性并降低生成成本，实验表明其在CWE-Bench-Java和PrimeVul基准上验证可靠性和效率提升显著。

Comments 16 pages, abstracted and meta updated

$\texttt{SEM-CTRL}$: Semantically Controlled Decoding

SEM-CTRL：语义控制解码

Mohammad Albinhassan, Pranava Madhyastha, Alessandra Russo

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

AI总结 本文提出SEM-CTRL，通过集成基于答案集语法的约束，使LLM在不微调的情况下保证输出的语法和语义正确性，实验显示其在多种任务中优于现有模型。

Comments Published in Transactions on Machine Learning Research (TMLR), 03/2026

Journal ref Transactions on Machine Learning Research, 2026

LungCURE: Benchmarking Multimodal Real-World Clinical Reasoning for Precision Lung Cancer Diagnosis and Treatment

LungCURE：多模态真实世界临床推理基准测试用于精准肺癌诊断与治疗

Fangyu Hao, Jiayu Yang, Yifan Zhu, Zijun Yu, Qicen Wu, Wang Yunlong, Jiawei Li, Yulin Liu, Xu Zeng, Guanting Chen, Shihao Li, Zhonghong Ou, Meina Song, Mengyang Sun, Haoran Luo, Yu Shi, Yingyi Wang

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

AI总结 本文提出LungCURE基准测试，通过1000个真实世界病例评估多模态模型在肺癌TNM分期、治疗推荐和临床决策支持中的性能，并引入LCAgent框架提升模型在复杂医疗场景中的推理能力。

Comments 20 pages, 22 figures

Don't Overthink It: Inter-Rollout Action Agreement as a Free Adaptive-Compute Signal for LLM Agents

不要过度思考：跨回合动作一致性作为LLM代理的自由自适应计算信号

Khushal Sethi

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 TrACE通过测量跨回合动作一致性，实现LLM代理的自适应计算分配，无需训练或外部验证，在多步序列决策任务中提升效率和准确性。

MIMIC-Py: An Extensible Tool for Personality-Driven Automated Game Testing with Large Language Models

MIMIC-Py：一种基于人格驱动的大型语言模型自动游戏测试工具

Yifei Chen, Sarra Habchi, Lili Wei

机构 * Electrical and Computer Engineering, McGill University（麦吉尔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.AI、cs.SE

AI总结 MIMIC-Py通过模块化架构实现人格驱动LLM代理的可重用性和扩展性，支持多种交互机制，降低新游戏环境部署难度。

Comments 10 pages, Accepted by FSE Companion '26, July 5--9, 2026, Montreal, QC, Canada

GIRL: Generative Imagination Reinforcement Learning via Information-Theoretic Hallucination Control

GIRL：通过信息论幻觉控制实现生成性想象强化学习

Prakul Sunil Hiremath

机构 * Department of Computer Science and Engineering, Visvesvaraya Technological University (VTU), Belagavi, India（维斯瓦拉亚科技大学计算机科学与工程系，贝拉加维，印度） ； Aliens on Earth (AoE) Autonomous Research Group, Belagavi, India（地球外星人自主研究组，贝拉加维，印度） 纠错

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

AI总结 GIRL通过引入跨模态锚定信号和不确定性适应信任区域瓶颈，解决模型误差累积导致的轨迹漂移问题，提升长周期任务的样本效率和回报性能。

Comments 20 pages, 2 figures, 7 tables; reinforcement learning, world models

SubSearch: Intermediate Rewards for Unsupervised Guided Reasoning in Complex Retrieval

SubSearch：复杂检索中无监督引导推理的中间奖励

Roxana Petcu, Evangelos Kanoulas, Maarten de Rijke

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.AI、cs.CL

AI总结 SubSearch通过引入内部奖励信号，提升复杂检索中推理的鲁棒性，无需外部监督，实现更高效的多步推理。

RQR3D: Reparametrizing the regression targets for BEV-based 3D object detection

RQR3D：基于鸟瞰图的3D目标检测的回归目标重新参数化

Ozsel Kilinc, Cem Tarhan

机构 * Amazon Lab 126（亚马逊126实验室） ； Togg/Trutek AI Team（Togg/Trutek人工智能团队） 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RQR3D方法，通过重新参数化回归目标将旋转目标检测转化为关键点回归任务，实现高效且准确的3D目标检测，适用于自动驾驶场景。

Comments To appear in proceedings of CVPR Findings 2026

"Don't Do That!": Guiding Embodied Systems through Large Language Model-based Constraint Generation

别这样做！

Amin Seffo, Aladin Djuhera, Masataro Asai, Holger Boche

机构 * Technical University Munich（慕尼黑工业大学） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） 纠错

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

AI总结 本文提出STPR框架，利用LLM将自然语言中的约束转化为可执行Python代码，解决复杂约束的翻译问题，并在仿真环境中验证其高效性和兼容性。

Comments ICLR 2026 Workshop -- Agentic AI in the Wild: From Hallucinations to Reliable Autonomy

HiRO-Nav: Hybrid ReasOning Enables Efficient Embodied Navigation

HiRO-Nav：混合推理实现高效具身导航

He Zhao, Yijun Yang, Zichuan Lin, Deheng Ye, Chunyan Miao

机构 * Nanyang Technological University（南洋理工大学） ； Tencent（腾讯） ； Independent Researcher（独立研究员） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 HiRO-Nav通过混合推理策略，在导航任务中根据动作熵动态决定是否进行推理，提升决策质量并降低计算开销。

PriPG-RL: Privileged Planner-Guided Reinforcement Learning for Partially Observable Systems with Anytime-Feasible MPC

PriPG-RL：特权规划器引导的强化学习用于部分可观测系统的任何时间可行MPC

Mohsen Amiri, Mohsen Amiri, Ali Beikmohammadi, Sindri Magnuśson, Mehdi Hosseinzadeh

机构 * Stockholm University（斯德哥尔摩大学） ； Washington State University（华盛顿州立大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出PriPG-RL方法，通过在训练期间独有的特权规划器代理，解决部分可观测系统的强化学习策略训练问题。方法结合了任何时间可行的MPC算法和P2P-SAC算法，提升样本效率和最终策略性能。

Comments 8 pages, 3 figures

IoT-Brain: Grounding LLMs for Semantic-Spatial Sensor Scheduling

IoT-Brain：为语义-空间传感器调度 grounding LLMs

Zhaomeng Zhou, Lan Zhang, Junyang Wang, Mu Yuan, Junda Lin, Jinke Song

机构 * University of Science and Technology of China（中国科学技术大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 本文提出IoT-Brain系统，通过引入空间轨迹图（STG）解决LLM在语义-空间传感器调度中的表示、推理和优化缺陷，提升任务成功率37.6%并显著降低资源消耗。

Comments To appear in ACM MobiCom 2026; 13 pages, 12 figures

Safe Large-Scale Robust Nonlinear MPC in Milliseconds via Reachability-Constrained System Level Synthesis on the GPU

通过GPU加速的系统级综合实现毫秒级安全大规模鲁棒非线性MPC

Jeffrey Fang, Glen Chou

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

AI总结 本文提出GPU-SLS框架，通过GPU并行计算实现高维不确定机器人系统和长规划周期的安全鲁棒非线性MPC，显著提升计算效率和安全性。

Comments Under review

An Analysis of Artificial Intelligence Adoption in NIH-Funded Research

NIH资助研究中人工智能采纳的分析

Navapat Nananukul, Mayank Kejriwal

机构 * Information Sciences Institute, University of Southern California（南加州大学信息科学研究所） 纠错

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

AI总结 本文分析了NIH资助研究中AI的采纳情况，提出了一种人机协同的方法来大规模分类和总结研究描述，发现AI在NIH portfolio中占比15.9%，存在研究到应用的差距，且健康不平等研究严重不足。

Capturing Unseen Spatial Heat Extremes Through Dependence-Aware Generative Modeling

通过依赖意识生成建模捕捉未见的空间热极值

Xinyue Liu, Xiao Peng, Shuyue Yan, Yuntian Chen, Dongxiao Zhang, Zhixiao Niu, Hui-Min Wang, Xiaogang He

机构 * National University of Singapore（新加坡国立大学） ； Southern University of Science and Technology（南方科技大学） ； Eastern Institute of Technology（东方理工高等研究院） ； Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出DeepX-GAN模型，通过显式捕捉稀有极值的空间结构，模拟超出观测记录的统计合理极值，揭示未见热极值对高脆弱性国家的威胁，需空间适应性风险规划。

We Need Strong Preconditions For Using Simulations In Policy

我们需要为使用模拟进行政策制定设定严格前提

Steven Luo, Saanvi Arora, Carlos Guirado

专题命中 规划决策 ：agent(abstract,comments)

AI总结 本文探讨了大规模LLM代理模拟的三大前提：不将边缘群体模拟视为中性技术输出、不无参与地模拟群体、不无问责地进行模拟，旨在促进负责任的开发和使用。

Comments Accepted to PoliSim Workshop on LLM Agent Simulation for Policy at 2026 ACM CHI

Bridging the Gap between Micro-scale Traffic Simulation and 4D Digital Cityscapes

弥合微观交通模拟与4D数字城市景观之间的差距

Longxiang Jiao, Lukas Hofmann, Yiru Yang, Zhanyi Wu, Jonas Egeler

机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Zurich（苏黎世大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一个实时4D可视化框架，将SUMO交通模拟与高保真VR数字城市景观结合，通过用户研究验证了模拟交通动态与人类感知的高一致性，且空间化音频增强了用户的安全感。

Bayesian Inference for Estimating Generation Costs in Electricity Markets

贝叶斯推断在电力市场中估计发电成本

Matthias Pirlet, Adrien Bolland, Alexandre Huynen, Quentin Louveaux, Gilles Louppe, Damien Ernst

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出利用贝叶斯推断估计电力市场中的发电成本，通过隐变量模型建立发电成本与生产计划的关系，并采用平衡神经后验估计法学习后验分布，验证结果显示边际成本能被准确恢复，而启动成本难以从生产计划中识别。

Orion-Lite: Distilling LLM Reasoning into Efficient Vision-Only Driving Models

Orion-Lite：将LLM推理能力蒸馏到高效视觉-only驾驶模型

Jing Gu, Niccolò Cavagnero, Gijs Dubbelman

机构 * Eindhoven University of Technology（埃因霍温理工大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出Orion-Lite，通过潜特征蒸馏和真实轨迹监督，在闭环评估中实现高效视觉-only驾驶模型，超越大规模VLA模型ORION，达到Bench2Drive基准的80.6 Driving Score。

AgiPIX: Bridging Simulation and Reality in Indoor Aerial Inspection

AgiPIX：弥合室内空中检查的模拟与现实

Sasanka Kuruppu Arachchige, Juan Jose Garcia, Changda Tian, Lauri Suomela, Panos Trahanias, Adriana Tapus, Joni-Kristian Kämäräinen

机构 * Tampere University（坦佩雷大学） ； Institute of Computer Science, Foundation for Research and Technology - Hellas (FORTH)（希腊研究与技术基金会计算机科学研究所） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出AgiPIX平台，通过模拟与现实之间的零样本迁移，实现紧凑型主动传感硬件与模块化自主系统，用于工业室内关键资产检查。

Comments Submitted for ICUAS 2026, 9 pages, 11 figures

MotionScape: A Large-Scale Real-World Highly Dynamic UAV Video Dataset for World Models

MotionScape: 一个大规模真实世界高动态无人机视频数据集用于世界模型

Zile Guo, Zhan Chen, Enze Zhu, Kan Wei, Yongkang Zou, Xiaoxuan Liu, Lei Wang

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院） ； Jilin University（吉林大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 MotionScape提供高动态无人机视频数据，用于提升世界模型对复杂3D动态的模拟能力，通过语义和几何对齐的标注提升无人机自主导航与决策能力。

Learning over Forward-Invariant Policy Classes: Reinforcement Learning without Safety Concerns

在前向不变策略类中学习：无安全顾虑的强化学习

Chieh Tsai, Muhammad Junayed Hasan Zahed, Salim Hariri, Hossein Rastgoftar

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出了一种基于前向不变性诱导的动作空间设计的安全强化学习框架，通过构造有限可接受动作集，确保策略安全性和性能优化分离，验证了在四旋翼飞行器悬停调节中的有效性。

Spatio-Temporal Grounding of Large Language Models from Perception Streams

从感知流中对大语言模型进行时空 grounding

Jacob Anderson, Bardh Hoxha, Georgios Fainekos, Hideki Okamoto, Danil Prokhorov

机构 * Toyota Motor North America Research & Development（丰田北美研发中心） 纠错

专题命中 规划决策 ：AI agent(abstract)

AI总结 本文提出FESTS框架，通过将自然语言查询转化为SpRE，为大语言模型注入可验证的时空监督，提升时空推理能力，使30亿参数模型在27k数据上实现87.5%的帧级F1分数，接近GPT-4.1性能。

Eliciting core spatial association from spatial time series: a random matrix approach

从空间时间序列中提取核心空间关联：一种随机矩阵方法

Madhuchhanda Bhattacharjee, Arup Bose

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出基于随机矩阵理论的方法，通过去除强但常规的时间信号，提取空间关联，用于气候数据建模，揭示地形、微气候和城市化导致的空间异常。

Comments 26 Pages, 9 figures

Assessing the Feasibility of a Video-Based Conversational Chatbot Survey for Measuring Perceived Cycling Safety: A Pilot Study in New York City

评估基于视频的对话式聊天机器人调查在测量感知骑行安全性的可行性：纽约市试点研究

Feiyang Ren, Zhaoxi Zhang, Tamir Mendel, Takahiro Yabe

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出利用大语言模型结合视频调查和对话式AI聊天机器人，评估骑行安全感知的可行性，并通过纽约市九个街区的试点调查验证方法的有效性。

Modeling and Analysis of Air-to-Ground Cellular KPIs in a 5G Testbed using Android Smartphones

基于5G测试平台的空中-地面蜂窝KPI建模与分析使用安卓智能手机

Simran Singh, Anıl Gürses, Özgür Özdemir, Ram Asokan, Mihail L. Sichitiu, İsmail Güvenç, Rudra Dutta, Magreth Mushi

专题命中 规划决策 ：planning(abstract)

AI总结 本文通过在AERPAW湖 Wheeler测试平台进行空中飞行，研究无人机高度、距离基站、仰角和方位角对私有4G/5G基站关键性能指标（KPIs）的影响，利用安卓智能手机进行数据采集与分析，结合数学模型和机器学习方法，为蜂窝通信无人机系统的设计和部署提供工具。

ChangeBridge: Spatiotemporal Image Generation with Multimodal Controls for Remote Sensing

ChangeBridge: 多模态控制下的遥感时空图像生成

Zhenghui Zhao, Chen Wu, Xiangyong Cao, Di Wang, Hongruixuan Chen, Datao Tang, Liangpei Zhang, Zhuo Zheng

机构 * State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University（武汉大学测绘遥感信息工程国家重点实验室） ； School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院） ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； Zhongguancun Academy（中关村学院） ； Graduate School of Frontier Sciences, The University of Tokyo（东京大学新领域创成科学研究科） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出ChangeBridge模型，通过多模态事件控制生成时空一致的遥感图像，解决了现有方法在跨时间变化建模上的不足，提升了土地利用规划和变化检测任务的数据生成能力。

Comments Accepted by CVPR 2026

TurboAgent: An LLM-Driven Autonomous Multi-Agent Framework for Turbomachinery Aerodynamic Design

TurboAgent：一种基于大语言模型的自主多智能体框架用于涡轮机械气动设计

Juan Du, Yueteng Wu, Pan Zhao, Yuze Liu, Min Zhang, Xiaobin Xu, Xinglong Zhang

机构 * Digital Twin Research Center, Institute of Engineering Thermophysics, Chinese Academy of Sciences（中国科学院工程热物理研究所数字孪生研究中心） ； National Key Laboratory of Science and Technology on Advanced Light-duty Gas-Turbine, Chinese Academy of Sciences（中国科学院先进轻型燃气轮机科学与技术国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 本文提出TurboAgent框架，通过大语言模型实现涡轮机械气动设计的端到端自主设计，结合生成设计、性能预测、多目标优化和物理验证，实现数据驱动的协作流程，提升设计效率和精度。

Density-Driven Optimal Control: Convergence Guarantees for Stochastic LTI Multi-Agent Systems

密度驱动最优控制：随机线性时不变多智能体系统的收敛保证

Kooktae Lee

机构 * New Mexico Institute of Mining and Technology（新墨西哥矿业与技术学院） 纠错

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

AI总结 本文提出随机密度驱动最优控制方法，通过拉格朗日框架实现多智能体系统非均匀区域覆盖，确保在随机LTI动态下时间平均经验分布收敛到非参数目标密度。

Administrative Decentralization in Edge-Cloud Multi-Agent for Mobile Automation

边缘-云多智能体中的行政去中心化

Senyao Li, Zhigang Zuo, Haozhao Wang, Junyu Chen, Zhanbo Jin, Ruixuan LI

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

AI总结 本文提出AdecPilot，通过将行政去中心化原则应用于边缘-云多智能体框架，实现边缘代理的重新定义，提升任务成功率并降低云资源消耗与延迟。