AI Agent

Inferring World Belief States in Dynamic Real-World Environments

在动态真实世界环境中推断世界信念状态

Jack Kolb, Aditya Garg, Nikolai Warner, Karen M. Feigh

机构 * College of Engineering at the Georgia Institute of Technology（佐治亚理工学院工程学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文研究了通过机器人观察推断人类世界信念状态的方法，基于心理模型理论，在动态三维部分可观测环境中实现流畅团队协作。

Comments 7 pages, 4 figures

A Two-Stage Optimization Framework for Validating Electric Vehicle Charging Infrastructure under Grid Constraints

一种用于验证电网约束下电动汽车充电基础设施的两阶段优化框架

Biswarup Mukherjee

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出两阶段优化框架，评估成本最优的电动汽车充电基础设施在电网约束下的运行效果，通过一致的最优潮流模型连接规划与运行，展示其可扩展性和实用性。

Comments This manuscript has been submitted for peer review

AIM-Bench: Benchmarking and Improving Affective Image Manipulation via Fine-Grained Hierarchical Control

AIM-Bench：通过细粒度分层控制进行情感图像操纵的基准测试与改进

Shi Chen, Xuecheng Wu, Heli Sun, Yunyun Shi, Xinyi Yin, Fengjian Xue, Jinheng Xie, Dingkang Yang, Hao Wang, Junxiao Xue, Liang He

机构 * Xi'an Jiaotong University（西安交通大学） ； Zhengzhou University（郑州大学） ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； Zhejiang Lab（之江实验室） 纠错

专题命中 规划决策 ：workflow(abstract)

AI总结 本文提出AIM-Bench，通过细粒度分层控制进行情感图像操纵的基准测试，改进了现有图像编辑基准的不足，提出了AIM-40k数据集并提升了模型性能。

Enhancing Fine-Grained Spatial Grounding in 3D CT Report Generation via Discriminative Guidance

通过判别引导增强3D CT报告生成中的细粒度空间定位

Chenyu Wang, Weicheng Dai, Han Liu, Wenchao Li, Kayhan Batmanghelich

机构 * Boston University（波士顿大学） ； Siemens Healthineers（西门子医疗） 纠错

专题命中 规划决策 ：workflow(abstract)

AI总结 本文提出DCP-PD框架，通过提炼自由文本报告中的细粒度线索，指导报告生成并减少对快捷方式的依赖，提升了CT-RATE和Rad-ChestCT的性能。

F2F-AP: Flow-to-Future Asynchronous Policy for Real-time Dynamic Manipulation

F2F-AP: 流向未来异步策略用于实时动态操控

Haoyu Wei, Xiuwei Xu, Ziyang Cheng, Hang Yin, Angyuan Ma, Bingyao Yu, Jie Zhou, Jiwen Lu

机构 * Department of Automation, Tsinghua University（清华大学自动化系） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出F2F-AP策略，通过预测物体流合成未来观测，利用基于流的对比学习目标对齐视觉特征，提升实时动态操控任务的响应性和成功率。

Comments Tsinghua University, 14pages,12 fugures

Decoupled Generative Modeling for Human-Object Interaction Synthesis

解耦生成模型用于人-物交互合成

Hwanhee Jung, Seunggwan Lee, Jeongyoon Yoon, SeungHyeon Kim, Giljoo Nam, Qixing Huang, Sangpil Kim

机构 * Korea University（高丽大学） ； Meta ； The 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 ：planning(abstract)

AI总结 本文提出DecHOI方法，通过分离路径规划与动作合成，提升人-物交互合成的真实感与灵活性，优于现有方法。

A Review of Hydrogen-Enabled Resilience Enhancement for Multi-Energy Systems

多能源系统中氢能赋能的韧性增强综述

Liang Yu, Haoyu Fang, Goran Strbac, Dawei Qiu, Dong Yue, Xiaohong Guan, Gerhard P. Hancke

专题命中 规划决策 ：planning(abstract)

AI总结 本文综述了氢能赋能多能源系统韧性增强的挑战与方法，提出韧性提升框架，分类规划与运营措施，探讨未来研究方向。

Comments 32 pages, 15 figures

Building Regulation Capacity in Human-AI Collaborative Learning: A Human-Centred GenAI System

在人机协作学习中构建监管能力：以人为中心的GenAI系统

Yujing Zhang, Jionghao Lin

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出基于CoRL和SSRL的GenAI协作学习系统，通过生成群体活动、内部支持代理和学习分析仪表盘提升群体监管能力与协作效率。

Comments 7 pages, 2 figures. Accepted at AIED 2026

Improving Deep Learning-Based Target Volume Auto-Delineation for Adaptive MR-Guided Radiotherapy in Head and Neck Cancer: Impact of a Volume-Aware Dice Loss

改进基于深度学习的目标体积自动勾画用于头颈癌适应性MR引导放疗：体积感知Dice损失的影响

Sogand Beirami, Zahra Esmaeilzadeh, Ahmed Gomaa, Pluvio Stephan, Ishita Sheth, Thomas Weissmann, Juliane Szkitsak, Philipp Schubert, Yixing Huang, Annette Schwarz, Stefanie Corradini, Florian Putz

机构 * Strahlenklinik, Universitätsklinikum Erlangen（埃尔朗根大学医院放射科） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文研究了在头颈癌适应性MR引导放疗中，将体积感知Dice损失整合到自配置深度学习框架中，以提高肿瘤和淋巴结的自动勾画效果，探讨了体积敏感加权对小、解剖复杂的转移性淋巴结检测的影响。

Comments 9 pages, 5 figures

A Ray Intersection Algorithm for Fast Growth Distance Computation Between Convex Sets

用于凸集之间快速生长距离计算的射线相交算法

Akshay Thirugnanam, Koushil Sreenath

机构 * UC Berkeley（加州大学伯克利分校） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种高效算法，通过迭代构造Minkowski差集的内外多面体近似，计算凸集之间的生长距离，该算法在运动规划和刚体模拟中具有广泛应用。

Comments 14 pages, 7 figures

SwinTextUNet: Integrating CLIP-Based Text Guidance into Swin Transformer U-Nets for Medical Image Segmentation

SwinTextUNet：将基于CLIP的文本引导整合到Swin Transformer U-Nets中用于医学图像分割

Ashfak Yeafi, Parthaw Goswami, Md Khairul Islam, Ashifa Islam Shamme

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出SwinTextUNet，结合CLIP文本嵌入与Swin Transformer U-Net，提升医学图像分割的鲁棒性和准确性，在QaTaCOV19数据集上取得86.47%的Dice和78.2%的IoU成绩。

DCGen 1.1 Technical Report: Generating Datacenter Configurations (including IT, Power, Cooling)

DCGen 1.1 技术报告：生成数据中心配置（包括IT、电力、冷却）

Wedan Emmanuel Gnibga, Andrew A. Chien

专题命中 规划决策 ：planning(abstract)

AI总结 为研究数据中心硬件设计、运营动态、冷却机制及与电网的交互，DCGen工具能生成多种数据中心配置，涵盖IT硬件、冷却和电力分配基础设施，并支持不同电力、计算能力和面积目标的场景探索。

CommUNext: Deep Learning-Based Cross-Band and Multi-Directional Signal Prediction

CommUNext：基于深度学习的跨频段和多方向信号预测

Chi-Jui Sung, Fan-Hao Lin, Tzu-Hao Huang, Chu-Hsiang Huang, Hui Chen, Chao-Kai Wen, Henk Wymeersch

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出CommUNext框架，通过低频覆盖数据和 crowdsourcing 测量，实现高频率段信号强度预测，减少仿真和测量开销。

Comments 16 pages, 13 figures, 8 tables. This work has been submitted to the IEEE for possible publication

AgentWebBench: Benchmarking Multi-Agent Coordination in Agentic Web

AgentWebBench: 多智能体协调在代理网络中的基准测试

Shanshan Zhong, Kate Shen, Chenyan Xiong

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

AI总结 AgentWebBench评估用户代理与网站特定内容代理交互回答问题的能力，发现多智能体协调在大规模模型下可超越集中检索，但需更高效的规划与证据质量。

OOM-RL: Out-of-Money Reinforcement Learning Market-Driven Alignment for LLM-Based Multi-Agent Systems

OOM-RL：基于大语言模型多智能体系统的出钱强化学习市场驱动对齐

Kun Liu, Liqun Chen

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

AI总结 本文提出OOM-RL方法，通过将智能体部署到金融市场中，利用资本耗尽作为不可篡改的负梯度，使多智能体系统从过度迎合的基线进化为稳健的流动性感知架构，最终实现稳定均衡。

Comments 13 pages, 3 figures

MPAC: A Multi-Principal Agent Coordination Protocol for Interoperable Multi-Agent Collaboration

MPAC：一种多主代理协调协议用于互操作性多代理协作

Kaiyang Qian, Xinmin Fang, Zhengxiong Li

机构 * University of Colorado Denver (CU Denver)（科罗拉多大学丹佛分校） 纠错

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

AI总结 本文提出MPAC协议，解决多主代理共享状态协调问题，通过五层结构实现显式协调语义，减少协调开销并提升执行效率。

CONSCIENTIA: Can LLM Agents Learn to Strategize? Emergent Deception and Trust in a Multi-Agent NYC Simulation

CONSCIENTIA：LLM代理能否学会策略性行为？多智能体纽约市模拟中的涌现欺骗与信任

Aarush Sinha, Arion Das, Soumyadeep Nag, Charan Karnati, Shravani Nag, Chandra Vadhan Raj, Aman Chadha, Vinija Jain, Suranjana Trivedy, Amitava Das

机构 * University of Copenhagen（哥本哈根大学） ； IIIT Ranchi（印度信息技术学院兰契分校） ； ISI Kolkata（印度统计学院加尔各答分校） ； NIT Andhra Pradesh（印度国家理工学院安得拉邦分校） ； IGDTUW（英迪拉·甘地德里技术女子大学） ； IIT Kharagpur（印度理工学院卡哈拉格普尔分校） ； Google DeepMind（谷歌DeepMind） ； Google（谷歌） ； AI Institute, University of South Carolina（南卡罗来纳大学人工智能研究所） 纠错

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

AI总结 研究通过多智能体模拟探讨LLM在对抗性环境中的策略行为，发现智能体在导航中表现出有限的策略性，包括选择性信任与欺骗，但易受对抗性说服影响。

PAC-BENCH: Evaluating Multi-Agent Collaboration under Privacy Constraints

PAC-BENCH：在隐私约束下评估多智能体协作

Minjun Park, Donghyun Kim, Hyeonjong Ju, Seungwon Lim, Dongwook Choi, Taeyoon Kwon, Minju Kim, Jinyoung Yeo

机构 * Yonsei University（延世大学） 纠错

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

AI总结 研究探讨了在隐私约束下多智能体协作的挑战，提出PAC-Bench基准测试平台，发现隐私约束显著降低协作性能，且结果更依赖发起智能体，揭示了协调破裂问题。

Normative Common Ground Replication (NormCoRe): Replication-by-Translation for Studying Norms in Multi-Agent AI

规范共同基础复制（NormCoRe）：通过翻译研究多智能体AI中的规范

Luca Deck, Simeon Allmendinger, Lucas Müller, Niklas Kühl

机构 * University of Bayreuth（拜罗伊特大学） 纠错

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

AI总结 本文提出NormCoRe框架，通过将人类实验设计翻译到多智能体AI环境，系统研究规范形成机制，展示在分配正义实验中AI代理的规范判断与人类基线的差异。

Comments ACM Conference on Fairness, Accountability, and Transparency (ACM FAccT '26)

PosterGen: Aesthetic-Aware Multi-Modal Paper-to-Poster Generation via Multi-Agent LLMs

PosterGen：基于多智能体LLM的美观化论文到海报生成

Zhilin Zhang, Xiang Zhang, Jiaqi Wei, Yiwei Xu, Chenyu You

机构 * Stony Brook University（石溪大学） ； New York University（纽约大学） ； University of British Columbia（不列颠哥伦比亚大学） ； Zhejiang University（浙江大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

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

AI总结 PosterGen通过多智能体LLM实现论文到海报的美观化生成，包含四个协作专业代理，提升设计质量和视觉吸引力。

Comments Project Website: https://Y-Research-SBU.github.io/PosterGen

DeepFleet: Multi-Agent Foundation Models for Mobile Robots

DeepFleet：用于移动机器人群的多智能体基础模型

Ameya Agaskar, Sriram Siva, William Pickering, Kyle O'Brien, Charles Kekeh, Alexandre Ormiga Galvao Barbosa, Ang Li, Brianna Gallo Sarker, Alicia Chua, Mayur Nemade, Charun Thattai, Jiaming Di, Isaac Iyengar, Ramya Dharoor, Dino Kirouani, Jimmy Erskine, Tamir Hegazy, Scott Niekum, Usman A. Khan, Federico Pecora, Joseph W. Durham

机构 * Amazon Robotics（亚马逊机器人） 纠错

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

AI总结 DeepFleet通过多智能体基础模型支持大规模移动机器人编队的协调与规划，提出四种架构分别体现不同的归纳偏差，评估设计对预测任务性能的影响。

Comments 27 pages, 10 figures, 2 tables

MARLIN: Multi-Agent Reinforcement Learning Guided by Language-Based Inter-Robot Negotiation

MARLIN：基于语言的多智能体强化学习引导的多机器人协商

Toby Godfrey, William Hunt, Mohammad D. Soorati

机构 * University of Southampton（南安普顿大学） 纠错

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

AI总结 MARLIN通过语言引导的多机器人协商与强化学习结合，提升早期训练性能和最终效果，采用语言模型进行高层规划和行动协商。

Comments 15 pages, 8 figures, 1 table

Distributed Safety-Critical Control of Multi-Agent Systems with Time-Varying Communication Topologies

多智能体系统中具有时间变化通信拓扑的分布式安全控制

Shiyu Cheng, Luyao Niu, Bhaskar Ramasubramanian, Andrew Clark, Radha Poovendran

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

AI总结 本文提出一种基于分布式优化的控制框架，通过截断函数和辅助不匹配变量处理时间变化通信拓扑下的多智能体协同与避障问题。

SemaClaw: A Step Towards General-Purpose Personal AI Agents through Harness Engineering

SemaClaw：通过Harness工程迈向通用个人AI代理的一步

Ningyan Zhu, Huacan Wang, Jie Zhou, Feiyu Chen, Shuo Zhang, Ge Chen, Chen Liu, Jiarou Wu, Wangyi Chen, Xiaofeng Mou, Yi Xu

机构 * Midea AIRC（美的AIRC） 纠错

专题命中 多智能体 ：AI agent(title,abstract)；agent(abstract)；planning(abstract)；agentic(abstract)

AI总结 SemaClaw通过Harness工程推动个人AI代理发展，提出DAG-based两阶段混合代理团队编排方法、PermissionBridge行为安全系统、三级上下文管理架构和代理维基技能，提升AI代理的可控性与可扩展性。

Cayley Graph Optimization for Scalable Multi-Agent Communication Topologies

Cayley图优化用于可扩展的多智能体通信拓扑

Jingkai Luo, Yulin Shao

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

AI总结 本文提出CayleyTopo，通过优化生成集来最小化直径，以提高多智能体通信拓扑的扩展性、鲁棒性和效率。

Comments Keywords: Multi-agent communication, scalable topology, Cayley graph, diameter minimization

Dialectic-Med: Mitigating Diagnostic Hallucinations via Counterfactual Adversarial Multi-Agent Debate

辩证-调解：通过反事实对抗多智能体辩论缓解诊断幻觉

Zhixiang Lu, Jionglong Su

机构 * Xi’an Jiaotong-Liverpool University（西交利物浦大学） 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Dialectic-Med框架，通过多智能体对抗辩论机制缓解医疗多模态大语言模型的诊断幻觉问题，提升推理可信度和解释忠实度。

Comments Accepted by ACL 2026

VS-Bench: Evaluating VLMs for Strategic Abilities in Multi-Agent Environments

VS-Bench：评估多智能体环境中视觉语言模型的战略能力

Zelai Xu, Zhexuan Xu, Xiangmin Yi, Huining Yuan, Mo Guang, Kaiwen Long, Xinlei Chen, Yi Wu, Chao Yu, Yu Wang

机构 * EE, Tsinghua University（清华大学电子工程系） ； SIGS, Tsinghua University（清华大学深圳国际研究生院） ； Li Auto Inc.（理想汽车） ； IIIS, Tsinghua University（清华大学交叉信息研究院） 纠错

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

AI总结 VS-Bench是首个评估多智能体环境中视觉语言模型战略能力的多模态基准，涵盖合作、竞争和混合动机交互，通过感知、推理和决策三个维度评估15种领先模型，揭示当前模型在推理和决策上的显著差距。

Comments Published at CVPR 2026 (Oral)

MAFIG: Multi-agent Driven Formal Instruction Generation Framework

MAFIG：多智能体驱动的正式指令生成框架

Shixing Zhao, Zheng Si, Pengpeng Ouyang, Zhengqing Hu, Wanqi Zhu, Dong Chen, Yibo Guo, Mingliang Xu

机构 * School of Computer and Artificial Intelligence, Zhengzhou University（郑州大学计算机与人工智能学院） ； Engineering Research Center of Intelligent Swarm Systems, Ministry of Education（教育部智能集群系统工程研究中心） ； National Supercomputing Center in Zhengzhou（国家超级计算郑州中心） ； Henan Research Center for Large Model Technology and New Quality Software Engineering（河南省大模型技术与新质软件工程研究中心） 纠错

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

AI总结 本文提出MAFIG框架，通过多智能体生成局部正式指令以应对调度系统紧急情况，采用span-focused loss-driven local distillation机制提升决策效率，实验结果显示在港口、仓储和甲板调度数据集上成功率高且处理速度快。

Tracing the Roots: A Multi-Agent Framework for Uncovering Data Lineage in Post-Training LLMs

追溯根源：一种多智能体框架，用于揭示训练后LLM的数据血缘

Yu Li, Xiaoran Shang, Qizhi Pei, Yun Zhu, Xin Gao, Honglin Lin, Zhanping Zhong, Zhuoshi Pan, Zheng Liu, Xiaoyang Wang, Conghui He, Dahua Lin, Feng Zhao, Lijun Wu

机构 * Shanghai Artificial Intelligence Laboratory, OpenDataLab（上海人工智能实验室，OpenDataLab） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出多智能体框架，用于揭示训练后LLM的数据血缘，识别数据集演化图谱中的结构模式与系统问题，构建血缘感知的多样化数据集。

Comments 27 pages, 6 figures

Aligned Agents, Biased Swarm: Measuring Bias Amplification in Multi-Agent Systems

对齐的智能体，偏见的蜂群：测量多智能体系统中的偏见放大

Keyu Li, Jin Gao, Dequan Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 研究通过实验分析多智能体系统拓扑结构和反馈循环对偏见的影响，发现结构复杂性并不保证伦理鲁棒性，指出系统复杂性可能加剧偏见。

Comments Accepted by ICLR 2026