AI Agent

SurgMotion: A Video-Native Foundation Model for Universal Understanding of Surgical Videos

SurgMotion: 一种用于外科视频通用理解的视频原生基础模型

Jinlin Wu, Felix Holm, Chuxi Chen, An Wang, Yaxin Hu, Xiaofan Ye, Zelin Zang, Miao Xu, Lihua Zhou, Huai Liao, Danny T. M. Chan, Ming Feng, Wai S. Poon, Hongliang Ren, Dong Yi, Nassir Navab, Gaofeng Meng, Jiebo Luo, Hongbin Liu, Zhen Lei

机构 * Center for Artificial Intelligence and Robotics, Hong Kong Institute of Science and Innovation, Chinese Academy of Sciences, Hong Kong, China（人工智能与机器人中心，香港科学与创新研究院，中国科学院，香港，中国） ； State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院，北京，中国） ； Computer Aided Medical Procedures, Technical University of Munich, Munich, Germany（医学辅助程序，慕尼黑技术大学，德国慕尼黑） ； Electronic Engineering Department, The Chinese University of Hong Kong, Hong Kong, China（电子工程系，香港中文大学，香港，中国） ； Neuromedical Centre, Hong Kong University Shenzhen Hospital, Shenzhen, China（神经医学中心，香港大学深圳医院，深圳，中国） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国） ； Department of Respiratory Medicine, The First Affiliated Hospital of Sun Yat-sen University, Guangzhou, China（呼吸科，中山大学附属第一医院，广州，中国） 纠错

专题命中 工作流自动化 ：workflow(abstract)

AI总结 SurgMotion通过引入视频原生基础模型，将学习范式从像素级重建转向潜在运动预测，通过三种关键技术改进提升外科视频理解能力，实验表明其在手术流程识别、动作三元组识别和技能评估等任务中均取得显著优势。

MCPlas, a MATLAB toolbox for reproducible plasma modelling with COMSOL

MCPlas：一个用于复现等离子体建模的MATLAB工具箱

Marjan N. Stankov, Daan Boer, Wouter Graef, Kevin van 't Veer, Aleksandar P. Jovanović, Florian Sigeneger, Detlef Loffhagen, Jan van Dijk, Markus M. Becker

专题命中 工作流自动化 ：workflow(abstract)

AI总结 MCPlas是一个基于MATLAB的工具箱，用于在COMSOL中实现非热等离子体建模的方程基流体-泊松模型，通过JSON格式输入数据并验证，展示了电子输运和边界条件的重要性。

Comments 40 pages, 17 figures and 1 table; revised version submitted to Computer Physics Communications

ZORO: Active Rules for Reliable Vibe Coding

ZORO：用于可靠振动编码的主动规则

Jenny Ma, Sitong Wang, Joshua H. Kung, Lydia B. Chilton

专题命中 软件智能体 ：agent(abstract)；agentic(abstract)

AI总结 ZORO通过将规则转化为主动控制，提升振动编码中人类与代理对齐的可靠性，通过交互界面整合编码代理，使规则与编码过程每一步关联，并通过技术评估和用户研究验证其有效性。

Comments 19 pages, 10 figures

Applying SHAPR in AI-Assisted Research Software Development: Lessons Learnt from Building a Share Trading System

在AI辅助研究软件开发中应用SHAPR：从构建股票交易系统中获得的经验

Ka Ching Chan

专题命中 软件智能体 ：workflow(abstract)；分类 cs.SE

AI总结 本文通过构建模块化股票交易系统案例，展示了SHAPR框架在AI辅助软件开发中的应用，强调持续文档更新、合同稳定编码、源码层提升连贯性等核心方法与贡献。

Comments 6 pages, 2 figures, conference paper

Social-JEPA: Emergent Geometric Isomorphism

Social-JEPA：涌现的几何同构

Haoran Zhang, Youjin Wang, Yi Duan, Rong Fu, Dianyu Zhao, Sicheng Fan, Shuaishuai Cao, Wentao Guo, Xiao Zhou

专题命中 软件智能体 ：agent(abstract)；分类 cs.AI

AI总结 Social-JEPA通过让不同视角的独立代理学习环境模型，发现其潜在空间近似线性同构，从而实现跨代理的透明转换与高效迁移学习。

Comments This preprint is withdrawn due to significant errors in the emergent geometric isomorphism results that necessitate full rewriting, coupled with unresolved author disagreement on authorship. A corrected and revised manuscript will be released separately

FineCog-Nav: Integrating Fine-grained Cognitive Modules for Zero-shot Multimodal UAV Navigation

FineCog-Nav：整合细粒度认知模块以实现零样本多模态无人机导航

Dian Shao, Zhengzheng Xu, Peiyang Wang, Like Liu, Yule Wang, Jieqi Shi, Jing Huo

机构 * Northwestern Polytechnical University（西北工业大学） ； Nanjing University（南京大学） 纠错

专题命中 GUI与网页智能体 ：agent(abstract)；planning(abstract)

AI总结 本文提出FineCog-Nav框架，通过细粒度认知模块提升无人机零样本多模态导航性能，构建了AerialVLN-Fine基准测试集，实验表明其在指令遵循、长视距规划和环境泛化方面优于基线方法。

Comments Accepted by CVPR 2026 Findings

Fuzzy Logic Theory-based Adaptive Reward Shaping for Robust Reinforcement Learning (FARS)

基于模糊逻辑理论的自适应奖励塑造用于鲁棒强化学习（FARS）

Hürkan Şahin, Van Huyen Dang, Erdi Sayar, Alper Yegenoglu, Erdal Kayacan

机构 * Automatic Control Group (RAT)（自动控制组（RAT）） 纠错

专题命中 GUI与网页智能体 ：agent(abstract)

AI总结 本文提出基于模糊逻辑的自适应奖励塑造方法，通过整合人类直觉提升强化学习的稳定性与鲁棒性，在复杂导航任务中实现更平滑的运动与控制过渡。

Comments 6 pages, 5 figures

EvoTest: Evolutionary Test-Time Learning for Self-Improving Agentic Systems

EvoTest: 为自改进智能体系统设计的进化测试时学习

Yufei He, Juncheng Liu, Yue Liu, Yibo Li, Tri Cao, Zhiyuan Hu, Xinxing Xu, Bryan Hooi

机构 * National University of Singapore（国立新加坡大学） ； Microsoft Research（微软研究院） 纠错

专题命中 记忆与上下文管理 ：agentic(title,abstract)；agent(abstract,abstract_cn)；AI agent(abstract)；tool-use(abstract)

AI总结 本文提出EvoTest框架，通过进化方法在无需微调或梯度的情况下提升智能体性能，在J-TTL基准中超越传统方法，能赢得两局游戏。

Comments ICLR 2026

Discover and Prove: An Open-source Agentic Framework for Hard Mode Automated Theorem Proving in Lean 4

发现与证明：一个开源代理框架用于Lean 4中的硬模式自动定理 proving

Chengwu Liu, Yichun Yin, Ye Yuan, Jiaxuan Xie, Botao Li, Siqi Li, Jianhao Shen, Yan Xu, Lifeng Shang, Ming Zhang

机构 * State Key Laboratory for Multimedia Information Processing, School of Computer Science, PKU-Anker LLM Lab, Peking University（信息处理国家重点实验室，计算机科学学院，PKU-Anker LLM实验室，北京大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； School of Software & Microelectronics, Peking University（软件与微电子学院，北京大学） ； School of Electronics Engineering and Computer Science, Peking University（电子工程与计算机科学学院，北京大学） 纠错

专题命中 记忆与上下文管理 ：agentic(title,abstract)；分类 cs.AI、cs.CL

AI总结 本文提出DAP框架，通过LLM自然语言推理与自我反思发现答案，并将硬模式问题转换为易模式问题以提升自动定理证明性能，实现了CombiBench和PutnamBench上的显著提升。

Comments ACL 2026 Main Conference

MemExplorer: Navigating the Heterogeneous Memory Design Space for Agentic Inference NPUs

MemExplorer: 在代理推理NPU中导航异构内存设计空间

Haoran Wu, Zeyu Cao, Yao Lai, Binglei Lou, Jiayi Nie, Can Xiao, Timi Adeniran, Przemyslaw Forys, Kauser Johar, Catriona Wright, Junyi Liu, Kai Shi, Nicholas D. Lane, Rika Antonova, Jianyi Cheng, Timothy Jones, Aaron Zhao, Robert Mullins

专题命中 记忆与上下文管理 ：agentic(title,abstract)

AI总结 MemExplorer通过统一抽象模型和自动优化，为异构NPU系统设计高效内存架构，提升能效和性能。

Projected Dynamic Programming for Sequential Quantum State Discrimination

投影动态规划用于顺序量子态辨识

Jaehun Jeong, Donghwa Ji, Hyunjun Jang, Kabgyun Jeong

专题命中 记忆与上下文管理 ：agent(abstract)；planning(abstract)

AI总结 本文将顺序量子态辨识问题建模为静态隐藏状态部分可观测马尔可夫决策过程，通过网格离散化连续信念单纯形并分析误差和计算复杂性，验证了量子领域中的精度与复杂性权衡及维度诅咒。

Comments 54 pages, 18 figures

CoMeT: Collaborative Memory Transformer for Efficient Long Context Modeling

CoMeT：用于高效长上下文建模的协作记忆变换器

Runsong Zhao, Shilei Liu, Jiwei Tang, Langming Liu, Haibin Chen, Weidong Zhang, Yujin Yuan, Tong Xiao, Jingbo Zhu, Wenbo Su, Bo Zheng

机构 * School of Computer Science and Engineering, Northeastern University, Shenyang 110819, China（东北大学计算机科学与工程学院） ； Tsinghua University（清华大学） ； Future Living Lab of Alibaba（阿里巴巴未来生活实验室） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.LG

AI总结 CoMeT通过双内存系统和层级流水线并行策略，实现长上下文处理的常数内存和线性时间复杂度，有效提升模型性能。

Comments ACL 2026 main

Dual-Timescale Memory in a Spiking Neuron-Astrocyte Network for Efficient Navigation

双时间尺度记忆在尖峰神经元-胶质细胞网络中的应用：用于高效导航

Yuliya Tsybina, Evgenia Antonova, Sergey Shchanikov, Vsevolod Kulagin, Alexey Mikhaylov, Victor Kazantsev, Vyacheslav Demin, Susanna Gordleeva

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种结合神经元和胶质细胞动态的双时间尺度记忆机制，通过尖峰时间依赖性可塑性（STDP）和胶质细胞钙瞬变，实现高效导航，减少路径长度并提升目标完成率。

Context-Agent: Dynamic Discourse Trees for Non-Linear Dialogue

上下文代理：非线性对话的动态 discourse 树

Junan Hu, Shudan Guo, Wenqi Liu, Jianhua Yin, Yinwei Wei

机构 * Shandong University（山东大学） 纠错

专题命中 Agent评测 ：agent(title,summary_cn)；分类 cs.AI、cs.CL

AI总结 本文提出 Context-Agent 框架，通过动态树结构建模对话历史，解决非线性对话中的上下文管理问题，并引入 NTM 评估基准，提升多轮对话任务完成率和效率。

Comments 14 pages, 7 figures, ACL 2026

Capture the Flags: Family-Based Evaluation of Agentic LLMs via Semantics-Preserving Transformations

捕获旗帜：通过语义保持变换进行基于家庭的代理LLM评估

Shahin Honarvar, Amber Gorzynski, James Lee-Jones, Harry Coppock, Marek Rei, Joseph Ryan, Alastair F. Donaldson

机构 * Department of Computing, Imperial College London（帝国理工学院伦敦计算机系） ； AI Security Institute（人工智能安全研究所） ； Royal Grammar School Guildford（格里菲斯皇家文法学校） 纠错

专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；tool use(abstract)；分类 cs.AI、cs.SE

AI总结 本文提出CTF挑战家族，通过语义保持的程序变换生成等效挑战，评估代理鲁棒性和泛化能力，展示了Evolve-CTF工具及13种代理LLM配置的评估结果。

COMPOSITE-Stem

COMPOSITE-STEM基准：通过70个专家编写的任务评估AI代理的科学推理能力

Kyle Waters, Lucas Nuzzi, Tadhg Looram, Alessandro Tomasiello, Ariel Ghislain Kemogne Kamdoum, Bikun Li, Damien Sileo, Egor Kretov, Francesco Fournier-Facio, Georgios Soloupis, Haile Kassahun, Hew Wolff, Jiaqi Cai, Lianghui Li, Marc Roth, Mohinder Naiya, Naixu Guo, Qicheng Tang, Richard Wheeler, Samuele Sala, Serguei Popov, Steven Dillmann, Yuqi Li

机构 * PortexAI ； University of Milano-Bicocca（米兰-比科卡大学） ； University of Calgary（卡尔加里大学） ； University of Chicago（芝加哥大学） ； Inria（法国国家信息与自动化技术研究院） ； Fraunhofer Institute for Individualized Medical Technology IMTE（弗劳恩霍夫个性化医疗技术研究所） ； University of Cambridge（剑桥大学） ； Independent（独立） ； McGill University（麦吉尔大学） ； Massachusetts Institute of Technology（麻省理工学院） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Queen Mary University of London（伦敦大学玛丽女王学院） ； Dot Ingredients ； National University of Singapore（新加坡国立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Edinburgh（爱丁堡大学） ； Murdoch University（墨尔本大学） ； University of Porto（波尔图大学） ； Stanford University（斯坦福大学） ； Stony Brook University（史泰津布鲁克大学） 纠错

专题命中 Agent评测 ：agent(abstract)；AI agent(abstract)；agentic(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 本文提出COMPOSITE-STEM基准，通过70个专家编写任务评估AI代理的科学推理能力，结合精确匹配评分和LLM作为评委的协议，展示AI在科学领域的能力突破。

CoEvolve: Training LLM Agents via Agent-Data Mutual Evolution

CoEvolve：通过代理-数据互演训练LLM代理

Shidong Yang, Ziyu Ma, Tongwen Huang, Yiming Hu, Yong Wang, Xiangxiang Chu

机构 * Alibaba Group（阿里巴巴集团） ； AMAP 纠错

专题命中 Agent评测 ：agent(title,abstract)；分类 cs.CL

AI总结 本文提出CoEvolve框架，通过闭环交互训练提升LLM代理性能，利用反馈信号识别失败模式并指导任务合成，实验显示在AppWorld和BFCL上显著提升表现。

Comments Accepted to ACL 2026

Eco-Bee: A Personalised Multi-Modal Agent for Advancing Student Climate Awareness and Sustainable Behaviour in Campus Ecosystems

Eco-Bee：一种面向校园生态系统的个性化多模态代理，用于提升学生气候意识和可持续行为

Caleb Adu, Neil Kapadia, Binhe Liu, Jonathan Randall, Sruthi Viswanathan

机构 * University of Hull（赫尔大学） ； The Spaceship Academy（太空学院） ； City St George’s, University of London（伦敦大学城市学院） ； King’s College London（伦敦国王学院） ； Lancaster University（兰卡斯特大学） ； University of Oxford（牛津大学） 纠错

专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI

AI总结 Eco-Bee通过整合大语言模型、行星边界框架（Eco-Score）和对话代理，为学生提供个性化反馈和行为激励，推动校园可持续发展。

ARC-AGI-3: A New Challenge for Frontier Agentic Intelligence

ARC-AGI-3：前沿代理智能的新挑战

ARC Prize Foundation

机构 * ARC Prize Foundation（ARC奖基金会） 纠错

专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.AI

AI总结 本文提出ARC-AGI-3基准测试，通过新颖的抽象回合制环境评估代理智能的适应效率，人类可完全解决环境，而前沿AI系统得分低于1%。

EnvScaler: Scaling Tool-Interactive Environments for LLM Agent via Programmatic Synthesis

EnvScaler：通过程序合成实现LLM代理的可扩展工具交互环境

Xiaoshuai Song, Haofei Chang, Guanting Dong, Yutao Zhu, Ji-Rong Wen, Zhicheng Dou

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） 纠错

专题命中 Agent评测 ：agent(title)；分类 cs.AI、cs.CL、cs.LG

AI总结 本文提出EnvScaler框架，通过程序合成构建大量工具交互环境，用于LLM代理的监督微调和强化学习，提升其在复杂多轮多工具交互环境中的任务解决能力。

Comments Add some experiments

When Cultures Meet: Multicultural Text-to-Image Generation

当文化相遇：多文化文本到图像生成

Parth Bhalerao, Mounika Yalamarty, Brian Trinh, Oana Ignat

机构 * Santa Clara University（圣克拉拉大学） 纠错

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 本文提出多文化文本到图像生成任务，构建首个评估基准，分析先进模型在多文化场景下的表现，提出MosAIG框架提升图像生成质量与文化准确性。

HarmfulSkillBench: How Do Harmful Skills Weaponize Your Agents?

HarmfulSkillBench: 你的代理如何被有害技能所利用？

Yukun Jiang, Yage Zhang, Michael Backes, Xinyue Shen, Yang Zhang

机构 * CISPA Helmholtz Center for Information Security（CISPA海德堡信息安全研究中心） 纠错

专题命中 Agent评测 ：agent(abstract)；autonomous agent(abstract)；分类 cs.AI

AI总结 本文首次研究了代理生态系统中的有害技能，发现4.93%的技能具有潜在危害，并构建了HarmfulSkillBench基准，评估六个LLM在有害技能下的表现，发现预装技能显著降低拒绝率。

Evaluating LLM Simulators as Differentially Private Data Generators

评估LLM模拟器作为差分隐私数据生成器

Nassima M. Bouzid, Dehao Yuan, Nam H. Nguyen, Mayana Pereira

机构 * Capital One 纠错

专题命中 Agent评测 ：agentic(abstract)；分类 cs.CL、cs.LG

AI总结 研究评估LLM模拟器在生成复杂合成数据中的有效性，发现其在欺诈检测中表现良好但存在分布偏移问题，需解决系统性偏差以提升应用潜力。

Comments Submitted to ICLR 2026. 6 pages + appendix

PRL-Bench: A Comprehensive Benchmark Evaluating LLMs' Capabilities in Frontier Physics Research

PRL-Bench: 一个全面的基准，评估大语言模型在前沿物理研究中的能力

Tingjia Miao, Wenkai Jin, Muhua Zhang, Jinxin Tan, Yuelin Hu, Tu Guo, Jiejun Zhang, Yuhan Wang, Wenbo Li, Yinuo Gao, Shuo Chen, Weiqi Jiang, Yayun Hu, Zixing Lei, Xianghe Pang, Zexi Liu, Yuzhi Zhang, Linfeng Zhang, Kun Chen, Wei Wang, Weinan E, Siheng Chen

机构 * School of Artificial Intelligence（人工智能学院） ； Zhiyuan College（智远学院） ； School of Physics and Astronomy（物理天文学院） ； Tsung-Dao Lee Institute（李政道研究所） ； State Key Laboratory of Dark Matter Physics（暗物质物理国家重点实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Institute of Theoretical Physics（理论物理研究所） ； Chinese Academy of Sciences（中国科学院） ； Zhejiang Lab（浙江实验室） ； SciLand ； DP Technology（DP技术） 纠错

专题命中 Agent评测 ：agentic(abstract)；分类 cs.AI、cs.LG

AI总结 PRL-Bench通过理论和计算物理的科研导向评估，系统测试大语言模型执行端到端物理研究的能力，揭示当前LLM在真实科研需求中的不足。

Comments 15 pages, 5 figures

KWBench: Measuring Unprompted Problem Recognition in Knowledge Work

KWBench：测量知识工作中无提示的问题识别

Ankit Maloo

机构 * Clio AI 纠错

专题命中 Agent评测 ：agent(abstract)；分类 cs.AI

AI总结 KWBench是首个评估大语言模型无提示问题识别能力的基准，通过223个专业任务测试模型能否从原始输入中识别情境结构，揭示模型在问题识别与应用间的差异。

Comments 37 pages, 8 figures

ReXSonoVQA: A Video QA Benchmark for Procedure-Centric Ultrasound Understanding

ReXSonoVQA：面向以过程为中心的超声理解的视频问答基准

Xucheng Wang, Xiaoman Zhang, Sung Eun Kim, Ankit Pal, Pranav Rajpurkar

机构 * Harvard Medical School（哈佛医学院） 纠错

专题命中 Agent评测 ：planning(abstract)；分类 cs.AI

AI总结 ReXSonoVQA是一个包含514个视频片段和514个问题的视频问答基准，旨在评估动作-目标推理、artifact解决与优化及过程上下文与规划能力，测试VLMs在动态过程理解中的表现。

Scalable Maximum Entropy Population Synthesis via Persistent Contrastive Divergence

可扩展的最大熵人口合成 via 持续对比散度

Mirko Degli Esposti

机构 * Department of Physics and Astronomy, City Science Lab University of Bologna（物理与天文学系，城市科学实验室博洛尼亚大学） 纠错

专题命中 Agent评测 ：agent(abstract)；分类 cs.LG

AI总结 本文提出GibbsPCDSolver方法，通过持续对比散度实现高效最大熵人口合成，解决了传统方法在计算效率和样本多样性上的不足。

An Information-Geometric Approach to Artificial Curiosity

基于信息几何的人工好奇心方法

Alexander Nedergaard, Pablo A. Morales

机构 * Institute of Neuroinformatics University of Zurich and ETH Zurich（神经信息学研究所 苏黎世大学和苏黎世联邦理工学院） 纠错

专题命中 Agent评测 ：agent(abstract)；分类 cs.LG

AI总结 本文提出基于信息几何的框架，通过信息单调性和环境交互不变性约束内在奖励为严格凹函数，从而实现探索与利用的平衡，整合了基础探索方法。

Comments Comments: 24 pages, 2 figures; version accepted for publication at AISTATS 2026

Online Trading as a Secretary Problem Variant

在线交易作为秘书问题变种

Xujin Chen, Xiaodong Hu, Changjun Wang, Yuchun Xiong, Qingjie Ye

专题命中 Agent评测 ：agent(abstract)

AI总结 本文研究了在线交易中的秘书问题变种，提出了一种在线算法，实现强竞争比3.523，同时针对弱竞争比设计了简单算法，得出了零售价情况下的新结果。

CTSCAN: Evaluation Leakage in Chest CT Segmentation and a Reproducible Patient-Disjoint Benchmark

CTSCAN：评估泄漏在胸部CT分割中的影响及可重复的患者不重叠基准

Anton Ivchenko

机构 * Apple（苹果公司） 纠错

专题命中 Agent评测 ：workflow(abstract)

AI总结 本文提出CTSCAN基准，通过可重复的患者不重叠评估方法，揭示了训练与测试数据混合导致的性能虚高问题，并展示了去除患者重叠对分割指标的显著影响。