AI Agent

StreamAgent: Towards Anticipatory Agents for Streaming Video Understanding

StreamAgent：面向流视频理解的前瞻性代理

Haolin Yang, Feilong Tang, Lingxiao Zhao, Xinlin Zhuang, Yifan Lu, Xiang An, Ming Hu, Xiaofeng Zhang, Abdalla Swikir, Junjun He, Zongyuan Ge, Muhammad Haris Khan, Imran Razzak

机构 * MBZUAI ； Shanghai AI Laboratory（上海人工智能实验室） ； DeepGlint ； Shanghai Jiao Tong University（上海交通大学） ； Monash University（墨尔本大学） 纠错

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

AI总结 本文提出StreamAgent，通过整合问题语义和历史观测，预测关键事件的时间进展，调整感知动作，提升流视频处理的响应准确性和实时效率。

Causal Learning with Neural Assemblies

基于神经聚集体的因果学习

Evangelia Kopadi, Dimitris Kalles

机构 * Hellenic Open University（希腊开放大学） 纠错

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

AI总结 研究探讨神经聚集体能否学习变量间的因果方向，通过DIRECT机制实现局部可塑性学习，验证了其在多个领域中的结构恢复能力。

Comments 8 pages, 11 figures

Lyapunov-Guided Self-Alignment: Test-Time Adaptation for Offline Safe Reinforcement Learning

Lyapunov引导的自对齐：用于离线安全强化学习的测试时适应

Seungyub Han, Hyungjin Kim, Jungwoo Lee

机构 * Seoul National University（首尔国立大学） 纠错

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

AI总结 本文提出SAS框架，通过自对齐机制在不重新训练的情况下实现离线安全强化学习的测试时适应，利用Lyapunov条件筛选可行轨迹并生成上下文提示，提升安全性与性能。

Comments Accepted at AISTATS 2026. First two authors contributed equally. Project page: https://seungyubhan.github.io/sas/. Code: https://github.com/seungyubhan/sas

Tree-of-Text: A Tree-based Prompting Framework for Table-to-Text Generation in the Sports Domain

树-文本：一种基于树的提示框架，用于体育领域中的表格到文本生成

Shang-Hsuan Chiang, Tsan-Tsung Yang, An-Zi Yen, Wen-Chih Peng

机构 * National Yang Ming Chiao Tung University 纠错

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

AI总结 本文提出Tree-of-Text框架，通过三阶段生成过程提升表格到文本生成的精度与效率，在多个体育数据集上表现优异。

Comments Accepted by ACL SRW 2025: Long Paper (Oral)

Open Problems in Frontier AI Risk Management

前沿人工智能风险管理中的开放问题

Marta Ziosi, Miro Plueckebaum, Stephen Casper, Henry Papadatos, Ze Shen Chin, Peter Slattery, James Gealy, Tim G. J. Rudner, Brian Tse, Ariel Gil, Patricia Paskov, Maximilian Negele, Rokas Gipiškis, Nada Madkour, Vera Lummis, Rupal Jain, Luise Eder, Kristina Fort, Malou C. van Draanen Glismann, Inès Belhadj, Amin Oueslati, Anna K. Wisakanto, Richard Mallah, Koen Holtman, Ranj Zuhdi, Daniel S. Schiff, Jessica Newman, Malcolm Murray, Robert Trager

机构 * Oxford Martin AI Governance Initiative, University of Oxford（牛津大学人工智能治理倡议） ； MIT Computer Science and Artificial Intelligence Laboratory, MIT（麻省理工学院计算机科学与人工智能实验室） ； MIT Future Tech（麻省理工学院未来技术） ； Stanford University（斯坦福大学） ； Governance and Responsible AI Lab, Purdue University（普渡大学治理与负责任的人工智能实验室） ； University of Toronto（多伦多大学） ； Mercatus Center, George Mason University（乔治·马歇尔大学麦卡锡中心） ； Vilnius University（维尔纽斯大学） ； Vijil ； SaferAI ； AI Standards Lab（人工智能标准实验室） ； The Future Society（未来社会） ； Concordia AI（康科德人工智能） ； Pivotal Research ； Center for AI Risk Management & Alignment（人工智能风险管理和对齐中心） ； UC Berkeley Center for Long-Term Cybersecurity（伯克利大学长期网络安全中心） ； Independent（独立） 纠错

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

AI总结 本文探讨前沿人工智能风险管理中的核心问题，通过文献综述识别未解决的挑战，并分类问题类型以指导未来研究与治理。

Comments 81 pages, 3 figures

Bridging Visual and Wireless Sensing via a Unified Radiation Field for 3D Radio Map Construction

通过统一的辐射场桥接视觉与无线传感以实现3D无线电地图构建

Chaozheng Wen, Jingwen Tong, Zehong Lin, Chenghong Bian, Jun Zhang

机构 * Hong Kong University of Science and Technology（香港科学与技术大学） 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URF-GS框架，结合3D高斯散射和反渲染技术，融合多模态数据以提升3D无线电地图的空间频谱精度和样本效率。

Comments The code for this work will be publicly available at: https://github.com/wenchaozheng/URF-GS

Understanding the Skills Gap between Higher Education Institutions and the Software Engineering Industry

理解高等教育机构与软件工程行业之间技能差距

Huy Phan, Ievgeniia Kuzminykh, Bogdan Ghita

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

AI总结 研究通过分析300个职位描述和30所英国大学课程，发现行业对软件设计和规划的需求远高于课程中强调的编程语言和数据库管理，揭示了高等教育与行业技能需求的差距。

Comments 17 pages, 11 tables, 5 figures. In Studies in Systems, Decision and Control, Vol. 672, Kevin Daimi and Abeer Alsadoon (Eds): Emerging Trends in Computer Science and Computer Engineering Education; Springer, Cham

Reasoning Gets Harder for LLMs Inside A Dialogue

在对话中LLM的推理变得更难

Ivan Kartáč, Mateusz Lango, Ondřej Dušek

机构 * Charles University, Faculty of Mathematics and Physics（查理大学数学与物理系） ； Institute of Formal and Applied Linguistics（形式与应用语言学研究所） 纠错

专题命中 规划决策 ：tool-use(abstract)；分类 cs.CL

AI总结 本文研究了在对话场景中LLM的推理能力，通过BOULDER基准测试发现，对话环境显著影响LLM性能，揭示了对话多轮交互对推理能力的挑战。

Comments Accepted at ACL 2026 (Main)

Teaching LLM to be Persuasive: Reward-Enhanced Policy Optimization for Alignment from Heterogeneous Rewards

教LLM变得有说服力：来自异质奖励的强化学习后训练政策优化

Xia Zeng, Yihan Chen, Luhui Liu, Chao Luo, Ye Chen, Zhuoran Zhuang

机构 * Fliggy Alibaba（飞猪阿里） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.CL

AI总结 本文提出REPO方法，通过结合偏好训练奖励模型、LLM作为判断者和规则奖励函数，提升在线旅行社的价格谈判对话质量，实验显示在对话评分、优秀回应比例和坏案例修复率上均有显著提升。

Comments accepted by ACL 2026 indusry track

SAGE: A Strategy-Aware Graph-Enhanced Generation Framework For Online Counseling

SAGE：一种面向在线咨询的策略感知图增强生成框架

Eliya Naomi Aharon, Meytal Grimland, Avi Segal, Loona Ben Dayan, Inbar Shenfeld, Yossi Levi Belz, Kobi Gal

机构 * Ben-Gurion University of the Negev（贝叶特·沙瓦大学） ； University of Haifa（海法大学） 纠错

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

AI总结 SAGE通过整合心理框架和实时压力信号，提升在线咨询的策略预测与响应质量，为高风险危机咨询提供决策支持工具。

Comments Full version of the work accepted as a short paper at the 34th ACM Conference on User Modeling, Adaptation and Personalization (UMAP '26). 9 pages, 4 figures, 5 tables

Journal ref Proceedings of the 34th ACM Conference on User Modeling, Adaptation and Personalization (UMAP '26), June 08--11, 2026, Gothenburg, Sweden

Order-Sensitive Sequential Interventions on Ideal Lattices

面向理想格的顺序敏感序列干预

Dmitry Pasechnyuk-Vilensky

机构 * MBZUAI（穆罕默德·本·拉希德智能研究院） 纠错

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

AI总结 本文研究在先决约束下序列干预的顺序敏感性，提出基于理想格的局部到全局理论，证明路径差异、路径独立性与立方一致性等核心结论，为精确规划提供理论支持。

Comments 18 pages

Spatially-constrained clustering of geospatial features for heat vulnerability assessment of favelas in Rio de Janeiro

基于空间约束的地理空间特征聚类用于里约热内卢贫民窟的热脆弱性评估

Baptiste Clemence, Thomas Hallopeau, Vanderlei Pascoal De Matos, Laurent Demagistri, Joris Guerin

机构 * UMR Espace-Dev, French National Research Institute for Sustainable Development (IRD)（法国可持续发展国家研究所空间发展研究中心） ； Fundação Oswaldo Cruz (Fiocruz)（奥斯沃阿尔多·克鲁兹基金会） 纠错

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

AI总结 本文通过结合空间约束聚类与地表温度分析，揭示了里约热内卢贫民窟两种不同形态对热暴露的影响差异，为全球无房者社区的针对性规划提供框架。

Comments Workshop Publication (ICLR ML4RS 2026)

Evaluating Strategic Reasoning in Forecasting Agents

评估预测代理中的战略推理

Tom Liptay, Dan Schwarz, Rafael Poyiadzi, Jack Wildman, Nikos I. Bosse

机构 * FutureSearch（未来搜索） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 本文提出BTF-2基准测试，通过1417个预测问题评估代理的预测准确性及战略推理能力，发现专家预测者在评估政治和商业领袖的激励、判断其执行计划的可能性及建模制度过程方面存在不足。

Distill-Belief: Closed-Loop Inverse Source Localization and Characterization in Physical Fields

Distill-Belief：物理场中的闭环反源定位与表征

Yiwei Shi, Zixing Song, Mengyue Yang, Cunjia Liu, Weiru Liu

机构 * SEMT, University of Bristol, Bristol, UK（SEMT，布里斯托大学，布里斯托，英国） ； LUCAS, Loughborough University, Loughborough, UK（LUCAS，洛里冈大学，洛里冈，英国） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 Distill-Belief通过分离正确性与效率，利用粒子滤波教师和学生框架，减少传感成本并提升定位准确性，同时抑制奖励黑客问题。

Operating-Layer Controls for Onchain Language-Model Agents Under Real Capital

链上语言模型代理在真实资本下的操作层控制

T. J. Barton, Chris Constantakis, Patti Hauseman, Annie Mous, Alaska Hoffman, Brian Bergeron, Hunter Goodreau

机构 * DX Research Group（DX研究组） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 研究链上语言模型代理在真实资本下的可靠性，通过操作层控制提升资本管理效能，展示从用户指令到结算的全流程评估重要性。

Comments 18 pages, 6 figures. Public onchain dashboard and supporting documentation linked in paper

A Dual Perspective on Synthetic Trajectory Generators: Utility Framework and Privacy Vulnerabilities

合成轨迹生成器的双重视角：效用框架与隐私漏洞

Aya Cherigui, Florent Guépin, Arnaud Legendre, Jean-François Couchot

机构 * Orange Research（Orange研究院） ； Université Marie et Louis Pasteur（玛丽-路易斯·巴斯德大学） ； CNRS（法国国家科学研究中心） ； institut FEMTO-ST (UMR 6174)（FEMTO-ST研究所） ； F-25000 Besançon（贝桑松） ； France（法国） 纠错

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

AI总结 本文从效用框架和隐私漏洞两个角度探讨合成轨迹生成器，提出新的效用评估框架，并指出隐私评估需通过对抗性评估解决。

PACIFIER: Pacing Opinion Depolarization via a Unified Graph Learning Framework

PACIFIER：通过统一图学习框架进行意见极化控制

Mingkai Liao

机构 * CSSE, Shenzhen University（深圳大学计算机科学与技术系） 纠错

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

AI总结 本文提出PACIFIER框架，通过图学习和强化学习解决基于Friedkin-Johnsen模型的意见极化问题，实现大规模网络的高效极化控制。

Comments 45 pages, 32 figure. final version

Verified Critical Step Optimization for LLM Agents

用于大语言模型代理的验证关键步骤优化

Mukai Li, Qingcheng Zeng, Tianqing Fang, Zhenwen Liang, Linfeng Song, Qi Liu, Haitao Mi, Dong Yu

机构 * Tencent AI Lab（腾讯AI实验室） ； The University of Hong Kong（香港大学） ； Northwestern University（西北大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.CL

AI总结 本文提出CSO方法，通过验证关键步骤进行强化学习，以提升代理在复杂任务中的表现，实验显示其在GAIA-Text-103和XBench-DeepSearch上优于SFT基线。

Comments ACL 2026 Findings

Student Guides Teacher: Weak-to-Strong Inference via Spectral Orthogonal Exploration

学生指导教师：通过频谱正交探索实现弱到强推断

Dayu Wang, Jiaye Yang, Weikang Li, Jiahui Liang, Yang Li, Deguo Xia, Jizhou Huang

机构 * Baidu Inc.（百度公司） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 本文提出Spectral Orthogonal Exploration框架，通过正交探针引入语义异质性推理信号，提升数学推理任务的准确率和采样效率。

Comments Accepted to ACL 2026 Main Conference

Can LLMs Help Allocate Public Health Resources? A Case Study on Childhood Lead Testing

大语言模型能否帮助分配公共卫生资源？一项关于儿童铅检测的案例研究

Mohamed Afane, Ying Wang, Juntao Chen

机构 * Department of Computer and Information Sciences, Fordham University（福特汉姆大学计算机与信息科学系） ； Department of Systems Engineering, Stevens Institute of Technology（史蒂文斯理工学院系统工程系） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.AI

AI总结 本文研究大语言模型在分配公共卫生资源中的有效性，通过芝加哥、纽约和华盛顿特区136个社区的案例，发现LLM在处理铅暴露高风险区域时存在显著局限性。

Journal ref 2025 IEEE International Conference on Big Data (BigData), 2025

AI-Driven Adaptive Air Transit Network with Modular Aerial Pods

基于人工智能的自适应空中交通网络与模块化空中舱

Amir Shafiee, Alireza Yazdiani, Hanieh Rastegar, Rui Li, Rayan Karim, Aolei Cao, Ziyang Li, Xieqing Yu, Charlle Sy, Zhaoyao Bao, Xi Cheng, H. Oliver Gao

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种利用模块化空中舱和人工智能的自适应空中交通网络，通过混合整数非线性规划模型动态调整舱位调度和列车长度，以应对城市交通挑战。

STAR-Filter: Efficient Convex Free-Space Approximation via Starshaped Set Filtering in Noisy Environments

STAR-Filter：通过星形集过滤实现噪声环境中的高效凸自由空间近似

Yuwei Wu, Yichen Zhao, Dexter Ong, Vijay Kumar

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出STAR-Filter框架，利用星形集构造快速过滤凸区域生成，减少冗余计算并提升鲁棒性，实验证明其在噪声和大规模数据下的高效性。

HiPAN: Hierarchical Posture-Adaptive Navigation for Quadruped Robots in Unstructured 3D Environments

HiPAN：四足机器人在非结构化3D环境中的分层姿态自适应导航

Jeil Jeong, Minsung Yoon, Seokryun Choi, Heechan Shin, Taegeun Yang, Sung-eui Yoon

机构 * School of Computing, KAIST（韩国科学技术院计算机学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 HiPAN通过分层设计和路径引导课程学习，提升四足机器人在复杂3D环境中的导航效率与适应性，实现实时深度图像驱动的策略规划与姿态自适应控制。

Comments Accepted to RA-L 2026 | Project page: https://sgvr.kaist.ac.kr/~Jeil/project_page_HiPAN/

RV and TTV Measurements of Two Transiting Long-Period Giants around TOI-4600

TOI-4600周围双行星的径向速度和凌星时间变异测量

Tong Hu, Zitao Lin, Sharon X. Wang, Mu-Tian Wang, Ismael Mireles, Jacob Bean, Madison Brady, Nina Brown, Qikang Feng, Tianjun Gan, Chengyang Ji, Xue Li, Jiayue Zhang, Ritvik Basant, Nikita Chazov, David Charbonneau, Karen A. Collins, Tanya Das, Diana Dragomir, Zahra Essack, Juliana Garcia-Mejia, Yang Huang, Jinzhong Liu, Christopher R. Mann, Hugh P. Osborn, Aleks Scholz, Andreas Seifahrt, Patrick Tamburo, Shuming Wang, Shahidin Yaqup

专题命中 规划决策 ：planning(abstract)

AI总结 本文通过结合新的TESS光度数据、地面凌星跟踪和MAROON-X径向速度观测，改进了TOI-4600系统的轨道参数，确定了两颗巨行星的质量和偏心率，并发现显著的凌星时间变异。

Comments Submitted to AJ, 23 pages, 6 figures, 7 tables

2D and 3D Grasp Planners for the GET Asymmetrical Gripper

用于GET非对称夹具的2D和3D抓取规划器

Andrew Goldberg, Ethan Ransing, Anton Kourakin, Cael Magner, Edward H. Adelson, Ken Goldberg

机构 * The AUTOLab at UC Berkeley（伯克利大学自动实验室） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出GET-2D-1.0和GET-3D-1.0两种规划器，前者基于单视图RGB-D图像，后者基于3D模型和光线追踪，实验表明GET-2D-1.0在抓取成功率等指标上优于基线，但GET-3D-1.0计算成本更高。

SCARFACE: a harmonized spatio-temporal dataset integrating socio-economic, environmental, and agricultural indicators for the Po Valley (Italy), 2011--2024

SCARFACE：一个整合社会经济、环境和农业指标的时空数据集，用于意大利波河谷（2011-2024）

Paolo Maranzano, Pietro Colombo, Felicetta Carillo, Riccardo Borgoni, Riccardo Pajno, Matteo Borrotti, Luca Ferrero, Ezio Bolzacchini

专题命中 规划决策 ：workflow(abstract)

AI总结 SCARFACE数据集整合气候、空气质量、空气污染物排放、土地覆盖、土壤性质、农业产业动态和社会经济指标，研究波河谷农业系统、大气动态、排放与社会经济条件的关联。

Text-To-Speech with Chain-of-Details: modeling temporal dynamics in speech generation

基于细节链的文本到语音：在语音生成中建模时间动态

Jianbo Ma, Richard Cartwright

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出Chain-of-Details框架，通过多阶段逐步细化时间细节，实现更自然的语音合成，相比现有方法参数更少。

Open Challenges in Multi-Agent Security: Towards Secure Systems of Interacting AI Agents

多智能体安全中的开放挑战：迈向交互式AI智能体的安全系统

Christian Schroeder de Witt, Klaudia Krawiecka, Igor Krawczuk, Ben Hagag, William L. Anderson, Peter Belcak, Ben Bucknall, Xiaohong Cai, Ayush Chopra, Doron Cohen, Ron F. Del Rosario, Andis Draguns, Annie Gray, Keren Katz, Vasilios Mavroudis, Jaron Mink, Sumeet Ramesh Motwani, Jonathan Petit, Leif-Sebastian Rembeck, Chandler Smith, John Sotiropoulos, Steven Young, Sarah Scheffler, Mary Llewellyn

机构 * Oxford Witt Lab, University of Oxford（牛津Witt实验室，牛津大学） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Association for Computing Machinery (ACM)（计算机协会（ACM）） ； Independent（独立） ； MATS Research（MATS研究） ； CyLab Security & Privacy Institute, Carnegie Mellon University（CyLab安全与隐私研究所，卡内基梅隆大学） ； Qualcomm Inc.（高通公司） ； Oxford Martin AI Governance Initiative（牛津马丁人工智能治理倡议） ； Carnegie Mellon University（卡内基梅隆大学） ； MIT Media Lab（麻省理工媒体实验室） ； SAP SE（SAP德国分公司） ； OWASP GenAI Security Project - Agentic Security Initiative（OWASP生成式AI安全项目-代理安全倡议） ； Contramont Research（Contramont研究） ； The Alan Turing Institute（艾伦·图灵研究所） ； Department of Economics, New York University（纽约大学经济系） ； Zenity（Zenity公司） ； King’s College London（伦敦国王学院） ； Arizona State University（亚利桑那州立大学） ； Torr Vision Group, University of Oxford（托尔视觉组，牛津大学） ； Deep Cyber Ltd（Deep Cyber有限公司） 纠错

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

AI总结 本文探讨多智能体交互带来的安全挑战，提出多智能体安全新领域，旨在解决智能体间及与人类、机构的交互中出现的安全问题，分析安全与效用、安全与安全之间的权衡。

OxyGent: Making Multi-Agent Systems Modular, Observable, and Evolvable via Oxy Abstraction

OxyGent：通过Oxy抽象使多智能体系统模块化、可观察和可进化

Junxing Hu, Tianlong Li, Lei Yu, Ai Han

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

AI总结 OxyGent通过Oxy抽象和OxyBank引擎，实现多智能体系统的模块化、可观察性和可进化性，通过统一抽象和动态规划提升可扩展性和可观测性，实验证明其在复杂工业环境中的鲁棒性和可扩展性。

Comments 10 pages, 10 figures, ACL 2026 System Demonstration track

SecMate: Multi-Agent Adaptive Cybersecurity Troubleshooting with Tri-Context Personalization

SecMate：基于三重上下文个性化多智能体网络安全故障排查

Yair Meidan, Omri Haller, Yulia Moshan, Shahaf David, Dudu Mimran, Yuval Elovici, Asaf Shabtai

机构 * Ben-Gurion University of the Negev（贝加尔-戈里昂大学） 纠错

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

AI总结 SecMate通过整合设备、用户和服务特定性，利用轻量级本地诊断工具和隐式技能推断，提升网络安全故障排查的准确性和用户满意度。