AI Agent

Heterogeneous Graph Neural Networks with Post-hoc Explanations for Multi-modal and Explainable Land Use Inference

异构图神经网络与事后解释方法用于多模态和可解释的土地利用推断

Xuehao Zhai, Junqi Jiang, Adam Dejl, Antonio Rago, Fangce Guo, Francesca Toni, Aruna Sivakumar

机构 * Imperial College London, Department of Civil and Environmental Engineering（帝国理工学院伦敦校区土木与环境工程系） ； Imperial College London, Department of Computing（帝国理工学院伦敦校区计算机系） 纠错

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

AI总结 本文提出一种结合异构图神经网络与可解释AI的方法，用于多模态土地利用推断，提升了准确性和可解释性，尤其在办公和生活用地方面表现突出。

Journal ref Information Fusion, Volume 120, 103057. 2025

On the Convergence of Overlapping Schwarz Decomposition for Nonlinear Optimal Control

关于非线性最优控制中重叠Schwarz分解的收敛性

Sen Na, Sungho Shin, Mihai Anitescu, Victor M. Zavala

机构 * Department of Statistics, University of Chicago（芝加哥大学统计学系） 纠错

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

AI总结 本文研究了用于求解非线性最优控制问题的重叠Schwarz分解算法的收敛性，证明了其局部线性收敛性，并展示了重叠区域大小对收敛速率的指数影响，同时建立了二次规划的全局收敛性结果。

Comments 16 pages

Journal ref IEEE Transactions on Automatic Control, 2022

ForgeVLA: Federated Vision-Language-Action Learning without Language Annotations

ForgeVLA：无需语言标注的联邦视觉-语言-动作学习

Yuhao Zhou, Yunpeng Zhu, Yang Zhou, Jindi Lyu, Jian Lan, Zhangyuan Wang, Dan Si, Thomas Seidl, Qing Ye, Jiancheng Lyu

机构 * Sichuan University（四川大学） ； Zhejiang University（浙江大学） ； Ludwig-Maximilians-Universität München（慕尼黑路德维希-马克西米利安大学） ； Lenovo Group Limited（联想集团有限公司） ； Engineering Research Center of Machine Learning and Industry Intelligence, Ministry of Education（教育部机器学习与工业智能工程研究中心） 纠错

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

AI总结 本文提出ForgeVLA框架，通过分布式视觉-动作对训练联邦VLA模型，无需集中数据或人工标注。通过客户端指令分类器构建完整三元组，并引入对比规划损失和自适应聚合策略以解决特征坍塌问题，实验表明性能优于基线模型。

Comments 26 pages

Dual-Scale Temporal Fusion Reveals Structured Predictability in Subseasonal-to-Seasonal Temperature Prediction

双尺度时间融合揭示亚季节至季节温度预测中的结构可预测性

Elnaz Bashir, Jiali Wang, Lin Yan

机构 * Department of Computer Science, Iowa State University（艾奥瓦州立大学计算机科学系） ； Environmental Science Division, Argonne National Laboratory（阿贡国家实验室环境科学部） 纠错

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

AI总结 本文通过双尺度学习框架分离历史气候背景与近期天气演变，揭示亚季节至季节温度预测中可预测性的结构特征，提升预测稳定性与空间一致性。

Comments 10 pages, 5 figures

LLM-Guided Open Hypothesis Learning from Autonomous Scanning Probe Microscopy Experiments

基于自主扫描探针显微镜实验的LLM引导开放假设学习

Boris Slautin, Utkarsh Pratiush, Yu Liu, Kamyar Barakati, Sergei Kalinin

机构 * Department of Materials Science and Engineering, University of Tennessee, Knoxville, TN 37923, USA（材料科学与工程系，田纳西大学， Knoxville，TN 37923，USA） 纠错

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

AI总结 本文提出结合符号回归与大语言模型物理评估的开放假设学习框架，用于自主扫描探针显微镜实验，通过稀疏测量生成候选分析关系，并通过物理合理性评估发现可解释的电压-时间增长定律。

Comments 21 pages, 6 figures, 1 table

SHARP: A Self-Evolving Human-Auditable Rubric Policy for Financial Trading Agents

SHARP: 一种自进化可审计的规则策略用于金融交易代理

Xiwen Chen, Wenhui Zhu, Songzhu Zheng, Kashif Rasul, Yueyue Deng, Huayu Li

机构 * Morgan Stanley（摩根大通） ； Arizona State University（亚利桑那州立大学） ； Columbia University（哥伦比亚大学） ； University of Arizona（亚利桑那大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 SHARP通过结构化规则优化解决金融交易代理中信用分配问题，提升策略鲁棒性和透明度，使紧凑模型性能提升10-20个百分点。

Retrieval Heads are Dynamic

检索头是动态的

Yuping Lin, Zitao Li, Yue Xing, Pengfei He, Yingqian Cui, Yaliang Li, Bolin Ding, Jingren Zhou, Jiliang Tang

机构 * Michigan State University（密歇根州立大学） ； Zoom Communications（Zoom公司） ； Tongyi Lab, Alibaba Group（阿里云实验室） 纠错

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

AI总结 本文从动态视角研究LLM中的检索头，揭示其时间动态性、不可替代性及与隐藏状态的关联，通过实验验证动态检索头在生成任务中的优势。

Comments Accepted at ACL 2026

SLOPE: Optimistic Potential Landscape Shaping for Model-based Reinforcement Learning

SLOPE：基于模型的强化学习中的乐观势能塑造

Yao-Hui Li, Zeyu Wang, Xin Li, Wei Pang, Yingfang Yuan, Zhengkun Chen, Boya Zhang, Riashat Islam, Alex Lamb, Yonggang Zhang

机构 * Beijing Institute of Technology（北京理工大学） ； Heriot-Watt University（赫瑞-沃森大学） ； Shenzhen Institutes of Advanced Technology, CAS（深圳先进技术研究院） ； Microsoft Research NY（微软研究院纽约分部） ； Tsinghua University（清华大学） ； Jilin University（吉林大学） 纠错

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

AI总结 SLOPE通过乐观势能估计构建信息丰富的势能景观，解决稀疏奖励环境下梯度信息不足的问题，提升模型在稀疏、半稀疏和密集奖励任务中的性能。

Comments Work in progress

LoopNav: Benchmarking Spatial Consistency in World Models

LoopNav：世界模型中空间一致性评估的基准测试

Kewei Lian, Shaofei Cai, Yitao Liang, Anji Liu

机构 * NUS（国立新加坡大学） ； Peking Univeristy（北京大学） 纠错

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

AI总结 LoopNav提出一个基于循环导航的基准测试，用于评估世界模型的空间一致性，通过Minecraft开放世界环境收集250小时视频数据，并引入场景图一致性评分以量化空间一致性。

Comments V3: SGCS

Price and Payoff: Non-Determinism in Fault Tolerant Quantum Computation

价格与收益：容错量子计算中的非确定性

Aditi Awasthi, Sayam Sethi, Sahil Khan, Gokul Subramanian Ravi, Jonathan Mark Baker

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种结合电路调度与随机魔法态生产模型的模拟框架，研究非确定性对量子电路执行的影响，发现其同时增加执行时间并降低峰值资源需求，从而优化容错量子计算的资源配置。

Comments 11 pages, 12 figures

Microtransit revenue management informed by citywide travel demand and joint subscription-mode choice modeling

基于城市出行需求的微交通收益管理及联合出行模式选择建模

Xiyuan Ren, Joseph Y. J. Chow, Venktesh Pandey, Linfei Yuan

专题命中 规划决策 ：workflow(abstract)

AI总结 本文提出整合出行行为洞察的微交通政策制定方法，通过合成数据提升空间时间粒度，构建非参数嵌套模型分析出行模式与订阅选择，并利用模拟方法评估不同政策场景对收益和出行者福利的影响。

Journal ref Transportation Research Part A, 210 (2026), 105046

Is the Future Compatible? Diagnosing Dynamic Consistency in World Action Models

未来是否兼容？世界动作模型中的动态一致性诊断

Bo-Kai Ruan, Teng-Fang Hsiao, Ling Lo, Hong-Han Shuai

机构 * National Yang Ming Chiao Tung University 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文研究了世界动作模型中动作-状态一致性作为可靠性指标的重要性，提出了一种无需额外训练的共识策略提升规划效果。

Comments Technical Report

Modeling the Impact of Exposed Cases in a Hantavirus Outbreak on a Cruise Ship

在游轮上汉坦病毒爆发中暴露病例影响的建模

Jiaming Cui

专题命中 规划决策 ：planning(abstract)

AI总结 本文通过构建离散时间随机S-E-I-R-D模型，研究游轮上汉坦病毒传播动力学及隐性暴露感染对疫情风险的影响，发现基本再生数为2.76，强调需加强快速监测和主动追踪暴露个体。

RCoT-Seg: Reinforced Chain-of-Thought for Video Reasoning and Segmentation

RCoT-Seg：强化链式推理用于视频推理与分割

Junwei Wen, Deshui Miao, Guangming Lu, Xin Li, Wenjie Pei

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Pengcheng Laboratory（鹏城实验室） ； Pazhou Lab (Huangpu)（琶洲实验室（黄埔）） 纠错

专题命中 规划决策 ：agentic(abstract)

AI总结 本文提出RCoT-Seg框架，通过分离时间推理与空间感知，改进视频分割中关键帧选择与定位，提升多目标场景下的鲁棒性与精度。

Comments 21 pages

Splitting User Stories Into Tasks with AI -- A Foe or an Ally?

用AI拆分用户故事——敌人还是盟友？

Luka Pavlič, Reinhard Bernsteiner, Stephan Schlögl, Christian Ploder

专题命中 规划决策 ：planning(abstract)

AI总结 本文研究了生成式AI在任务拆分中的作用，发现其能生成更细致的任务列表但需人类监督以确保准确性。

Comments 12 pages, 2 figures, 4 tables

Palm-sized Omnidirectional Vision-Based UAV Exploration with Sparse Topological Map Guidance

掌 sized 全向视觉基于的无人机探索与稀疏拓扑图引导

Zirui Wang, Xinjia Luo, Haotian Sun, Jun Ma, Jian Guo, Boyu Zhou

机构 * Department of Mechanical and Energy Engineering, Southern University of Science and Technology（南方科技大学机械与能源工程系） ； Thrust of Robotics and Autonomous Systems, Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）机器人与自主系统研究所） ； International Digital Economy Academy, Shenzhen, China（深圳国际数字经济学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种轻量级自主探索系统，利用全向视觉和稀疏拓扑图引导，通过多鱼眼相机实现全向视场和深度估计，采用拓扑节点表示前沿区域，减少内存和计算需求，实现在模拟和实际无人机中高效探索。

Sat3R: Satellite DSM Reconstruction via RPC-Aware Depth Fine-tuning

Sat3R: 通过RPC-aware深度微调实现卫星DSM重建

Qiaoyi Yang, Chaoyi Zhou, Xi Liu, Run Wang, Minghui Xu, Mert D. Pesé, Feng Luo, Yuhao Xu, Zhi-Qi Cheng, Qiushi Chen, Hairong Qi, Siyu Huang

机构 * Clemson University（克莱姆森大学） ； University of Washington（华盛顿大学） ； University of Tennessee（田纳西大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 Sat3R通过RPC-aware深度微调Depth Anything V2，利用SiLog损失构建物理一致的伪深度监督，实现无需每场景优化的卫星DSM重建，实验显示其在精度和速度上均优于现有方法。

PISTO: Proximal Inference for Stochastic Trajectory Optimization

PISTO：随机轨迹优化的近端推断

Hongzhe Yu, Zinuo Chang, Yongxin Chen

机构 * School of Aerospace Engineering（航空航天工程学院） ； School of Electrical and Computer Engineering（电气与计算机工程学院） ； 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 PISTO通过引入KL正则化稳定更新，实现非光滑成本的高效优化，在机器人运动规划中取得更高成功率和更优路径质量。

Comments 8 pages

GustPilot: A Hierarchical DRL-INDI Framework for Wind-Resilient Quadrotor Navigation

GustPilot：一种用于抗风四旋翼导航的分层DRL-INDI框架

Amir Atef Habel, Roohan Ahmed Khan, Fawad Mehboob, Clement Fortin, Dzmitry Tsetserukou

机构 * Intelligent Space Robotics Laboratory（智能空间机器人实验室） ； Center for Digital Engineering（数字工程中心） ； Skolkovo Institute of Science and Technology（斯克尔科夫科学与技术研究院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出GustPilot框架，结合深度强化学习与INDI控制器，通过风感知规划和快速扰动抑制提升四旋翼在风扰环境下的导航可靠性。

Comments 8 pages, 5 figures

Contact-Grounded Policy: Dexterous Visuotactile Policy with Generative Contact Grounding

接触导向策略：具备生成接触基础的灵活视觉-触觉策略

Zhengtong Xu, Yeping Wang, Ben Abbatematteo, Jom Preechayasomboon, Sonny Chan, Nick Colonnese, Amirhossein H. Memar

机构 * Purdue University（普渡大学） ； Meta Reality Labs Research（Meta现实实验室） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 规划决策 ：tool use(abstract)

AI总结 本文提出Contact-Grounded Policy，通过预测机器人状态和触觉反馈的耦合轨迹，生成接触基础的灵活视觉-触觉策略，优于现有基线方法。

A Review of Community-Centric Power System Resilience: Strategies, Data-Driven Methods, and Techno-Legal Perspectives

面向社区的电力系统韧性综述：策略、数据驱动方法与技术法律视角

Masoud H. Nazari, Hamid Varmazyari, Antar Kumar Biswas, Umit Cali, Hollis Belnap, Masood Parvania

专题命中 规划决策 ：planning(abstract)

AI总结 本文综述了面向社区的电力系统韧性，探讨了技术法律框架与工程方法的结合，以及数据驱动方法在应对极端事件中的作用，强调了社区韧性与电力系统韧性的相互依存关系。

Comments This paper has been accepted for publication in the Electric Power Systems Research (EPSR) journal

Edge Detection for Organ Boundaries via Top Down Refinement and SubPixel Upsampling

通过自上而下细化和子像素上采样进行器官边界检测

Aarav Mehta, Priya Deshmukh, Vikram Singh, Siddharth Malhotra, Krishnan Menon Iyer, Tanvi Iyer

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种医学聚焦的清晰边缘检测器，通过自上而下反向细化架构和子像素上采样，提升器官边界定位精度，实验表明在严格标准下优于传统方法，提升分割、配准和病变界定效果。

Comments arXiv admin note: This submission has been withdrawn due to violation of arXiv policies for acceptable submissions

MAS-Algorithm: A Workflow for Solving Algorithmic Programming Problems with a Multi-Agent System

MAS-Algorithm: 一个基于多智能体系统的算法问题求解工作流

Yuliang Xu, Xiang Xu, Yao Wan, Hu Wei, Tong Jia

机构 * Peking University（北京大学） ； Alibaba Group（阿里巴巴集团） ； Huazhong University of Science and Technology（华中科技大学） 纠错

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

AI总结 本文提出MAS-Algorithm，通过多智能体工作流提升算法问题求解能力，实验显示在多个模型上均取得显著提升，包括接受率提升6.48%和LiveCodeBench-Pro上的4.72%提升。

Multi-Modal Multi-Agent Reinforcement Learning for Radiology Report Generation

多模态多智能体强化学习在放射学报告生成中的应用

Kaito Baba, Risa Kishikawa, Satoshi Kodera

机构 * Department of Cardiovascular Medicine（心血管医学科） 纠错

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

AI总结 本文提出MARL-Rad框架，通过多智能体强化学习提升放射学报告生成的临床效果，通过联合优化区域特定智能体和全局整合智能体，提高报告的准确性和一致性。

Comments 23 pages, 4 figures

Hidden Coalitions in Multi-Agent AI: A Spectral Diagnostic from Internal Representations

多智能体AI中的隐藏联盟：来自内部表示的谱诊断

Cameron Berg, Susan L. Schneider, Mark M. Bailey

机构 * Reciprocal Research（递归研究） ； Center for the Future of AI, Mind, and Society（人工智能、心智与社会未来中心） ； Florida Atlantic University（佛罗里达 Atlantic 大学） ； Biological and Computational Intelligence Center（生物与计算智能中心） ； National Intelligence University（国家情报大学） 纠错

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

AI总结 本文提出通过分析多智能体系统内部神经表示的谱分区方法，检测隐藏联盟结构，验证了该方法在强化学习和大语言模型中的有效性，揭示了代表层次结构。

Comments 18 pages

MAVEN: Multi-Agent Verification-Elaboration Network with In-Step Epistemic Auditing

MAVEN：具有步骤内认知审计的多智能体验证-扩展网络

Yinsheng Yao, Jiehao Tang, Zhaozhen Yang, Dawei Cheng

机构 * Tongji University（同济大学） 纠错

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

AI总结 MAVEN通过显式角色解耦将LLM转化为有意识的推理者，采用对抗性Skeptic-Researcher-Judge循环，生成可验证的模块化推理轨迹，提升多任务推理质量。

Comments 24 pages, 2 figures

MASPO: Joint Prompt Optimization for LLM-based Multi-Agent Systems

MASPO：基于大语言模型的多智能体系统的联合提示优化

Zhexuan Wang, Xuebo Liu, Li Wang, Zifei Shan, Yutong Wang, Zhenxi Song, Min Zhang

机构 * Institute of Computing and Intelligence, Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学深圳研究院） 纠错

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

AI总结 本文提出MASPO框架，通过联合评估机制和数据驱动的进化束搜索，优化多智能体系统中的提示，提升整体性能，实验显示在6个任务中平均准确率提升2.9。

Comments Accepted at ICML 2026

Separation Assurance between Heterogeneous Fleets of Small Unmanned Aerial Systems via Multi-Agent Reinforcement Learning

通过多智能体强化学习实现异构小型无人机编队的分离保障

Iman Sharifi, Hyeong Tae Kim, Maheed Hatem Ahmed, Mahsa Ghasemi, Peng Wei

机构 * Department of Mechanical and Aerospace Engineering, George Washington University（机械与航空航天工程系，乔治华盛顿大学） ； Department of Electrical and Computer Engineering, Purdue University（电气与计算机工程系，普渡大学） 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 本文通过多智能体强化学习方法，研究异构小型无人机编队在战术解冲突中的均衡问题，并探讨政策对不同配置编队的影响，验证了PPOA2C框架在安全分离中的有效性。

Comments 8 pages, 3 figure, 1 table

Active Learning for Communication Structure Optimization in LLM-Based Multi-Agent Systems

基于大语言模型多智能体系统的通信结构优化的主动学习

Huchen Yang, Xinghao Dong, Dan Negrut, Jin-Long Wu

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 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 本文提出基于信息论的任务选择框架，通过估计任务信息量优化多智能体系统通信结构，在有限预算下提升性能并减少token使用。

HBEE: Human Behavioral Entropy Engine -- Pre-Registered Multi-Agent LLM Simulation of Peer-Suspicion-Based Detection Inversion

HBEE：人类行为熵引擎——预注册的多智能体LLM模拟中的基于同伴怀疑的检测反转

Vickson Ferrel

机构 * Faculty of Computer Science & Information Technology（计算机科学与信息科技学院） ； Universiti Malaysia Sarawak（马来西亚沙巴大学） ； Vixero Technology Enterprise（Vixero技术企业） 纠错

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

AI总结 本文通过预注册的多智能体LLM模拟，研究了基于同伴怀疑的检测反转问题，发现适应性对手在T_60时的怀疑度低于随机选择的无辜代理，且检测信号在适应性对手行为下解耦。

Comments 14 pages, 6 figures. Pre-registration document and full deviation log included in artifact