AI Agent

T-TExTS (Teaching Text Expansion for Teacher Scaffolding): Enhancing Text Selection in High School Literature through Knowledge Graph-Based Recommendation

T-TExTS（教师指导下的文本扩展：通过知识图谱推荐增强高中文学文本选择）：通过知识图谱推荐增强高中文学文本选择

Nirmal Gelal, Chloe Snow, Ambyr Rios, Kathleen M. Jagodnik, Hande Küçük McGinty

机构 * Department of Computer Science（计算机科学系） ； Department of Curriculum and Instruction（课程与教学系） ； Kansas State University（堪萨斯州立大学） 纠错

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

AI总结 本文提出T-TExTS系统，利用知识图谱推荐提升高中文学文本选择效率，通过构建领域本体并评估四种图嵌入策略，证明混合模型在保持可解释性的同时能实现竞争性的排名质量。

Comments Under Review

Revisiting DAgger in the Era of LLM-Agents

重新审视LLM代理时代的DAgger

Changhao Li, Rushi Qiang, Jiawei Huang, Chenxiao Gao, Chao Zhang, Niao He, Bo Dai

机构 * Georgia Institute of Technology（佐治亚理工学院） ； ETH Zurich（苏黎世联邦理工学院） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出通过DAgger算法改进长周期LLM代理，通过学生与教师策略的回合级插值收集轨迹，并利用教师提供的监督标签训练学生，有效缓解协变量偏移并提升性能。

Quantifying Potential Observation Missingness in Inverse Reinforcement Learning

量化逆强化学习中的潜在观察缺失程度

Leo Benac, Abhishek Sharma, Alihan Huyuk, Finale Doshi-Velez

机构 * School of Engineering and Applied Sciences（工程与应用科学学院） ； Harvard University（哈佛大学） 纠错

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

AI总结 本文研究逆强化学习中因观察缺失导致的决策偏差问题，提出算法量化行为数据中可能的观察缺失范围，通过合成导航任务、癌症治疗模拟和ICU治疗数据实验验证方法有效性。

ConRetroBert: EMA Stabilized Dual Encoders for Template-Based Single-Step Retrosynthesis

ConRetroBert：基于指数移动平均的双编码器用于基于模板的单步逆合成

Mohammad Jahid Ibna Basher, Ali Khodabandeh Yalabadi, Ivan Garibay, Ozlem Ozmen Garibay

机构 * Department of Industrial Engineering（工业工程系） 纠错

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

AI总结 ConRetroBert通过将模板逆合成重构为密集产品模板检索和候选集列表排序，提升了模板基于方法的性能，其双编码器框架在USPTO-50k基准上实现了更高的反应准确率。

Comments Submitted to NeurIPS 2026 Main Conference

CoWorld-VLA: Thinking in a Multi-Expert World Model for Autonomous Driving

CoWorld-VLA：面向自动驾驶的多专家世界模型中的思考

Minqing Huang, Yujiao Xiang, Zihan Liang, Jiajie Huang, Jingqi Wang, Zhi Xu, Feiyang Tan, Hangning Zhou, Mu Yang, Gong Che

机构 * Afari Intelligent Drive（Afari智能驾驶公司） ； University of Electronic Science and Technology of China（电子科技大学） ； Shanghai Jiao Tong University（上海交通大学） ； Beijing University Of Posts and Telecommunications（北京邮电大学） ； Tianjin University（天津大学） 纠错

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

AI总结 本文提出CoWorld-VLA，通过多专家世界推理框架，利用显式条件指导动作规划，提升自动驾驶的场景生成与路径规划性能。

Energy Scaling Laws for Diffusion Models: Quantifying Compute in Image Generation

扩散模型的能量缩放规律：量化图像生成中的计算需求

Aniketh Iyengar, Jiaqi Han, Boris Ruf, Vincent Grari, Marcin Detyniecki, Stefano Ermon

机构 * Stanford University（斯坦福大学） ； AXA AI Research（AXA人工智能研究） 纠错

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

AI总结 本文提出基于计算复杂度(FLOPs)的扩散模型GPU能耗预测方法，通过分解推理过程中的文本编码、去噪和解码步骤，验证去噪操作主导能耗，并在四种先进模型和三种GPU架构上验证了预测准确性与跨架构泛化能力。

Comments Accepted at ACM Conference on Fairness, Accountability, and Transparency (FAccT) 2026

UniJEPA: Enhancing Robot Policy via Unified Continuous and Discrete Representation Learning

UniJEPA：通过统一的连续和离散表示学习增强机器人策略

Jianke Zhang, Yucheng Hu, Yanjiang Guo, Xiaoyu Chen, Yichen Liu, Wenna Chen, Chaochao Lu, Jianyu Chen

机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University, Beijing, China.（清华大学交叉信息研究院） ； Shanghai Qi Zhi Institute, Shanghai, China（上海启智研究院） ； Peking University, Beijing, China（北京大学） ； Shanghai AI Lab, Shanghai, China（上海人工智能实验室） 纠错

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

AI总结 本文提出UniJEPA，通过大规模预训练学习高维视觉特征，结合理解、规划和连续未来表示学习，提升机器人在开放环境中的任务执行能力。

Journal ref ICML 2026

Constraints-of-Thought: A Framework for Constrained Reasoning in Language-Model-Guided Search

思维约束：一种在语言模型引导搜索中进行约束推理的框架

Kamel Alrashedy, Vriksha Srihari, Zulfiqar Zaidi, Ridam Srivastava, Pradyumna Tambwekar, Matthew Gombolay

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文提出Const-o-T框架，通过约束推理提升语言模型在多步骤任务中的规划效率和决策可靠性，适用于风险游戏、CAD代码生成和算术推理等复杂领域。

Stress-Testing the Reasoning Competence of LLMs With Proofs Under Minimal Formalism

用最小形式主义对LLM推理能力进行压力测试：通过证明

Konstantine Arkoudas, Serafim Batzoglou

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

AI总结 ProofGrid通过机器可验证的证明评估LLM推理能力，涵盖证明写作、检查、遮蔽和补全等任务，采用简洁形式化符号，提供可重复、细粒度的评估方法，揭示当前模型在复杂推理任务上的局限性。

Global evolution of electric fields during planet encircling dust storms on Mars

火星全球尘暴期间电场的全球演化

Ina Taxis, Leonardos Gkouvelis, Richard A. Urata, Melinda A. Kahre, Amanda S. Brecht

专题命中 规划决策 ：planning(abstract)

AI总结 研究火星全球尘暴中电场的生成与演化，基于尘埃大小双模分布和电荷机制，揭示尘埃升腾与积累阶段的电场能量密度及放电特征，为未来任务提供电离层放电预测框架。

Comments Accepted for publication in Astronomy & Astrophysics

Learning to Optimize Radiotherapy Plans via Fluence Maps Diffusion Model Generation and LSTM-based Optimization

通过束流图扩散模型生成和基于LSTM的优化学习优化放射治疗计划

Isabella Poles, Simon Arberet, Riqiang Gao, Martin Kraus, Marco D. Santambrogio, Florin C. Ghesu, Ali Kamen, Dorin Comaniciu

机构 * Politecnico di Milano（米兰理工学院） ； Digital Technology and Innovation, Siemens Healthineers（西门子医疗数字化技术与创新） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种扩散驱动的学习优化方法，用于端到端的VMAT计划，通过生成可行的束流图并利用LSTM优化模块提高计划效率和机器可交付性。

Comments Early Accept at MICCAI 2026

SID: Sliding into Distribution for Robust Few-Demonstration Manipulation

SID：滑入分布以实现鲁棒的少样本操控

Yicheng Ma, Wei Yu, Zhian Su, Xidan Zhang, Huixu Dong

机构 * Grasp Lab, Zhejiang University（浙江大学抓取实验室） ； Torch Kernel Co., Ltd.（火炬内核有限公司） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 SID通过学习对象中心运动场，使系统在少样本下鲁棒地滑向演示 manifold 和轻量执行策略的可靠区域，提升动态扰动下的操控性能。

Comments 20 pages, 14 figures. Project website: https://sliding-into-distribution.github.io/

Cascaded TD3-PID Hybrid Controller for Quadrotor Trajectory Tracking in Wind Disturbance Environments

级联TD3-PID混合控制器用于风扰环境下的四旋翼轨迹跟踪

Yukang Zhang, Shuqi Chai, Yuhang Zhang, Danlan Huang, Quanbo Ge

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出一种级联混合控制框架，用于四旋翼在非线性动态和外部扰动下的轨迹跟踪。通过增强PID控制器与TD3算法，提升水平位置控制在严重扰动下的性能，并通过仿真和实测验证其鲁棒性。

Dynamic Modulated Arc Therapy (DMAT): An Intent-Driven, Time-Aware Framework for Next-Generation Radiotherapy Delivery

动态调制弧治疗（DMAT）：一种意图驱动、时间感知的下一代放疗交付框架

Taoran Li, Esa Kuusela, Emmi Ruokokoski, Heini Hyvönen, Jerry Jaboin, Mirko Myllykoski, Jussi Nurminen, Riku Paananen, Jarkko Peltola, Marko Rusanen, Martin Sabel, Kevin Moore, Christopher Boylan

专题命中 规划决策 ：planning(abstract)

AI总结 DMAT通过联合优化剂量质量、交付时间和调制复杂度，实现意图驱动的放疗交付。该方法结合机器仿真和动态调制控制，通过用户设定的调制水平优化叶轮运动、MU行为和CP密度，提升治疗计划的质量和效率。

Evaluating the impact of outcome delay on the efficiency of sample size re-estimation

评估结果延迟对样本量重新估计效率的影响

Aritra Mukherjee, Michael J Grayling, James J M S Wason

专题命中 规划决策 ：planning(abstract)

AI总结 本文研究结果延迟对内部试点类型样本量重新估计设计效率的影响，分析不同延迟长度对最终样本量分布和精度的影响，提出新的评估指标。

The Unified Autonomy Stack: Toward a Blueprint for Generalizable Robot Autonomy

统一自主栈：迈向通用机器人自主性的蓝图

Mihir Dharmadhikari, Nikhil Khedekar, Mihir Kulkarni, Morten Nissov, Martin Jacquet, Angelos Zacharia, Marvin Harms, Albert Gassol Puigjaner, Philipp Weiss, Kostas Alexis

机构 * Autonomous Robots Lab（自主机器人实验室） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出统一自主栈，通过多模态感知、多行为规划和多层安全导航模块实现通用机器人自主性，经实地测试验证其在复杂环境中的鲁棒性。

Comments 35 pages, 22 figures, 8 tables

Multistep Belief Space Dynamics Learning For Risk-Aware Control

多步信念空间动力学学习用于风险感知控制

Jason Gibson, Bogdan Vlahov, Patrick Spieler, Evangelos A. Theodorou

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出多步信念空间动力学学习框架，用于实时优化MPC中的分布动态预测，通过实车测试展示其在复杂越野环境中的智能行为调节能力。

Simulation-Ready Cluttered Scene Estimation via Physics-aware Joint Shape and Pose Optimization

通过物理感知的联合形状和姿态优化实现仿真准备的杂乱场景估计

Wei-Cheng Huang, Jiaheng Han, Xiaohan Ye, Zherong Pan, Kris Hauser

机构 * Meta Reality Labs（Meta现实实验室） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种基于物理约束的联合形状和姿态优化方法，用于从真实世界观测中估计仿真准备的场景，通过形状可微接触模型和结构稀疏性高效求解，实现了对多个物体的鲁棒重建。

Comments Accepted to RSS 2026, camera-ready version; 17 pages, 15 figures

OptMap: Geometric Map Distillation via Submodular Maximization

OptMap：通过子模极大化进行几何地图蒸馏

David Thorne, Nathan Chan, Christa S. Robison, Philip R. Osteen, Brett T. Lopez

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； DEVCOM Army Research Laboratory (ARL)（国防部陆军研究实验室（ARL）） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 OptMap通过子模极大化理论和算法创新，实现应用特定的在线地图生成，减少计算开销并提升长期映射任务的效率。

M3Net: A Macro-to-Meso-to-Micro Clinical-inspired Hierarchical 3D Network for Pulmonary Nodule Classification

M3Net：一种受临床诊断流程启发的宏-中-微三级层次3D网络用于肺结节分类

Jinyue Li, Yuzhou Yu, Jingjing Yang, Meng Fu, Yani Zhang, Shuyao He, Dianlong Ge, Xin Ning, Yannan Chu, Qiankun Li

机构 * Hefei Cancer Hospital of CAS, Institute of Health and Medical Technology, Hefei Institutes of Physical Science, Chinese Academy of Sciences（中国科学院合肥医疗健康研究院、健康与医疗技术研究所、物理研究所） ； University of Science and Technology of China（中国科学技术大学） ； Graduate School, Bengbu Medical College（蚌埠医疗学院研究生院） ； Department of Pulmonary and Critical Care Medicine, The First Affiliated Hospital of USTC, Division of Life Sciences and Medicine, University of Science and Technology of China (USTC)（中国科学技术大学附属第一医院呼吸与危重症医学科、生命科学与医学学院） ； Northeastern University（东北大学） ； Institute of Semiconductors, Chinese Academy of Sciences（中国科学院半导体研究所） ； College of Computing and Data Science (CCDS), Nanyang Technological University（南洋理工大学计算与数据科学学院） 纠错

专题命中 规划决策 ：workflow(abstract)

AI总结 本文提出M3Net，通过多尺度上下文信息整合，提升肺结节分类的准确性和可解释性，在LIDC-IDRI和USTC-FHLN数据集上取得最佳性能。

Comments Published in Information Fusion (2026), 15 pages, 5 figures

Journal ref Information Fusion, 2026

Analyzing the Impact of Release Season and Production Budget on Movie Revenue and Profitability

分析发行季节和制作预算对电影收入和盈利能力的影响

Mohammad Jalili Torkamani, Pedro Gomes, Amirmohammad Sadeghnejad, Jason Le

专题命中 规划决策 ：planning(abstract)

AI总结 本文研究了发行季节和制作预算对电影财务表现的影响，发现预算、受欢迎程度和观众评分比发行季节更关键，随机森林回归在预测收入方面表现优于决策树。

Comments 17 pages, 18 figures, preprint

Security-Aware Planning and Control of Multi-Agent Systems with LTL Tasks

具有LTL任务的多智能体系统的安全意识规划与控制

Georgios Mitsos, Dimos V. Dimarogonas, Siyuan Liu

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

AI总结 本文提出了一种安全构造的多智能体系统规划与控制框架，通过LTL规范保护敏感信息免受部分观察的被动入侵者侵害，确保任务执行的保密性。

Comments 8 pages, 2 figures; This paper has been accepted at the IFAC World Congress 2026

ChipMATE: Multi-Agent Training via Reinforcement Learning for Enhanced RTL Generation

ChipMATE: 通过强化学习进行多智能体训练以提升RTL生成

Zhongkai Yu, Yichen Lin, Chenyang Zhou, Yuwei Zhang, Kun Zhou, Junxia Cui, Haotian Ye, Zhengding Hu, Zaifeng Pan, Ruiyi Wang, Yujie Zhao, Hejia Zhang, Jingbo Shang, Jishen Zhao, Yufei Ding

机构 * UCSD（加州大学圣迭戈分校） ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 ChipMATE是首个自训练多智能体RTL生成框架，通过相互验证的智能体和混合数据生成框架提升生成质量，实现75.0%和80.1%的VerilogEval V2通过率。

Reinforced Collaboration in Multi-Agent Flow Networks

多智能体流网络中的强化协作

Zheng Wang, Yuang Liu, Yangkai Ding

机构 * Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

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

AI总结 本文提出MANGO框架，通过流网络优化多智能体协作流程，结合强化学习和文本梯度提升效率与性能，实验显示在七个基准上性能提升12.8%，效率提升47.4%。

Discrete Diffusion for Complex and Congested Multi-Agent Path Finding with Sparse Social Attention

离散扩散用于复杂且拥堵的多智能体路径寻找与稀疏社交注意

Yuanzhe Wang, Tian Zhi, Zihang Wei, Hongguang Wang, Jiaming Guo, Yang Zhao, Zisheng Liu, Shiyu Quan, Xing Hu, Zidong Du, Yunji Chen

机构 * State Key Lab of Processors, Institute of Computing Technology, CAS（中国科学院计算技术研究所处理器重点实验室） ； School of Advanced Interdisciplinary Sciences, CAS（中国科学院高等交叉学科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Microelectronics, CAS（中国科学院微电子研究所） 纠错

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

AI总结 本文提出DiffLNS框架，结合离散去噪扩散概率模型与LNS2，通过稀疏社交注意学习多智能体轨迹先验，提升多智能体路径寻找的修复效率与成功率。

Comments 24 pages, 7 figures

IdeaForge: A Knowledge Graph-Grounded Multi-Agent Framework for Cross-Methodology Innovation Analysis and Patent Claim Generation

IdeaForge: 一种基于知识图谱的多智能体框架，用于跨方法论创新分析和专利主张生成

Joy Bose

机构 * Independent Researcher（独立研究员） 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 IdeaForge通过多智能体框架整合TRIZ、设计思维和SCAMPER等创新方法，利用知识图谱实现跨方法论的创新分析和专利主张生成，提升创新候选的多样性和可追溯性。

Comments 14 pages, 3 figures, 6 tables

A Multi-Agent Orchestration Framework for Venture Capital Due Diligence

面向风险投资尽调的多智能体 orchestration 框架

Grigorios Alexandrou, Katerina Pramatari

机构 * Greek Business Registry（希腊企业登记处） 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 本文提出一个自动化多智能体框架，结合大语言模型和实时网络检索，将非结构化数据转化为结构化投资信息，通过程序化提取管道和结构化回退机制提升金融尽调的准确性与可靠性。

Comments 13 pages, 1 figure

AgenticRecTune: Multi-Agent with Self-Evolving Skillhub for Recommendation System Optimization

AgenticRecTune: 多智能体与自演化技能 hub 用于推荐系统优化

Xidong Wu, Yue Zhuan, Ruoqiao Wei, Hangxin Chen, Di Bai, Jintao Liu, Xinyi Wang, Xue Wang, Luoshu Wang, Xinwu Cheng

机构 * Google（谷歌） 纠错

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

AI总结 本文提出AgenticRecTune框架，通过五个智能体实现端到端配置优化，利用LLM进行最优配置空间探索，结合自演化Skillhub提升推荐系统性能。

AgenticAITA: A Proof-Of-Concept About Deliberative Multi-Agent Reasoning for Autonomous Trading Systems

AgenticAITA: 关于自主交易系统中 deliberative 多智能体推理的证明概念

Ivan Letteri

机构 * Department of Information Engineering, Computer Science, and Mathematics, Center of Excellence for Research DEWS, University of L’Aquila（信息工程、计算机科学和数学系，DEWS研究中心，拉奎拉大学） 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 本文提出AGENTICAITA框架，通过多智能体协作推理替代传统信号执行模式，实现自主交易系统中无离线训练的决策流程，展示其在金融决策中的可行性与有效性。

MIRACLE_Multi-Agent Intelligent Regulation to Advance Collaborative Learning Environment

MIRACLE：多智能体智能调节以推进协作学习环境

Shuang Li, Haiyang Xin, Yimeng Sun, Qiannan Niu, Lingyun Huang, Gaowei Chen, Ching Sing Chai

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

AI总结 本研究提出MIRACLE系统，通过整合元认知调节和主动提供情感支持，提升学生协作学习中的社会共享调节能力，实验证明其在规划、监控和反思阶段的显著成效。