Voxel-aware oxygen kinetics resolves radiation-induced DNA damage retention across LET-oxygen conditions
体素感知的氧动力学解决辐射诱导的DNA损伤保留问题在LET-氧条件下的差异
专题命中 规划决策 ：planning(abstract)
AI总结 本文提出VOxA模型，通过体素感知和氧动力学，解决粒子特异性、机理基础和快速计算的OER问题，验证了其在不同粒子类型中的有效性。
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. 规划决策 60 篇
Dynamic Carbon Intensity Indicator (CII) Management in Stochastic Tramp Shipping Market
随机散货航运市场中动态碳强度指标（CII）管理
专题命中 规划决策 ：planning(abstract)
AI总结 本文提出一种两阶段随机规划模型，用于在市场不确定性和CII监管下长期船队部署，同时优化航线、货物分配和速度，并开发一种高效启发式算法以支持不确定性下的决策。
Journal ref Transportation Research Part A: Policy and Practice 210 (2026) 105059
SceneParser: Hierarchical Scene Parsing for Visual Semantics Understanding
SceneParser: 用于视觉语义理解的分层场景解析
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Zhongguancun Academy（中关村学院） ； Huazhong University of Science and Technology（华中科技大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； South China University of Technology（华南理工大学） ； University of Oxford（牛津大学） ； Peking University（北京大学）
专题命中 规划决策 ：planning(abstract)
AI总结 本文提出SceneParser，通过分层解析任务构建场景-对象-部件-功能的层次结构，利用结构完成伪标签和课程学习提升结构感知能力，实验表明其在复杂场景理解中表现更优。
Comments Preprint. Code, models, and dataset are provided in the manuscript
EponaV2: Driving World Model with Comprehensive Future Reasoning
EponaV2：通过全面的未来推理驱动世界模型
机构 * PCA Lab, VCIP, College of Computer Science, Nankai University（PCA实验室、VCIP、计算机科学学院、南开大学） ； Horizon Robotics ； HKUST（香港科技大学） ； NJUPT（南京工程大学） ； NTU（国立台湾大学） ； Anyverse ； School of Intelligence Science and Technology, Nanjing University（智能科学与技术学院、南京大学）
专题命中 规划决策 ：planning(abstract)
AI总结 本文提出EponaV2，一种新的驾驶世界模型范式，通过全面的未来推理实现高质量规划。模型通过预测更全面的未来表示，结合3D和语义模态，提升环境理解与现实推理能力，从而改进轨迹规划。
Deep Learning for Solving and Estimating Dynamic Models in Economics and Finance
深度学习在经济学和金融学中高维动态模型求解与估计中的应用
专题命中 规划决策 ：agent(abstract)
AI总结 本文介绍深度学习在高维动态随机模型中的应用，通过四种方法解决维度灾难问题，支持估计、敏感性分析和政策设计，适用于宏观经济、金融和气候经济等领域。
Comments 330 pages
TinySDP: Real Time Semidefinite Optimization for Certifiable and Agile Edge Robotics
TinySDP: 为可证实和敏捷边缘机器人实现实时半正定优化
机构 * A2R-Lab（A2R实验室）
专题命中 规划决策 ：planning(abstract)
AI总结 本文提出TinySDP，一种为嵌入式系统设计的半正定规划求解器，用于实时模型预测控制，解决非凸障碍约束下的碰撞避免问题，实现更短路径和实时性。
Comments Accepted to Robotics: Science and Systems (RSS) 2026. 11 pages, 5 figures, 2 tables. Project website: https://a2r-lab.org/TinySDP/
HECTOR: Human-centric Hierarchical Coordination and Supervision of Robotic Fleets under Continual Temporal Tasks
HECTOR：面向人本的机器人舰队层级协调与监督方案
机构 * School of Advanced Manufacturing and Robotics, Peking University（北京大学先进制造与机器人学院） ； National University of Defense Technology（国防科技大学）
专题命中 规划决策 ：planning(abstract)
AI总结 HECTOR提出一种面向人本的机器人舰队协调与监督方案，通过三级层级结构实现动态任务分配与协调，提升计算效率并减少人工干预。
CAD-Coder: Text-to-CAD Generation with Chain-of-Thought and Geometric Reward
CAD-Coder：基于链式思维和几何奖励的文本到CAD生成
专题命中 规划决策 ：planning(abstract)
AI总结 CAD-Coder将文本到CAD生成转化为CadQuery脚本生成，通过监督微调和强化学习提升代码有效性与几何精度，实现LLM直接生成复杂CAD模型。
Journal ref Advances in Neural Information Processing Systems 38 (NeurIPS 2025), pp. 59765-59789
Motivating Careerists
激励职业主义者
专题命中 规划决策 ：agent(abstract)
AI总结 本文研究政治组织如何通过绩效奖励机制激励职业主义者正确决策并努力执行，分析了信息结构对激励效果的影响，并探讨了政策 implications。
SToRe3D: Sparse Token Relevance in ViTs for Efficient Multi-View 3D Object Detection
SToRe3D：ViTs中稀疏令牌相关性用于高效多视角3D目标检测
机构 * University of Toronto（多伦多大学） ； Zoox Inc（Zoox公司）
专题命中 规划决策 ：planning(abstract)
AI总结 SToRe3D通过联合选择2D图像令牌和3D目标查询，实现高效多视角3D目标检测，在nuScenes和新基准上达到3倍加速，保持精度。
Comments Accepted to CVPR 2026
Grid Integration of Gigawatt-Scale AI Data Centers under Connect-and-Manage
在连接与管理下的千兆瓦级人工智能数据中心电网集成
专题命中 规划决策 ：planning(abstract)
AI总结 本文提出一种分层架构，通过学习规划层生成电力请求，TSO通过稳健接受机制评估请求，并通过单步执行优化器在实现的电力预算下保持可行性，减少弃风弃光比例。
Seed3D 2.0: Advancing High-Fidelity Simulation-Ready 3D Content Generation
Seed3D 2.0: 推动高保真仿真准备的3D内容生成
机构 * ByteDance（字节跳动）
专题命中 规划决策 ：planning(abstract)
AI总结 Seed3D 2.0通过改进生成保真度、仿真能力及应用范围，引入统一PBR模型和仿真准备模型套件，提升3D内容生成精度与视觉效果。
Comments Seed3D 2.0 Technical Report; Official Page on https://seed.bytedance.com/seed3d_2_0
Optimal UGV-UAV Cooperative Partitioning and Inspection of Shortest Paths
最优UGV-UAV协作路径划分与最短路径探测
专题命中 规划决策 ：planning(abstract)
AI总结 本文研究了在未知道路阻塞环境下，UGV与UAV协作规划最短路径的问题，提出了一种最优路径划分策略，通过UAV和UGV分工探测路径前缀和后缀，提高了路径规划效率。
Comments Withdrawn by the authors due to an error in Section V.D in the competitive-ratio proof for the UGV-UAV case. The proof incorrectly uses $1+2\frac{v_A}{v_G+v_A}(k-1)\le 2\frac{v_A}{v_G+v_A}k-1$, which does not hold in general and affects the stated bound
2. 多智能体 43 篇
Agentic AI Ecosystems in Higher Education: A Perspective on AI Agents to Emerging Inclusive, Agentic Multi-Agent AI Framework for Learning, Teaching and Institutional Intelligence
高等教育中的代理AI生态系统：对AI代理在新兴包容性、代理多代理AI框架中学习、教学和机构智能的视角
机构 * College of Computing and Data Science, Nanyang Technological University, NTU, Singapore（南洋理工大学计算机与数据科学学院） ； DeepMed Ptd Ltd, India（印度DeepMed公司）
专题命中 多智能体 ：agent(title,abstract)；AI agent(title,abstract)；agentic(title,abstract)；multi-agent(title,abstract)
AI总结 本文探讨高等教育中代理多代理AI平台的整合，旨在解决教育机构复杂性中的碎片化问题，强调包容性和适应性决策的重要性。
Comments 50 pages, 14 figures, 3 tables
IFPV: An Integrated Multi-Agent Framework for Generative Operational Planning and High-Fidelity Plan Verification
IFPV：一种用于生成性操作规划和高保真计划验证的集成多智能体框架
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（教育部智能群体系统工程研究中心） ； National Supercomputing Center in Zhengzhou（郑州国家超算中心） ； Henan Research Center for Large Model Technology（河南省大模型技术与新质软件工程研究中心）
专题命中 多智能体 ：agent(title,abstract)；planning(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 IFPV通过多视角分层智能体和对抗认知仿真引擎，提升复杂战场环境下的规划准确性和验证严格性，实验显示其在任务成功率和运营成本上有显著提升。
Comments Submitted to Neurocomputing
AgentForesight: Online Auditing for Early Failure Prediction in Multi-Agent Systems
AgentForesight：多智能体系统中在线审计的早期故障预测
机构 * Rutgers University（新泽西罗格拉大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Purdue University（普渡大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出AgentForesight框架，通过在线审计实现多智能体系统中早期故障预测，利用AFTraj-2K数据集训练出AgentForesight-7B模型，在性能和定位精度上优于GPT-4.1等模型。
Comments 33 pages, 7 figures
Modeling AI-TPACK in Practice Insights from Teachers Multi-Agent Workflow Design
实践中的AI-TPACK建模：来自教师多智能体工作流设计的洞察
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；workflow(title)
AI总结 研究探讨教师在设计多智能体教学工作流时的行为及认知基础，发现AI-TPACK整合源于系统思维、教学信念和自我效能的动态互动，需针对教师认知行为差异提供差异化支持。
LEMON: Learning Executable Multi-Agent Orchestration via Counterfactual Reinforcement Learning
LEMON：通过反事实强化学习学习可执行多智能体编排
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 LEMON通过反事实强化学习生成可执行的多智能体编排规范，整合任务特定角色、定制职责、容量级别和依赖结构，提升多智能体系统解决方案质量和执行效率。
Comments Submitted to Neurips 2026
GAMBIT: A Three-Mode Benchmark for Adversarial Robustness in Multi-Agent LLM Collectives
GAMBIT：多智能体LLM集体中对抗鲁棒性的三模式基准
机构 * IDLab–T2K, Ghent University–imec（IDLab–T2K，根特大学–imec）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；agentic(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 GAMBIT是首个多智能体对抗鲁棒性基准，通过三模式评估和两个独立评分，测试在适应性对抗者下的 impostor 检测器性能，展示了零样本评估的误导性及快速 recalibration 方法的重要性。
Comments 46 pages, 16 figures
Cattle Trade: A Multi-Agent Benchmark for LLM Bluffing, Bidding, and Bargaining
牛市交易：一种多智能体基准，用于评估大语言模型在战略推理、对抗互动和资源约束下的表现
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Cattle Trade基准，用于评估大语言模型在多智能体经济游戏中整合战略推理、对抗互动和资源分配的能力，揭示了智能体在资源管理与对抗策略中的表现差异。
Comments malgai workshop at iclr 2026
MetaAgent-X : Breaking the Ceiling of Automatic Multi-Agent Systems via End-to-End Reinforcement Learning
MetaAgent-X：通过端到端强化学习打破自动多智能体系统的天花板
机构 * Oregon State University（俄勒冈州立大学） ； UCSD（加州大学圣迭戈分校） ； Amazon AGI（亚马逊人工智能实验室） ； Pennsylvania State University（宾夕法尼亚州立大学） ； AG2AI, Inc.（AG2AI公司）
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MetaAgent-X，通过端到端强化学习框架联合优化自动多智能体系统的设计与执行，实现脚本化生成、执行回放收集及信用分配，提升训练稳定性与可扩展性，取得21.7%的性能提升。
Towards In-Depth Root Cause Localization for Microservices with Multi-Agent Recursion-of-Thought
面向微服务的深入根本原因定位：多智能体递归思考
机构 * Peking University（北京大学） ； Huawei Theory Lab（华为理论实验室）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 本文提出RCLAgent框架，通过多智能体递归思考实现微服务系统根本原因定位，提升定位准确性和推理效率。
Predictive Maps of Multi-Agent Reasoning: A Successor-Representation Spectrum for LLM Communication Topologies
多智能体推理的预测地图：一种用于LLM通信拓扑的后继表示谱
机构 * University of Arizona（亚利桑那大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文提出基于后继表示谱的结构诊断方法，用于评估多智能体LLM通信拓扑的性能，通过分析谱半径、谱间隙和条件数等指标，预测拓扑在漂移、共识和扰动鲁棒性方面的表现。
Probabilistic Verification of Recurrent Neural Networks for Single and Multi-Agent Reinforcement Learning
基于递归神经网络的单智能体与多智能体强化学习的概率验证
机构 * TU Wien（维也纳技术大学） ； Massachusetts Institute of Technology（麻省理工学院）
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RNN-ProVe框架，通过策略驱动采样和统计误差界估计，为递归神经网络策略提供更精确的概率保证，适用于部分可观测的单智能体和多智能体强化学习任务。
Comments Accepted at the 35th International Joint Conference on Artificial Intelligence (IJCAI) 2026
Contestable Multi-Agent Debate with Arena-based Argumentative Computation for Multimedia Verification
可争议的多智能体辩论与基于竞技场的论证计算用于多媒体验证
机构 * University of New Brunswick（新 Brunswick大学） ； University of Science, VNU-HCM（越南国家大学科学学院（VNU-HCM））
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 本文提出一种可争议的多智能体框架，结合多模态大语言模型、外部验证工具和基于竞技场的定量双极论证，以解决多媒体验证的透明性和可争议性问题。
Comments ACM ICMR 2026 Grand Challenge on Multimedia Verification
FuzzAgent: Multi-Agent System for Evolutionary Library Fuzzing
FuzzAgent：用于进化库模糊测试的多智能体系统
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.SE
AI总结 FuzzAgent通过多智能体协作实现库模糊测试的迭代进化，提升覆盖率和崩溃分析的准确性，优于现有方法45.1%至191.2%。
Comments Try FuzzAgent at https://fuzzany.org/
Hierarchical Attacks for Multi-Modal Multi-Agent Reasoning
多模态多智能体推理的分层攻击
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HAM³框架，通过感知、通信、推理三层分层攻击，评估多智能体系统在不同推理范式下的攻击成功率，揭示多模态多智能体系统的安全漏洞。
Comments Accepted to CVPR 2026
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026
MASPrism: Lightweight Failure Attribution for Multi-Agent Systems Using Prefill-Stage Signals
MASPrism：基于预填充阶段信号的轻量级多智能体系统故障归因
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.SE
AI总结 本文提出MASPrism，通过预填充阶段信号实现多智能体系统故障归因，利用小型语言模型提取负对数似然和注意力权重，提升故障源识别效率，实验显示在Who&When和TRAIL数据集上性能优异，速度提升显著。
Comments 12 pages
Catching the Infection Before It Spreads: Foresight-Guided Defense in Multi-Agent Systems
在感染蔓延前捕捉它：多智能体系统中的前瞻性引导防御
机构 * Sichuan University（四川大学） ； Nanyang Technological University（南洋理工大学）
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Foresight-Guided Local Purification框架，通过智能体模拟未来交互行为，消除感染。实验表明，该方法将最大累积感染率从95%降至5.47%，有效保持交互多样性。
Comments 12 pages
Optimizing PyTorch Inference with LLM-Based Multi-Agent Systems
通过基于LLM的多智能体系统优化PyTorch推理
机构 * NVIDIA Corporation（NVIDIA公司） ； Microsoft Corporation（微软公司） ； Ansel et al. ( 2024 )（Ansel等人（2024）） ； Sabne ( 2020 )（Sabne（2020）） ； Kerr et al. ( 2017 )（Kerr等人（2017）） ； Tillet et al. ( 2019 )（Tillet等人（2019）） ； Spector et al. ( 2024 )（Spector等人（2024）） ； Ouyang et al. ( 2025 )（Ouyang等人（2025）） ； Lange et al. ( 2025a（Lange等人（2025a；b）） ； b )（Li等人（2025）） ； Li et al. ( 2025 )（METR（2025）） ； METR ( 2025 )（Andrews和Witteveen（2025）） ； Andrews and Witteveen ( 2025 )（Baronio等人（2025）） ； Baronio et al. ( 2025 )（Novikov等人（2025）） ； Novikov et al. ( 2025 )（Wei等人（2025）） ； Wei et al. ( 2025 )（Sharma（2025）） ； Sharma ( 2025 )
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 本文提出基于LLM的多智能体系统用于优化PyTorch推理，发现exploit策略与error-fixing智能体结合效果最佳，实现2.88倍速度提升。
