AI Agent

Probabilistic bias adjustment of seasonal forecasts using generative machine learning: A case study of Arctic sea ice predictions

基于生成式机器学习的季节预报概率偏差校正：以北极海冰预测为例

Parsa Gooya, Reinel Sospedra-Alfonso

机构 * Canadian Centre for Climate Modelling and Analysis（加拿大气候建模与分析中心） 纠错

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

AI总结 本研究提出基于条件变分自编码器的概率后处理框架，通过生成器替代高斯参数化解码器并采用连续排序概率评分优化，有效校正季节预报的系统偏差并提升分辨率与谱能量。

Beyond Consensus: Trace-Level Synthesis in Mixture of Agents

超越共识：混合智能体中的轨迹级合成

Shreyas Fadnavis, Praitayini Kanakaraj, Felix Wyss

机构 * Bioscope AI 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 本文提出轨迹级合成方法，通过语义保持输入扰动生成多样化推理轨迹，并利用锚定精炼保证非退化，从而在多数投票失败时仍能恢复正确解，超越基于答案的聚合。

Practitioner Beliefs and Behaviors in AI-Enhanced Education: DOT Framework Survey Evidence

AI增强教育中的从业者信念与行为：DOT框架调查证据

David Gibson, M. Elizabeth Azukas, Gerald Knezek

机构 * Curtin University（Curtin 大学） ； Georgia Tech Research Institute（佐治亚理工研究学院） ； Georgia Institute of Technology（佐治亚理工学院） ； University of North Texas（北卡罗来纳州立大学） 纠错

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

AI总结 基于DOT框架，通过横截面调查（n=72）探究高等教育从业者对AI整合的信念、行为及制度条件，发现从业者支持AI教学辅助但强调人类监督，且设计导向实践与理论存在差距。

Generative Spatiotemporal Intent Sequence Recommendation via Implicit Reasoning in Amap

高德地图中基于隐式推理的生成式时空意图序列推荐

Sicong Wang, Ruiting Dong, Yue Liu, Bowen Zheng, Jun Meng, Jie Li, Shuaijun Guo, Yu Gu, Fanyi Di, Xin Li

机构 * AMAP, Alibaba Group（阿里集团地图（AMAP）） 纠错

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

AI总结 提出GPlan框架，通过渐进式隐式思维链蒸馏和时空反事实DPO，将LLM推理能力压缩至轻量模型，实现低延迟且符合时空约束的意图序列生成。

Comments 9 pages, 1 figure

Pre-Registering the Detectable Effect: A Paired-MDE Budget for 4-bit Quantization Benchmarks, with a Pilot Audit

预注册可检测效应：面向4位量化基准的配对MDE预算，附带一项试点审计

Zexin Zhuang, Yanhang Li, Zhichao Fan

机构 * Southern Methodist University（南方 Methodist 大学） ； Northeastern University（东北ern 大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文提出一种配对最小可检测效应（MDE）边界公式，用于量化基准的可靠性评估，并通过试点审计验证其有效性。

Grammar-Aware Literate Generative Mathematical Programming with Compiler-in-the-Loop

语法感知的 literate 生成式数学编程与编译器在环

Roberto Rossi, Steven D. Prestwich

机构 * Business School, University of Edinburgh（爱丁堡大学商学院） ； Insight Centre for Data Analytics, University College Cork（科克大学数据分析研究所） 纠错

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

AI总结 提出 SyntAGM 系统，通过迭代生成-编译-评估-修正循环，利用编译器反馈和 LLM 对齐判断，生成可读的代数建模语言优化模型，实现成本与质量的更优权衡。

Comments 18 pages, 7 figures

Benchmarking LLM-Assisted Blue Teaming via Standardized Threat Hunting

通过标准化威胁狩猎评估LLM辅助蓝队

Yuqiao Meng, Luoxi Tang, Feiyang Yu, Xi Li, Guanhua Yan, Ping Yang, Zhaohan Xi

机构 * State University of New York at Binghamton（纽约州立大学布ingham顿分校） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Duke University（杜克大学） 纠错

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

AI总结 本文提出CyberTeam基准，通过构建标准化工作流和模块化操作步骤，评估大语言模型在蓝队威胁狩猎中的有效性，并揭示标准化设计带来的改进与开放式推理的局限性。

Comments ICML'26

Prescribe-then-Select: Adaptive Policy Selection for Contextual Stochastic Optimization

先规定后选择：面向情境随机优化的自适应策略选择

Caio de Prospero Iglesias, Kimberly Villalobos Carballo, Dimitris Bertsimas

机构 * Sloan School of Management（斯隆管理学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Tandon School of Engineering（坦多工程学院） ； New York University（纽约大学） 纠错

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

AI总结 针对情境随机优化中候选策略在协变量空间表现异质的问题，提出Prescribe-then-Select模块化框架，通过构建可行策略库并基于最优策略树集成学习元策略实现数据驱动的自适应选择，在单阶段报童和两阶段运输规划问题中优于单一最优策略。

SpecBench: Evaluating Specification-Level Reasoning for Software Engineering LLM Agents

SpecBench: 评估软件工程LLM代理的规约级推理能力

Grant Hamblin, Kevin Song, Zhanda Zhu, Anand Jayarajan, Sihang Liu, Nandita Vijaykumar, Gennady Pekhimenko

专题命中 规划决策 ：agent(abstract)

AI总结 提出SpecBench基准，通过从RFC过程中提取任务，评估LLM代理在无执行反馈下识别初始设计提案中遗漏、歧义、不一致或错误假设的规约级推理能力。

Zero-Scan Data Quality: Leveraging Table Format Metadata for Continuous Observability at Scale

零扫描数据质量：利用表格式元数据实现大规模持续可观测性

Mohit Verma, Shantanu Rawat, Christian Bush, Sumedh Sakdeo, Lokesh Amarnath Ravindranathan, Dwarak Bakshi

专题命中 规划决策 ：planning(abstract)

AI总结 提出一种元数据优先方法，利用Apache Iceberg等现代表格式在写入时计算的统计信息（如提交时间戳、记录计数、空值计数和值边界）进行持续数据质量监控，无需扫描数据，在LinkedIn的20万+ Iceberg表（800+ PB）上部署，满足约60%的用户定义数据质量规则，零边际计算成本，并将分析资源消耗降低约50%。

Comments To appear in the 1st International Workshop on Data FORMATS for Modern Architectures and Workloads (FORMATS '26), Bengaluru, India, May 2026

Optimization of Predictive Maintenance Schedules under Uncertainty: A Scenario-Based Theoretical Framework

不确定性下预测性维护调度的优化：基于场景的理论框架

Jerzy Baranowski, Waldemar Bauer

专题命中 规划决策 ：planning(abstract)

AI总结 提出一个基于场景的框架，整合日历、使用和剩余寿命预测三种信息，在有限规划期内优化预测性维护调度，并通过期望成本和尾部风险准则评估完整维护计划。

Comments This work has been submitted to the IEEE for possible publication

A Radius-Sensitive Approximation Algorithm for Connected Submodular Maximization

一种半径敏感的连通子模最大化近似算法

Philip Cervenjak, Junhao Gan, Naonori Kakimura, Seeun William Umboh, Anthony Wirth

专题命中 规划决策 ：planning(abstract)

AI总结 针对连通子模最大化问题，提出一种多项式时间框架，基于最优解半径r实现Ω(ε^3 / r^ε)近似比，并推广到有向和带根有向变体。

Comments 13 pages. To appear in AAMAS 2026

CT Imaging with Helium and Carbon Ions for Hadron Therapy

用于强子治疗的氦离子和碳离子CT成像

Zsófia Jólesz, Gábor Bíró, Gábor Papp, Gergely Gábor Barnaföldi

专题命中 规划决策 ：planning(abstract)

AI总结 本研究通过蒙特卡洛模拟比较质子、氦离子和碳离子CT在强子治疗计划中的相对阻止本领重建精度和患者辐射剂量，发现碳离子成像精度最高但剂量较大，而氦离子和质子成像剂量更低，适合儿童和自适应再计划场景。

Comments 18 pages, 7 figures

Burst Aware Forecasting of User Traffic Demand in LEO Satellite Networks

LEO卫星网络中用户流量需求的突发感知预测

Yekta Demirci, Guillaume Mantelet, Stephane Martel, Jean-Francois Frigon, Gunes Karabulut Kurt

专题命中 规划决策 ：planning(abstract)

AI总结 针对LEO卫星网络中突发流量导致缓冲区溢出和丢包的问题，提出一种基于Transformer架构的突发感知预测方法，通过嵌入突发距离、解码器线性层和不对称损失函数，显著降低预测误差。

Comments Accepted by IEEE International Conference on Communications (ICC) 2026

TRUST-Planner: Topology-guided Robust Trajectory Planner for AAVs with Uncertain Obstacle Spatial-temporal Avoidance

TRUST-Planner：面向具有不确定障碍物时空避让的AAV拓扑引导鲁棒轨迹规划器

Junzhi Li, Teng Long, Jingliang Sun, Jianxin Zhong

机构 * School of Aerospace Engineering, Beijing Institute of Technology（北京理工大学航空航天工程学院） ； Key Laboratory of Dynamics and Control of Flight Vehicle, Ministry of Education（教育部飞行器动力学与控制重点实验室） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出TRUST-Planner拓扑引导分层规划框架，通过动态增强可见概率图、无终端最小控制多项式和动态距离场实现复杂动态环境下的鲁棒时空避障，达到96%成功率和毫秒级计算效率。

Comments Accepted by IEEE Transactions on Industrial Electronics (TIE) for publication. The final version will be available online at https://ieeexplore.ieee.org/ after publication

Learning and Adaptation in Wire Arc Additive Manufacturing Bead Geometry Control

线弧增材制造焊道几何控制中的学习与自适应

Chen-Lung Lu, John Wen

机构 * Rensselaer Polytechnic Institute（伦塞拉尔理工学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 针对线弧增材制造中热场与几何耦合的非线性动态过程，提出基于循环神经网络和一步预测控制的数据驱动方法，并通过逐层预测误差更新模型实现自适应，实验验证了在焊道高度和宽度一致性上的显著提升。

Sentinel-VLA: A Metacognitive VLA Model with Active Status Monitoring for Dynamic Reasoning and Error Recovery

Sentinel-VLA：一种具有主动状态监控的元认知VLA模型，用于动态推理和错误恢复

Wenhao Li, Xiu Su, Dan Niu, Yichao Cao, Hongyan Xu, Zhe Qu, Lei Fan, Shan You, Chang Xu

机构 * University of Sydney（悉尼大学） ； Central South University（中央南大学） ； University of New South Wales（新南威尔士大学） ； Sensetime Research（商汤科技研究院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出Sentinel-VLA模型，通过主动哨兵模块监控执行状态，仅在必要时触发动态推理或错误恢复，结合自进化持续学习算法和正交持续适配器，在44个任务上提升成功率30%以上。

A Comprehensive Protocol Stack for Quantum Networks with a Global Entanglement Module

具有全局纠缠模块的量子网络综合协议栈

Xiaojie Fan, C. R. Ramakrishnan, Himanshu Gupta

专题命中 规划决策 ：planning(abstract)

AI总结 提出首个包含全局纠缠模块（GEM）的量子网络协议栈，通过分布式同步策略维护全网纠缠资源视图，并设计轻量级评分自适应启发式算法，在实时执行中使纠缠生成率比固定树基线提高约20%，比无连接方法提升两倍以上。

Sensor Fusion for Track Geometry Monitoring: Integrating On-Board Condition Monitoring and Degradation Models via Kalman Filtering

轨道几何监测的传感器融合：通过卡尔曼滤波集成车载状态监测与退化模型

Huy Truong-Ba, Jacky Chin, Michael E. Cholette, Pietro Borghesani

专题命中 规划决策 ：planning(abstract)

AI总结 本研究提出一种通过卡尔曼滤波融合低成本车载传感器振动信号与退化模型的方法，以提升轨道几何预测的可靠性，并实验验证了频繁传感器数据能显著降低预测不确定性。

Should the Timing of Inspections be Predictable?

检查时间是否应该可预测？

Ian Ball, Jan Knoepfle

专题命中 规划决策 ：agent(abstract)

AI总结 研究委托人通过成本检查激励代理人工作的问题，发现当工作主要带来突破时可预测检查最优，当工作主要防止崩溃时随机检查最优。

SURGENT: A Surgical Multi-Agent Assistance System Across the Perioperative Workflow

SURGENT: 一种跨围手术期工作流程的手术多智能体辅助系统

Dongsheng Shi, Yue Li, Xin Yi, Yongyi Cui, Huawei Feng, Linlin Wang

机构 * East China Normal University（华东师范大学） ； City University of Hong Kong（香港城市大学） 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.CL

AI总结 提出SURGENT手术多智能体辅助系统，结合思维树规划器、多科室协作智能体和检索增强推理，通过新型记忆设计管理长期患者病史和短期工作摘要，在五项围手术期任务中优于基线LLM和现有医疗多智能体框架。

Comments preprint

Enhancing Multi-Agent Communication through Attention Steering with Context Relevance

通过上下文相关性的注意力引导增强多智能体通信

Hongxiang Zhang, Yuan Tian, Tianyi Zhang

机构 * Purdue University（普渡大学） 纠错

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

AI总结 针对LLM多智能体系统中长对话历史导致信息稀释的问题，提出无训练的上下文管理方法Agent-Radar，利用时空衰减机制动态引导注意力，在五个基准上取得最高7.64个绝对点的提升。

The Importance of Out-of-Band Metadata for Safe Autonomous Agents: The Redpanda Agentic Data Plane

带外元数据对安全自主智能体的重要性：Redpanda 智能体数据平面

Tyler Akidau, Tyler Rockwood, Johannes Brüderl, Marc Millstone

机构 * Redpanda USA / Germany（Redpanda美国/德国） 纠错

专题命中 多智能体 ：autonomous agent(title,abstract)；agentic(title,abstract)；agent(abstract)；AI agent(abstract)

AI总结 针对自主智能体在安全关键元数据处理上的不可靠性，提出基于带外元数据通道的 Redpanda 智能体数据平面架构，实现访问策略、数据分类和行为约束的确定性执行，并通过多智能体投资组合再平衡系统验证其有效性。

Comments 6 pages, 1 figure. Published at SAO '26 (co-located with ACM CAIS '26)

A Multi-Agent Feedback System for Detecting and Describing News Events in Satellite Imagery

用于检测和描述卫星图像中新闻事件的多智能体反馈系统

Madeline Anderson, Mikhail Klassen, Ash Hoover, Kerri Cahoy

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Planet Labs 纠错

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

AI总结 提出一种迭代多智能体工作流SkyScraper，通过地理编码新闻文章并合成卫星图像序列描述，有效发现多时相事件并构建5000序列数据集。

AgentSchool: An LLM-Powered Multi-Agent Simulation for Education

AgentSchool：基于LLM的多智能体教育模拟系统

Yulei Ye, Wenhao Li, Zhong Wen, Yunshu Huang, Yichen Hu, Zifan Wei, Yige Wang, Xinyu Xie, Haoxuan Yang, Yanjun Huang, Ruijia Li, Hong Qian, Yu Song, Bo Jiang, Bingdong Li, Lijun Li, Bo Zhang, Pinlong Cai, Xingcheng Xu, Shuangye Chen, Xia Hu, Liang He, Aimin Zhou, Jingjing Qu, Jing Shao, Xiangfeng Wang

机构 * Shanghai Institute of AI for Education（上海人工智能教育研究院） ； School of Computer Science and Technology（计算机科学与技术学院） ； East China Normal University（东华大学） ； School of Design（设计学院） ； Faculty of Education（教育学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 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 提出AgentSchool，一种LLM驱动的多智能体模拟器，通过可成长的学生智能体（带知识图谱、思维工作流和错误概念）与自适应教师智能体（基于最近发展区）模拟学习过程，支持多尺度模拟，实验验证了其生成差异化掌握轨迹和符合课堂社会理论的行为模式。

Comments 39 pages, 10 figures

When Cloud Agents Meet Device Agents: Lessons from Hybrid Multi-Agent Systems

当云端智能体遇到设备端智能体：混合多智能体系统的经验教训

Corrado Rainone, Davide Belli, Bence Major, Arash Behboodi

机构 * Qualcomm（高通） 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 本文系统研究混合多智能体系统（结合设备端小模型和云端大模型）的设计空间，分析不同设计选择对功耗、成本和性能帕累托前沿的影响，发现最优架构高度依赖任务且前沿计算并不总能带来更好性能。

Comments 30 pages, 16 figures. Accepted to the Second Workshop on Agents in the Wild: Safety, Security, and Beyond (AIWILD) at ICML 2026

DirectorBench: Diagnosing Long-Form Video Generation with Personalized Multi-Agent Evaluation

DirectorBench: 通过个性化多智能体评估诊断长视频生成

Jiamin Chen, Qianben Chen, Jiawen Zhang, Yidi Wu, Yuchen Li, Xiaokun Zhang, Wangchunshu Zhou, Chen Ma

机构 * ByteDance Inc.（字节跳动公司） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 提出DirectorBench，一种基于多智能体的诊断基准，通过80个结构化元数据、7个用户画像和40个检查点标准，在脚本、视觉、音频、跨模态和稳定性五个维度上评估长视频生成，并定位瓶颈和用户偏好依赖。

Improving Collaborative Storytelling with a Multi-Agent Framework Based on Large Language Models

基于大语言模型的多智能体框架改进协作故事讲述

Arturo Valdivia, Paolo Burelli

机构 * Data Science Section IT University of Copenhagen（数据科学部门 河南大学） ； AI Section - brAIn lab IT University of Copenhagen（人工智能部门 - brAIn实验室 河南大学） 纠错

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

AI总结 提出一种基于大语言模型的多智能体框架，通过迭代的写者-编辑者过程，在物理棋盘游戏中与儿童协作生成高质量故事。

CONCAT: Consensus- and Confidence-Driven Ad Hoc Teaming for Efficient LLM-Based Multi-Agent Systems

CONCAT: 基于共识与置信驱动的即席团队协作以实现高效的基于LLM的多智能体系统

Ziyang Ma, Dingyi Zhang, Sichu Liang, Jiajia Chu, Pengfei Xia, Hui Zang, Deyu Zhou

机构 * Southeast University（东南大学） ； Huawei Technologies 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.CL

AI总结 提出一种无需训练的共识与置信驱动即席团队协作框架CONCAT，通过聚类初始答案、选择高置信领导者并基于心智理论预测协作收益来动态组织多智能体交互，显著提升效率并降低延迟。

PatchBoard: Schema-Grounded State Mutation for Reliable and Auditable LLM Multi-Agent Collaboration

PatchBoard: 基于Schema的可靠且可审计的LLM多智能体协作状态变更框架

Shuyu Zhang, Yaqi Shi, Lu Wang

机构 * School of Computer Science and Technology（计算机科学与技术学院） 纠错

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

AI总结 提出PatchBoard架构，通过Schema约束的JSON Patch状态变更替代智能体间对话，实现可验证、可审计的多智能体协作，在ALFWorld任务中成功率84.6%，令牌消耗45.5k。