AI Agent

Discrete-WAM: Unified Discrete Vision-Action Token Editing for World-Policy Learning

Discrete-WAM：面向世界-策略学习的统一离散视觉-动作标记编辑

Ziyang Yao, Haochen Liu, Yuncheng Jiang, Zeyu Zhu, Zibin Guo, Jingru Wang, Tianle Liu, Jianwei Cui, Kuiyuan Yang, Hongwei Xie, Jingwei Zhao, Guang Chen, Hangjun Ye

机构 * Xiaomi EV（小米电动车） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出Discrete-WAM，通过将未来视觉状态和自车动作对齐为离散标记，构建统一离散扩散框架，实现世界建模、世界-动作策略和分层决策策略的联合学习，支持可控生成和反事实推理，提升自动驾驶决策可靠性。

FOUND-IT: Foundation-model-first Task-driven 3D Scene Graphs with Granularity on Demand

FOUND-IT: 基于基础模型优先、按需粒度的任务驱动3D场景图

Dominic Maggio, Nicolas Gorlo, Kris Hauser, Luca Carlone

机构 * Laboratory for Information & Decision Systems, Massachusetts Institute of Technology（信息与决策系统实验室，麻省理工学院） ； Samsung Research America（三星美国研究院） 纠错

专题命中 规划决策 ：agentic(abstract)

AI总结 提出首个基于未标定单目相机实时构建任意室内外环境分层任务驱动3D场景图的方法，通过几何基础模型和可调整粒度支持动态任务，并在ASHiTA SG3D基准上提升79%准确率。

Simulated LSST Observations of Real Metre-scale Imminent Impactors

LSST对真实米级 imminent 影响体的模拟观测

Michael A. Frazer, Hadrien A. R. Devillepoix, Sophie E. Deam

专题命中 规划决策 ：planning(abstract)

AI总结 本文研究了如果LSST在过去的十年中持续运行，它将能发现多少即将撞击地球的米级影响体，以及这些发现的时间提前程度，通过模拟LSST的太阳系调查模拟器Sorcha和过去十年中由轨道传感器观测到的真实火球群体，探讨哪些事件会在撞击前被观测到，并评估发现的提前时间对天文研究和行星防御的影响。

Comments 12 pages, 6 figures, accepted in PASA. Comments welcome!

Journal ref Publ. Astron. Soc. Aust. 43 (2026) e071

Stochastic Differential Dynamic Programming for Trajectory Optimization under Partial Observability

部分可观测下轨迹优化的随机微分动态规划

Masahiro Fujiwara, Naoya Ozaki

专题命中 规划决策 ：planning(abstract)

AI总结 提出一种随机微分动态规划算法，用于在部分可观测条件下联合优化标称控制序列和反馈增益，显式考虑协方差传播对标称轨迹的依赖，生成导航感知且鲁棒的轨迹。

Comments Revised version; 38 pages, 13 figures; submitted to the Journal of Guidance, Control, and Dynamics

UHR-Net: An Uncertainty-Aware Hypergraph Refinement Network for Medical Image Segmentation

UHR-Net：一种用于医学图像分割的不确定性感知超图精炼网络

Shuokun Cheng, Jinghao Shi, Kun Sun

机构 * School of Computer Sciences, China University of Geosciences (Wuhan)（中国地质大学（武汉）计算机科学学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 针对病灶边界模糊和小病灶分割困难，提出UHR-Net，采用不确定性导向实例对比预训练和不确定性引导超图精炼模块，在五个公开数据集上取得一致提升。

Comments 12 pages, 4 figures, 4 tables

Online Self-Training for Co-Adaptation in Hierarchical Diffusion Policies

层次扩散策略中的在线自训练协同适应

Clemence Grislain, Mathilde Kappel, Olivier Sigaud, Mohamed Chetouani

机构 * ISIR, Sorbonne Université, CNRS（ISIR，索邦大学，国家科学研究中心） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出ORCHID自训练框架，通过环境反馈过滤轨迹并蒸馏回规划器和控制器，实现层次扩散策略的在线稳定改进，在CALVIN基准上轻量模型超越纯离线方法。

Comments Accepted at ICML 2026 Workshop on Decision-Making from Offline Datasets to Online Adaptation (DEMO)

Multi-pathogen situational assessment and forecasting of respiratory disease in Aotearoa New Zealand

新西兰呼吸道疾病的多病原体态势评估与预测

M. J. Plank, A. R. Young, K. L. Senior, R. J. Tobin, M. O'Hara-Wild, F. Callaghan, F. Shearer, O. Eales

专题命中 规划决策 ：planning(abstract)

AI总结 针对SARS-CoV-2、流感和RSV三种病原体，利用实时监测数据建立模型进行流行趋势评估和28天预测，为公共卫生规划提供支持。

Sparse Source Identification in Transient Advection-Diffusion Problems with a Primal-Dual-Active-Point Strategy

瞬态对流-扩散问题中稀疏源识别的对偶-主动点策略

Marco Mattuschka, Daniel Walter, Max von Danwitz, Alexander Popp

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种数学模型，利用稀少传感器数据快速预测空气污染物传输。通过变分正则化方法和对偶-主动点算法，有效识别稀疏污染源，优于现有L2正则化技术。

Journal ref Computer Methods in Applied Mechanics and Engineering, vol. 454, p. 118854, 2026

Toward Ultra-fast Treatments: Large Energy Acceptance Beam Delivery Systems and Opportunities for Proton Beam Therapy

迈向超快处理：大能量接受度束流输送系统及质子束治疗的机会

Jacinta Yap, Adam Steinberg, Hannah Norman, Konrad Nesteruk, Suzie Sheehy

专题命中 规划决策 ：planning(abstract)

AI总结 本文探讨了通过增大传统束流线的能量接受度来减少能量层切换时间，从而实现超快束流输送，提升质子束治疗的效率和效果。

Comments 42 pages, 12 figures

ObjSplat: Geometry-Aware Gaussian Surfels for Active Object Reconstruction

ObjSplat: 几何感知的高斯面元用于主动物体重建

Yuetao Li, Zhizhou Jia, Yu Zhang, Qun Hao, Shaohui Zhang

机构 * School of Optics and Photonics, Beijing Institute of Technology（光学与光子学学院，北京理工大学） ； School of Optoelectronic Engineering, Changchun University of Science and Technology（光电工程学院，长春理工大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出ObjSplat框架，利用高斯面元统一表示，通过几何感知视点评估和下一最佳路径规划器，实现高效高保真的主动物体重建。

Comments Accepted to IEEE T-ASE. Code: https://github.com/Li-Yuetao/ObjSplat , Project Page: https://li-yuetao.github.io/ObjSplat-page/

Divide and Cooperate: Role-Decomposed Multi-Agent LLM Training with Cross-Agent Learning Signals

分工与合作：基于跨智能体学习信号的角色分解多智能体LLM训练

Jaewan Park, Solbee Cho, Jay-Yoon Lee

机构 * Seoul National University（首尔大学） 纠错

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

AI总结 提出DAC框架，将多步推理分解为搜索和生成两个子任务，分别由专用智能体处理，并通过跨智能体学习信号解决信用分配问题，在QA基准上超越全参数微调的单体模型。

Decoupling Thought from Speech: Knowledge-Grounded Counterfactual Reasoning for Resilient Multi-Agent Argumentation

思想与言语解耦：基于知识反事实推理的鲁棒多智能体辩论

Jakub Masłowski, Jarosław A. Chudziak

机构 * Institute of Computer Science, Warsaw University of Technology（华沙技术大学计算机科学学院） 纠错

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

AI总结 提出知识反事实推理（KG-CFR）双阶段架构，通过私有规划缓冲与公共执行层分离，在动态资源分配环境下将扰动后论证质量从0.694提升至0.822，并减少语义循环。

Comments Accepted for publication in the Proceedings of the 30th International Conference on Knowledge-Based and Intelligent Information & Engineering Systems (KES 2026)

Envisioning Sensemaking in Multi-Human, Multi-Agent Collaborative Knowledge Work

设想多人类、多智能体协作知识工作中的意义建构

Zhitong Guan, Soo Young Rieh

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

AI总结 探讨生成式AI如何重塑协作知识工作中的意义建构，提出五项设计原则及一个动态共享表征工作空间框架，支持人类与AI代理共同构建可协商的知识。

Comments This is the Author's Accepted Manuscript version of the article: Guan, Z., \& Rieh, S. Y. (2026). Envisioning Sensemaking in Multi-Human, Multi-Agent Collaborative Knowledge Work. Accepted for publication in \textit{Sensemaking @ CHI 2026}

Can Multi-Agent LLMs Identify Their Peers? Stylometric Fingerprinting in Role-Constrained Political Analysis

多智能体大语言模型能否识别其同类？角色约束政治分析中的笔迹风格指纹识别

Juergen Dietrich

机构 * Democracy Intelligence gGmbH 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 研究多智能体LLM在政治分析中能否通过笔迹风格识别模型家族，提出SD-CV协议，T5模型在五类归属任务中达到F1=0.991，证明提示级匿名化无法消除模型身份信号。

Comments 24 pages, 3 figures

CORRECT: COndensed eRror RECognition via knowledge Transfer in multi-agent systems

CORRECT: 多智能体系统中基于知识迁移的浓缩错误识别

Yifan Yu, Moyan Li, Shaoyuan Xu, Jinmiao Fu, Xinhai Hou, Fan Lai, Bryan Wang

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

AI总结 提出CORRECT框架，利用在线缓存蒸馏错误模式，实现轻量级、免训练的错误定位，在多智能体系统中提升错误识别效率，并在七个应用上取得最高19.8%的步骤级错误定位提升。

The Confident Liar: Diagnosing Multi-Agent Debate with Log-Probabilities and LLM-as-Judge

自信的撒谎者：利用对数概率和LLM作为评判诊断多智能体辩论

Ali Keramati, Justin Cheok, Jacob Horne, Mark Warschauer

机构 * University of California, Irvine（加州大学伊文斯分校） 纠错

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

AI总结 研究多智能体辩论中令牌级对数概率、LLM评判分数与任务准确性的关系，发现信心与推理质量在构造者上关联更强，且信心可检测关键推理失败。

Comments 15 pages, 7 figures, 1 table, ACL proceedings

Failure Modes of Deep Multi-Agent RL in Asynchronous Pricing: Reproducible Triggers, Trace Diagnostics, and a Partial Fix

深度多智能体强化学习在异步定价中的失败模式：可复现触发器、轨迹诊断及部分修复

Shree Murthy, Rohan Pandey

机构 * DigitalOcean, USA（DigitalOcean美国） 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 研究连续时间定价市场中深度多智能体强化学习的两种可复现失败模式：DDPG智能体之间的默契合谋和高事件率下的演员-评论家不稳定性，并通过异步性实现部分修复。

MALLVI: A Multi-Agent Framework for Integrated Generalized Robotics Manipulation

MALLVI：一种多智能体框架用于集成通用机器人操作

Mehrshad Taji, Arad Mahdinezhad Kashani, Iman Ahmadi, AmirHossein Jadidi, Saina Kashani, Babak Khalaj

机构 * Department of Electrical Engineering, Sharif University of Technology（电气工程系，谢里夫大学） 纠错

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

AI总结 MALLVI通过多智能体协作实现闭环反馈驱动的机器人操作，提升泛化能力和零样本任务成功率。

Comments Some fundemental change in text and codebase

The Arbiter Agent: Continually Monitoring Multi-Agent Conversations to Detect Emergent Misalignment

仲裁者代理：持续监控多智能体对话以检测涌现性失调

Filippo Tonini, Federico Torrielli, Anton Danholt Lautrup, Peter Schneider-Kamp, Mustafa Mert Çelikok, Lukas Galke Poech

机构 * University of Southern Denmark（南丹麦大学） ； University of Turin（都灵大学） 纠错

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

AI总结 提出仲裁者代理，在有限检查预算下实时监控多智能体对话，通过主动检查工具检测失调行为，实验表明能可靠提前发现失调，并分析不同失调类型的检测难度。

Comments AITC 2026

Decentralized Multi-Agent Systems with Shared Context

具有共享上下文的去中心化多智能体系统

Yuzhen Mao, Azalia Mirhoseini

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 提出DeLM框架，通过并行智能体、共享上下文和任务队列去中心化协调，解决集中式MAS的瓶颈，在软件工程和长上下文推理中提升性能并降低成本。

MASTOR: A Multi-Agent Approach to Semantic Test Oracle Generation for RESTful APIs

MASTOR: 一种面向RESTful API的语义测试预言生成多智能体方法

Sida Deng, Rubing Huang, Zhenzhen Yang, Man Zhang, Xuan Xie, Rongcun Wang

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

AI总结 提出MASTOR多智能体方法，通过分析源码上下文生成语义测试预言，包括状态字段预言和行为一致性预言，在13个开源项目上达到75.4%平均变异得分。

Early-Token Confidence Predicts Reasoning Quality in Multi-Agent LLM Debate

早期令牌置信度预测多智能体LLM辩论中的推理质量

Ali Keramati, Justin Cheok, Jacob Horne, Mark Warschauer

机构 * University of California, Irvine（加州大学尔湾分校） 纠错

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

AI总结 研究利用解码时令牌级对数概率作为置信度信号，预测多智能体LLM辩论中的推理质量，发现早期令牌置信度是最强预测因子。

Comments 15 pages, 8 figures, 4 tables; ACL Proceedings

Semantic Multi-Agent Intrusion Detection for IoT:Zero-Day and Adversarial Threats with Risk-Aware Reasoning

面向物联网的语义多智能体入侵检测：零日与对抗威胁的风险感知推理

Saeid Jamshidi

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

AI总结 提出一种结合语义嵌入与多阶段概率决策融合的语义多智能体入侵检测系统，通过四个智能体协作实现零日攻击和对抗攻击的高效检测，在多个真实物联网数据集上达到95.9%检测准确率。

Game-Theoretic Area Coverage Control with Cooperative-Adversarial Multi-Agent Systems

博弈论视角下的合作-对抗多智能体系统区域覆盖控制

Ruiming Zheng, Mohammad Pirani, Davide Spinello

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

AI总结 将多智能体区域覆盖控制建模为两组目标冲突智能体之间的零和博弈，通过耦合梯度下降-上升控制器分析系统动力学，发现由控制增益比决定的Hopf分岔，并刻画纳什均衡条件。

Comments This work has been submitted to IFAC for possible publication

A Sober Look at Agentic Misalignment in Automated Workflows

对自动化工作流中智能体错位的冷静审视

Wenqian Ye, Bo Yuan, Zhichao Xu, Yijun Tian, Yawei Wang, Henry Kautz, Aidong Zhang

机构 * University of Virginia（弗吉尼亚大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Utah（犹他大学） ； University of Notre Dame（圣约翰大学） ； George Washington University（乔治华盛顿大学） 纠错

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

AI总结 本文研究多智能体系统中的新兴错位问题（称为智能体错位），通过贝叶斯框架分析其成因，并提出基于证据的智能体对齐范式（AEA）来纠正错位行为，从而提升协作可靠性。

Dmsh: A Multi-Agent Reinforcement Learning Framework for All-Quad Mesh Generation

Dmsh：一种用于全四边形网格生成的多智能体强化学习框架

Anirudh Kalyan, Cosmin Anitescu, Xiaoying Zhuang, Timon Rabczuk, Somdatta Goswami, Sundararajan Natarajan

机构 * Department of Mechanical Engineering, Indian Institute of Technology Madras（印度理工学院马德拉斯分校机械工程系） ； Institute of Continuum Mechanics, Leibniz Universität Hannover（莱比锡大学汉诺威连续力学研究所） ； Institute of Structural Mechanics, Bauhaus-Universität Weimar（魏玛包豪斯大学结构力学研究所） ； Department of Civil and Systems Engineering, Johns Hopkins University（约翰霍普金斯大学土木与系统工程系） 纠错

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

AI总结 提出Dmsh，首个全自动强化学习流水线，通过三个协调智能体处理拓扑简化、几何正则化和网格生成，采用参数化Soft Actor-Critic架构和课程学习策略，实现高质量全四边形网格生成。

Data Journalist Agent: Transforming Data into Verifiable Multimodal Stories

数据记者智能体：将数据转化为可验证的多模态故事

Kevin Qinghong Lin, Batu EI, Yuhong Shi, Pan Lu, Philip Torr, James Zou

机构 * University of Oxford（牛津大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出多智能体框架Data2Story，通过证据链验证声明并自动生成多模态文章，在18篇文章上评估，证明其在透明性和可审计性上接近人类记者。

Comments Project page: https://data2story.github.io Github: https://github.com/QinghongLin/data2story-skill

GreenFLag: A Green Agentic Approach for Energy-Efficient Federated Learning

GreenFLag：一种节能联邦学习的绿色智能方法

Theodora Panagea, Nikolaos Koursioumpas, Lina Magoula, Ramin Khalili

专题命中 多智能体 ：agentic(title,abstract)

AI总结 提出GreenFLag框架，利用软演员-评论家强化学习联合优化计算与通信资源，结合可再生能源减少电网能耗，在真实数据集上平均降低94.8%的电网能量消耗。

Comments 9 pages. Accepted in IEEE WoWMoM 2026 Conference. Latest revision with small corrections

Toward Secure LLM Agents: Threat Surfaces, Attacks, Defenses, and Evaluation

迈向安全的LLM智能体：威胁面、攻击、防御与评估

Yuchen Ling, Shengcheng Yu, Zhenyu Chen, Chunrong Fang

机构 * State Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 本文通过生命周期、系统导向的框架，综合247篇论文，围绕信息流、委托权限和持久状态，系统梳理了LLM智能体的威胁面、攻击、防御与评估，指出提示注入和工具控制流劫持仍是主要威胁，持久状态损坏和多智能体传播成为新兴关注点。

The Interlocutor Effect: Why LLMs Leak More Personal Data to Agents Than Humans

对话者效应：为什么LLMs向智能体泄露的个人数据比向人类多

Faouzi El Yagoubi, Godwin Badu-Marfo, Ranwa Al Mallah

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

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

AI总结 研究发现LLMs在与AI智能体对话时比与人类对话更易泄露个人身份信息，通过注意力抑制假说解释该现象，实验表明安全对齐注意力头在智能体交互中失活导致泄露增加23个百分点。