AI Agent

AgenticSTS: A Bounded-Memory Testbed for Long-Horizon LLM Agents

AgenticSTS: 一种用于长周期LLM智能体的有界记忆测试平台

Xiangchen Cheng, Yunwei Jiang, Jianwen Sun, Zizhen Li, Chuanhao Li, Xiangcheng Cao, Yihao Liu, Fanrui Zhang, Li Jin, Kaipeng Zhang

机构 * Alaya Lab（Alaya实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Nankai University（南开大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.CL

AI总结 提出一种有界记忆契约，通过类型化检索组装用户消息，避免原始跨决策转录，在《杀戮尖塔2》中实现并验证，揭示了战略技能层对胜率的提升效果。

Safe and Adaptive Cloud Healing: Verifying LLM-Generated Recovery Plans with a Neural-Symbolic World Model

安全且自适应的云修复：使用神经符号世界模型验证LLM生成的恢复计划

Junyan Tan, Haoran Lin, Siyuan Guo, Yichen Fang, Xinyue Luo, Tianyu Shen, Zeyu Qiao

机构 * Zhejiang University（浙江大学） 纠错

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

AI总结 提出PASE框架，将LLM作为规划引擎生成恢复计划，通过神经符号世界模型验证可行性，并利用DRL优化提示，实现动态自适应修复，显著降低恢复时间并提高未知故障检测精度。

Comments 13 pages

Is One Layer Enough? Training A Single Transformer Layer Can Match Full-Parameter RL Training

一层就够了吗？训练单个Transformer层可以匹配全参数RL训练

Zijian Zhang, Rizhen Hu, Athanasios Glentis, Dawei Li, Chung-Yiu Yau, Hongzhou Lin, Mingyi Hong

机构 * University of Minnesota（明尼苏达大学） ； Peking University（北京大学） ； Amazon（亚马逊） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.CL、cs.LG

AI总结 发现RL训练收益高度集中在少数Transformer层，仅训练单层即可恢复大部分全参数RL收益，且高贡献层集中在模型中部。

Conformal Policy Control

符合性策略控制

Drew Prinster, Clara Fannjiang, Ji Won Park, Kyunghyun Cho, Anqi Liu, Suchi Saria, Samuel Stanton

机构 * Johns Hopkins University（约翰霍普金斯大学） ； New York University（纽约大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出一种基于安全参考策略的符合性校准方法，用于在不违反安全约束的前提下，使优化但未测试的策略能够安全地进行探索，并在有限样本下提供理论保证。

Comments International Conference on Machine Learning (ICML), 2026

Recursive Models for Long-Horizon Reasoning

长程推理的递归模型

Chenxiao Yang, Nathan Srebro, Zhiyuan Li

机构 * Toyota Technological Institute at Chicago（丰田技术研究所） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.CL、cs.LG

AI总结 提出递归模型，通过递归调用自身在隔离上下文中解决子任务，突破上下文长度限制，理论证明可指数级降低活跃上下文需求，实验验证在SAT求解和围棋任务中提升长程准确性。

Comments in ICML 2026

Playing 20 Question Game with Policy-Based Reinforcement Learning

基于策略的强化学习玩20个问题游戏

Huang Hu, Xianchao Wu, Bingfeng Luo, Chongyang Tao, Can Xu, Wei Wu, Zhan Chen

机构 * Peking University（北京大学） ； Microsoft Corporation（微软公司） ； Microsoft Development Co., Ltd（微软开发有限公司） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.CL

AI总结 提出基于策略的强化学习方法，使提问者通过与用户持续交互学习最优问题选择策略，并利用奖励网络估计信息奖励，无需知识库且对噪声答案鲁棒。

Comments Withdrawal from the conference

MAGIK: Mapping to Analogous Goals via Imagination-enabled Knowledge Transfer

MAGIK: 通过想象力驱动的知识迁移映射到类比目标

Ajsal Shereef Palattuparambil, Thommen George Karimpanal, Santu Rana

机构 * Applied Artificial Intelligence Initiative, Deakin University School of IT, Deakin University（应用人工智能倡议，德克萨斯大学IT学院，德克萨斯大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG

AI总结 提出MAGIK框架，利用想象力机制将目标任务实体映射到源域类比物，实现零样本知识迁移，在MiniGrid和MuJoCo任务上验证有效性。

Hardware-Enforced Semantic Coordination for Safety-Critical Real-Time Autonomous Systems

面向安全关键实时自主系统的硬件强制语义协调

Uwe M. Borghoff, Paolo Bottoni, Remo Pareschi

机构 * Department of Computer Science University of the Bundeswehr Munich Neubiberg, Germany ； Department of Computer Science Sapienza University of Rome Rome, Italy ； STAKE Lab University of Molise Campobasso, Italy 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.AI

AI总结 针对异构组件并发运行下的协调问题，提出基于FPGA的硬件强制语义协调架构，将TB-CSPN协调机制映射到硬件原语，实现确定性协调和安全保障。

Comments 1 figure, 6 pages

Probabilistic Low-Voltage Peak Load Forecasting with Time Series Foundation Models Evaluated on Application-Oriented Metrics

基于时间序列基础模型的概率低压峰值负荷预测及其面向应用的评估指标

Benedikt Kaas, Manuel Treutlein, Hannes Benedikt Gerber, Oliver Neumann, Cheewan Phatthanakhuha, Oliver Resch, Ralf Mikut, Veit Hagenmeyer

机构 * Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院） ； Netze BW GmbH（Netze BW有限公司） 纠错

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

AI总结 本研究评估时间序列基础模型在200个实际低压馈线短期净负荷预测中的性能，提出面向应用的指标连接峰值预测与电网资产规划中的成本-风险权衡。

Comments A poster abstract of this publication will be available at the 15th DACH+ Conference on Energy Informatics (2026 in Linz, Austria)

FaithMed: Training LLMs For Faithful Evidence-Based Medical Reasoning

FaithMed: 训练大语言模型进行忠实于证据的医学推理

Zhiyun Zhang, Liwen Sun, Xiang Qian, Chenyan Xiong

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Stanford University School of Medicine（斯坦福大学医学院） ； Xlue 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.CL

AI总结 提出FaithMed框架，通过过程级奖励和优势分组强化学习，监督LLM在医学推理中忠实评估和应用检索证据，在7个基准上平均提升9%。

Comments 15 pages, 5 figures

AGC-Bench: Measuring Artificial General Creativity

AGC-Bench：衡量人工通用创造力

Roger Beaty, Vijeta Deshpande, Clin K. Y. Lai, Anna Attuch, Namrata Shivagunde, Swastik Roy, Rajkumar Pujari, Paul V. DiStefano, Sherin Muckatira, Claire E. Stevenson, Mikhail Gronas, Anna Rumshisky

机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校） ； University of Amsterdam（阿姆斯特丹大学） ； Amazon AGI（亚马逊AGI） ； Dartmouth College（达特茅斯学院） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.CL

AI总结 提出AGC-Bench基准，通过系统文献综述和标准化框架评估LLM创造力，发现单一创造力因子'c'，并验证提示'要有创造力'比推理更有效。

Physically Native World Models: A Hamiltonian Perspective on Generative World Modeling

物理原生世界模型：生成式世界建模的哈密顿视角

Sen Cui, Jingheng Ma

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 提出哈密顿世界模型，通过结构化潜相空间和哈密顿动力学演化实现物理可靠、动作可控且长期稳定的未来预测，用于具身决策。

On the Role of Computation in Reinforcement Learning

论计算在强化学习中的作用

Raj Ghugare, Michał Bortkiewicz, Alicja Ziarko, Benjamin Eysenbach

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 本文形式化计算受限策略，证明使用更多计算的策略能解决更复杂问题并泛化到更长视野任务，提出可变计算量架构，实验表明仅通过增加计算量即可提升性能。

Comments ICML 2026, Website: https://rajghugare19.github.io/computation-rl/index.html

Composite Reward Design in PPO-Driven Adaptive Filtering

基于PPO的自适应滤波器复合奖励设计

Abdullah Burkan Bereketoglu

机构 * Middle East Technical University (METU)（中东技术大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出基于PPO的自适应滤波框架，通过复合奖励平衡信噪比提升、均方误差降低和残差平滑度，实验显示其在动态非稳态环境中优于传统滤波器。

Comments 8 pages, 4 figures, 2 table, 26th International Conference on Computational Science - Workshops (MLDADS-26) ,Keywords: Reinforcement learning, Adaptive filtering, Noise reduction, PPO

Patient-Specific Articulated Digital Twins from a Single Full-Body CT Scan

患者特异性关节式数字孪生：基于单次全身CT扫描

Han Zhang, Boyang Zhao, Mathias Unberath

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出从单次全身CT扫描构建患者特异性关节式数字孪生的方法，通过SMPL模型拟合、解剖感知绑定和姿态重定向，实现姿态可控的解剖模型，验证了其在保持骨骼几何和放射学结构方面的有效性。

Teaching Vision-Language-Action Models What to See and Where to Look

教视觉-语言-动作模型看什么和看哪里

Yuguang Yang, Canyu Chen, Zhewen Tan, Yizhi Wang, Zichao Feng, Chunyang Liu, Kehua Sheng, Juan Zhang, Linlin Yang, Baochang Zhang, Yan Wang, Bo Zhang, Xianbin Cao

机构 * School of Electronic Information Engineering, Beihang University（北京航空航天大学电子信息工程学院） ； National College for Excellent Engineers, Beihang University（北京航空航天大学卓越工程师学院） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； DiDi（滴滴出行） ； State Key Laboratory of Media Convergence and Communication, Communication University of China（中国传媒大学媒体融合与传播国家重点实验室） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； School of Cyber Science and Technology, Beihang University（北京航空航天大学网络安全科学与技术学院） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出DriveTeach-VLA框架，通过驾驶感知视觉蒸馏和2D轨迹引导提示，教VLA模型关注驾驶相关区域，实现端到端自动驾驶轨迹预测，在NAVSIM和nuScenes上达到最优性能。

Comments The paper has been accepted by ECCV 2026

Online Segment 3D Gaussians via Launching Virtual Drones

通过发射虚拟无人机在线分割3D高斯体

Liwei Liao, Rongjie Wang, Ronggang Wang

机构 * Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology, Shenzhen Graduate School, Peking University（广东省超高清沉浸式媒体技术重点实验室，北京大学深圳研究生院） ； Pengcheng Laboratory（鹏城实验室） ； Peking University（北京大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出SAGO框架，通过虚拟无人机将3D分割转化为在线最佳视角规划任务，无需预设置即可在亚秒内从3D高斯体中提取干净3D资产。

Overthink-Triggered Slowdown Attacks on LVLM-Based Robotic Systems

基于LVLM的机器人系统中的过度思考触发慢速攻击

Qiang Han, Jie Wu, Bo Chen

专题命中 规划决策 ：agent(abstract)

AI总结 研究利用LVLM的过度思考行为，通过嵌入场景文本触发推理延迟，提出三阶段框架发现可迁移触发词，实验显示最高6.96倍延迟放大。

Comments 17 pages, 10 figures

Multi-Rate Nonlinear Model Predictive Control for Wall-Supported Bipedal Locomotion of Quadrupedal Robots

多速率非线性模型预测控制用于四足机器人的墙壁支撑双足运动

Taizoon Chunawala, Jeeseop Kim, Kaveh Akbari Hamed

机构 * Virginia Tech（弗吉尼亚理工大学） ； The University of Texas at El Paso（德克萨斯大学埃尔帕索分校） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出基于多速率非线性模型预测控制的分层框架，实现四足机器人在受限环境中借助墙壁进行混合双足运动，通过接触点与质心轨迹联合优化提升动态稳定性，仿真验证成功率比传统方法高2.9倍。

Comments Accepted to IEEE/RSJ IROS 2026

Flexible and Reliable Network Design for Emerging Transportation Services: Multi-stage Stochastic Programming Approach

新兴交通服务的灵活可靠网络设计：多阶段随机规划方法

Riki Kawase, Koki Satsukawa, Toru Seo

专题命中 规划决策 ：planning(abstract)

AI总结 提出灵活可靠网络设计框架，集成战略投资与运营控制，采用风险规避多阶段随机规划，通过随机对偶动态规划求解，应用于共享自动驾驶汽车容量扩展和BRT路线设计，发现灵活性与可靠性互补，风险规避者减少早期投资以保持适应性。

Mathematical Exploration of Earth Gravitational Field Impact on Seasonal Wind Flux in a Tropical Region

地球引力场对热带地区季节性风通量影响的数学探索

M. S. Adiaha, V. O. Chude, E. E. Oku, G. I. Nwaka, O. J. Abimbola, I. K. Rajendra, P. O. Abam

专题命中 规划决策 ：planning(abstract)

AI总结 本研究利用纳维-斯托克斯方程、傅里叶分解和皮尔逊相关系数，分析2010-2020年尼日利亚气象与GRACE卫星引力数据，发现引力变化与风通量呈强正相关（0.79-0.87），表明引力对季风模式有调制作用。

Comments 48th Annual Conference of the Soil Science Society of Nigeria. https://hal.science/hal-05667808v1

Journal ref Proceedings of the 48th Annual Conference of the Soil Science Society of Nigeria, 2024

Subsoil acidity causes long delays in inorganic carbon sequestration by Enhanced Weathering

底土酸化导致增强风化作用无机碳封存的长期延迟

Søren Jessen, Rasmus Jakobsen, Majken Looms, Per Ambus, Dieke Postma

专题命中 规划决策 ：planning(abstract)

AI总结 通过将百年农业石灰化作为增强风化（EW）的替代，研究发现底土酸化导致碱性前沿向下推进需30-100年才能到达地下水位，使EW无法成为短期碳捕获策略。

Comments Main text: 14 pages and 2 figures. Supplement 12 pages and 6 figures. An additional 7$^{th}$ figure in the Data Availability Statement shows a data overview

DVG-WM: Disentangled Video Generation Enables Efficient Embodied World Model for Robotic Manipulation

DVG-WM：解耦视频生成实现高效机器人操作具身世界模型

Ziyu Shan, Zhenyu Wu, Xiaofeng Wang, Zheng Zhu, Ziwei Wang

机构 * Nanyang Technological University, Singapore（南洋理工大学（新加坡）） ； Beijing University of Posts and Telecommunications, Beijing, China（北京邮电大学（中国北京）） ； GigaAI 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出解耦视频生成世界模型（DVG-WM），将世界模型分解为动力学学习和视觉合成，通过流匹配直接映射动力学到视频潜变量，并引入潜变量退化机制再生接触细节，在LIBERO和真实平台实现高达3.97倍加速。

TempAct: Advancing Temporal Plausibility in Autoregressive Video Generation via Planner-Executor RL

TempAct: 通过规划器-执行器强化学习推进自回归视频生成中的时间合理性

Jing Wang, Xiangxin Zhou, Jiajun Liang, Kaiqi Liu, Wanyuan Pang, Zhenyu Xie, Tianyu Pang, Xiaodan Liang

机构 * Shenzhen Campus of Sun Yat-Sen University（中山大学深圳校区） ； Tencent Hunyuan（腾讯混元） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； USTB（北京科技大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出TempAct框架，利用规划器-执行器强化学习联合优化时间分解与步骤条件执行，解决自回归视频生成中时间指令模糊、延迟反应和错误传播问题，提升时间一致性。

GPU-accelerated superiorization on constrained physical problems with SupPy

基于GPU加速的约束物理问题超优化方法及SupPy工具

Tobias Becher, Yair Censor, Kay Barshad, Niklas Wahl

专题命中 规划决策 ：planning(abstract)

AI总结 提出SupPy开源Python工具箱，在GPU上加速超优化方法，应用于地震图像重建、低剂量CT重建和调强放疗计划，相比仅寻求可行解，超优化算法在降噪和降低剂量方面效果更优。

Generating Realistic Individual Activity Schedules via Activity Location Allocation Based on Simulated Travel Times

通过基于模拟出行时间的活动位置分配生成真实个体活动日程

Tatsuya Mitomi, Yahya Gamal, Esra Suel, Gary Polhill, Daniel Konioukhov, Alison Heppenstall

专题命中 规划决策 ：planning(abstract)

AI总结 提出一种迭代动态规划框架，基于模拟出行时间分配活动位置，生成与出行调查一致的个体活动日程，将模拟与调查出行时间差异降低52.2%。

Comments 8 pages, 5 figures. This is the author version of a short paper accepted for presentation in the poster session at the 17th Conference on Spatial Information Theory (COSIT 2026)

Complexity scaling and optimal policy degeneracy in quantum reinforcement learning via analytically solvable unitary-control-then-measure models

量子强化学习中复杂度缩放与最优策略退化研究：通过可解析的幺正控制后再测量模型

Andrea Cintio, Alessandro Michelangeli, Dmitrii Tsutskov

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出并分析了可解析的量子强化学习模型，通过幺正控制后再测量协议，研究了复杂度从指数级到幂律级的缩减及最优策略退化现象。

From Textual Columns to Query Plans: A Unified Relational-Semantic Execution Framework for Hybrid Query Processing

OmniTQA：一种面向半结构化数据的混合查询处理成本感知系统

Nima Shahbazi, Seiji Maekawa, Nikita Bhutani, Estevam Hruschka

专题命中 规划决策 ：planning(abstract)

AI总结 OmniTQA通过整合LLM语义操作与传统关系运算符，提出了一种成本感知的混合查询处理框架，有效处理结构化与半结构化数据，提升复杂查询和大规模表的准确性和效率。

Drive-JEPA: Video JEPA Meets Multimodal Trajectory Distillation for End-to-End Driving

Drive-JEPA：视频JEPA结合多模态轨迹蒸馏实现端到端驾驶

Linhan Wang, Zichong Yang, Chen Bai, Guoxiang Zhang, Xiaotong Liu, Xiaoyin Zheng, Xiao-Xiao Long, Chang-Tien Lu, Cheng Lu

机构 * Virginia Tech（弗吉尼亚理工学院） ； Purdue University（普渡大学） ； XPENG Motors（小鹏汽车） ； Nanjing University（南京大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出Drive-JEPA框架，结合视频联合嵌入预测架构（V-JEPA）与多模态轨迹蒸馏，通过自监督视频预训练和动量感知选择机制提升端到端驾驶的规划性能，在NAVSIM上达到新最优。

High-Quality Spatial Reconstruction and Orthoimage Generation Using Efficient 2D Gaussian Splatting

利用高效2D高斯散射实现高质量空间重建和正射影像生成

Qian Wang, Zhihao Zhan, Jialei He, Zhituo Tu, Jie Yuan

机构 * TopXGun Robotics（TopXGun机器人） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出基于2D高斯散射的高效方法，实现高质量空间重建和正射影像生成，无需传统DSM和遮挡检测，提升复杂地形和细长结构的渲染质量与效率。

Journal ref Signal, Image and Video Processing, 2026