AI Agent

EgoWAM: World Action Models Beyond Pixels with In-the-Wild Egocentric Human Data

EgoWAM：利用野外自我中心人类数据超越像素的世界行动模型

Baoyu Li, Xinchen Yin, Mengying Lin, Yixin Zhang, Danfei Xu

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

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 研究利用野外自我中心人类数据训练机器人操纵模型，引入EgoWAM框架，固定部分设置仅改变世界预测目标，比较不同方法。结果表明WAM协同训练更有效，DINO和3D流提升显著，为机器人操纵提供新训练思路。

MobiDiff: Semantic-Aware Multi-Channel Discrete Diffusion for Human Mobility Data Generation

MobiDiff：用于人类移动性数据生成的语义感知多通道离散扩散

Rongchao Xu, Lin Jiang, Dahai Yu, Ximiao Li, Taichi Liu, Desheng Zhang, Yuan Tian, Guang Wang

机构 * Florida State University（佛罗里达州立大学） ； Rutgers University（罗格斯大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

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

AI总结 研究旨在解决人类移动性数据生成难题，提出MobiDiff框架，通过直接对多通道语义骨架去噪生成数据，避免复杂管道。该框架能分解事件通道并采用掩码捕获移动模式与依赖性，实验证明其在保真度、隐私保护和效率上表现出色。

Unlocking Temporal Generalization in Hamiltonian Video Dynamics Models

解锁哈密顿视频动力学模型中的时间泛化

Eli Laird, Corey Clark

机构 * Department of Computer Science, Southern Methodist University（南卫理公会大学计算机科学系） 纠错

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

AI总结 研究世界模型在可变时间分辨率下预测动力学的问题，利用哈密顿生成网络（HGN），指出其在非保守环境中时间泛化失效的问题及原因，通过针对性修复实现稳定动力学预测，推荐连续时间视频生成中时间泛化的策略。

Comments To appear in the 1st Workshop on Physics-Aware Video Generation and Restoration at the 28th International Conference on Pattern Recognition

Aligning Clinical Needs and AI Capabilities: A Survey on LLMs for Medical Reasoning

对齐临床需求与人工智能能力：医学推理大语言模型综述

Qi Peng, Jiatong Li, Sirui Huang, Yiyang Jiang, Kaisong Gong, Ronger Ding, Shijie Ye, Changmeng Zheng, Yi Cai, Xiaobo Yang, Jin Huang, Xiao-Yong Wei, Qing Li

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Hong Kong University（香港大学） ； South China University of Technology（华南理工大学） ； University of Toronto（多伦多大学） ； Peking Union Medical College Hospital（北京地坛医院） ； West China Hospital, Sichuan University（四川大学华西医院） 纠错

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

AI总结 综述医学大语言模型在医疗领域的进展，提出双视角方法，连接临床实践与计算方法，建立五级能力方案并关联推理模式与医学任务，引入基准数据集并报告模型结果，讨论进展与挑战及未来方向。

Comments Accepted by Machine Intelligence Research

RetailBench: Evaluating Long-Horizon Autonomous Decision-Making and Strategy Stability of LLM Agents in Realistic Retail Environments

RetailBench: 评估LLM代理在真实零售环境中的长周期自主决策与策略稳定性

Linghua Zhang, Jun Wang, Jingtong Wu, Zhisong Zhang

机构 * Ant Group（蚂蚁集团） ； City University of Hong Kong（香港城市大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 提出RetailBench基准，用于评估LLM代理在千天级超市运营模拟中的长周期决策能力，发现当前最强模型仍远落后于最优策略。

ImPORTance: Machine Learning-Driven Analysis of Global Port Significance and Network Dynamics for Improved Operational Efficiency

ImPORTance: 基于机器学习的全球港口重要性及网络动态分析以提升运营效率

Emanuele Carlini, Domenico Di Gangi, Vinicius Monteiro de Lira, Hanna Kavalionak, Amilcar Soares, Gabriel Spadon

机构 * Inst. of Info. Sci. and Technologies（信息科学与技术研究所） ； Federal University of Ceará（联邦卡里亚大学） ； Linnaeus University（林纳尤大学） ； Dalhousie University（达尔豪斯大学） 纠错

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

AI总结 本文基于机器学习分析全球港口连接网络，揭示地理特征和港口深度对港口重要性的贡献，以提升港口运营效率。

Journal ref 19th International Symposium on Spatial and Temporal Data (SSTD), 2025

Measuring Consumption with Credit Card Data: Benchmarking and Beyond

用信用卡数据衡量消费：基准测试及其他

Aditya Aladangady, Ricardo Duque Gabriel, Carlo Wix

专题命中 规划决策 ：agent(abstract)

AI总结 该研究利用美联储Y - 14M报告中的信用卡数据构建县级月度消费数据集，证明其与传统消费指标近似。通过县 - 月面板估计货币政策冲击的异质消费反应，发现低收入县支出下降幅度大，还为相关研究者提供了实用指导。

CT-CLIP Representations for Multimodal Lung Cancer Survival Prediction

用于多模态肺癌生存预测的CT-CLIP表示

Sofie Allgöwer, Mikael Johansson, Andreas Hallqvist, Jonas Andersson, Åse Johnsson, Ida Häggström, Jennifer Alvén

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； Umeå University（于默奥大学） ； Sahlgrenska University Hospital（萨尔格伦斯卡大学医院） ； Sahlgrenska Academy at Gothenburg University（哥德堡大学萨尔格伦斯卡学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究评估特定领域基础模型CT-CLIP用于肺癌多模态生存预测，通过多种策略提取特征，结果显示冻结的CT-CLIP模型结合可训练生存头表现出色，能有效区分高低风险组。

Comments 8 pages, 2 figures

Understanding and Mitigating the Video-Action Generalization Gap via Temporal Ratio

通过时间比率理解和缓解视频动作泛化差距

Utkarsh A. Mishra, Yongxin Chen, Danfei Xu, Yang Liu, Xi Chen, Jiayuan Mao

机构 * Georgia Tech（佐治亚理工学院） ； Amazon FAR（亚马逊FAR） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究视频动作泛化差距，引入时间比率（TR），通过TR衡量动作头对未来潜在展开的依赖程度，提出推理时自适应引导方法，利用TR特性缓解组合泛化差距。

Comments 26 pages, 9 figures

MORES: Mobile Reasoning-as-a-Service via Distributed LLM Inference-Time Scaling

MORES：通过分布式大语言模型推理时间缩放实现移动推理即服务

Guanchen Liu, Hongyang Du, Kaibin Huang

专题命中 规划决策 ：agent(abstract)

AI总结 研究针对大语言模型推理时间缩放的计算和内存开销问题，提出MORES框架，利用隐式推理递归结构及基于语义MoE的DRL算法优化资源分配，实现边缘设备协作推理，提升系统吞吐量约18%。

Deep Reinforcement Learning-Empowered Wireless Sensor Networking for 6G Closed-Loop Controls

用于6G闭环控制的深度强化学习赋能无线传感器网络

Chengleyang Lei, Wei Feng, Yunfei Chen, Yongxu Zhu, Ning Ge, Shi Jin

专题命中 规划决策 ：agent(abstract)

AI总结 针对机器人在关键任务控制中能力受限依赖其他传感器及边缘信息枢纽的情况，通过基于互信息理论建模失真噪声，将控制过程公式化为部分可观测马尔可夫决策过程，利用深度强化学习和近端策略优化算法设计带宽分配方案，提升闭环性能。

ShannonProver: Towards Automating Formal Cryptographic Proofs

香农证明器：迈向自动化形式化密码学证明

Yiping Ma, Yu-Lin Tsai, Mayank Rathee, Deevashwer Rathee, François Dupressoir, Pierre-Yves Strub, Raluca Ada Popa

专题命中 规划决策 ：agentic(abstract)

AI总结 研究针对密码学证明人工验证难的问题，提出香农证明器框架。由密码学家提供安全模型等，系统自动构建证明脚本。在易加密形式化密码证明数据集上评估，可自动化部分证明工程，加速密码学研究。

How optimistic inflow forecasts distort dispatch, prices, and contracts in hydro-dominated power systems: evidence from Brazil

乐观入流预测如何扭曲水电主导电力系统的调度、价格和合同：来自巴西的证据

Arthur Brigatto, Alexandre Street, Joaquim Dias Garcia

专题命中 规划决策 ：planning(abstract)

AI总结 研究巴西水电系统中乐观入流预测偏差如何导致水库水位降低、热电机组延迟调度、现货价格尖峰、可靠性风险增加及运行成本上升，并削弱水电生产商的签约意愿。

Self-Adaptive Probabilistic Skyline Analytics in Cloud-Edge IoE: A Multi-Objective DRL Approach

云边万物互联中的自适应概率天际线分析：一种多目标深度强化学习方法

Chuan-Chi Lai

专题命中 规划决策 ：agent(abstract)

AI总结 针对云边万物互联中概率天际线查询分析难题，提出SA-PSKY框架，集成深度强化学习与分布式查询优化，通过马尔可夫决策过程和自适应加权机制，结合优先经验回放，有效降低延迟，提升可扩展性，优于基线方法。

Comments 15 pages, 2 tables, 5 figures. Manuscript currently under review at IEEE Transactions on Cloud Computing (TCC). This version includes extended scalability analysis and refined theoretical proofs

A Collaborative Reasoning Framework for Anomaly Diagnostics in Underwater Robotics

水下机器人异常诊断的协作推理框架

Markus Buchholz, Niamh Ellis, Rahaf Abu Hara, Ignacio Carlucho, Yvan R. Petillot

机构 * School of Engineering & Physical Sciences, Heriot-Watt University（工程与物理科学学院，赫瑞斯泰大学） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 研究水下机器人异常诊断，提出AURA协作框架，集成大语言模型、数字孪生和人在回路交互，通过两个代理进行异常检测与诊断，经人类验证的诊断转化为训练示例完善模型，建立可信赖、不断改进的人机团队模式。

Comments Paper was submitted for ICRA 2026

Modeling Maritime Transportation Behavior Using AIS Trajectories and Markovian Processes in the Gulf of St. Lawrence

利用AIS轨迹和马尔可夫过程建模大西洋圣劳伦斯湾的航运行为

Gabriel Spadon, Ruixin Song, Vaishnav Vaidheeswaran, Md Mahbub Alam, Floris Goerlandt, Ronald Pelot

专题命中 规划决策 ：planning(abstract)

AI总结 本文利用AIS轨迹和马尔可夫过程分析大西洋圣劳伦斯湾的航运行为，揭示了疫情对船舶移动模式的影响。

Journal ref IEEE International Conference on Big Data (BigData), 2025

Hierarchical Control in Multi-Agent Games: LLM-based Planning and RL Execution

多智能体博弈中的层次化控制：基于LLM的规划与RL执行

Jannik Hösch, Alessandro Sestini, Florian Fuchs, Amir Baghi, Joakim Bergdahl, Iolanda Leite, Konrad Tollmar, Jean-Philippe Barrette-LaPierre, Linus Gisslén

机构 * Electronic Arts ； KTH Royal Institute of Technology（皇家理工学院） 纠错

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

AI总结 提出LLM作为中央策略控制器选择RL技能策略的层次化架构，在2v2对抗环境中达到与手工BT相当的胜率，且被感知为最类人。

Comments 12 pages, 9 figures

WebSwarm: Recursive Multi-Agent Orchestration for Deep-and-Wide Web Search

WebSwarm：用于深度和广度网络搜索的递归多智能体编排

Xiaoshuai Song, Liancheng Zhang, Kangzhi Zhao, Yutao Zhu, Zhongyuan Wang, Guanting Dong, Jinghan Yang, Han Li, Kun Gai, Ji-Rong Wen, Zhicheng Dou

机构 * Kuaishou（快手） 纠错

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 研究基于大语言模型的网络搜索任务，提出WebSwarm递归多智能体编排框架，在推理时联合构建任务分解等，动态实例化搜索节点，通过实验证明其在深度、广度等任务上优于基线，分析多种因素解释其有效性并为多智能体搜索提供见解。

Comments Work in progress

Game Theory Driven Multi-Agent Framework Mitigates Language Model Hallucination

博弈论驱动的多智能体框架减轻语言模型幻觉

Runzhe Liu, Biquan Bie, Zihao Wang, Yuchao Ma, Yexin Liu, Xinghai Li, Harry Yang, Wenbo Yang, Jinzhe Cao, Shengyang Tao

机构 * Dalian University of Technology（大连理工大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 研究针对轻量级大语言模型在科学领域应用受限问题，提出基于博弈论的G-Frame多智能体框架，经结构化推理合成语料库训练出OmniChem模型，性能与GPT 4o mini相当且幻觉大幅减少，为科学领域知识发现提供新途径。

Open-ended Multi-agent Autocurricula via Visual Inspection of Policies with Multi-modal LLMs

通过多模态大语言模型对策略进行视觉检查实现开放式多智能体自动课程

Lorenzo Pantè, Andrea Fanti, Roberto Capobianco

机构 * Sapienza University of Rome（罗马第一大学） ； Sony AI（索尼人工智能） 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 研究强化学习中开放式多智能体自动课程设计难题，提出通过策略视觉检查（VIP）利用视频语言模型处理视频并提供课程建议，经星际争霸多智能体挑战赛实证，显示该方法能生成更有效课程。

Who Broke the System? Failure Localization in LLM-Based Multi-Agent Systems

谁破坏了系统？基于大语言模型的多智能体系统中的故障定位

Yufei Xia, Anjun Gao, Yueyang Quan, Zhuqing Liu, Minghong Fang

机构 * University of Louisville（路易斯维尔大学） ； University of North Texas（得克萨斯大学） 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 研究基于大语言模型的多智能体系统故障定位问题，提出AgentLocate框架，结合基于LLM的判断与多视角验证，通过置信感知策略聚合评估结果并微调判断，实验表明该框架在识别责任智能体和故障步骤上优于现有方法且高效。

Comments To appear in COLM 2026

MasFACT: Continual Multi-Agent Topology Learning via Geometry-Aware Posterior Transfer

MasFACT：基于几何感知后验转移的连续多智能体拓扑学习

Xuefei Wang, Jialu Wang, Fengbo Zhang, Yihan Hu, Di Zhang, Yutong Ye, Yikun Ban, Jun Han, Ruijie Wang

机构 * Beihang University（北京航空航天大学） 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 本文提出MasFACT框架，通过几何感知后验转移方法，解决多智能体系统中因新任务适应导致的拓扑遗忘问题，提升连续学习任务的准确性和拓扑稳定性。

Multi-Agent Firewall Architecture for Privacy Protection of Sensitive Data in Interactions with Language Models

用于在与语言模型交互中保护敏感数据隐私的多智能体防火墙架构

Hugo García Cuesta, Pablo Mateo Torrejón, Alfonso Sánchez-Macián

机构 * Universidad Carlos III de Madrid（卡洛斯三世大学） 纠错

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

AI总结 针对大语言模型集成到工作流程中缺乏保障措施的风险，提出开源多智能体防火墙架构，结合浏览器扩展和代理拦截流量，通过混合方法防止数据泄漏，分层架构可跨异构环境部署，最佳配置下F1分数达94.93%。

MASTE: A Multi-Agent Pipeline for Zero-Shot Aspect Sentiment Triplet Extraction

MASTE：一种用于零样本方面情感三元组提取的多智能体管道

Ao Hong, Lehang Wang, Zhirun Yue, Mingxin Wang, Zihan Wang, Houde Liu

机构 * Tsinghua University（清华大学） ； Wuhan University（武汉大学） 纠错

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

AI总结 研究针对方面情感三元组提取问题，提出多智能体管道MASTE，将其分解为四个阶段，由专门智能体处理不同子任务，实现完全无训练的零样本提取，在多个基准测试中显著优于基线，缩小与全监督方法差距。

From Triggers to Emotions: A CPM-Grounded Appraisal Multi-Agent for Dynamic Emotional Evolution in Persona-Based Dialogue

从触发因素到情感：基于CPM的评估多智能体模型用于基于角色的对话中的动态情感演变

Jingyao Cai, Shuaijun Liu, Abdul Rehman, Yutong Guo, Qin Tian, Thomas Dolby, Sue Green, Chantel Cox, Xiaosong Yang

机构 * National Centre for Computer Animation（国家计算机动画中心） ； Information Hub（信息中心） ； Key Laboratory of Child Cognition & Behavior Development of Hainan Province（海南省儿童认知与行为发展重点实验室） ； Chief Technology Officer（首席技术官） ； School of Health and Care（健康与护理学院） 纠错

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

AI总结 针对基于角色对话中情感模拟的局限，借鉴CPM理论提出CPM - MultiAgent框架，通过情感触发提取、协作评估和状态更新实现情感一致的角色模拟，经多种实验验证能有效模拟动态情感演变。

Multi-agent Autoformalization of Tensor Network Theory

张量网络理论的多智能体自动形式化

Sirui Lu, Erickson Tjoa, J. Ignacio Cirac

机构 * Munich Center for Quantum Science and Technology（慕尼黑量子科学与技术中心） 纠错

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

AI总结 研究通过构建智能体团队，以矩阵乘积态基本定理自动形式化为示例，提出理论物理研究级形式化工作流程，能探索新证明路径，生成新库，还应用于一维对称保护拓扑相，同时研究了自动形式化瓶颈并开源代码与蓝图。

Comments 5+2+33 pages; 3+3+11 figures; 6 tables; An accompanying blueprint document is available at https://lionsr.github.io/TNLean/blueprint-ch01-12.pdf

Autonomous heterogeneous catalyst discovery with a self-evolving multi-agent digital twin

自主异质催化剂发现：一种自进化多智能体数字孪生系统

Zhilong Song, Zongmin Zhang, Lixue Cheng

机构 * Department of Chemistry, Hong Kong University of Science and Technology（香港科技大学化学系） ； IAS Center for AI for Scientific Discoveries, Hong Kong University of Science and Technology（香港科技大学人工智能科学发现中心） ； Department of Computer Science and Engineering, Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系） ； Department of Chemical and Biological Engineering, Hong Kong University of Science and Technology（香港科技大学化学与生物工程系） 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CatDT（催化数字孪生），一种自进化多智能体系统，通过集成八种专业智能体和27种科学工具，在单个GPU上5-30分钟内自动构建工作催化剂数字孪生，实现从体相晶体和自然语言反应描述到稳定晶面预测、反应路径枚举、过渡态定位和动力学计算的全流程，在七个气固相基准上预测与实验偏差在0.5-2倍内，并独立发现丙烷脱氢非贵金属候选催化剂。

CogEvo-Edu: Cognitive Evolution Educational Multi-Agent Collaborative System

CogEvo-Edu: 基于认知进化教育的多智能体协作系统

Yefeng Wu, Yuchen Song, Yecheng Zhao, Ling Wu, Shan Wan

机构 * Electronic Science and Technology, Anhui University（安徽大学电子科学与技术学院） ； Medical Imaging Science, Wannan Medical College（皖南医学院医学影像学院） 纠错

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

AI总结 CogEvo-Edu通过认知进化机制实现教育多智能体协作，提升数字信号处理教学效果。

A Multi-Agent Framework for Democratizing XR Content Creation in K-12 Classrooms

面向K-12教室的多智能体框架：民主化XR内容创作

Yuan Chang, Zhu Li, Jiaming Qu

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

AI总结 本文提出多智能体XR创作框架，通过四个专业代理解决K-12教育中XR内容创作的技术障碍和生成AI的幻觉风险，实现教育内容的安全生成与教学增强。

Agentic AI and Retrieval-Augmented Models in Straight-Through Underwriting

直通式承保中的智能体人工智能与检索增强模型

Robert Richardson, Josh Meyers, Brian Hartman, David Sandberg

机构 * Brigham Young University 纠错

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

AI总结 研究人工智能在精算实践中的应用，开发用于小型商业企业主保单直通式承保的智能体人工智能框架，通过构建实验环境比较三条承保管道，发现智能体系统总体表现最佳，在特定场景中优势明显。