AI Agent

Enhancing AI and Dynamical Subseasonal Forecasts with Probabilistic Bias Correction

通过概率性偏误校正增强人工智能和动力学亚季预测

Hannah Guan, Soukayna Mouatadid, Paulo Orenstein, Judah Cohen, Haiyu Dong, Zekun Ni, Jeremy Berman, Genevieve Flaspohler, Alex Lu, Jakob Schloer, Joshua Talib, Jonathan A. Weyn, Lester Mackey

机构 * Harvard College（哈佛学院） ； University of Toronto（多伦多大学） ； Instituto de Matemática Pura e Aplicada（数学与应用数学研究所） ； Massachusetts Institute of Technology（麻省理工学院） ； Atmospheric and Environmental Research（大气与环境研究） ； Microsoft Corporation（微软公司） ； Rhiza Research（Rhiza研究） ； Microsoft Research New England（微软新英格兰研究院） ； European Centre for Medium-Range Weather Forecasts（欧洲中期天气预报中心） 纠错

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

AI总结 本文提出概率性偏误校正方法，通过学习历史概率预测来减少系统性误差，显著提升亚季预测能力，应用于ECMWF模型后，AI预测系统技能翻倍，操作性去偏模型在91%压力、92%温度和98%降水目标上表现更优。

Hierarchical Chain-of-Thought: Enhancing LLM Reasoning Performance and Efficiency

层次化思维链提示：提升大语言模型推理性能与效率

Xingshuai Huang, Derek Li, Bahareh Nikpour, Parsa Omidi

机构 * Huawei Technologies Canada, Canada（华为技术加拿大公司，加拿大） 纠错

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

AI总结 本文提出层次化思维链提示方法，通过分层步骤规划与执行提升复杂多步推理的准确率和效率，实验显示在多种模型和任务中平均准确率提升6.2%。

Robot Trajectron V3: A Probabilistic Shared Control Framework for SE(3) Manipulation

机器人轨迹生成器V3：一种用于SE(3)操作的概率共享控制框架

Pinhao Song, Zhongxi Li, Ze Fu, Federico Ulloa Rios, Renaud Detry

机构 * KU Leuven（鲁汶大学） ； Flanders Make（法兰德斯制造） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 针对远程操作机器人手臂执行高自由度操作任务的难题（认知要求高、易出错、依赖低带宽接口），提出概率共享控制框架RT-V3，通过贝叶斯推理结合用户意图先验与实时命令估计后验分布，实验证明其在多方面表现出色，优于基线方法。

An Improved Deep Reinforcement Learning Control Strategy for Traction Dual Rectifiers in EMUs

一种改进的动车组牵引双整流器深度强化学习控制策略

Zhigang Liu, Mingwei Tang, Xiangyu Meng, Hui Wang, Qiao Zhang, Haoyu Wang, Mengru Li

专题命中 规划决策 ：agent(abstract)

AI总结 研究动车组牵引双整流器控制策略，针对现有PI控制问题，提出基于深度强化学习的新策略，改进双延迟深度确定性策略梯度算法，添加奖励塑造并结合优先经验回放，经仿真和稳定性分析验证，该策略能有效应用于多工况动车组。

Comments 19 pages. Accepted manuscript

Journal ref IEEE Transactions on Transportation Electrification, pp. 1-1, 2026

Causally Debiased Latent Action Model for Embodied Action Conditioned World Models

用于具身动作条件世界模型的因果去偏潜行动模型

Yufan Wei, Kun Zhou, Lingjun Mao, Zijun Zhang, Ziming Xu, Ziqiao Xi, Shuang Liang, Ruobing Han, Yuchen Yan, Xinyue Wang, Fan Feng, Biwei Huang

机构 * Aether AI ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究针对动作条件世界模型学习需大量标记数据的问题，提出基于潜行动模型的因果去偏框架CD-LAM，通过三个微调目标改进模型，提升了潜行动可控性等多方面性能，减少了机器人动作适应更新次数。

BeyondSight: Object Permanence for End-to-End Autonomous Driving

超越视野：端到端自动驾驶中的物体持久性

Sandro Papais, Letian Wang, Mudit Jain, Behnaz Rezaei, Steven L. Waslander

机构 * University of Toronto（多伦多大学） ； Qualcomm Technologies, Inc.（高通技术公司） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究针对自动驾驶中物体易被遮挡问题，提出超越视野框架，通过维持持久物体假设解耦物体存在与可观测性，引入nuScenes - Permanence用于训练评估，实验证明该框架显著提升遮挡推理能力，凸显物体持久性对自动驾驶的重要性。

Comments Accepted to ECCV 2026

SiFAR: Synchronization-Free All-Reduce for Low-Latency LLM Inference

SiFAR：用于低延迟大语言模型推理的无同步全规约算法

Hritvik Taneja, Anish Saxena, Abhishek Revinipati, Jae Hyung Ju, Neal C. Crago, Moinuddin Qureshi

专题命中 规划决策 ：agentic(abstract)

AI总结 研究针对大语言模型推理中令牌生成延迟瓶颈，提出无同步全规约算法SiFAR。通过消除一次性算法写后写依赖、利用交换机片上规约等方法，减少全规约延迟，提升端到端吞吐量，在特定条件下取得显著性能提升。

Self-similarity of mobility networks

移动网络的自相似性

Ying-Yue Lyu, Xiao-Yong Yan, Bin Jia, Jobst Heitzig, Ziyou Gao, Jürgen Kurths

专题命中 规划决策 ：planning(abstract)

AI总结 研究人员提出邻居限制盒覆盖方法重正化无向加权移动网络，应用该方法揭示中国城市间人员与货运网络多尺度结构，发现其拓扑等呈现自相似性，重正化节点有空间凝聚力，该方法适用于不同规模网络，为复杂系统多尺度分析提供工具。

Comments 29 pages, 15 figures, including supplementary material

DriveMA: Driving Vision-Language-Action Models with verifiable Meta-Actions

DriveMA：基于可验证元动作的驾驶视觉-语言-动作模型

Weicheng Zheng, Yixin Huang, Qiao Sun, Derun Li, Hang Zhao

机构 * Shanghai Qi Zhi Institute（上海启智研究院） ； Tsinghua University（清华大学） ； Tongji University（同济大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出DriveMA框架，通过可验证元动作弥合语言与动作的差距，结合动作中心监督训练和强化学习实现端到端驾驶规划，在Waymo Open Dataset上取得最优性能。

Comments arXiv admin note: text overlap with arXiv:2605.21273

Hybrid Foveated Path Tracing with Peripheral Gaussians for Immersive Anatomy

混合视网膜路径追踪与边缘高斯分布用于沉浸式解剖学

Constantin Kleinbeck, Luisa Theelke, Hannah Schieber, Ulrich Eck, Rüdiger von Eisenhart-Rothe, Daniel Roth

机构 * Technical University of Munich (TUM), Germany（慕尼黑技术大学） ； TUM University Hospital, Orthopedics and Sports Orthopedics（TUM大学医院，骨科和运动骨科） ； Human-Centered Computing and Extended Reality Lab (HEX)（以人为本计算与扩展现实实验室） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种结合视网膜路径追踪和高斯点分布的混合渲染方法，用于实现高质量、交互式和沉浸式的解剖学可视化。

Comments Scheduled for publication in the Proceedings of IEEE VR 2026

Journal ref 2026 IEEE Conference on Virtual Reality and 3D User Interfaces (VR), 585-595 (2026)

Multi-Layer Gaussian Splatting for Immersive Anatomy Visualization

多层高斯散射用于沉浸式解剖可视化

Constantin Kleinbeck, Hannah Schieber, Klaus Engel, Ralf Gutjahr, Daniel Roth

机构 * Technical University of Munich（慕尼黑技术大学） ； Clinic for Orthopedics and Sports Orthopedics（骨科与运动骨科诊所） ； TUM University Hospital（慕尼黑技术大学医院） ； Siemens Healthineers AG（西门子医疗影像有限公司） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出多层高斯散射方法，用于高效且静态地表示CT扫描，实现沉浸式解剖可视化，支持交互式三维评估与医学教育。

Journal ref IEEE Trans. Vis. Comput. Graph. 31(5):2353-2363 (2025)

Bi-level Multi-criteria Optimization for Risk-informed Radiotherapy

双层多目标优化用于风险导向的放射治疗

Mara Schubert, Katrin Teichert, Zhongxing Liao, Thomas Bortfeld, Ali Ajdari

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出风险引导的多目标优化方法，用于在放射治疗中平衡剂量学和生物学终点，通过整合生物风险模型实现个体化治疗优化。

Mosaic: Runtime-Efficient Multi-Agent Embodied Planning

Mosaic：运行时高效的多智能体实体规划

Kunjal Panchal, Saayan Mitra, Sunav Choudhary, Victor Bursztyn, Somdeb Sarkhel, Hui Guan

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

AI总结 研究基于LLM的多智能体实体规划执行延迟高问题，提出Mosaic框架，通过智能体中心语义内存和整数线性规划应对挑战，在多基准测试中执行更快、调用更少、步数更少且成功率更高，证明相关因素对多智能体规划的重要性。

Comments Accepted to ICML 2026

Leveraging Multi-Agent System (MAS) and Fine-Tuned Small Language Models (SLMs) for Automated Telecom Network Troubleshooting

利用多智能体系统（MAS）和微调后的小语言模型（SLM）实现电信网络自动化故障排除

Chenhua Shi, Bhavika Jalli, Gregor Macdonald, John Zou, Wanlu Lei, Mridul Jain, Joji Philip

机构 * Ericsson（爱立信） 纠错

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

AI总结 针对电信网络故障排除难题，提出基于多智能体系统（MAS）的方法，利用大语言模型协调专业工具，通过微调小语言模型生成修复计划，实现全自动故障排除，加速了无线接入网和核心网领域的故障排除自动化。

Comments 6 pages, 7 figures, 1 table, 2026 IEEE ICC Workshop on Wireless Foundation Models for AI-native 6G and Beyond

QAgent: An LLM-based Multi-Agent System for Autonomous OpenQASM programming

QAgent：一种基于大语言模型的用于自主OpenQASM编程的多智能体系统

Zhenxiao Fu, Lei Jiang, Yilun Xu, Gang Huang, Fan Chen

机构 * Zhenxiao Fu1, Lei Jiang1, Yilun Xu2, Gang Huang2, Fan Chen1（作者1、作者2、作者3、作者4、作者5） 纠错

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

AI总结 研究针对OpenQASM编程挑战提出QAgent，它是基于大语言模型的多智能体系统，集成规划、合成和校准工作流程，利用检索增强生成及多智能体推理确保正确性，在多模型评估中表现出色，证明集成对可靠量子程序生成很关键。

Contract-Based Compositional Shielding for Safe Multi-Agent Reinforcement Learning

基于合约的组合屏蔽实现安全多智能体强化学习

Omar Adalat, Edwin Hamel-De le Court, Francesco Belardinelli

机构 * Imperial College London（伦敦帝国学院） ； University of Manchester（曼彻斯特大学） 纠错

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

AI总结 提出一种去中心化屏蔽方法，通过合约机制协调智能体局部LTL安全义务，在无集中运行时控制下保证全局安全并优化团队奖励。

Comments Accepted to EUMAS 2026, the 23rd European Conference on Multi-Agent Systems

Heterogeneous Information-Bottleneck Coordination Graphs for Multi-Agent Reinforcement Learning

异质信息瓶颈协调图用于多智能体强化学习

Wei Duan, Junyu Xuan, En Yu, Xiaoyu Yang, Jie Lu

机构 * Australian Artificial Intelligence Institute (AAII)（澳大利亚人工智能研究所） 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 本文提出异质信息瓶颈协调图（HIBCG），通过理论指导机制解决多智能体强化学习中协调图的边存在性和信息传递容量分配问题，通过信息瓶颈方法构建组对齐的块对角先验，实现边存在性和信息容量的理论验证。

Comments Updated organization; corrected theoretical statements and proofs. Main paper + appendix

Fictional Worldbuilding: Multi-Agent LLM Collaboration with Hierarchical Context Compression and Iterative Review

虚构世界构建：基于分层上下文压缩和迭代审查的多智能体大语言模型协作

Jingbo Chen, He Wang, Wei Yuan, Yuqiao Lai, Zhenyan Lu

机构 * National University of Defense Technology（国防科技大学） 纠错

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

AI总结 针对大语言模型应用于世界构建面临的挑战，提出AutoWorldBuilder多智能体协作系统，通过五个组件应对，经实验验证，该系统在世界构建任务中有高成功率，能高效生成自洽概念，其架构模式可推广到其他知识密集型多智能体大语言模型应用。

Comments 36 pages, 7 fig

KV-PRM: Efficient Process Reward Modeling via KV-Cache Transfer for Multi-Agent Test-Time Scaling

KV-PRM：通过KV缓存转移实现高效的过程奖励建模以进行多智能体测试时扩展

Peng Kuang, Haibo Jin, Xiaoyu Han, Yanli Wang, Xiaopeng Yuan, Ye Yu, Kaidi Xu, Haohan Wang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Imperial College London（伦敦帝国理工学院） ； 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)；分类 cs.AI

AI总结 研究针对现有基于文本的过程奖励模型在长多智能体展开中评分成本高的问题，提出KV-PRM，通过读取KV缓存降低评分成本，经理论证明和实验验证，该模型在多基准测试及多种TTS方法下表现优异，大幅减少计算资源消耗。

Multi-Agent LLM Collaboration for Unit Test Generation via Human-Testing-Inspired Workflows

通过受人工测试启发的工作流程进行多智能体大语言模型协作以生成单元测试

Quanjun Zhang, Ye Shang, Siqi Gu, Jianyi Zhou, Chunrong Fang, Zhenyu Chen, Liang Xiao

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

AI总结 研究针对现有基于大语言模型的单元测试生成方法的局限，提出TestAgent，通过多智能体协作机制模拟人工测试，设计专门智能体、配备工具API并构建知识图谱，在Java项目实验中取得优异结果，性能优于基线和搜索工具。

L-MAD: A Systematic Evaluation of Multi-Agent Debate Structures in Legal Reasoning

L-MAD：法律推理中多智能体辩论结构的系统评估

Tan-Minh Nguyen, Hoang-Trung Nguyen, Huu-Dong Nguyen, Dinh-Truong Do, Thi-Hai-Yen Vuong, Le-Minh Nguyen

机构 * Japan Advanced Institute of Science（日本先进科学研究院） ； VNU University of Engineering（越南工程大学） 纠错

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

AI总结 研究在法律领域探索多智能体辩论（MAD）框架有效性，引入L-MAD框架评估不同结构和方法，通过分配专家角色提升效果，分析辩论规模发现权衡，明确了在法律推理中部署协作多智能体系统的边界与安全边际。

Comments Outstanding paper in the AI4Law Workshop at ICML 2026

Action-Factored Multi-Agent Reinforcement Learning for Scalable Quantum Device Tuning

用于可扩展量子器件调谐的动作分解多智能体强化学习

Edwin De Nicolo, Rahul Marchand, Cornelius Carlsson, Pranav Vaidhyanathan, Natalia Ares

机构 * University of Oxford（牛津大学） 纠错

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

AI总结 针对量子器件调谐中参数串扰致学习不稳定问题，提出用在线学习动作空间分解表示的方法，框架QADAPT借此高效学习共享策略，实现零样本泛化及收敛步骤数恒定，为大规模量子处理器快速校准提供可扩展途径。

JustAct: A Framework for Auditable Multi-Agent Systems Regulated by Inter-Organisational Policies

JustAct：一个由组织间政策监管的可审计多智能体系统框架

Christopher A. Esterhuyse, Tim Müller, L. Thomas van Binsbergen

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

AI总结 研究跨越组织边界的开放多智能体系统中行动受复杂政策监管的问题，提出JustAct框架，智能体可凭动态政策信息证明行动合理，通过特定语言和系统的实例及案例研究展示评估该框架。

Embodied Multi-Agent Coordination by Aligning World Models Through Dialogue

通过对话对齐世界模型实现具身多智能体协调

Vardhan Dongre, Dilek Hakkani-Tür

机构 * Siebel School of Computing & Data Science（计算机与数据科学学院） 纠错

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

AI总结 研究通过对话机制探索具身智能体的世界模型对齐，发现对话能减少冲突但降低任务成功率，提出评估世界模型对齐的框架。

ARCANA: A Reflective Multi-Agent Program Synthesis Framework for ARC-AGI-2 Reasoning

ARCANA：用于ARC-AGI-2推理的反射式多智能体程序合成框架

Kunbo Zhang, Lei Fu, Zeyu Wang, Zijing Liu, Kejian Tong

机构 * Columbia University（哥伦比亚大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Northeastern University（东北大学） 纠错

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

AI总结 ARCANA是用于ARC-AGI-2推理的多智能体框架，将任务分解为感知、假设生成等步骤，智能体通过可微黑板通信，由元控制器调度。其设计结合程序搜索与校正，提升了抽象转换任务的推理效率和解决方案质量。

Eluna: An Agentic LLM System for Automating Warehouse Operations with Reasoning and Task Execution

Eluna：一个用于通过推理和任务执行实现仓库运营自动化的智能语言模型系统

Ning Liu, Kalle Kujanpää, Zhaoxuan Zhu, P Aditya Sreekar, Kaiwen Liu, Chuanneng Sun, Jorge Marchena Menendez, Matthew Bales, Tianyu Yang, Shahnawaz Alam, Rose Yu, Baoyuan Liu, Kristina Klinkner, Shervin Malmasi

机构 * Amazon.com, Inc. Fulfillment Technologies and Robotics（亚马逊公司履约技术与机器人部门） 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 研究针对仓库运营中SOP执行问题，提出Eluna智能体系统，它是图形引导多智能体框架，采用非对称情节蒸馏方法，在基准测试和生产应用中，微调模型表现出色，匹配或超教师模型，击败基线，在票务处理应用达94%专家一致性。

Malaika: Understanding Malware through Tri-Grounded Agentic Reasoning

Malaika：通过三重基础的智能推理理解恶意软件

Xingzhi Qian, Xinran Zheng, Yiling He, Lorenzo Cavallaro

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

AI总结 研究针对恶意软件理解挑战，将其视为基础推理问题，提出需三种基础形式。介绍多智能体框架Malaika，通过受分析师启发的推理等实现三种基础机制，用于安卓恶意软件分析，实验表明该框架提高分析质量，为可靠恶意软件理解及软件分析提供基础。

Secret Scanner Agent: Extracting Secrets and Access Context from Unstructured Documents

秘密扫描代理：从非结构化文档中提取秘密和访问上下文

Zixiao Chen, Mariko Wakabayashi, Charlotte Siska

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

AI总结 研究从非结构化文档提取秘密及访问上下文的问题，提出多智能体大语言模型系统SSA，它能通过检测与审查智能体配对提取相关信息，经合成基准评估，相比传统方法提升了提取精度、召回率，速度更快，让凭证检测更具可操作性。

Comments Submitted to the Conference on Applied Machine Learning for Information Security (CAMLIS) 2026

CoDiMAD: Diffusion-Based Privileged Distillation for Communication-Free Multi-Robot Coordination

CoDiMAD：基于扩散的特权蒸馏用于无通信多机器人协调

Jiyue Tao, Shunheng Xin, Tongsheng Shen, Dexin Zhao, Feitian Zhang

机构 * Peking University（北京大学） ； National Innovation Institute of Defense Technology（国防科技创新研究院） 纠错

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

AI总结 研究无通信多机器人协调问题，提出CoDiMAD三阶段框架，先训练特权预言机，再构建数据集，最后将预言机蒸馏到学生智能体中，通过扩散反向过程采样动作，实验证明其性能优于基线。

On the sufficiency of unidirectional incentive compatibility in auctions

关于拍卖中单向激励相容的充分性

Kiho Yoon

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

AI总结 研究在竞拍者只能低报真实估值时，单向激励相容对于收益最大化是否足以替代完全激励相容，并通过线性规划对偶性证明两者等价。