AI Agent

When and Why Does Multi-Agent Debate Fail and Does It Really Underperform?

多智能体辩论何时以及为何失败，它真的表现不佳吗？

Yongqiang Chen, Gang Niu, James Cheng, Bo Han, Masashi Sugiyama

机构 * The Chinese University of Hong Kong（香港中文大学） ； RIKEN Center for Advanced Intelligence Project（日本理化学研究院高级智能项目中心） ； Hong Kong Baptist University（香港 Baptist大学） ； The University of Tokyo（东京大学） 纠错

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

AI总结 研究多智能体辩论（MAD）失败原因及表现，分析竞争型和寻求共识型MAD范式问题，提出协作协议ColMAD，经实验验证其在错误检测等任务上比之前协议高出10个百分点，且优于单智能体方法，凸显协议设计对MAD潜力实现的关键作用。

Comments Preprint, ongoing work

MAR3: Multi-Agent Recognition, Reasoning, and Reflection for Reference Audio-Visual Segmentation

MAR3：多智能体识别、推理与反思用于参考音频视觉分割

Yuan Zhao, Zhenqi Jia, Yongqiang Zhang

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

AI总结 本文提出MAR3框架，通过多智能体机制解决参考音频视觉分割中的表达难度识别、模态主导性分析及反思学习问题，提升分割精度。

Comments Accepted by ACM MM 2026

Stability Buys Time: A Re-Keying Game for Encrypted Multi-Agent Control

稳定性赢得时间：加密多智能体控制的重新密钥生成博弈

Sai Sandeep Damera, John S. Baras

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

AI总结 研究加密多智能体控制中CKKS方案密钥恢复漏洞问题，将循环安全性建模为两阶段博弈，通过重新密钥生成防御主动操纵，确定了FHE精度等三方张力范围及有效安全点，揭示反馈回路中密码系统安全性是动态博弈。

Comments 20 pages, 3 figures. Submitted to the 17th Conference on Game Theory and AI for Security (GameSec-26)

Agentic Service-Oriented Computing: A Manifesto for the Next Frontier of Service-Oriented Computing

面向智能体的面向服务计算：面向服务计算新前沿宣言

Amin Beheshti, Rong N. Chang, Boualem Benatallah, Fabio Casati, Schahram Dustdar, Geoffrey Fox, Quan Z. Sheng, Yan Wang, Jian Yang, Albert Zomaya

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

AI总结 研究LLM驱动的智能体融入复杂工作流面临的挑战，提出面向智能体的面向服务计算（ASOC）。阐述其六个基本原则，组织五维研究议程，旨在将智能体AI从零散演示转变为可靠的基于服务的系统，为新兴领域提供支撑。

Comments Accepted at the 2026 IEEE International Conference on Web Services (ICWS); Corresponding author: Prof. Amin Beheshti; DOI 10.1109/ICWS72778.2026.00163

Isolation as a First-Class Principle for LLM-Agent System Safety: Concepts, Taxonomy, Challenges and Future Directions

隔离作为大语言模型智能体系统安全的头等原则：概念、分类法、挑战及未来方向

Huihao Jing, Wenbin Hu, Shaojin Chen, Haochen Shi, Sirui Zhang, Hanyu Yang, Changxuan Fan, Zhongwei Xie, Hongyu Luo, Wun Yu Chan, Wei Fan, Haoran Li, Yangqiu Song

机构 * HKUST（香港科技大学） ； NYU（纽约大学） ； SWUPL（西南政法大学） 纠错

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

AI总结 探讨大语言模型智能体系统安全问题，将隔离作为头等原则，用边界中心分类法组织文献，助于识别隔离丧失位置、妥协传播方式及相关防御，还总结了故障路径，讨论挑战并勾勒研究议程。

Ontology-Amplified Distillation and Contextuality Auditing for Sovereign Enterprise Language Models: A Combined Proof-of-Mechanism and Negative-Results Method Study

主权企业语言模型的本体增强蒸馏与上下文审查：机制验证与负面结果的组合方法研究

Thanh Luong Tuan

机构 * AgenticOS（智能操作系统） 纠错

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

AI总结 研究针对受数据驻留规则约束的金融机构需求，结合本体增强蒸馏机制验证与上下文审查方法，对Qwen3.6 - 27B学生模型进行训练及测试，结果不支持模型在多方面的优势，为企业语言模型应用提供参考。

Comments 15 pages, 2 figures. Combined proof-of-mechanism and negative-results method article consolidating ontology-amplified distillation with contextuality-audit routing for enterprise agents

Resilient Decentralized Ergodic Coverage for Scalable Multi-Robot Systems in Unknown Time-Varying Environments

去中心化随机覆盖控制在未知时间变化环境中

Maria G. Mendoza, Victoria Marie Tuck, Chinmay Maheshwari, Shankar Sastry

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

AI总结 本文提出一种去中心化多智能体覆盖框架，用于在未知且时间变化的环境中实现自适应覆盖。通过马尔可夫链转移模型和高斯过程，智能体根据动态重要性地图调整轨迹，提高环境适应性和探索效率。

Comments 8 pages, 6 figures

Bulkhead: Automated Semantic Detection and Remediation of Container Escape Vulnerabilities

舱壁：容器逃逸漏洞的自动语义检测与修复

Qiyuan Fan, Zhi Li, Junjie Li, XiaoFeng Wang, Bin Yuan, Deqing Zou

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

AI总结 研究容器逃逸漏洞，提出舱壁框架，集成大语言模型与形式化方法，利用多智能体系统通过多维知识模式识别修复漏洞，检测管道找漏洞并生成利用程序，补丁管道验证确保修复正确。

RCWT: Measuring Task-Budget Displacement from Coordination Content in LLM Calls

RCWT：从大语言模型调用中的协调内容测量任务预算位移

Brenda Lelis, Rodrigo Cabral-Carvalho

机构 * CloudWalk, Inc.（云从科技集团股份有限公司） 纠错

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

AI总结 研究多智能体和内存增强大语言模型中协调内容占用任务预算的问题，提出RCWT测量协议，通过改变协调内容等控制变量进行实验，发现模型表现受影响，该测试是上下文分配预算测量原语，但非多智能体收益等完整理论。

Comments 10 pages, 1 figure

MetaInfer: A Knowledge Only LLM Inference Engine Generator SKILL Toolbox

MetaInfer：一个仅基于知识的大语言模型推理引擎生成器SKILL工具包

Zhenwen Miao, Honglin Wang, Mingheng Mi

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

AI总结 研究针对大语言模型推理框架代码复杂、维护成本高的问题，提出MetaInfer方法，通过用户指定运行时约束，利用大语言模型驱动多智能体协作系统结合契约知识库自动生成定制推理框架，并从多视角评估，实现从显式知识生成可运行方案。

Unveiling Complex Collective Behaviors from Simple Rewards

从简单奖励中揭示复杂的集体行为

Yize Mi, Jianan Li, Liang Li, Shiyu Zhao

机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； WINDY Lab, School of Engineering, Westlake University（西湖大学工程学院风语实验室） ； Shanghai AI Laboratory（上海人工智能实验室） ； Max Planck Institute of Animal Behavior（马克斯·普朗克动物行为研究所） ； Department of Computer and Information Science, University of Konstanz（康斯坦茨大学计算机与信息科学系） ； Centre for the Advanced Study of Collective Behaviour, University of Konstanz（康斯坦茨大学集体行为高级研究中心） ； Department of Biology, University of Konstanz（康斯坦茨大学生物系） 纠错

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

AI总结 研究多智能体强化学习中简单奖励与复杂集体行为的关系，提出两阶段EEC解释框架及智能体响应图，通过合作与竞争两个任务验证，揭示了MARL策略背后隐藏的几何结构。

Comments Accepted by IROS 2026

CityBehavEx: A Scalable and Empirically Validated LLM-Assisted Urban Simulation Platform

CityBehavEx：一个可扩展且经过实证验证的基于大语言模型的城市模拟平台

Gustavo H. Santos, Aline Viana, Thiago H Silva

机构 * UTFPR（巴拉那联邦理工大学） ； Inria（法国国家信息与自动化研究所） ； University of Toronto（多伦多大学） 纠错

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

AI总结 CityBehavEx平台针对基于大语言模型的城市模拟器扩展成本高和验证薄弱问题，结合人类出行模型与交叉编码器，实现大规模模拟，能生成更贴合现实的出行模式，还允许用户进行多种操作及验证。

Comments 10 pages, 3 figures

Gradient-free learning of a closed-loop wall controller for turbulent drag reduction

用于湍流减阻的闭环壁面控制器的无梯度学习

Giorgio Maria Cavallazzi, Miguel Pérez Cuadrado, Alfredo Pinelli

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

AI总结 研究湍流减阻的闭环壁面控制问题，采用进化策略（ES）在大型湍流通道上直接优化循环闭环控制器，ES控制器减阻约26%，超基于梯度的多智能体控制器及经典对立控制，且与二者在缓冲层轨迹不同、驱动相关对象有别。

SkillComm: Skill-Driven Semantic Communication for Sequential Workflows via Incremental Token Transmission

SkillComm：通过增量令牌传输实现用于顺序工作流的技能驱动语义通信

Ziyang Meng, Lu Lu

专题命中 多智能体 ：workflow(abstract)；agentic(abstract)

AI总结 针对无线视觉智能中工作流的通信瓶颈问题，提出SkillComm框架，利用可重复使用技能状态进行工作流感知令牌优先级排序和内存辅助令牌网格重建，实验表明该框架能降低令牌传输成本并保持精度。

Power-law and log-periodic degree tails for a family of probability generating function equations arising in evolving networks

一族演化网络中出现的概率生成函数方程的幂律和对数周期度尾

Qunqiang Feng, Xiao-Ming Fu, Tianyang Sun

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

AI总结 研究一族演化网络模型的概率生成函数方程，通过对超临界高尔顿 - 沃森过程自包含局部分析，确定其极限度分布系数尾，解决了Feng等人的两个猜想，包括幂律阶及乘性周期形式。

Comments 21 pages

Swarming and Opinion Dynamics

群体行为与观点动态

Rommel Tchinda Djeudjo, Dibakar Ghosh, Timoteo Carletti

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

AI总结 研究多智能体系统中集体运动与观点动态的关系，提出耦合模型，空间动力学由吸引 - 排斥作用控制，内部动力学用德弗安特型观点模型描述，揭示了置信阈值和吸引强度对观点簇及群体分布的影响，对相关研究有重要意义。

TRAIL: A Platform for Configurable Human--AI Teaming Experiments

TRAIL：一个用于可配置人机协作实验的平台

Mohammad Amin Samadi, Pedro Martins De Bastos, Jaeyoon Choi, Spencer JaQuay, Seehee Park, Nia Nixon

机构 * School of Education, University of California, Irvine（加州大学伊文斯分校教育学院） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 研究人工智能队友设计属性对团队的影响，TRAIL平台将大五人格等与多种实验方法结合，在课堂部署中实现纵向链式实验、文本相似性分析等，发现不同人格代理对团队有不同影响。

A Reliable Self-Organized Distributed Complex Network for Communication of Smart Agents

一种可靠的自组织分布式复杂网络用于智能代理通信

Mehdi Bakhshipoor, Yousef Azizi, Seyed Ehsan Nedaaee Oskoee

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出了一种基于强化学习的自组织分布式复杂网络，通过智能代理之间的协作建立通信集群，实现动态环境下的高效通信和能量节约。

Internet of Agentic Things: Networked AI Agents for Closed-Loop IoT Orchestration

智能物联网络：用于闭环物联网编排的联网人工智能代理

Quanyan Zhu

机构 * New York University, Tandon School of Engineering（纽约大学坦登工程学院） 纠错

专题命中 工作流自动化 ：AI agent(title,abstract)；agentic(title,abstract)；planning(abstract)；workflow(abstract)

AI总结 介绍智能物联网络（IoAT）架构框架，它集成多种技术成统一闭环编排框架，由多层通过自主AI代理连接，用半形动态规划框架形式化问题，以智能建筑编排为例，还讨论了相关关键研究挑战。

Human-AI Agent Interaction as a Neuroplastic Training Environment

作为神经可塑性训练环境的人类与人工智能代理交互

Eranga Bandara, Ross Gore, Asanga Gunaratna, Ravi Mukkamala, Nihal Siriwardanagea, Gihan Siriwardanagea, Sachini Rajapakse, Isurunima Kularathna, Pramoda Karunarathna, Chalani Rajapakse, Sachin Shetty, Christopher K. Rhea, Ng Wee Keong, Kasun De Zoysa, Amin Hass, Shaifali Kaushik, Wathsala Herath, Preston Samuel, Anita H. Clayton, Atmaram Yarlagadd

机构 * Old Dominion University（奥多明尼昂大学） ； AI Motion Labs（人工智能运动实验室） ； Nanyang Technological University（南洋理工大学） ； University of Colombo（科伦坡大学） ； Accenture Technology Labs（埃森哲技术实验室） ； GSI Scandinavia AB（GSI斯堪的纳维亚公司） ； Lithuanian University of Health Sciences（立陶宛健康科学大学） ； Department of Psychiatry and Neurobehavioral Sciences, University of Virginia School of Medicine（弗吉尼亚大学医学院精神病学和神经行为科学系） ； Blanchfield Army Community Hospital（布兰奇菲尔德陆军社区医院） ； McDonald Army Health Center（麦克唐纳陆军健康中心） 纠错

专题命中 工作流自动化 ：agent(title,abstract)；AI agent(title,abstract)；分类 cs.AI

AI总结 研究人类与AI代理交互这一日常活动，发现其是神经可塑性训练环境。提出利用此环境产生相反效果的框架，通过三层观察和两种应用模式实现，以生成图像提示为例展示该框架能使观察与否行为相同但神经学相反。

Open-KNEAD: Knowledge-grounded Nutrition Estimation via Agentic Decomposition

Open-KNEAD：通过智能分解实现基于知识的营养估计

Bruce Coburn, Jingbo Yue, Jinge Ma, Siddeshwar Raghavan, Gautham Vinod, Fengqing Zhu

机构 * Purdue University（普渡大学） 纠错

专题命中 工作流自动化 ：agentic(title,abstract)；agent(abstract)

AI总结 研究探讨多模态大语言模型用于膳食评估时检索增强基础方法是否仍有价值。提出无需训练、可本地部署的Open-KNEAD框架，通过营养感知检索关联食物项与FNDDS代码，提高份量估计，还能恢复非美国烹饪风格估计偏差，优势显著并开源相关框架与知识库。

Comments 10 pages main paper, 5 pages supplementary

Fin-Analyst at FinMMEval 2026 Task 3: A Live Hybrid Trading Agent with LLM Specialists and Rule-Based Signals

2026年金融市场评估任务3中的金融分析师：一个结合大型语言模型专家和基于规则信号的实时混合交易代理

Mohotarema Rashid, Lingzi Hong, Junhua Ding, K. S. M. Tozammel Hossain

机构 * University of North Texas（北德克萨斯大学） 纠错

专题命中 工作流自动化 ：agent(title,abstract)；分类 cs.AI、cs.CL

AI总结 研究针对金融市场评估任务3，提出结合LLM专家和规则信号的混合交易代理Fin-Analyst，用于特斯拉和比特币交易。通过多源信息聚合及规则投票，在特斯拉交易上取得高回报率，比特币交易表现良好，还分析了排名逆转原因及信号影响等，为后续模型改进提供依据。

Comments 14 pages, 7 tables, 1 figure. CLEF 2026 FinMMEval Task 3 Working Notes

Metric-Guided Synthetic Image Data Rendering for Deep Learning compatible with Agentic AI

用于与智能人工智能兼容的深度学习的度量引导合成图像数据渲染

Martina Radoynova, Samuel Pantze, Trina De, Ulrik Günther, Artur Yakimovich

机构 * Center for Advanced Systems Understanding (CASUS)（高级系统理解中心） ； Helmholtz-Zentrum Dresden-Rossendorf e. V. (HZDR)（德累斯顿-罗森多夫亥姆霍兹中心） ； Institute of Computer Science, University of Wrocław（弗罗茨瓦夫大学计算机科学研究所） ； Cluster of Excellence Physics of Life, TU Dresden（德累斯顿工业大学生命物理卓越集群） 纠错

专题命中 工作流自动化 ：agentic(title,abstract)

AI总结 研究针对科学应用中深度学习计算机视觉数据收集标注难题，提出GraNatPy包用度量引导合成图像数据渲染，经实验证明其能提升渲染数据集质量及检测模型性能，还将数据渲染转化为智能技能优化参数。

Comments 17 pages, 3 figures, 4 pages

A Quantum-HPC Hybrid Workflow for Reaction-Center Electronic Dynamics: Application to a Cytochrome P450-Inspired Iron-Complex Model

用于反应中心电子动力学的量子-高性能计算混合工作流程：应用于细胞色素P450启发的铁络合物模型

Shintaro Maekawa, Takao Otsuka, Riku Masui, Juan W. Pedersen, David Muñoz Ramo, Yasushi Okuno, Kentaro Yamamoto

专题命中 工作流自动化 ：workflow(title,abstract)

AI总结 该研究针对多态反应中心化学，构建与反应坐标相关的有效哈密顿量，经映射用耦合修剪和一阶Trotter化在囚禁离子硬件演示工作流程，建立评估框架，展示多态电子动力学，可验证简化哈密顿量。

Comments 15 pages, 12 figures; Updated acknowledgments and funding information to match the submitted manuscript. No changes to the scientific results or conclusions

Ai2-Kit: Streamlining AI-Accelerated Ab Initio Workflows for Complex Chemical Systems

Ai2-Kit: 为复杂化学系统简化AI加速从头算工作流

Sheng Bi, Wei-Hong Xu, Yong-Bin Zhuang, Jia-Xin Zhu, Jiang-Peng Qiu, Yu-Hang Tang, Xiang-Long Du, Qi You, Yun-Pei Liu, Fu-Qiang Gong, Yu-Xin Guo, Yi-Ze Wang, Cheng-Xuan Wang, Zi-Heng Gong, Zi-Qiang Chen, Chang Liu, Siyuan Han, Jian Gu, Jia-Xin Li, Yi-Ming Chen, Lin Huang, Si-Jie Chen, Bo-Ying Huang, Jie-Zhen Xia, Fan-Jie Xu, Su-Yang Zhong, Peng-Wei Xu, Jun-Yi Wang, Xing-Yun Xie, Yu-Lei Gong, Yan-Yi Su, Yue Liu, Rui-Hao Bi, Lang Li, Fei-Teng Wang, Jing-Xiang Zou, Mei Jia, Jie-Qiong Li, Min Lin, Qi-Yuan Fan, Juan-Juan Sun, Jia-Bo Le, Zixuan Wei, Jin-Yuan Hu, Meng-Lei Jia, Yan Sun, Xiao-Hui Yang, Fujie Tang, Feng Wang, Jun Cheng

专题命中 工作流自动化 ：agent(abstract)；workflow(abstract)

AI总结 提出ai2-kit工具包，通过命令行和Python API整合第一性原理计算、机器学习势训练、分子动力学、增强采样和HPC编排，实现复杂化学系统的AI加速从头算工作流自动化与可扩展。

Comments 24 pages, 11 figures. Submitted to Chemical Science

Evaluating Nonuniform Dependability Across Response Conditions: A Conditional Generalizability Framework Illustrated in Automated Essay Scoring

评估跨响应条件的非均匀可靠性：自动作文评分中的条件可推广性框架

Yi Gui

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.CL

AI总结 研究针对自动作文评分中跨响应条件非均匀可靠性评估问题，引入含三个部分的条件可推广性框架，通过比较分析与经验扫描、依熵分层等，以限时L2写作自动评分验证，提供了评估非均匀可靠性的可移植工作流程。

Propheticus: Machine Learning Framework for the Development of Predictive Models for Reliable and Secure Software

Propheticus：用于开发可靠安全软件预测模型的机器学习框架

João R. Campos, Marco Vieira, Ernesto Costa

机构 * DEI/CISUC, University of Coimbra,\ Portugal 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.LG

AI总结 针对软件可靠性与安全性需求，介绍Propheticus机器学习框架，抽象其复杂性以便用户使用，通过漏洞预测和在线故障预测两个案例研究，展示该框架能简化并加速机器学习工作流程。

Comments Accepted for publication in the 30th IEEE International Symposium on Software Reliability Engineering (ISSRE) 2019

Salesforce Messaging Architecture: Platform Events, Async Sends, and Multi-Tenancy at Scale

Salesforce 消息传递架构：大规模平台事件、异步发送和多租户

Devam Gupta

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.SE

AI总结 研究提出在 CRM 内部原生构建消息传递核心的架构范式，将消息视为原生 CRM 记录，出站路径为平台原生事务，状态参数存为标准数据库对象，利用此范式评估了相关设计模式、扩展机制、解耦约束及架构边界。

Comments 8 pages, 1 table. An earlier version of this work was first posted on SSRN (DOI: 10.2139/ssrn.6903158)

Taming the Drift: Context-aware Repair of Dockerfile Drift during Software Evolution

驯服漂移：软件演化过程中Dockerfile漂移的上下文感知修复

Chengjie Wang, Jingzheng Wu, Xiang Ling, Tianyue Luo, Chen Zhao

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.SE

AI总结 研究针对软件演化中Dockerfile漂移致CI/CD构建失败的问题，提出上下文感知框架Cadre，通过构建CDG并结合两步工作流程来修复，在$D^3$基准上修复率高，相比基线优势明显，还避免提示溢出故障，提升了上下文感知基础设施即代码维护能力。

Comments 18 pages, 7 figures

Differentiable Clone-Structured Causal Graphs for End-to-End Cognitive Map Learning from Image Sequences

用于从图像序列进行端到端认知地图学习的可微克隆结构因果图

Arash Nikzad, Sasan Sarbishegi, Ali Dasmeh, Muhammad Asif, Parsa Gharavi, Erik Husom, Sagar Sen, Andrew B. Lehr, Olivier Penacchio, Ana Clemente, Tristan M. Stöber

机构 * Goethe University Frankfurt（歌德大学法兰克福分校） ； Max Planck Institute for Human Development（马克斯·普朗克人类发展研究所） ； Max Planck Institute for Empirical Aesthetics（马克斯·普朗克实验美学研究所） ； SINTEF（挪威科技工业研究院） ； University Medical Center Göttingen（哥廷根大学医学中心） ； Institute of Computer Science and Campus Institute Data Science, University Göttingen（哥廷根大学计算机科学与数据科学研究所） ； Bridging Research in AI and Neuroscience (brAIN), Computer Vision Center（人工智能与神经科学交叉研究中心（brAIN），计算机视觉中心） ； Computer Science Department, Universitat Autònoma de Barcelona（巴塞罗那自治大学计算机科学系） ； Epilepsy Center Frankfurt Rhine-Main, Department of Neurology, Goethe University Frankfurt（歌德大学法兰克福分校莱茵-美因癫痫中心，神经学系） ； Circulant Labs（循环实验室） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.LG

AI总结 研究如何让智能体从图像序列构建世界结构化地图。核心方法是将CSCG重构成可微模块gradCSCG并与VQ-VAE前端耦合，有软发射前向传播和损失平衡机制。主要贡献是证明该方法能在多环境下从视觉输入高精度恢复邻接图，CSCG可作深度学习构建块。