AI Agent

Improving Molecular Property Prediction in Small Language Models Using Graph-based Tools

使用基于图的工具改进小语言模型中的分子性质预测

Konstantinos Bougiatiotis, Dimitrios Kelesis, Georgios Paliouras

机构 * Institute of Informatics and Telecommunications, National Center for Scientific Research “Demokritos（信息与电信研究所，国家科学研究中心“德谟克利特”） 纠错

专题命中 规划决策 ：agentic(abstract,comments)；tool use(abstract)；分类 cs.AI、cs.LG

AI总结 研究针对小语言模型在分子性质预测时的结构盲目性问题，提出模块化上下文增强提示框架，通过GNN专家模型和提取子图来辅助预测，在MUTAG和Tox21数据集上实验表明该方法能显著提升预测准确性，验证了基序相关性，但与专门GNN模型仍有差距。

Comments Presented at the 2nd Causal Neuro-symbolic Artificial Intelligence (Causal NeSy): Toward Agentic LLMs with Neuro-Symbolic and Graph Based Reasoning Workshop @ ESWC2026

Not All Needles Are Found: How Fact Distribution and Don't Make It Up Prompts Shape Retrieval, Reasoning, and Hallucination in Long-Context LLMs

并非所有线索都能被发现：事实分布和“不要编造”提示如何影响长上下文语言模型中的检索、推理和幻觉

Amirali Ebrahimzadeh, Seyyed M. Salili

机构 * Department of Electrical Engineering & Computer Science University of Michigan（电气工程与计算机科学系 密歇根大学） 纠错

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

AI总结 研究大语言模型中事实分布和反幻觉提示对检索、推理及幻觉的影响，通过扩展基准评估多个模型，识别出分布崩溃和安全代价两种失败模式，发现许多失败源于无效上下文利用，强调特定模型稳健性和上下文管理的重要性。

Comments 16 pages, 8 figures, 2 tables. Accepted at the FAGEN Workshop @ ICML 2026

Doing More with Less: A Survey on Routing Strategies for Resource Optimisation in Large Language Model-Based Systems

多任务少资源：针对基于大语言模型系统中资源优化的路由策略综述

Clovis Varangot-Reille, Christophe Bouvard, Antoine Gourru, Mathieu Ciancone, Marion Schaeffer, François Jacquenet

机构 * Wikit ； Laboratoire Hubert Curien, UMR CNRS 5516（劳尔贝尔特·库尔尼恩实验室，CNRS UMR 5516） ； INSA Rouen Normandie（里昂-诺曼底理工学院） 纠错

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

AI总结 本文综述了基于大语言模型系统的路由策略，旨在通过优化资源利用提高效率和性能。

FairCoder: Probing LLM Bias in High-Stakes Decision Making via Coding Tasks

FairCoder：通过编码任务探究高风险决策中语言模型的偏差

Yongkang Du, Jen-tse Huang, Jieyu Zhao, Lu Lin

机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； University of Southern California（南加州大学） 纠错

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

AI总结 研究通过FairCoder基准将决策制定设为编码任务，探究LLMs在多领域的偏差，针对现有指标不足提出FairScore指标，经实验揭示了此前未充分探索的偏差模式，凸显LLMs作决策代理的风险并提供评估框架。

Grounded world models in biological organisms and future embodied AI

生物有机体和未来具身人工智能中的基础世界模型

Giovanni Pezzulo, Davide Nuzzi, Marco D'Alessandro, Riccardo Proietti, Roberto Bottini, Paul Cisek

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

AI总结 研究探讨生物有机体中基础世界模型，通过五个神经回路例子揭示当前具身人工智能缺失的特征，如内在动力学作用等，还讨论了生物系统原则对未来具身人工智能的影响。

Music-to-Dance Generation via Atomic Movements

通过原子运动生成音乐驱动的舞蹈

Xinhao Cai, Yixuan Sun, Minghang Zheng, Qingchao Chen, Xin Jin, Song-chun Zhu, Yang Liu

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所） ； School of Electronics Engineering and Computer Science, Peking University（北京大学电子工程与计算机科学学院） ； National Institute of Health Data Science, Peking University（北京大学健康数据科学研究所） ； State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能国家重点实验室） ； Beijing Institute for General Artificial Intelligence（北京通用人工智能研究院） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） 纠错

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

AI总结 研究音乐驱动的舞蹈生成问题，提出结构感知框架，将编排建模为原子运动序列，经数据分割、聚类及大语言模型处理得到原子运动注释，设计两阶段生成框架，提升舞蹈生成的结构连贯性、节奏对齐和自然度，增强可解释性与可控编辑性。

Unleashing Multimodal Large Language Models for Training-free HOI Detection in the Wild

释放多模态大语言模型用于野外无训练的人机交互检测

Ting Lei, Jialin Liu, Zhu Xu, Yuxin Peng, Yang Liu

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机技术研究所） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.AI

AI总结 该研究针对传统人机交互检测方法在开放世界和组合场景中泛化能力受限的问题，提出无训练的AgentHOI框架，利用基础模型多模态推理能力，通过上下文感知多轮推理和多方面交互定位机制，在实际场景中取得优于现有监督和弱监督方法的性能。

AI-Augmented Adaptive Digital Twin Modeling for Brain Tumor Evolution Prediction and Treatment Scheduling

用于脑肿瘤进化预测和治疗计划安排的人工智能增强自适应数字孪生建模

Wenxi Liu, Michael Trimboli, Xianqi Li

机构 * Florida Institute of Technology（佛罗里达理工学院） ； Department of Mathematics and Systems Engineering（数学与系统工程系） 纠错

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

AI总结 针对脑肿瘤进化预测和治疗计划难题，提出人工智能增强自适应数字孪生框架，集成多种模型与方法。实验表明该框架能有效提升预测准确性，降低肿瘤负荷，为患者特异性治疗优化提供统一框架，奠定向现实治疗计划转化基础。

Structured Reinforcement Learning for Bayesian Persuasion : Application to Intelligent Interactive Driving

用于贝叶斯说服的结构化强化学习：在智能交互驾驶中的应用

Merlin Paul, Anup Aprem

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 研究智能交互驾驶中主导者引导智能体决策的问题，提出在线结构化强化学习框架，贡献包括为单调智能体提出算法、确定相关条件、提出SQP，数值分析显示该方法在优化行驶奖励上比现有方法成本效率高30%。

Cost-Pragmatic Quality Gating and Selection-Fusion Multi-Model Combiners for BioASQ Phases A+ and B

用于BioASQ A+和B阶段的成本实用质量门控和选择融合多模型组合器

Dima Galat, Marian-Andrei Rizoiu

机构 * University of Technology Sydney（悉尼科技大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.CL

AI总结 该研究针对BioASQ任务14B 2026系统，围绕检索弱时的重新检索及多模型答案组合展开。采用混合与代理驱动管道结合质量门控，成本实用策略提升效果。还分解多模型集成，解析器在召回方面表现出色，团队在初步排行榜上成绩优异。

Comments CLEF2026, BioASQ2026

Learning Physics-Guided Residual Dynamics for Deformable Object Simulation

学习用于可变形物体模拟的物理引导残差动力学

Shivansh Patel, Kaifeng Zhang, Sanjay Pokkali, Svetlana Lazebnik, Yunzhu Li

机构 * UIUC（伊利诺伊大学厄巴纳 - 香槟分校） ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 研究针对可变形物体模拟中动力学预测难的问题，提出物理引导残差动力学（PGRD）框架，结合物理与学习方法优势，采用特定架构和公式，在多物体模拟上结果更准，还展示了其在操作规划和交互式模拟中的应用效用。

Comments Website: https://pgrd-robot.github.io/

Accuracy-Preserving Stability Regularization for Large-Scale Retail Demand Forecasting

大规模零售需求预测中保持准确性的稳定性正则化

Jize Li, Jiani He, Dishu Yang, Dingyan Shang, Jingjing Liu, Shiqi Huang

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

AI总结 研究大规模零售需求预测，提出在训练时对连续序列内变化施加惩罚的方法，结合多种特征评估稳定性。实验表明稳定性感知混合模型能提高预测稳定性得分，且RMSE变化小，拓展了零售预测从点误差最小化到准确性-稳定性权衡的评估视角。

Comments 9 pages, 5 figures, accepted for presentation at ICEME 2026

HRO: Hierarchical Room-to-Object Framework for Zero-Shot Object Goal Navigation with Large Language Models

HRO：用于基于大语言模型的零样本目标导航的分层房间到物体框架

Luyuan Jia, Yinfeng Yu

机构 * School of Computer Science and Technology, Xinjiang University（新疆大学计算机科学与技术学院） ； Joint Research Laboratory for Embodied Intelligence, Xinjiang University（新疆大学具身智能联合研究实验室） ； Joint International Research Laboratory of Silk Road Multilingual Cognitive Computing, Xinjiang University（新疆大学丝绸之路多语言认知计算国际联合研究实验室） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 针对零样本目标导航问题，提出LLM驱动的分层房间到物体（HRO）框架，引导智能体粗到细探索导航至目标物体，实验表明该框架在Gibson和HM3D数据集上优于现有基于LLM的方法。

Comments Main paper (6 pages). Accepted for publication by IEEE International Conference on Systems, Man, and Cybernetics 2026 (IEEE SMC 2026)

STEP: Career-Path Recommendation via Temporal and Educational Trajectory Modeling

STEP：通过时间和教育轨迹建模进行职业路径推荐

Iman Johary, Guillaume Bied, Alexandru C. Mara, Tijl De Bie

机构 * AIDA-IDLab, Ghent University（AIDA-ID实验室，根特大学） 纠错

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

AI总结 研究利用大语言模型从简历获取职业轨迹数据，提出STEP职业路径推荐系统，通过集成时间衰减GRU、FiLM及注意力序列池化预测下一份工作，引入ROUTE改进职业表示，在多数据集评估中优于基准，还公开了数据集和代码。

JobHop v2: A Large-Scale Career Trajectory Dataset from Unstructured Resumes

JobHop v2：一个来自非结构化简历的大规模职业轨迹数据集

Iman Johary, Guillaume Bied, Alexandru C. Mara, Tijl De Bie

机构 * AIDA-IDLab, Department of Electronics and Information Systems, Ghent University, Ghent, Belgium（AIDA-ID实验室，电子与信息系统系，根特大学，根特，比利时） ； AIDA-IDLab, Department of Electronics（AIDA-ID实验室，电子系） ； Information Systems, Ghent University, Ghent, Belgium（信息系统，根特大学，根特，比利时） 纠错

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

AI总结 该研究提出JobHop v2数据集，通过端到端大语言模型从大量简历中提取职业轨迹。它扩大了覆盖范围与注释丰富度，引入新提取管道、模式及评估协议，最好提取器接近注释者间一致性上限，数据集和代码公开助力职业轨迹研究。

A Causal Model of Theory of Mind in Conflict for Artificial Intelligence

冲突情境下心智理论的人工智能因果模型

Nikolos Gurney

机构 * Institute for Creative Technologies, University of Southern California（南加州大学创意技术研究所） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 提出结构因果模型，将心智理论视为由情境和主体条件激活的机制，通过三条因果路径决定何时进行心智化，提升AI社会推理的准确性和效率。

Test-Time Learning with an Evolving Library

测试时学习与进化库

Weijia Xu, Alessandro Sordoni, Chandan Singh, Zelalem Gero, Michel Galley, Xingdi Yuan, Jianfeng Gao

机构 * Microsoft Research（微软研究院） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.LG

AI总结 EvoLib通过维护知识库实现大语言模型在不同实例间积累和进化知识，无需参数更新或外部监督，提升数学推理、代码生成等任务性能。

PC-Diffuser: Path-Consistent Capsule CBF Safety Filtering for Diffusion-Based Trajectory Planner

PC-Diffuser: 基于路径一致的胶囊CBF安全过滤器用于基于扩散的轨迹规划器

Eugene Ku, Yiwei Lyu

机构 * Texas A&M University（德克萨斯A&M大学） 纠错

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

AI总结 PC-Diffuser通过在扩散规划中嵌入可认证的路径一致屏障函数，实现轨迹生成中的安全性和路径一致性，提升复杂交通环境下的自动驾驶安全性。

Discriminative Barrier Functions for Safe Adversarial Imitation Learning from Observation

用于从观察中进行安全对抗模仿学习的判别障碍函数

Anubhav Vishwakarma, Bhaumik Mehta, Caleb Hsu, Byron Boots, Karen Leung, Tyler Han

机构 * University of Washington（华盛顿大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究针对逆强化学习不安全及控制障碍函数设计难的问题，通过将奖励函数候选限制在CBF空间，实现安全在线控制与经验改进，能从无标签观察中恢复障碍函数，模拟实验显示其安全性能提升，并研究了不同IRL方法的权衡。

Comments 20 pages, 5 figures

Merging Reaction to Cognition: A Hybrid Cognitive Strategy for Odour Source Localisation in Natural Environments

融合反应与认知：自然环境中气味源定位的混合认知策略

Hugo Magalhães, Rui Baptista, Lino Marques

机构 * Institute of Systems and Robotics（系统与机器人研究所） ； University of Coimbra（科英布拉大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究自然环境中气味源定位难题，提出混合认知策略，将生物启发反应性融入信念依赖运动规划，经模拟和实验验证，该策略能有效减少行进距离、提高成功率并降低定位误差。

The Nonsmooth Impact Direction (NSID) of Robotic Systems

机器人系统的非光滑碰撞方向 (NSID)

Annika Kirner, Christian Ott

机构 * Automation and Control Institute, TU Wien（维也纳工业大学自动化与控制研究所） ； Institute of Robotics and Mechatronics, German Aerospace Center (DLR)（德国航空航天中心机器人与机电一体化研究所） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究机器人系统的非光滑碰撞方向 (NSID)，通过系统分析碰撞前后速度，表明其为机器人碰撞特征方向且独立于接触特性，适用于多种机器人系统，理论分析与实验验证为相关规划和控制算法奠定基础。

Comments 18 pages, 17 figures, under review

Improving Map Consistency in Graph-Based LiDAR SLAM Through Information-Aware Odometry and Retroactive Loop Closure

通过信息感知里程计和追溯回环闭合改进基于图的激光雷达SLAM中的地图一致性

Saurabh Gupta, Niklas Trekel, Louis Wiesmann, Cyrill Stachniss

专题命中 规划决策 ：planning(abstract)

AI总结 该研究针对3D激光雷达SLAM中地图一致性问题提出解决方案，通过估计信息矩阵加权里程计约束，引入分层及追溯回环闭合模块，实验证明能提升轨迹精度与地图一致性。

Comments 8 pages, 4 figures, 2 tables

Layered Risk Mapping for Autonomous Patient Transport in Expeditionary Medical Facilities

用于远征医疗设施中自主患者运输的分层风险映射

Lorena Maria Genua, Sarvesh Prajapati, Damla Leblebicioglu, Taşkın Padır

机构 * Institute for Experiential Robotics, Northeastern University（体验式机器人研究所，东北大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 针对远征医疗设施中自主患者运输面临的复杂导航挑战，提出分层风险映射框架，融合多种环境危害，经配对蒙特卡洛评估及实际验证，有效降低碰撞率、提高障碍物清除率，满足相关运营模式规划要求。

Joint On-and-Off Policy Learning for Vision-and-Language Navigation

用于视觉与语言导航的联合在线与离线策略学习

Qingrong He, Lin Zhao, Kevin Zheng, Liang Lin

机构 * Joy Future Academy（京东探索研究院） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 研究视觉与语言导航问题，提出JOP-VLN框架，通过三阶段训练流程，协同结合离线策略模仿学习和在线策略探索，采用高熵轨迹采样和纠错优先轨迹排序策略，在相关基准上取得高成功率，创技术新水平。

Comments Accepted by IROS 2026

Influence of Magnetospheric Plasma Environment on Surface Charging of the Lunar South Pole

磁层等离子体环境对月球南极表面充电的影响

Yaqi Xiao, Xiaoman Wang, Ronghui Quan

专题命中 规划决策 ：planning(abstract)

AI总结 研究月球南极在磁层等离子体环境下的表面充电特性，构建高保真地形模型，用有限元 - BP神经网络方案模拟充电演化，揭示地形对充电的调节作用及不同区域的电位和电场变化，为相关月球探测工作提供参考。

Comments 18 pages,9 figures

Vision Transformers and Convolutional Neural Networks for Land Use Scene Classification

视觉Transformer与卷积神经网络在土地利用场景分类中的应用

Arun D. Kulkarni

机构 * Computer Science Department, University of Texas at Tyler（德克萨斯理工大学计算机科学系） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文比较了视觉Transformer和CNN在遥感土地利用场景分类中的性能，发现CNN在有限训练样本和局部纹理特征强的场景中表现稳健，而ViT在数据充足时能更好地捕捉全局空间关系，但计算成本更高。

Comments 11 pages

Journal ref International Journal of Advanced Computer Science and Applications, vol. 17, no. 7, 2026,

PokeNet: Learning Kinematic Models of Articulated Objects from Human Observations

PokeNet: 从人类观察中学习机械结构模型

Anmol Gupta, Weiwei Gu, Omkar Patil, Jun Ki Lee, Nakul Gopalan

机构 * School of Computation and AI, ASU, Tempe（计算与人工智能学院，亚利桑那州立大学） ； AI Institute, Seoul National University, Seoul, South Korea（首尔国立大学人工智能研究所） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 PokeNet通过单个人类示范学习机械结构模型，无需先验知识，提升关节轴和状态估计精度达27%。

The Dynamic Verifiable Multi-Agent Human Agentic Loyalty Loop (DVM-HALL) Model and the Net Human-Agent Score (NHAS) in Autonomous Commerce

自主商业中的动态可验证多智能体人类智能忠诚循环（DVM-HALL）模型与净人机分数（NHAS）

Sai Srikanth Madugula, Peplluis Esteva de la Rosa, Daya Shankar

机构 * School of Technology, Woxsen University（沃森大学技术学院） ； Universitat de Girona（格尔纳达大学） ； School of Sciences, Woxsen University（沃森大学科学学院） 纠错

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

AI总结 研究人工智能发展下传统客户忠诚度范式受扰问题，提出动态可验证多智能体人类智能忠诚循环（DVM-HALL）模型，通过特定公式及机制确定品牌选择、校准信任等，还引入净人机分数（NHAS）并给出实证验证计划，为品牌应对转变提供理论。

Beyond tokens: a unified framework for latent communication in LLM-based multi-agent systems

超越Token：基于LLM的多智能体系统中潜在通信的统一框架

Yingzhuo Liu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 提出一个三维统一框架（通信内容、发送-接收对齐、信息融合方式），系统分类2024-2026年间18种潜在通信方法，识别五种设计模式并揭示开放挑战。

Multi-Agent Collaborative Reasoning with Tool-Augmented Evidence for Urban Region Profiling

基于工具增强证据的多智能体协作推理用于城市区域剖析

Xixuan Hao, Yutian Jiang, Jiabo Liu, Yihang Yang, Guangyin Jin, Song Gao, Yuxuan Liang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Washington（华盛顿大学） ； Chang’an University（长安大学） ； University of Wisconsin - Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 研究针对城市区域剖析问题，提出UrbanAgent框架，通过多智能体协作推理解决跨模态不一致，将指标预测扩展为闭环过程，经实验验证其性能优于现有基线，在未见城市设置中有强泛化性。

Comments Accepted by KDD 2026