AI Agent

Who Checks the Citations? Benchmarking Legal Hallucination Detection

谁在检查引用？法律幻觉检测的基准测试

Patty Liu, Dominik Stammbach, Peter Henderson

机构 * Princeton University（普林斯顿大学） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.CL

AI总结 针对AI生成法律文件中频繁出现虚假引用的问题，本研究提出法律引用幻觉分类法，构建包含1300条注入错误的摘要数据集，并基准测试五种模型，发现即使最先进的GPT-5在代理框架下召回率82.8%、F1分数60.5%，仍难以处理细微错误类别。

RICE-PO: Turning Retrieval Interactions into Credit Signals for Reasoning Agents

RICE-PO：将检索交互转化为推理智能体的信用信号

Mingchen Li, Hansi Zeng, Zhuo Qian, Jiatan Huang, Sunjae Kwon, Hamed Zamani, Hong Yu

机构 * University of Massachusetts, Amherst（马萨诸塞大学阿姆赫斯特分校） ； Texas Tech University（得克萨斯科技大学） ； University of Connecticut（康涅狄格大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.CL

AI总结 提出RICE-PO框架，通过将检索交互转化为局部学习信号，解决推理型检索智能体在训练中推理步骤的信用分配问题，在BRIGHT和BEIR上优于基线。

Dynamic Object Masks as Goal Representations for Visual Goal-Conditioned Reinforcement Learning

动态目标掩码作为视觉目标条件强化学习的目标表示

Fahim Shahriar, Cheryl Wang, Alireza Azimi, Gautham Vasan, Hany Hamed, Abhishek Naik, A. Rupam Mahmood, Colin Bellinger

机构 * University of Alberta（阿尔伯塔大学） ； McGill University（麦吉尔大学） ； University of Ottawa（渥太华大学） ； AMII ； CIFAR Canada AI Chair（CIFAR加拿大人工智能主席） ； Vector Institute（向量研究所） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 该研究针对视觉目标条件强化学习，提出动态目标掩码作为目标表示，结合Detic等预训练检测器生成掩码，在机械臂和仿真导航任务中实现高成功率与高效学习，支持仿真到现实迁移。

Modeling E-Bike Route Choice in Washington, DC: A Path Size Logit Approach

华盛顿特区电动自行车路径选择建模：路径尺寸Logit方法

Yiheng Qian, Zehui Yin, Darren M. Scott, Xiang Yan

专题命中 规划决策 ：planning(abstract)

AI总结 本研究以华盛顿特区共享电动自行车为对象，采用Path Size Logit模型，结合GPS轨迹、GIS基础设施与街景视觉数据，明确电动自行车路径选择的影响因素，为相关基础设施规划提供实证依据。

ErgoSurf: Ergodic Control for the Coverage of Unknown Surfaces

ErgoSurf：用于未知表面覆盖的遍历控制

Stefan Schneyer, Timo Bachmann, Maged Iskandar, Korbinian Nottensteiner, Alin Albu-Schäffer, Freek Stulp, João Silvério

机构 * German Aerospace Center (DLR)（德国航空航天中心） ； Technical University of Munich (TUM)（慕尼黑工业大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出ErgoSurf框架，结合GPIS模型与触觉传感，实现未知表面的遍历覆盖与几何在线学习，经仿真和真实机器人实验验证有效。

What out-of-the-box LLMs can(t) do in law? A Turing test in Italian exams for lawyers, judges and notaries

开箱即用的大语言模型（LLM）在法律领域能（不能）做什么？针对意大利律师、法官和公证人考试的图灵测试

Germana Bertoli, Ilaria Amelia Caggiano, Francesca Lagioia, Riccardo Rovatti, Giovanni Sartor, Emiliano Troisi

专题命中 规划决策 ：planning(abstract)

AI总结 本研究通过意大利律师、法官、公证人考试的盲法图灵测试，评估开箱即用的主流LLM的法律能力，发现其在部分法律任务表现接近人类但公证人考试全部失败，明确了LLM法律能力的范围与边界。

BendTwin: Robust Dense-to-Sparse Physical Reconstruction with Bending-Aware Differentiable Spring-Mass Models

BendTwin：基于弯曲感知可微分弹簧-质量模型的鲁棒密到稀物理重建

Yixiong Jing, Qi Wang, Lin Chen, Junwei Jiang, Guangming Wang, Haibing Wu, Olaf Wysocki, Wanli Ma, Brian Sheil

机构 * University of Cambridge（剑桥大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Northwestern Polytechnical University（西北工业大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 BendTwin是一种弯曲感知可微分弹簧-质量框架，通过引入弯曲约束提升力学稳定性，在可变形物体重建与预测任务中优于仅用轴向弹簧的PhysTwin，可用于从稀疏视角RGB-D视频构建力学保真数字孪生。

Patient Pose Assessment Using a CT-Based Framework for Synthetic Data Generation

基于CT合成数据生成框架的患者姿态评估

Manuel Laufer, Dominik Mairhöfer, Malte Sieren, Hauke Gerdes, Fabio Leal dos Reis, Arpad Bischof, Thomas Käster, Erhardt Barth, Jörg Barkhausen, Thomas Martinetz

机构 * Institute for Neuro- and Bioinformatics, University of Lübeck（吕贝克大学神经与生物信息学研究所） ； University Medical Center Schleswig-Holstein（石勒苏益格-荷尔斯泰因大学医学中心） ； IMAGE Information Systems Europe GmbH（IMAGE信息系统欧洲有限公司） ； Pattern Recognition Company GmbH（模式识别有限公司） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 该研究提出基于CT的合成数据生成框架，用于解决放射图像患者姿态评估中真实训练数据获取难的问题，经3077对踝关节图像预训练后，真实踝关节姿态评估性能提升最多11个百分点。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2026:027

Journal ref Machine.Learning.for.Biomedical.Imaging. 2026 (2026)

OneEmo: A Unified Multimodal Reasoning Model for Emotion Perception, Understanding, and Interaction

OneEmo：用于情感感知、理解与交互的统一多模态推理模型

Jiahao Huang, Zheng Lian, Jingyi Zhang, Zhide Chen, Xiaojiang Peng, Shaonan Wang

专题命中 规划决策 ：workflow(abstract)

AI总结 针对现有情感智能多模态模型忽略任务协同的问题，研究人员提出统一多模态情感模型OneEmo，构建EmoWorld-130K数据集并采用Emo-Chord强化学习策略，其性能优于同规模基线模型，参数远少于商业模型且结果具竞争力。

Beyond Flat Policies: Hierarchical Post-Training for Embodied Agents in Robotic Manipulation

超越扁平策略：面向机器人操作具身智能体的分层后训练

He Kong, Zengjue Chen, Qi Wang, Qianli Xing, Runliang Niu, Peidong Liu, Jiawei Li, Shiqi Wang, Yi Chang

专题命中 规划决策 ：planning(abstract)

AI总结 针对现有VLA模型扁平策略难以处理长时程操作的问题，提出HiRoC分层后训练框架，通过解耦规划与执行并对齐分布，在机器人操作基准上取得优于强基线的性能。

To See a World in a Living Context: Unified Indoor-Outdoor Urban World Generation

在生活语境中看世界：统一的室内-室外城市世界生成

Xiaobin Huang, Zilong Huang, Yang Luo, Hongchao Fan, Yiping Chen, Ting Han

专题命中 规划决策 ：planning(abstract)

AI总结 HoloWorld是首个统一室内-室外生成的3D城市世界框架，通过跨尺度语境实现对应，在城市外部生成上优于SOTA，且保持室内外对应与跨街区连续性。

Comments 9 pages, 4 figures

Coordinated Multi-Robot Disassembly for Makespan Optimization of Large-Scale Assemblies

面向大规模装配体完工时间优化的协同多机器人拆卸

Niklas Hargus, Andreas Orthey, Marc Toussaint

机构 * Technical University of Berlin（柏林工业大学） ； Robotics Institute Germany (RIG)（德国机器人研究所） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 针对大规模装配体拆卸的多机器人规划问题，提出CoMuDi方法，集成ST-RRT*规划器，经多组装配体实验验证其能最小化完工时间且成功率高、空闲时间短。

Comments 16 pages, 13 figures

LAWM-3D: Learning 3D-Aware Latent Actions from Human Videos for Generalizable Robot World Models

LAWM-3D：从人类视频中学习具有3D感知能力的潜在动作以构建可泛化的机器人世界模型

Jiarui Yang, Jiale Zhange, Jiawei Li, Hang Guo, Wen Huang, Jinpeng Wang, Peidong Liu, Shu-Tao Xia

专题命中 规划决策 ：planning(abstract)

AI总结 本研究针对现有潜在动作模型缺乏3D感知能力的问题，提出LAWM-3D模型，通过多视图动作 token 化、几何对齐约束和RGB-D联合重建目标，实现了性能SOTA的机器人世界模型。

PathCover: A Fast Convex Decomposition along a Path via Randomized Iterative Space Partitioning (RISP) on Point Clouds

PathCover：基于点云的随机迭代空间划分（RISP）沿路径的快速凸分解

Kunal S. Narkhede, Abhijeet M. Kulkarni, Guoquan Huang, Ioannis Poulakakis

机构 * University of Delaware（特拉华大学） ； Athena Research Center（雅典娜研究中心） ； National Technical University of Athens（雅典国家技术大学） ； HERON–Center of Excellence in Robotics（赫伦机器人卓越中心） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 PathCover是基于点云的快速凸分解框架，采用RISP算法，可高效生成无障碍物多面体，速度较现有方法提升一个数量级，经仿真与实机验证适用于机器人导航。

Comments 13 pages, 5 figures

Text-Guided Refinement of Multi-sequence Glioma Subregion Segmentation with a Vision-Language Foundation Model

基于视觉语言基础模型的文本引导多序列胶质瘤亚区分割细化

Zach Eidex, Yu-nong Lin, Mojtaba Safari, Sean Pitroda, Ralph Weichselbaum, Zhen Tian, Xiaofeng Yang

机构 * Emory University School of Medicine（埃默里大学医学院） ； The University of Chicago（芝加哥大学） ； Winship Cancer Institute（温希普癌症研究所） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 该研究开发基于VoxTell的轻量级框架，用3D视觉语言基础模型实现文本引导的胶质瘤亚区分割细化，在BraTS-GLI及跨数据集测试中提升了分割的DSC指标，支持作为临床医生在环工具的进一步评估。

CyberBridge: Bridging the Gap Between Cybersecurity Education and Industry

CyberBridge：弥合网络安全教育与行业之间的差距

Arthur Nijdam, Paul Stankovski Wagner, Sara Ramezanian

专题命中 规划决策 ：planning(abstract)

AI总结 该研究提出CyberBridge框架，通过分解职位描述、用sentence-BERT嵌入并匹配劳动力画像，支持职位推荐、市场分析、课程规划，助力网络安全教育贴合行业需求。

An inverse mixed-integer optimization framework for learning interpretable models of expert decision making

用于学习专家决策可解释模型的逆混合整数优化框架

Anurag Holani, Rishabh Gupta, John Wassick, Qi Zhang

专题命中 规划决策 ：planning(abstract)

AI总结 本研究提出逆混合整数优化框架，联合学习专家决策者的偏好与决策规则，通过三类案例验证其能更准确预测专家决策，为可解释建模提供新方法。

School network reorganization under educational and spatial constraints using classical and quantum optimization

教育与空间约束下的学校网络重组：基于经典与量子优化方法

Alessia Ciacco, Luigi Di Puglia Pugliese, Francesca Guerriero

专题命中 规划决策 ：planning(abstract)

AI总结 针对教育与空间约束下的学校网络重组问题，提出结合地理等标准的整数线性规划优化框架，通过合成基准与意大利卡拉布里亚大区真实案例验证，还实现为混合量子优化模型，可作为学校规划的决策支持工具。

Robotic Nanoparticle Synthesis via Solution-based Processes

基于溶液过程的机器人纳米粒子合成

Dasharadhan Mahalingam, Michael Gallagher, Nilanjan Chakraborty, Stanislaus S. Wong

机构 * Department of Mechanical Engineering, Stony Brook University（石溪大学机械工程系） ； Department of Chemistry, Stony Brook University（石溪大学化学系） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种基于螺旋几何的操控规划框架，用于实现基于溶液的合成自动化，通过金和磁铁矿纳米粒子的制备进行演示。该框架通过编程演示提取约束，实现化学家无需机器人知识即可重新编程系统。

Parallel-in-Time Nonlinear Optimal Control via GPU-native Sequential Convex Programming

基于GPU原生顺序二次规划的并行时间非线性最优控制

Yilin Zou, Zhong Zhang, Maxime Robic, Fanghua Jiang

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种基于GPU的并行时间非线性最优控制方法，结合顺序二次规划与共识交替方向乘子法，通过时间分裂策略实现大规模并行计算，显著提升求解效率和硬件利用率。

Afford-X: Generalizable and Slim Affordance Reasoning for Task-oriented Manipulation

Afford-X：面向任务型操作的通用且轻量化的可供性推理模型

Xiaomeng Zhu, Yuyang Li, Leiyao Cui, Pengfei Li, Huan-ang Gao, Yixin Zhu, Hao Zhao

机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； 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） ； Shenyang Institute of Automation, Chinese Academy of Sciences（中国科学院沈阳自动化研究所） ； Institute for Al Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； Department of Computer Science, Tsinghua University（清华大学计算机科学系） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究人员推出LVIS-Aff数据集，开发了Afford-X可供性推理模型，其性能优于现有非LLM方法和此前会议论文结果，参数紧凑、推理速度快，可部署于本地设备助力机器人任务导向型操作。

Agentic Nesting: A New Methodology for Existing Enterprise Application Integration and Services

智能体嵌套：现有企业应用集成与服务的新方法论

Xi Wang, Kun Li, Xianyao Ling, Gang Yin, Liang Zhang, Jiang Wu, Wenbo Lei, Jun Xu, Annie Wang, Fu Zhang, Weizhe Wang

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

AI总结 针对企业应用集成的传统方法存在的缺陷，本文提出Agentic Nesting多智能体协作框架，构建分层嵌套的智能体结构，实现跨应用的对话式集成，探索其在异构系统等场景的泛化潜力。

Search-Aided Joint Agent-Environment Reinforcement Learning for Robust Lifelong Multi-Agent Path Finding with Rotations

用于带旋转的鲁棒终身多智能体路径规划的搜索辅助联合智能体-环境强化学习

He Jiang, Jingtian Yan, Yulun Zhang, Yimin Tang, Tanishq Duhan, Rishi Veerapaneni, Guillaume Sartoretti, Jiaoyang Li

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

AI总结 针对带旋转约束的鲁棒终身多智能体路径规划难题，提出搜索辅助联合强化学习方法，通过结合Causal PIBT与联合优化智能体-环境策略，在高密度地图及混合现实仓库环境中取得显著性能提升。

Multi-Agent Reinforcement Learning for Online Traffic Scheduling in Time-Sensitive Application

面向时间敏感型应用的在线流量调度的多智能体强化学习

Marcos Carvalho, Fatih Temiz, Shavbo Salehi, Melike Erol-Kantarci, Daniel F. Macedo

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

AI总结 针对动态XR驱动的MEC场景中TSN调度的挑战，本文提出基于HAPPO算法的MARL框架，将各TSN队列建模为自主智能体，可降低平均帧等待时间最多26.8%、最坏情况延迟约16.8%。

OrchestraBench: Evaluating Multi-Agent Orchestration Failure Modes, Recovery, and Decomposition Quality

OrchestraBench：评估多智能体编排的故障模式、恢复能力与分解质量

Yidian Chen, Yingzi Gu, Natan Vidra, Spurthi Setty, Sharon Zheng

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

AI总结 OrchestraBench 是评估多智能体编排故障模式、恢复能力与分解质量的基准，通过可控故障注入揭示了不同路由策略、智能体模式的故障处理差异及级联规律。

Comments 8 pages, 4 figures

Offline Nash Solvers Meet Online Tree Search in Multi-Agent Games on Graphs

离线纳什求解器与在线树搜索在图上多智能体博弈中的结合

Mukesh Kumar, Yue Guan, Panagiotis Tsiotras

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

AI总结 多智能体追逃博弈计算纳什均衡策略有挑战，本文提出原始引导树搜索框架PGTS，结合离线精确纳什均衡计算与在线树搜索，实验表明其显著优于现有基线，在多种图拓扑上对对手保持稳健性能。

When Agentic AI Meets Integrated Sensing and Communication

当智能体AI遇上集成感知与通信

Kai Li, Conggai Li, Sarah Ali Siddiqui, Syed Sohail Ahmed, Xin Yuan, Shenghong Li, Wei Ni

机构 * University of Luxembourg（卢森堡大学） ； CSIRO（联邦科学与工业研究组织） ； Qassim University（卡西姆大学） ； Edith Cowan University（伊迪丝·考恩大学） 纠错

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

AI总结 本综述提出智能体AI与集成感知通信结合的AISAC范式，构建六阶段闭环框架与五成熟度等级，梳理相关领域进展，分析交叉需求，发现现有系统智能体成熟度不足，并指出多方面开放挑战。

Comments 35 pages, 132 references, 10 tables, 9 figures

From Siloed Algorithms to Compliance-First Agentic Platforms: A Multi-Layered Architecture for Hospital AI Systems

从孤立算法到合规优先的智能体平台：面向医院AI系统的多层架构

Manideep Dhar, Ritwik Singh, Sharat Chandra Kumar Manikonda

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

AI总结 针对医院AI部署孤立、规模化难的问题，提出含智能体编排、合规策略、隐私保护数据层的多层架构，通过原型验证可减少任务耗时与文档工作量，为医院AI平台建设提供实用蓝图。

Comments Peer-reviewed published article

Journal ref IJISRT, 11-2026(5), IJISRT26MAY1651

A Two-Tier Perspective on Inference-Time Parallelism in Multi-Agent LLM Systems

多智能体大语言模型系统推理时并行性的两层视角

Zihan Xu, Haolin Tian, Hai Jiang

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

AI总结 本文提出整合两类并行性的TIPEX框架，在GAIA基准上验证推理时并行性可提升多智能体系统性能，中等难度任务从两类并行性协调中获益最多。

Comments Accepted to ICML 2026

Multi-Agent Transformer for Queue-Level XR Traffic Scheduling in TSN Networks

面向TSN网络中队列级XR流量调度的多智能体Transformer

Marcos Carvalho, Fatih Temiz, Shavbo Salehi, Melike Erol-Kantarci, Daniel F. Macedo

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

AI总结 针对TSN网络中队列级XR流量调度的现有方法存在队列依赖捕捉能力弱、对XR流量适应性差的问题，本文提出基于多智能体Transformer的多智能体强化学习方法，仿真显示其延迟与故障率降低效果显著。