AI Agent

EvoRIC: Reinforcement Learning Fine-Tuned LLM-empowered RAN Intelligent Control Toward Autonomous O-RAN

EvoRIC：面向自主O-RAN的、由强化学习微调大语言模型赋能的RAN智能控制器

Lingyan Bao, Jemin Lee, Tony Q. S. Quek

专题命中 规划决策 ：agent(abstract)

AI总结 针对传统RAN智能算法泛化差、通用LLM算力高且缺领域知识的问题，提出EvoRIC分层框架，结合RLFT与PPO优化LLM，在IAB网络中验证其泛化性与效能，为自主O-RAN提供新方案。

Comments Manuscript submitted 23 April 2026; revised 7 August 2026

The Reeb Structure of Bend Distance in Grid Domains: Cycle Bounds with Holes, Exact Sector Geometry on Disks, and the Two-Port Constant $c_2^\square=3$

网格域中弯曲距离的Reeb结构：带洞的循环界、圆盘上的精确扇区几何及双端口常数$c_2^\square=3$

Aoji Li, Guangbo Ding

专题命中 规划决策 ：planning(abstract)

AI总结 本文研究带洞网格域中弯曲距离的Reeb结构，明确端点约定，推导带洞立方体域的循环界，证实无洞立方体圆盘的双端口树宽为3，为协同运动规划算法提供结构基础。

Comments 32 pages, 5 figures. Ancillary Python script verifies all finite examples

The Banach lattice Lean library

巴拿赫格Lean库

David Muñoz-Lahoz

专题命中 规划决策 ：planning(abstract)

AI总结 本文介绍用于巴拿赫格理论的Lean 4库，借助带人工监督的LLMs构建，可支持相关研究的形式化，已完成三项研究级形式化，有望成为集体成果。

Atmospheric Light Pollution by Proposed Reflect Orbital Space Mirrors

拟议的反射轨道太空镜造成的大气光污染

Miroslav Kocifaj, Gáspár Bakos, František Kundracik

专题命中 规划决策 ：planning(abstract)

AI总结 该研究针对拟议的反射轨道太空镜，计算其造成的大气光污染，发现单颗54米直径太空镜会显著改变30公里内夜间环境，400颗同时工作时80公里外可见辉光。

Comments Accepted for publication in ApJL. Visual renderings at https://starryprinceton.org/scattering_calculations_renderings

The Early Career Astrobiology Workforce Under Strain Survey Evidence from 2025-2026

压力下的早期职业天体生物学劳动力：2025-2026年的调查证据

Katherine Dzurilla, Gabby Rizzo, Perianne Johnson, Patrick Monreal, Ilankuzhali Elavarasan, Elizabeth Spiers

专题命中 规划决策 ：planning(abstract)

AI总结 该研究通过对165名早期职业天体生物学家的调查，发现90%的受访者担忧职业前景，89%受资助延迟影响，超50%的博士生等不确定留学术界，仅初级教职大多计划留任，反映了该领域早期职业群体的压力状况。

Vorch-Streamer: Extending Human Audio-Visual Generation to Real-Time Long-Form Streaming

Vorch-Streamer：将人类音视频生扩展至实时长格式流式生成

Menglin Han, Yang Ding, Yulei Lu, Haoran Yu, Xin Ma, Junyi Chen, Zhangkai Ni, Lin Ma, Yaohui Wang

机构 * Vorch Team（Vorch团队） ； Tongji University（同济大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 Vorch-Streamer是一款后训练框架，通过混合训练、自强制与DMD蒸馏等技术，实现了超24 FPS的实时长格式T2AV流式音视频生成，兼具音唇同步性与身份保留能力。

Comments Project page: https://vorch-project.github.io/Vorch-Streamer-project/

TRACE: Ergodic Trajectory Optimization for Active Scene Reconstruction

TRACE：用于主动场景重建的遍历轨迹优化

Ziyue Zheng, Linli Shi, Bingkun He, Wen Jiang, Ziyun Wang

专题命中 规划决策 ：planning(abstract)

AI总结 本研究针对现有主动重建系统的贪婪解耦缺陷，提出TRACE遍历轨迹优化方法，在Replica数据集上较NBV基准将PSNR提升1.5 dB，实现更高效的主动场景重建。

Comments 11 pages, 7 figures, fixed a template bug in the Latex

Grasp Execution Without a Planner: Configuration-Space Grasp Distance Fields with Certified Safety & Guaranteed Quality

无需规划器的抓取执行：带可验证安全性与保证质量的构型空间抓取距离场

Clinton Enwerem, John S. Baras, Calin Belta

机构 * University of Maryland（马里兰大学） ； Institute for Systems Research (ISR)（系统研究所（ISR）） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 该研究提出带可验证安全与质量保证的抓取距离场（GDFs），无需规划器即可执行抓取，在仿真中成功抓取 50 个物体中的 46 个，每步 QP 求解仅需 0.09 ms。

Comments 14 pages, 7 figures, 3 tables. Project page: www.clintonenwerem.com/gdf

An Operator-based Approach to STL

一种基于算子的STL方法

Panagiotis Rousseas, Dimos V. Dimarogonas

机构 * Department of Decision and Control Systems, School of Electrical Engineering and Computer Science, Royal Institute of Technology (KTH)（决策与控制系统系，电气工程与计算机科学学院，皇家理工学院（KTH）） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出一种基于可达性值函数算子的STL新框架，通过直接开发算子嵌套规则处理复杂多嵌套公式，并实现在线控制综合。

Quantifying uncertainty in physics-based predictions of rare-isotope production cross sections via Bayesian-inspired model averaging across nuclear mass tables

通过基于贝叶斯的模型平均方法量化基于物理的稀有同位素生产截面预测中的不确定性

O. B. Tarasov

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出基于贝叶斯的模型平均方法，通过结合多个核质量表的AA计算，量化稀有同位素生产截面预测中的不确定性。

Comments 14 pages, 4 figures; Submitted to Phys. Rev. C

Journal ref Phys. Rev. C 114, 024603 (2026)

Evolutionary Systems Thinking: From Equilibrium Models to Open-Ended Adaptive Dynamics

进化系统思维——从平衡模型到开放性适应动态

Dan Adler

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出稳定性驱动组装（SDA）模型，通过随机相互作用和微分持续性实现非平衡进化动态，揭示均衡约束模型无法产生开放性进化，强调结构与动态共进化的重要性。

Comments 17 pages, 5 figures

Journal ref Presented at the 44th International System Dynamics Conference (ISDC), Delft, The Netherlands, July 23, 2026

EMAS: Stabilizing Multi-Agent System Evolution through Evidence-Guided Revision

EMAS：通过证据引导的修正稳定多智能体系统演化

Chao Fei, Qingyi Si, Kaihua Liang, Yanghua Xiao, Panos Kalnis, Hongcheng Guo

机构 * King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学） ； Fudan University（复旦大学） 纠错

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

AI总结 EMAS 是一种不更新 LLM 参数、利用样本经验修正 MAS 拓扑与提示词的方法，在四个基准和两个 LLM 上提升了准确率并降低了 token 成本，表现优于多数基线方法。

CyberLLM: A Multi-Agent LLM Framework for Autonomous Detection and Guarded Response in Automotive Cybersecurity

CyberLLM：面向汽车网络安全的多智能体大语言模型框架，用于自主检测与受管控响应

Nenad Petrovic, Oussama Jeddou, Feres Ben Fraj, Vahid Zolfaghari, Fengjunjie Pan, Andre Schamschurko, Alois Knoll

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

AI总结 CyberLLM是由大语言模型编排的多智能体框架，结合确定性检测层与大语言模型精化，在安全防护下实现汽车漏洞自主检测与修复，在基准测试中覆盖约70%漏洞且零误报，验证了LLM智能体自主防御的可行性。

Why Study Emergent Behavior When You Can Regulate It? Aligning Multi-Agent Systems with Reward Prediction

为何要研究涌现行为？你可以对其进行调控！让多智能体系统与奖励预测对齐

Assaf Caftory, Almog Zemach, Moshe Butman, Doron Friedman

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

AI总结 本文提出多智能体奖励预测（MARP）框架，通过学习共享奖励模型调控多智能体涌现行为，在收获游戏中验证其能使智能体行为对齐多样社会目标，为调控涌现行为提供了数据驱动的方法。

Kimi K2.5: Visual Agentic Intelligence

Kimi K2.5：视觉代理智能

Kimi Team, Tongtong Bai, Yifan Bai, Yiping Bao, S. H. Cai, Yuan Cao, Ziwei Chai, Y. Charles, H. S. Che, Cheng Chen, Guanduo Chen, Huarong Chen, Jia Chen, Jianlong Chen, Jun Chen, Kefan Chen, Liang Chen, Ruijue Chen, Xinhao Chen, Yanru Chen, Yanxu Chen, Yicun Chen, Yimin Chen, Yingjiang Chen, Yuankun Chen, Yujie Chen, Yutian Chen, Zhirong Chen, Ziwei Chen, Dazhi Cheng, Yean Cheng, Minghan Chu, Jialei Cui, Jiaqi Deng, Muxi Diao, Hao Ding, Mengfan Dong, Mengnan Dong, Yuxin Dong, Yuhao Dong, Angang Du, Chenzhuang Du, Dikang Du, Lingxiao Du, Yulun Du, Yu Fan, Shengjun Fang, Qiulin Feng, Yichen Feng, Garimugai Fu, Kelin Fu, Hongcheng Gao, Tong Gao, Yuyao Ge, Shangyi Geng, Chengyang Gong, Xiaochen Gong, Zhuoma Gongque, Qizheng Gu, Xinran Gu, Yicheng Gu, Longyu Guan, Shuhao Guan, Yuanying Guo, Xiaoru Hao, Dailan He, Tianhong He, Weiran He, Wenyang He, Yibo He, Yunjia He, Chao Hong, Hao Hu, Jiaxi Hu, Yangyang Hu, Zhenxing Hu, Ke Huang, Ruiyuan Huang, Weixiao Huang, Zhiqi Huang, Chaobo Jia, Tao Jiang, Zhejun Jiang, Xinyi Jin, Yu Jing, Guokun Lai, Aidi Li, C. Li, Cheng Li, Fang Li, Guanghe Li, Guanyu Li, Haitao Li, Haoyang Li, Jia Li, Jingwei Li, Junxiong Li, Lincan Li, Mo Li, Weihong Li, Wentao Li, Xinhang Li, Xinhao Li, Yang Li, Yanhao Li, Yiwei Li, Yuxiao Li, Zhaowei Li, Zhaoxi Li, Zheming Li, Weilong Liao, Jiawei Lin, Xiaohan Lin, Yibo Lin, Zhishan Lin, Zichao Lin, Cheng Liu, Chenyu Liu, Hongzhang Liu, Liang Liu, Shaowei Liu, Shudong Liu, Shuran Liu, Tianwei Liu, Tianyu Liu, Weizhou Liu, Xiangyan Liu, Yangyang Liu, Yanming Liu, Yibo Liu, Yuanxin Liu, Zhengying Liu, Zhongnuo Liu, Enzhe Lu, Haoyu Lu, Zhiyuan Lu, G. Luo, Junyu Luo, Tongxu Luo, Yashuo Luo, Long Ma, Shaoguang Mao, Yuan Mei, Xin Men, Fanqing Meng, Zhiyong Meng, Yibo Miao, Minqing Ni, Kun Ouyang, Siyuan Pan, Bo Pang, Yuchao Qian, Ruoyu Qin, Zeyu Qin, Jiezhong Qiu, Bowen Qu, Zeyu Shang, Youbo Shao, Tianxiao Shen, Zhennan Shen, Juanfeng Shi, Lidong Shi, Shengyuan Shi, Feifan Song, Pengwei Song, Tianhui Song, Xiaoxi Song, Hongjin Su, Jianlin Su, Zhaochen Su, Lin Sui, Jinsong Sun, Junyao Sun, Tongyu Sun, Flood Sung, Yunpeng Tai, Chuning Tang, Heyi Tang, Xiaojuan Tang, Zhengyang Tang, Jiawen Tao, Shiyuan Teng, Chaoran Tian, Pengfei Tian, Bowen Wang, Chensi Wang, Chuang Wang, Congcong Wang, Dingkun Wang, Dinglu Wang, Dongliang Wang, Feng Wang, Hailong Wang, Haiming Wang, Hao Wang, Hengzhi Wang, Huaqing Wang, Hui Wang, Jiahao Wang, Jinhong Wang, Jiuzheng Wang, Kaixin Wang, Linian Wang, Qibin Wang, Shengjie Wang, Shuyi Wang, Si Wang, Wei Wang, Xiaochen Wang, Xinyuan Wang, Yao Wang, Yejie Wang, Yipu Wang, Yiqin Wang, Yucheng Wang, Yuzhi Wang, Zhaoji Wang, Zhaowei Wang, Zhengtao Wang, Zhexu Wang, Zifan Wang, Zihan Wang, Zizhe Wang, Chu Wei, Ming Wei, Chuan Wen, Zichen Wen, Chengjie Wu, Haoning Wu, Junyan Wu, Rucong Wu, Wenhao Wu, Yuefeng Wu, Yuhao Wu, Yuxin Wu, Zijian Wu, Chenjun Xiao, Jin Xie, Xiaotong Xie, Yuchong Xie, Bowei Xing, Boyu Xu, Jianfan Xu, Jing Xu, Jinjing Xu, L. H. Xu, Lin Xu, Suting Xu, Weixin Xu, Xinbo Xu, Xinran Xu, Yangchuan Xu, Yichang Xu, Yuemeng Xu, Zelai Xu, Ziyao Xu, Junjie Yan, Yuzi Yan, Guangyao Yang, Hao Yang, Junwei Yang, Kai Yang, Ningyuan Yang, Xiaofei Yang, Xinlong Yang, Xinyu Yang, Ying Yang, Yi Yang, Yi Yang, Zhen Yang, Zhilin Yang, Zonghan Yang, Haotian Yao, Dan Ye, Haoran Ye, Wenjie Ye, Zhuorui Ye, Peng Yebo, Bohong Yin, Chengzhen Yu, Longhui Yu, Tao Yu, Tianxiang Yu, Enming Yuan, Mengjie Yuan, Xiaokun Yuan, Yang Yue, Weihao Zeng, Dunyuan Zha, Haobing Zhan, Dehao Zhang, Hao Zhang, Jin Zhang, Puqi Zhang, Qiao Zhang, Rui Zhang, Xiaobin Zhang, Xiaoyun Zhang, Y. Zhang, Yadong Zhang, Yangkun Zhang, Yichi Zhang, Yizhi Zhang, Yongting Zhang, Yu Zhang, Yushun Zhang, Yutao Zhang, Yutong Zhang, Zheng Zhang, Chenguang Zhao, Feifan Zhao, Jinxiang Zhao, Shuai Zhao, Xiangyu Zhao, Xuanle Zhao, Yikai Zhao, Zijia Zhao, Huabin Zheng, Ruihan Zheng, Shaojie Zheng, Tengyang Zheng, Junfeng Zhong, Longguang Zhong, Weiming Zhong, M. Zhou, Runjie Zhou, Xinyu Zhou, Zaida Zhou, Jinguo Zhu, Liya Zhu, Xinhao Zhu, Yuxuan Zhu, Zhen Zhu, Jingze Zhuang, Weiyu Zhuang, Ying Zou, Xinxing Zu

机构 * Kimi Team（Kimi 团队） 纠错

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

AI总结 Kimi K2.5通过联合优化文本和视觉模态，提出Agent Swarm框架，实现多模态代理智能的先进性能和高效任务处理。

Comments Kimi K2.5 tech report

A Multi-Agent Framework for Automated Coarse-Grained Molecular Dynamics of Polymers

用于聚合物自动化粗粒度分子动力学的多智能体框架

Joohee Choi, Junhyeong Lee, Seunghwa Ryu

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST）） 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 本文提出CGMas多智能体框架，可自动完成聚合物粗粒度分子动力学的拓扑构建等全流程，完成27项任务，22项密度匹配度在5%内，模拟时间大幅缩短，确立了智能体式LLM用于聚合物粗粒化的可行性。

Plan-and-Avoid: Real-Time Aircraft Trajectory Coordination in a Multi-Agent Environment

规划与避让：多智能体环境下的实时飞行器轨迹协调

Huseyin Emre Tekaslan, Ella M. Atkins, Natasha Neogi

机构 * Virginia Polytechnic Institute and State University（弗吉尼亚理工学院暨州立大学） ； NASA Langley Research Center（NASA兰利研究中心） 纠错

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

AI总结 该研究提出Plan-and-Avoid框架，针对多智能体空域环境，通过实时生成协作建议，在900余起强制着陆案例测试中，以5.7秒最坏响应时间实现优先级轨迹的低延迟安全间隔协调。

Does Splitting a Triage Decision Across Agents Hide Bias or Help Catch It? A Multi-Agent Simulation Study of LLM-Based Resource Allocation Under Audit Capacity Constraints

在智能体间拆分分诊决策是隐藏偏差还是有助于发现偏差？审计能力约束下基于大语言模型的资源分配多智能体模拟研究

Paul-Peter Arslan

机构 * Institute for Future Technologies（未来技术研究所） 纠错

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

AI总结 该研究通过多智能体模拟发现，在LLM资源分配中拆分决策为多智能体流程未显著改变偏差发生率，但审计能力影响偏差发现率，风险排序审核可提升覆盖范围。

Comments 6 pages, 2 figures, 3 tables. Code and data available at https://github.com/Polpii/policy-town

Multi-Agent Forensic Reasoning for Generalizable Deepfake Video Detection

用于可泛化深度伪造视频检测的多智能体取证推理

Xuechao Zou, Shun Zhang, Kai Li, Yi Zhou, Xinyu Sun, Yuhui Chen, Zhe Wu, Congyan Lang, Junliang Xing

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

AI总结 针对深度伪造检测的现有方法泛化性不足问题，本文构建含10万视频的FaceVid-Forensics-100K数据集，提出多智能体取证推理框架，在域外测试集上性能优于GPT、Gemini等模型。

Comments 22 pages, 8 figures, 14 tables

Online Security Learning in Cooperative Multi-Agent Systems under Hidden Byzantine Attacks

隐藏拜占庭攻击下多智能体系统的在线安全学习

Ximing Sun, Yue Wang

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

AI总结 本文针对隐藏拜占庭攻击下的多智能体系统在线协同控制问题，分析攻击者信息对模型几何特性的影响，推导安全学习的信息论极限，提出鲁棒学习者并给出遗憾界，为可靠多智能体系统提供理论与算法基础。

Comments preprint; Work in progress

Robot guide with multi-agent control and automatic scenario generation with LLM

基于多智能体控制与大语言模型自动场景生成的机器人引导系统

Elizaveta D. Moskovskaya, Anton D. Moscowsky

机构 * National Research Center "Kurchatov Institute"（国家研究快机构"库恰托夫研究所"） 纠错

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

AI总结 该研究开发了结合多智能体资源管理与LLM自动场景生成的混合社交机器人控制架构，在MENTOR-1导游机器人上验证了其能提升长期讲故事任务中机器人交互的自然性与丰富度。

Comments 14 pages, 4 figures, 4 tables, 1 demo-video and repository link. There were major changes: an introduction, a review, and a new experiment. Some tables and figures have also been changed

Byzantine-Resilient Federated Multi-Agent Optimization Framework for Cyber-Secure Interconnected Microgrids

面向网络安全互联微电网的拜占庭弹性联邦多智能体优化框架

Ali Peivand, Seyyed Mostafa Nosratabadi

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

AI总结 提出BR-FedMAPPO框架，结合三重表面移动目标防御与自适应隔离策略，通过两阶段拜占庭弹性聚合规则抵御隐蔽虚假数据注入攻击，保护分布式学习通道并维持经济调度性能。

PHOENIX: Fine-Tuned SLM-Powered Autonomous Satellite Lifetime Extension via Predictive Self-Healing and Multi-Agent AI Recovery

PHOENIX：通过预测性自修复与多智能体AI恢复实现的经微调小型语言模型驱动的自主卫星寿命延长

Sumaiya Islam, Harsha Kumara Moraliyage

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

AI总结 该研究针对CubeSat在轨故障无法及时修复导致寿命不足的问题，提出PHOENIX系统，利用微调SLM与多智能体AI实现自主故障修复，基于ESA基准验证了初步效果。

Comments 6 pages, 2 figures. Accepted at IEEE IRAI 2026 (International Conference on Responsible Artificial Intelligence)

Deal Me Maybe: The Role of Emotions in Multi-Agent Negotiation

或许与我成交：情绪在多智能体谈判中的作用

Massimiliano Luca, Apoorva Singh, Bruno Lepri

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

AI总结 该研究探讨提示条件下的情绪对LLM多智能体价格谈判的影响，发现愤怒买方成交率极低，快乐买方成交率最高但价格较差，情绪效应具有角色依赖性，引发商业中情绪条件智能体的担忧。

AutoMOOSE: An Agentic AI for Autonomous Phase-Field Simulation

AutoMOOSE：一种用于自主相场模拟的智能体AI

Sukriti Manna, Henry Chan, Subramanian K. R. S. Sankaranarayanan

机构 * Department of Mechanical and Industrial Engineering, University of Illinois Chicago（伊利诺伊大学芝加哥分校机械与工业工程系） ； Center for Nanoscale Materials, Argonne National Laboratory（阿贡国家实验室纳米尺度材料中心） 纠错

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

AI总结 AutoMOOSE通过智能体框架实现自主相场模拟全流程，无需人工干预即可生成输入文件、并行执行模拟并验证结果，展示了AI在材料发现中的潜力。

A Precise Treatment of Soft Quotient Topology and Soft Covering Maps

软商拓扑与软覆盖映射的精确处理

Souvik Mandal, Ankur Sarkar

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

AI总结 该研究建立软商拓扑基础理论，提出软覆盖映射精确定义，将其应用于多智能体运动规划以降低组合复杂性。

Comments 18 Pages. Comments are welcome

Classification of $σ$-validity in iterated announcements

σ有效性的分类

Eiji Yamada

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

AI总结 研究Agotnes等人关于σ有效性的猜想，通过重新表述问题，对多主体K45、单主体KD45和多主体S5进行了分类，证明原猜想错误，揭示真假宣告的不对称性。

Comments 21 pages, 4 figures. v2: Added proofs of the nonexistence of non-trivially 0k1-valid and 01k0-valid formulas in multi-agent KD45, thereby completing the classification for this class. Revised related statements and proofs throughout

DATAREEL: Automated Data-Driven Video Story Generation with Animations

DATAREEL：基于动画的自动化数据驱动视频故事生成

Ridwan Mahbub, Syem Aziz, Mizanur Rahman, Mahir Ahmed, Shadikur Rahman, Shafiq Joty, Enamul Hoque

机构 * York University（约克大学） ； Bangladesh University of Business and Technology（孟加拉国商业与技术大学） ； RBC, Canada（加拿大RBC） ； Nanyang Technological University（南洋理工大学） ； Salesforce AI Research（Salesforce人工智能研究） 纠错

专题命中 多智能体 ：planning(abstract)；agentic(abstract)；分类 cs.AI

AI总结 本文提出DataReel基准，通过328个真实故事评估模型生成动画数据视频故事的能力，采用多智能体框架提升自动化生成效果。

Comments Under Review

DRL-Based Secure Transmission for Rotatable Antenna-Enabled Low-Altitude ISAC Systems

基于深度强化学习的可旋转天线低空集成感知与通信系统安全传输

Chuan Liu, Hongyi Bian, Wei Gao, Qi Zhang, Yu Yao, Liang Yang, Feng Shu

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

AI总结 本文针对配备可旋转天线的低空ISAC系统，联合优化发射波束成形矩阵与天线指向矩阵以最大化最小保密速率，提出MAPPO-T算法，仿真验证其性能优于标准MAPPO算法及传统固定定向天线系统。

Analyzing the Interaction of Optimal Strategies in Mean-Payoff Bidding Games

分析平均收益竞标博弈中最优策略的相互作用

Shaull Almagor, Guy Avni, Julian Ewaied

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

AI总结 本文针对多智能体系统中智能体互动分析的挑战，聚焦两智能体图上的平均收益竞标博弈，分析对抗优化策略的互动，证明特定条件下博弈最终周期性并开发效用计算算法。