AI Agent

Nutrition Data Infrastructure for the AI Era: Operationalizing FAIR for Agent-Mediated Research

AI时代的营养数据基础设施：为智能体介导的研究实现FAIR原则

Lin Liao, Peng Li

专题命中 工具调用 ：agent(title,abstract)；AI agent(abstract)；分类 cs.AI

AI总结 该研究针对AI智能体介导营养研究的数据歧义问题，提出NDS基础设施，实现FAIR原则，在基准测试中表现优于现有模型，保障分析可复现，为相关研究提供新型数据支撑。

IACDM: Interactive Adversarial Convergence Development Methodology -- A Structured Framework for AI-Assisted Software Development

IACDM：交互对抗收敛开发方法论——面向AI辅助软件开发的结构化框架

Jasmine Moreira

专题命中 工具调用 ：agent(abstract)；tool use(abstract)；分类 cs.AI、cs.SE

AI总结 本文提出IACDM方法论，通过外部验证代理解决AI生成应用中的验证缺口问题，强调通过层次语义分析、知识管理及系统对抗批评提升软件开发质量。

Comments 37 pages, 7 tables. Technical Foundation Document. v3 adds a pre-registered experiment testing lens non-redundancy over 12 projects, and withdraws the retrospective analysis of v1-v2 (defective instrument). Data: https://doi.org/10.5281/zenodo.21908908 Repo: https://github.com/jasminemoreira/Versus

Automated Design Optimization via Strategic Search with Large Language Models

通过大语言模型的战略搜索实现自动化设计优化

Anthony Carreon, Vansh Sharma, Venkat Raman

专题命中 工具调用 ：agent(abstract)；planning(abstract)；分类 cs.AI、cs.LG

AI总结 本研究提出AUTO框架，利用大语言模型的战略搜索实现GPU代码优化，提升搜索效率并降低成本。

Comments 16 pages, 4 tables, 8 figures, preprint

Global Convergence of an SQP Method for Contact-Implicit Trajectory Optimization

接触隐式轨迹优化的SQP方法的全局收敛性

Zherong Pan, Fuquan Wang, Yifan Zhu

专题命中 工具调用 ：planning(abstract)

AI总结 本文针对约束丰富的动态系统的接触隐式轨迹优化，证明了带自适应时间步长细化的线搜索SQP方法的全局收敛性，该方法可有限终止于力参数化平稳点。

Agentic Aggregation for Parallel Scaling of Long-Horizon Agentic Tasks

代理聚合用于长周期代理任务的并行扩展

Yoonsang Lee, Howard Yen, Xi Ye, Danqi Chen

机构 * Princeton Language and Intelligence, Princeton University（普林斯顿大学语言与智能实验室） 纠错

专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；分类 cs.CL

AI总结 本文提出AggAgent，通过将并行轨迹视为环境，有效解决长周期代理任务中轨迹信息聚合问题，提升性能并降低开销。

Agentic Neurosymbolic Collaboration for Mathematical Discovery: A Case Study in Combinatorial Design

代理神经符号协作用于数学发现：组合设计的一个案例研究

Hai Xia, Carla P. Gomes, Bart Selman, Stefan Szeider

机构 * Algorithms and Complexity Group, TU Wien（算法与复杂性组，维也纳技术大学） ； Department of Computer Science, Cornell University（计算机科学系，康奈尔大学） 纠错

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

AI总结 本文通过代理神经符号协作方法，在组合设计理论中发现了一个新的紧下界，展示了人类与AI协作在数学发现中的有效性。

Large Language Models Persuade Without Planning Theory of Mind

大语言模型无需规划即可说服理论之心理论

Jared Moore, Rasmus Overmark, Ned Cooper, Beba Cibralic, Nick Haber, Cameron R. Jones

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

AI总结 大语言模型通过战略性揭示信息说服目标，无需显式理论之心推理，实验显示其在说服任务中表现优于人类。

Governing Agentic AI in FinTech

金融科技中智能体人工智能的治理

Henry Han

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

AI总结 针对金融科技中智能体AI治理研究不足的问题，构建多层次治理理论，通过三项研究验证其机制，发现可验证性缺口是核心约束，该框架可扩展至其他高风险领域。

Comments 58 pages, 12 figures

Certifiable Semantic Agreement Among LLM Agents: What the Admissibility Instrument Decides

面向拜占庭鲁棒的大语言模型智能体协作的分层认证语义承诺

Haoran Xu, Lei Zhang, Iadh Ounis, Xianbin Wang

机构 * University of Glasgow（格拉斯哥大学） ； University of Western Ontario（西部 Ontario 大学） 纠错

专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI

AI总结 提出H-CSC协议，将基于嵌入的终结性信号转换为三种类型输出（语义承诺、判决承诺或显式中止），实现大语言模型智能体拜占庭协作的最终性控制，在语义投毒和拜占庭攻击下保持低角度偏差和高中止率。

Comments 43 pages, 5 figures, 20 tables, 1 algorithm. Substantial revision: new title, new framing, new downstream-audit experiment; supersedes v1

Exploiting Symbolic Heuristics for the Synthesis of Domain-Specific Temporal Planning Guidance using Reinforcement Learning

利用符号启发式方法，通过强化学习合成面向领域特定的时序规划引导

Irene Brugnara, Alessandro Valentini, Andrea Micheli

机构 * Fondazione Bruno Kessler（布伦诺·科塞勒基金会） 纠错

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

AI总结 本文提出一种改进的时序规划学习框架，结合符号启发式与强化学习，通过学习符号启发式的残差，采用多队列规划方法，提升了时序规划的性能。

Recursive Synthesis for Long-Horizon Terminal Tasks

长视界终端任务的递归合成

Zhongzhi Li, Yucheng Shi, Zongxia Li, Ruhan Wang, Anhao Li, Zixun Huang, Junyao Yang, Lei Ke, Ninghao Liu, Haitao Mi, Leowei Liang

机构 * Tencent HY LLM Frontier（腾讯HY大模型前沿团队） ； University of Georgia（佐治亚大学） ； University of Maryland, College Park（马里兰大学帕克分校） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Minnesota, Twin Cities（明尼苏达大学双城分校） ； Indiana University（印第安纳大学） ； National University of Singapore（新加坡国立大学） ； Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 本文提出RST递归合成框架，低成本规模化生成3.7万余个长视界终端任务，经微调或PPO优化后，多款Qwen模型在多个终端基准任务上性能显著提升，且递归过程无明显上限。

NaLA: A 3D Native LLM Layout Agent for High-quality 3D Scene Generation

NaLA: 一种用于高质量3D场景生成的原生3D LLM布局代理

Cheng Wan, Yongsen Mao, Wenzheng Wu, Yuxuan Xie, Chucheng Xiang, Runze Wang, Xiang Zhang, Zhongyuan Liu, Rushi Dai, Yuan Liu

专题命中 规划决策 ：agent(title,abstract)

AI总结 提出NaLA，一种原生3D LLM布局代理，通过直接编码3D边界和资产到LLM中，采用粗到细预测机制，解决文本-3D模态差距导致的布局不合理问题，在生成质量和推理效率上优于现有方法。

Comments Accepted to ECCV 2026. Project page: https://adamcwan.github.io/NaLA/. Code: https://github.com/adamcwan/NaLA-code

PhysMaster: Building an Autonomous AI Physicist for Theoretical and Computational Physics Research

PhysMaster：构建一个自主的AI物理学家用于理论和计算物理学研究

Tingjia Miao, Wenkai Jin, Jinxin Tan, Muhua Zhang, Xianghe Pang, Zexi Liu, Yuwen Du, Tian Jin, Tu Guo, Zhengliang Zhang, Jingkun Liu, Yuelin Hu, Jiejun Zhang, Yunjie Huang, Yuhan Wang, Wenbo Li, Yinuo Gao, Shuo Chen, Rui Ye, Yuzhi Zhang, Linfeng Zhang, Kun Chen, Wei Wang, Weinan E, Siheng Chen

机构 * School of Artificial Intelligence（人工智能学院） ； Shanghai Jiao Tong University（上海交通大学） ； School of Physics and Astronomy（物理天文学院） ； State Key Laboratory of Dark Matter Physics（暗物质物理国家重点实验室） ； Tsung-Dao Lee Institute（李政道研究所） ； Zhiyuan College（智源学院） ； Institute of Theoretical Physics（理论物理研究所） ； Chinese Academy of Sciences（中国科学院） ； DP Technology（DP技术） 纠错

专题命中 规划决策 ：agent(abstract)；tool use(abstract)；agentic(abstract)；分类 cs.AI

AI总结 PhysMaster通过结合抽象推理与数值计算，利用LANDAU数据宇宙提升决策可靠性，实现理论与计算物理学研究的自动化与自主发现。

Comments 23 pages, 4 figures

DREAM Technical Report

DREAM技术报告

Bin Zhang, Bowen Zheng, Chao Yi, Chengyu Lai, Dian Chen, Dimin Wang, Gaoyang Guo, Jialin Zhu, Jian Wu, Jing Yu, Jiuning Lin, Lingqing Zhang, Lingyun Zheng, Mao Zhang, Mingming Pan, Ruiquan Lan, Shuai Zhong, Wen Chen, Wendong Zhang, Xiaodong Zhu, Xuan Chen, Xunke Xi, Yifan Lu, Yiheng Wang, Yue Zeng, Yujie Luo, Yuning Jiang, Zhe Hu, Zhibo Xiao, Zihong Huang, Binbin Cao, Bo Zheng, Danning Wang, Dixuan Wang, Ge Fan, Haixia Wu, Han Zhu, Hao Fang, Haoming Chen, Huiping Chu, Jian Wang, Jianjun Wu, Jiawei Wu, Jiaxin Yu, Jingwen Liu, Jinzhe Shan, Kai Meng, Kai Zhang, Keqin Xu, Kewei Zhu, Lang Tian, Leihui Chen, Li Chen, Licheng Xu, Lide Xiao, Ruitong Zhang, Shiyao Peng, Silu Zhou, Tao Wang, Wei Shi, Wenjun Yang, Xiang Chen, Xiang Gao, Xiao Ren, Xu Liu, Xuwen Wang, Yang Li, Yeqiu Yang, Yi Hu, Yichen Yuan, Yinnan Song, Yipeng Yu, Yuan Liu, Yunqi Gao, Zhiliang Huang, Zhujin Gao, Zongyuan Wu

专题命中 规划决策 ：agentic(abstract,abstract_cn)；planning(abstract)

AI总结 该研究针对工业推荐流水线的缺陷，提出基于智能体方法的DREAM架构，通过意图引擎、元引擎与奖励双循环优化，在淘宝测试中实现多项核心指标提升，验证了智能体元控制的可行性。

Comments Technical Report

SparseDitto: Customizing GPU Kernels for Different Sparsity Patterns with LLM-Based Agentic System

SparseDitto：基于大语言模型的智能体系统，为不同稀疏性模式定制GPU内核

Shiyang Li, Guangyan Sun, Jinwei Tang, Yanzhi Wang, Mingyi Hong, Caiwen Ding

专题命中 规划决策 ：agentic(title)；分类 cs.LG

AI总结 SparseDitto是基于LLM的系统，可为不同矩阵、算子和GPU定制稀疏矩阵GPU内核，在多类算子与GPU上较cuSPARSE实现显著加速，还可提升GCN训练速度。

Empathy Modeling in Active Inference Agents for Perspective-Taking and Alignment

主动推断代理中的共情建模：用于视角转换与对齐

Mahault Albarracin, Hongju Pae, Philip Wilson, Anna Mikeda, Alejandro Jimenez-Rodriguez, Sanjeev V. Namjoshi, Harshil Shah

专题命中 规划决策 ：agent(abstract)；planning(abstract)

AI总结 该研究提出了一种基于主动推断的共情框架，通过视角转换实现稳定合作，揭示了共情结构对社会协调的关键作用。

Comments Code and data: https://doi.org/10.5281/zenodo.21908008

Actions Speak Louder than Words: Measuring Cross-Lingual Policy Retention in Tool-Using Agents

行动胜于言语：测量使用工具的智能体的跨语言策略保留率

Sourabrata Mukherjee, Kalika Bali, Sunayana Sitaram

机构 * Microsoft Research India（微软研究院印度分部） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.CL

AI总结 该研究测量使用工具的智能体的跨语言行动策略保留率，发现前沿模型在贪心解码下保留71%-73%策略，参数低于100亿时保留率崩溃，且存在影响测量的混淆因素。

Comments Accepted in COLM 26

Long-Horizon AI Research for Grothendieck Constant: A Case Study in Human-AI Mathematical Collaboration

格罗滕迪克常数的长周期AI研究：人机数学协作的案例研究

Alan Li, Rahul Saha, Anton Xue, Swarat Chaudhuri, Adam Klivans, Pravesh K Kothari, Raghu Meka

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

AI总结 本研究通过案例探究AI在数学研究中的有效应用，利用AI研究系统将格罗滕迪克常数的最优界收紧，同时分析了AI用于数学研究的优劣势及相关经验。

QUIETT: Query-Independent Table Transformation for Robust Reasoning

QUIETT：查询无关的表格转换以实现稳健的推理

Gaurav Najpande, Tampu Ravi Kumar, Manan Roy Choudhury, Neha Valeti, Yanjie Fu, Vivek Gupta

机构 * Arizona State University（亚利桑那州立大学） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.CL

AI总结 QuIeTT通过查询无关的表格转换框架，提升表格推理的可靠性和效率，实验显示在多个基准测试中表现优异。

Real-World Cooperative Bimanual Dexterous Grasp of Large Objects from Single-View Observations

基于单视图观测的真实场景中大型物体的双臂协同灵巧抓取

Ziming Li, Mingxuan Wu, Jiaqi Zhang, Hongfei Li, Yan Gan, Deqiang Ouyang, Ning Wang

机构 * The University of Auckland（奥克兰大学） ； Chongqing University（重庆大学） ； Southwest University（西南大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文针对机器人双臂抓取大型物体的挑战，提出含多模态数据集、DDPM模块及执行策略的真实场景双臂抓取框架，实验表明其对未见物体抓取成功率高。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

CRC-HGD: A Histopathological Image Dataset for Grading Colorectal Cancer

CRC-HGD：用于结直肠癌分级的组织病理学图像数据集

Elham Amjadi, Amin Bahreini, Sayed Mohammad Hasan Emami, Sayyed Mohammadreza Hakimian, Alireza Fahim, Hojjatollah Rahimi, Hamidreza Bolhasani

专题命中 规划决策 ：planning(abstract)

AI总结 介绍用于结直肠癌分级的CRC-HGD数据集，该数据集含1914张来自214名患者的图像，有四个放大级别，涵盖三个分化等级，可通过特定网址获取，能助力结直肠癌分级的全面计算分析。

Foam-Agent: A Large Language Model-Based Multi-Agent Framework for Automating Computational Fluid Dynamics Workflows

Foam-Agent：迈向自动化智能CFD工作流程

Ling Yue, Nithin Somasekharan, Tingwen Zhang, Yadi Cao, Zhangze Chen, Shimin Di, Shaowu Pan

机构 * Department of Computer Science, Rensselaer Polytechnic Institute（里士满理工学院计算机科学系） ； Department of Mechanical, Aerospace, and Nuclear Engineering, Rensselaer Polytechnic Institute（里士满理工学院机械、航空航天与核工程系） ； Department of Computer Science and Engineering, University of California San Diego（加州大学圣地亚哥分校计算机科学与工程系） ； College of Education, Zhejiang Normal University（浙江师范大学教育学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） 纠错

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

AI总结 Foam-Agent通过多智能体框架和大型语言模型，实现自动化CFD工作流程，显著提升模拟效率和成功率。

Comments 34 pages, 9 figures, 9 tables

Journal ref Computer Methods in Applied Mechanics and Engineering, Vol. 461, 119271 (2026)

Learning Latency-Aware Orchestration for Multi-Agent Systems

学习面向延迟的并行多智能体系统编排

Xi Shi, Mengxin Zheng, Qian Lou

机构 * University of Central Florida（中央佛罗里达大学） 纠错

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

AI总结 本文提出LAMaS框架，通过显式优化关键路径降低多智能体系统并行执行的延迟，提升效率和性能。

Comments Preprint. Previously this version appeared as arXiv:2607.13359 which was submitted as a new work by accident

When Truth Is Distributed: Misinformation Derails Collective Fact Recovery in LLM-Based Multi-Agent Systems

当真相被分散时：错误信息会破坏基于大语言模型（LLM）的多智能体系统中的集体事实恢复

Chenfei Yan, Zeyang Yue, Feifei Zhao, Erliang Lin, Lu Jia, Haibo Tong, Mingyang Lyu, Chengyi Sun, Yi Zeng

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

AI总结 本研究提出Hi-Agreement评估框架，发现基于LLM的多智能体系统中，关键证据持有者的虚假证词会破坏集体事实恢复，使恢复率从72.50%降至14.17%，且虚假证据会持续传播。

Moral Hazard in Multi-Agent Language Models

多智能体语言模型中的道德风险

Dane Malenfant

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

AI总结 研究多智能体语言模型中的道德风险，引入对话道德风险游戏，评估七个模型并分解行为，用多种优化机制更新，发现效果异质，强调应报告机制级行为而非仅团队成功。

Comments This revision substantially expands the empirical evaluation to eleven open-weight and three frontier models, adding matched query-cost, team-reward, group-size, and private-share incentive analyses. It also extends the weight-level and GEPA results, frozen-prompt information-structure interventions, statistical uncertainty analyses, and qualitative prompt/reasoning-trace studies

Unmasking Conversational Bias in AI Multiagent Systems

揭示AI多智能体系统中的对话偏见

Erica Coppolillo, Giuseppe Manco, Luca Maria Aiello

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

AI总结 该研究针对AI多智能体系统的对话偏见检测空白，提出对话型LLMs多智能体系统偏见量化框架，发现现有问卷式方法无法检测到该场景下的偏见，呼吁开发更复杂的偏见检测与缓解工具包。

Distributed Online Submodular Maximization under Communication Delays: A Simultaneous Decision-Making Approach

分布式在线子模优化在通信延迟下的研究：一种同时决策方法

Zirui Xu, Vasileios Tzoumas

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 本文提出分布式在线贪心算法DOG，解决通信延迟下的子模优化问题，通过结合对抗性带宽学习与延迟反馈，在任意网络拓扑中实现同时决策，分析协调性能与收敛时间的权衡。

Comments Accepted to ACC 2026

Anytime Plug-and-Play Control with Contract-Based Distributed MPC

基于契约的分布式模型预测控制的随时即插即用控制

Sabrina Bodmer, Danilo Saccani, Melanie N. Zeilinger, Andrea Carron

机构 * Institute for Dynamic Systems and Control, ETH Zurich（动态系统与控制研究所，苏黎世联邦理工学院） ； Institute of Mechanical Engineering, École Polytechnique Fédérale de Lausanne（机械工程研究所，洛桑联邦理工学院） 纠错

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

AI总结 研究多移动机器人应用中通信拓扑时变问题，提出基于局部通信的分布式控制算法，靠距离邻居定义和预测轨迹契约，有效支持智能体随时加入或离开，保证避碰和约束满足。

Asynchronous Distributed Bandit Submodular Maximization under Heterogeneous Communication Delays

异步分布式带宽子模最大化在异构通信延迟下的研究

Pranjal Sharma, Zirui Xu, Vasileios Tzoumas

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

AI总结 本文研究了在异构通信延迟下异步分布式多智能体带宽子模最大化问题，提出了一种异步协调算法，证明了其在通信延迟和时钟偏差下的近似保证。

AHD Agent: Agentic Reinforcement Learning for Automatic Heuristic Design

AHD代理：用于自动启发式设计的代理强化学习

Haoze Lv, Ning Lu, Ziang Zhou, Yew-Soon Ong, Shengcai Liu

机构 * Guangdong Provincial Key Laboratory of Brain-Inspired Intelligent Computation（广东脑启发智能计算重点实验室） ； Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） ； Zhongguancun Academy（中关村学院） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 本文提出AHD Agent，一种多轮框架，使LLM能主动决定生成启发式或调用工具获取环境证据，通过代理强化学习提升自动启发式设计效率。

Comments 8 pages, 7 figures for main content