AI Agent

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

Trace Only What You Need: Structure-Aware On-Demand Hypergraph Memory for Long-Document Question Answering

仅追踪所需：面向长文档问答的结构感知按需超图记忆

Xiangjun Zai, Xingyu Tan, Chen Chen, Xiaoyang Wang, Wenjie Zhang

机构 * University of New South Wales（新南威尔士大学） ； CSIRO（澳大利亚联邦科学与工业研究组织） ； University of Wollongong（伍伦贡大学） 纠错

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

AI总结 提出DocTrace，一种多智能体RAG框架，通过查询触发的知识组织、文档结构感知和经验引导推理，解决长文档问答中知识组织成本高、结构利用不足和推理经验无法复用的问题，在三个数据集上取得最佳性能。

From Guessing to Seeing: Enhancing LLM-Based Program Repair via Trace-Guided Multi-strategy Debate

通过多智能体辩论引导的运行时执行轨迹指导的自动程序修复

Jiaqing Wu, Tong Wu, Manqing Zhang, Yunwei Dong, Bo Shen

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

AI总结 本文提出TraceRepair框架，利用运行时事实作为共享约束进行补丁验证，通过多智能体协作提高修复效率和泛化能力，实验显示其在修复缺陷和处理新 bug 数据集上表现优异。

Comments 13 pages, 4 figures, 10 tables. Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026)

Worst-Case Distance-Aware Error Bounds for Neural Networks

K-DAREK：基于距离的Kurkova- Kolmogorov网络误差

Masoud Ataei, Vikas Dhiman, Mohammad Javad Khojasteh

机构 * Microelectronic Engg. Rochester Institute of Technology Rochester, NY, USA（微电子工程系罗切斯特理工学院罗切斯特分校） 纠错

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

AI总结 K-DAREK是一种基于距离的Kurkova-Kolmogorov网络误差算法，用于高效且可解释的函数近似，具有不确定性量化和稳健的误差界。

HCRide: Harmonizing Passenger Fairness and Driver Preference for Human-Centered Ride-Hailing

HCRide：面向以人为中心的网约车服务，协调乘客公平性与司机偏好

Lin Jiang, Yu Yang, Guang Wang

机构 * Department of Computer Science, Florida State University（佛罗里达州立大学计算机科学系） ； Department of Computer Science and Engineering, Lehigh University（莱斯利大学计算机科学与工程系） 纠错

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

AI总结 本研究设计了基于Habic算法的HCRide网约车系统，在不损害效率的前提下协调乘客公平性与司机偏好，经深圳和纽约数据集验证，其效率、公平性及司机偏好满意度均优于现有基线。

Comments 9 pages, 4 figures. Accepted as a regular paper in the Human-Centred Artificial Intelligence Track at IJCAI 2025

Risk Is Not the Target: A Monotonic Framework for Evaluating Wildfire Operational Risk Signals

风险不是目标：评估野火运行风险信号的单调框架

Nicolas Caron, Christophe Guyeux, Hassan Noura, Maxime Coulmeau, Benjamin Aynes

机构 * Météo-France（法国气象局） ； INRAE（法国国家农业、食品与环境研究院） 纠错

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

AI总结 研究提出用单调评估框架衡量野火风险系统预测分数与运行负荷关系，比较DFE、GRU模型及FARS三种方法，发现DFE单调性最佳，GRU局部强但风险水平分布不佳，FARS有局限性，好风险模型应能解释运行动态。

Comments Accepted in 2026 IEEE 50th Annual Computers, Software, and Applications Conference (COMPSAC)

Mixed-Initiative Human-Robot Teaming under Suboptimality with Online Bayesian Adaptation

次优情境下的混合主动人机协同：在线贝叶斯自适应方法

Manisha Natarajan, Chunyue Xue, Sanne van Waveren, Karen Feigh, Matthew Gombolay

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

AI总结 本研究针对次优人机协同场景，提出在线贝叶斯自适应方法，可推断人类配合机器人协助的意愿，实验表明该方法能显著提升团队客观性能与用户主观指标。

Comments 9 pages, 4 pages for supplementary

A Self-Evolving Default Action for Cooperative Tasks with Continuous Action Space

具有连续动作空间的合作任务的自进化默认动作

Shuangyao Huang

机构 * XJTLU（西交利物浦大学） 纠错

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

AI总结 研究连续动作空间合作任务中反事实信用分配难题，提出SAFE框架，利用自进化默认动作构建反事实基线，解决偏差和收敛问题，实验证明其性能优于现有模型。

Graph Feedback Controls Consensus and Clique Formation in Open-Weight Language-Model Populations

开放权重语言模型群体中的图反馈控制共识与团形成

Samer Saab, Chaouki Abdallah

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

AI总结 研究开放权重语言模型群体中惯例形成，通过命名游戏协议，利用受限首令牌分数构建状态相似性图，对比不同路由方式在多模型网格中的表现，发现保留历史有助于趋向共识，相关特征可用于诊断。

Comments Revised and expanded version with additional matched routing controls, population-composition experiments, consensus-persistence analyses, task-grounded evaluations, and expanded reproducibility details

From Context to Skills: Can Language Models Learn from Context Skillfully?

从上下文到技能：语言模型能否从上下文中熟练学习？

Shuzheng Si, Haozhe Zhao, Yu Lei, Qingyi Wang, Dingwei Chen, Zhitong Wang, Zhenhailong Wang, Kangyang Luo, Zheng Wang, Gang Chen, Fanchao Qi, Minjia Zhang, Maosong Sun

机构 * THU（清华大学） ； DeepLang AI ； UIUC（伊利诺伊大学香槟分校） ； FDU（福建大学） ； CUHK（香港中文大学） 纠错

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

AI总结 提出Ctx2Skill框架，通过多智能体自博弈和跨时间回放机制，自动从上下文中发现、提炼和选择技能，提升语言模型在复杂上下文中的学习能力。

When LLMs Over-Answer: Measuring and Mitigating Quality Issues in LLM-Based Hardware Description Language Question Answering

当大语言模型过度回答时：测量和缓解基于大语言模型的硬件描述语言问答中的质量问题

Ziteng Hu, Jiachi Chen, Wenhao Lv, Huan Zhang, Yingjie Xia

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

AI总结 研究基于大语言模型的硬件描述语言问答质量问题，收集相关问答帖子构建数据集并开展用户研究，发现LLMs存在过度回答倾向。据此提出多智能体框架，用特定指标评估答案质量，该框架有效提升了主流LLMs的回答质量。

Active Electrosensing and Communication in MARL-trained Weakly Electric Fish Collectives

在多智能体强化学习训练的弱电鱼群体中的主动电感应与通信

Satpreet H. Singh, Sonja Johnson-Yu, Zhouyang Lu, Aaron Walsman, Federico Pedraja, Denis Turcu, Pratyusha Sharma, Naomi Saphra, Nathaniel B. Sawtell, Kanaka Rajan

机构 * Harvard University（哈佛大学） ； Brown University（布朗大学） ； Columbia University（哥伦比亚大学） ； MIT（麻省理工学院） 纠错

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

AI总结 研究个体互动如何产生复杂集体行为，通过多智能体强化学习训练弱电鱼样智能体集体觅食，再现真实鱼类特征，经模拟干预和神经动力学分析确定因果驱动因素，为弱电鱼等社会动物神经行为学研究提供新思路。

Learning to Make Friends: Coaching LLM Agents toward Emergent Social Ties

学习交朋友：引导大语言模型智能体形成新兴社会关系

Philipp J. Schneider, Lin Tian, Marian-Andrei Rizoiu

机构 * EPFL Lausanne, Switzerland（洛桑联邦理工学院） ； University of Technology Sydney（悉尼技术大学） 纠错

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

AI总结 研究LLM智能体能否再现人类在线行为社会动态及相关机制。提出多智能体LLM模拟框架，设计行为奖励函数，经实验发现引导后的智能体形成稳定互动与社会关系，为研究LLM群体集体动态建立测试平台。

Comments NeurIPS 2025 Workshop: Scaling Environments for Agents (SEA)

SPIN: Decentralized Swarm Control via Tensorized Policy Coordination

SPIN: 通过张量化策略协调实现去中心化集群控制

Zhaowen Fan, Yunxiang Han

机构 * Zhaowen Fan（Fan 资深研究员） 纠错

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

AI总结 提出SPIN框架，利用张量网络分解联合策略，将指数复杂度降为线性，并通过离线训练的神经符号管道实现边缘设备上的低延迟去中心化集群控制。

Comments 13 pages, 6 figures, 2 tables, 7 sections

When Cultures Move: Measuring and Improving Multicultural Text-to-Video Generation

MAVEN：面向多元文化文本到视频生成的多智能体框架

Shuowei Li, Yuming Zhao, Parth Bhalerao, Oana Ignat

机构 * Santa Clara University（圣克拉拉大学） 纠错

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

AI总结 提出MAVEN多智能体提示优化框架，通过并行或串行分解提示为人物、动作、地点维度，提升单文化和跨文化文本到视频生成的文化保真度，并构建包含243个文化提示和972个视频的基准进行评估。

Comments [14] pages, [6] figures, [11] tables, appendix included. Preprint

Can We Steer the Black-Box? Towards Controllability-Centric Evaluation of Recommender Systems with Collaborative Agents

我们能操控黑箱吗？迈向以可控性为中心的协同代理推荐系统评估

Jiwen Zhou, Xiang Liu, Mingming Li, Pengbo Mo, Jiao Dai, Honglei Lv, Jizhong Han, Songlin Hu

机构 * Institute of Information Engineering, Chinese Academy of Sciences, China（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences, China（中国科学院大学网络安全学院） 纠错

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

AI总结 针对推荐系统缺乏可控性的问题，提出CtrlBench-Rec协同多智能体框架，形式化三个基本任务衡量可操纵性，通过实验有效量化可控性、揭示系统瓶颈，为可控推荐研究等提供首个标准化工具包。

SycoEval-EM: Sycophancy Evaluation of Large Language Models in Simulated Clinical Encounters for Emergency Care

SycoEval-EM：急诊护理模拟临床场景中大语言模型的谄媚评估

Dongshen Peng, Yi Wang, Austin Schoeffler, Sun-ha Hong, Brian Suffoletto, David Kim, Carl Preiksaitis, Christian Rose

机构 * UNC Chapel Hill（UNC夏洛特山分校） ； University of Waterloo（滑铁卢大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出SycoEval-EM多智能体模拟框架，评估19个LLM在急诊医学中对患者说服的鲁棒性，发现谄媚率呈双峰分布，静态医学基准无法预测安全表现。

Comments 19 pages, 10 figures

Mechanical Conscience: A Mathematical Framework for Dependability of Machine Intelligence

机械良知：机器智能可信赖性的数学框架

Munkhdelgerekh Batzorig, Purevbaatar Ganbold, Kyungbin Park, Pilkong Jeong, Kangbin Yim

机构 * Department of Information Security Engineering, Soonchunhyang University（信息安全工程系，Soonchunhyang大学） ； Department of Mobility Convergence Security, Soonchunhyang University（移动融合安全系，Soonchunhyang大学） 纠错

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

AI总结 提出机械良知（MC）概念，通过轨迹级规范过滤最小化修正基线策略，降低累积偏离，并处理认知不确定性，实现单智能体与分布式智能系统的可信赖性。

Comments 9 pages, 2 figures. Preprint

Beyond Scalar Rewards: Dense Feedback for LLM Policy Synthesis in Sequential Social Dilemmas

超越标量奖励：面向序列社会困境的LLM策略合成中的密集反馈

Víctor Gallego

机构 * Komorebi AI Technologies（Komorebi AI技术公司） 纠错

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

AI总结 本研究通过反馈工程，比较稀疏奖励与密集社会指标反馈对LLM在多智能体环境中生成程序化策略的影响，发现密集反馈能打破奖励别名，提升策略性能。

Comments Accepted to NExT-Game 2026: New Frontiers in Game-Theoretic Learning, ICML 2026 Workshop. Camera-ready version

Dataset Construction for Training LLM to Learn Analog Circuit Knowledge

用于训练大语言模型学习模拟电路知识的数据集构建

Zihao Chen, Ji Zhuang, Jinyi Shen, Xiaoyue Ke, Xinyi Yang, Mingjie Zhou, Zhuoyao Du, Xu Yan, Zhouyang Wu, Zhenyu Xu, Jiangli Huang, Li Shang, Xuan Zeng, Fan Yang

机构 * Fudan University（复旦大学） 纠错

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

AI总结 本文构建文本数据集并定制训练技术，使大语言模型学习模拟电路知识；通过多智能体框架生成结构化四元组，结合SFT与KL散度正则化提升性能。

LLM-Aided Joint Secrecy Precoding and Trajectory for RSMA-Based Heterogeneous UAV Networks

基于RSMA的异构无人机网络中LLM辅助的联合保密预编码与轨迹设计

Lijie Zheng, Ji He, Shih Yu Chang, Yulong Shen

机构 * School of Computer Science and Technology, Xidian University（西安电子科技大学计算机科学与技术学院） ； Department of Applied Data Science, San Jose State University（圣何塞州立大学应用数据科学系） 纠错

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

AI总结 针对RSMA异构无人机网络中的安全通信问题，提出分层优化框架：内层用SDR-S2DC算法求解固定位置下的保密预编码，外层用LLM引导的多智能体强化学习优化轨迹，实现保密速率与能效的权衡。

Comments Submitted to IEEE Transactions on Mobile Computing

Learning to Explain Air Traffic Situation

学习解释空中交通态势

Hong-ah Chai, Seokbin Yoon, Keumjin Lee

机构 * Korea Agency for Infrastructure Technology Advancement（韩国基础设施技术革新机构） 纠错

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

AI总结 提出基于Transformer的多智能体轨迹模型，通过注意力得分量化单机对整体动态的影响，为空中交通管制员的态势感知提供可解释性。

Comments 5 pages, 3 figures, minor revisions to address reviewer feedback for final submission to the First US-Europe Air Transportation Research and Development (ATRD) Symposium

Subjective-Graph LLM Agents for Simulating Uncertainty in Classroom Social Perception

主观图LLM智能体用于模拟课堂社会感知中的不确定性

Jinming Yang, Xinyu Jiang, Xinshan Jiao, Xinping Zhang

机构 * Complex Lab, School of Computer Science and Engineering（复杂实验室，计算机科学与工程学院） ； University of Electronic Science and Technology of China（电子科学与技术大学） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； School of Health and Medical Technology, Chengdu Neusoft University（成都新软大学健康与医疗技术学院） 纠错

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

AI总结 提出基于主观图和可信度通信的多智能体框架，模拟课堂中学术地位的持久扭曲，在12个班级482名学生数据上验证，排名误差从0.066增至0.124。

An AI Co-Data-Scientist for Prioritizing Candidate Biomarkers from Wearable Sensor Data

AI协同数据科学家：从可穿戴传感器数据中优先筛选候选生物标志物

Yubin Kim, Salman Rahman, Samuel Schmidgall, Chunjong Park, A. Ali Heydari, Ahmed A. Metwally, Hong Yu, Xin Liu, Xuhai Xu, Yuzhe Yang, Hyeonhoon Lee, Hyewon Jeong, Kyungho Lim, MingYu Lu, Dongjae Lee, Theodora Pappa, Hanseul Cho, Maxwell A. Xu, Zhihan Zhang, Cynthia Breazeal, Tim Althoff, Petar Sirkovic, Ivor Rendulic, Annalisa Pawlosky, Nicolas Stroppa, Juraj Gottweis, Elahe Vedadi, Alan Karthikesalingam, Pushmeet Kohli, Mark Malhotra, Shwetak Patel, Samir Tulebaev, Hae Won Park, Vivek Natarajan, Hamid Palangi, Daniel McDuff

机构 * Google Research（谷歌研究） ； Massachusetts Institute of Technology（麻省理工学院） ； Google DeepMind（谷歌DeepMind） ； Seoul National University Hospital（首尔国立大学医院） ； Yonsei University College of Medicine（延世大学医学院） ； University of Washington（华盛顿大学） ； Korea University Guro Hospital（韩国大学Guro医院） ； Mass General Brigham（麻省总医院） ； Brigham and Women’s Hospital（哈佛医学院布莱尔妇女医院） ； Google Cloud AI（谷歌云AI） 纠错

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

AI总结 提出CoDaS系统，集成多智能体假设生成、统计分析和对抗验证，从可穿戴数据中优先筛选心理健康和代谢终点相关候选生物标志物，经临床验证与专家判断一致。

Evolving Many Worlds: Towards Open-Ended Discovery in Petri Dish NCA via Population-Based Training

演化多重世界：通过基于种群的训练在 Petri 培养皿 NCA 中实现开放式发现

Uljad Berdica, Jakob Foerster, Frank Hutter, Arber Zela

机构 * FLAIR, University of Oxford（奥克斯大学FLAIR实验室） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； University of Freiburg（弗赖堡大学） ； Prior Labs（Prior实验室） ； EPFL（瑞士联邦理工学院洛桑分校） 纠错

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

AI总结 提出 PBT-NCA 元进化算法，通过复合目标（历史行为新颖性与当代视觉多样性）演化 Petri 培养皿神经细胞自动机种群，自发产生持续涌现的生命现象，实现开放式演化。

Comments 10 pages, 12 figures

United Minds or Isolated Agents? Exploring Coordination of LLMs under Cognitive Load Theory

统一思维还是孤立代理？探索认知负荷理论下LLM的协调

HaoYang Shang, Xuan Liu, Zi Liang, Jie Zhang, Haibo Hu, Song Guo

机构 * Hong Kong University of Science and Technology（香港科技大学） ； University of California San Diego（加州大学圣地亚哥分校） ； Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 受认知负荷理论启发，提出CoThinker多智能体框架，通过智能体分工和结构化通信降低认知负荷，在复杂推理任务上提升性能，但在低负荷任务上协调开销占优。

Simulation of Language Evolution under Regulated Social Media Platforms: A Synergistic Approach of Large Language Models and Genetic Algorithms

受监管社交媒体平台下的语言演化模拟：大语言模型与遗传算法的协同方法

Jinyu Cai, Yusei Ishimizu, Mingyue Zhang, Munan Li, Jialong Li, Kenji Tei

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

AI总结 提出基于大语言模型的多智能体框架，结合遗传算法模拟用户语言策略在监管下的迭代演化，实验表明对话轮次增加可提升信息传递准确性和对话持续性。

Comments The manuscript has been accepted to IEEE Transactions on Computational Social Systems

Self-Driving Datasets: From 20 Million Papers to Nuanced Biomedical Knowledge at Scale

自主驾驶数据集：从2000万篇论文到大规模精细化生物医学知识

Haydn Jones, Yimeng Zeng, Alden Rose, Li S. Yifei, Yining Huang, Kaiwen Wu, Jiaming Liang, Maggie Ziyu Huan, Yoseph Barash, Cesar de la Fuente-Nunez, Osbert Bastani, Zachary Ives, Mark Yatskar, Jacob R. Gardner

机构 * Department of Computer and Information Science, University of Pennsylvania（宾夕法尼亚大学计算机与信息科学系） ； Department of Genetics, University of Pennsylvania（宾夕法尼亚大学遗传学系） ； Departments of Bioengineering and Chemical and Biomolecular Engineering, University of Pennsylvania（宾夕法尼亚大学生物工程与化学与生物分子工程系） 纠错

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

AI总结 本文提出通过PubMed自动生成结构化数据集，实现更大规模、更精细和更准确的生物医学知识，展示Starling系统在多个任务中生成大规模数据集并提升准确性。

A Distributionally Robust Reinforcement Learning Framework for Constrained Urban EV Dispatch

面向约束城市电动汽车调度的分布鲁棒强化学习框架

An Nguyen, Hoang Nguyen, Phuong Le, Hung Pham, Cuong Do, Laurent El Ghaoui

机构 * College of Engineering and Computer Science, VinUniversity, Hanoi, Vietnam（VinUniversity 工程与计算机科学学院，河内，越南） ； Center for Environmental Intelligence, VinUniversity, Hanoi, Vietnam（VinUniversity 环境智能中心，河内，越南） 纠错

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

AI总结 针对城市电动汽车调度中充电站和馈线容量约束及不确定需求，提出基于半马尔可夫决策过程与分布鲁棒软演员-评论家算法，通过图卷积编码器和滚动混合整数线性规划保证可行性，在纽约出租车数据仿真中实现最高净利润且零违规。

Comments 13 pages, 9 figures. Submitted to Neurocomputing

A Generalized Sinkhorn Algorithm for Mean-Field Schrödinger Bridge

平均场薛定谔桥的广义Sinkhorn算法

Asmaa Eldesoukey, Yongxin Chen, Abhishek Halder

机构 * Department of Aerospace Engineering, Iowa State University（爱荷华州立大学航空航天工程系） ； School of Aerospace Engineering, Georgia Institute of Technology（佐治亚理工学院航空航天工程学院） 纠错

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

AI总结 针对平均场薛定谔桥问题，提出广义Hopf-Cole变换并设计Sinkhorn型递归算法求解积分-偏微分方程组，在弱假设下证明收敛性，数值实验验证有效性。