AI Agent

Machines that know they are aging: a framework for hardware-aware autonomous intelligence

感知自身老化的机器：面向硬件感知自主智能的框架

Cheng Siong Chin, Jianhua Zhang, Mohan Venkateshkumar

机构 * Newcastle University Singapore（新加坡纽卡斯尔大学） ； Qingdao University of Technology（青岛理工大学） ； Amrita Vishwa Vidyapeetham（阿姆里塔维什瓦维迪亚皮塔姆大学） 纠错

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

AI总结 针对自主系统硬件老化引发的任务失败问题，提出将硬件健康融入决策的 AAAI 框架，通过三大支柱实现系统自适应，提升弹性并延长寿命，适用于太空、医疗等关键环境。

Comments 1 figure, 8 pages

Can Large Language Models Execute Parent Orders?

大型语言模型能否执行父订单？

Zane Shen, Xinli Xu, Guangyi Zhang, Jialong Chen, Jinsong Zhou, Cong Chen, Guibao Shen, Dongyu Yan, Luozhou Wang, Zhen Yang

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

AI总结 该研究针对算法交易的父订单执行问题，提出分层框架PACE，基于深交所数据验证其性能优于现有方法，表明LLMs可辅助人类交易者执行决策。

Beyond Rephrasing: Book-Level Organization Improves Synthetic Textbook Data for Mid-Training

超越改写：书籍级组织提升训练中合成教科书数据的质量

Jiawen Tao, Miao Peng, Yaoming Li, Xiaokun Yuan, Mengzhou Wu, Wenhan Yu, Guoan Wang, Nuo Chen, Tong Yang, Maxm Pan

机构 * Peking University（北京大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 本研究提出可扩展的合成教科书数据流程，发现书籍级组织可提升语言模型训练中期的下游性能，在Llama3-8B上也验证了该设计维度的有效性。

Comments 31 pages, 3 figures, 11 tables

Contrastive Reinforced Policy Optimization via Privileged Self-Distillation

基于特权自蒸馏的对比强化策略优化

Xingjian Wu, Junlin Liu, Xingchen Liu, Xuhang Zhu, Jianing Wang, Linsen Guo, Xiaoyu Li, Xuezhi Cao, Xunliang Cai

专题命中 规划决策 ：agentic(abstract)；分类 cs.LG

AI总结 该研究针对在线策略自蒸馏的暴露偏差问题，提出CRPO方法，通过对比学习与分组对比保留优化信号，在13个推理基准上提升了训练稳定性与泛化性。

RoboBRIDGE: A Modular Framework for Bridging Policies to Robust Real-World Robotic Agents

RoboBRIDGE：一种将策略桥接至鲁棒现实世界机器人智能体的模块化框架

Sihyung Yoon, Minjong Yoo, Sanghyun Ahn, Seojeong Choi, Honguk Woo

机构 * Sungkyunkwan University（成均馆大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 该研究针对视觉-语言-动作模型部署为机器人智能体的缺陷，提出 RoboBRIDGE 模块化框架，通过五大协同模块结合预训练 VLAs 构建鲁棒智能体，在多基准和现实场景中性能优于现有方案。

Comments Accepted to IROS 2026. 8 pages, 6 figures

SAFViT: Spatial Attention Fusion Gating for Vision Transformer-Based Nucleus Segmentation and Classification

SAFViT：用于基于视觉Transformer的细胞核分割与分类的空间注意力融合门控

Harshit Mittal, Arash Rabbani

机构 * School of Computer Science, University of Leeds（利兹大学计算机学院） 纠错

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

AI总结 本研究针对数字病理学中细胞分割与分类的冗余信息问题，提出SAF门控模块替换CellViT的传统跳跃连接，在PanNuke和MoNuSeg数据集上使mPQ达0.471，死亡类F1分数提升14.5个百分点。

Arm2Air: Cross-Embodiment Skeleton Transfer for 3D Relay Formation

Arm2Air：用于三维中继组网的跨 embodiments 骨架迁移

Dohun Lee, Kyeonghyun Yoo, Seokmin Kim, Byongho Lee, Seungjoo Oh, Hwangnam Kim

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

AI总结 Arm2Air 实现跨 embodiments 骨架迁移，高效优化无人机中继部署，在规划速度、中继性能及数据效率上均优于基线方法，为异构 embodied 任务结构先验迁移提供新方案。

Comments 9 pages, 4 figures

Kalman Meets Curriculum: Efficient Dynamic Prompt Selection for Adaptive RL Finetuning

卡尔曼与课程学习结合：面向自适应RL微调的高效动态提示选择

Haodong Zhu, Yangyang Ren, Yanjing Li, Sheng Xu, Haiguang Liu, Linlin Yang, Baochang Zhang

机构 * Beihang University（北京航空航天大学） ； Zhongguancun Academy（中关村学院） ； Nanyang Technological University（南洋理工大学） ； Communication University of China（中国传媒大学） 纠错

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

AI总结 本文提出KGPS方法，将提示选择转化为动态状态估计问题，适配RL训练动态，在多推理基准和RL算法上较基线提升准确率与rollout效率，在在线提示选择中达最优。

Good Rankers, Bad Objectives: Bilinear Contrastive Critics under Expressive Policy Search

好的排序器，差的目标：表达性策略搜索下的双线性对比评判器

Ayushman Singh, Siddharth Aphale

机构 * Stanford University（斯坦福大学） ； Sesame AI（芝麻AI公司） 纠错

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

AI总结 该研究发现双线性对比评判器的排序能力与其优化安全性不匹配，其存在范数漂移等问题，在多任务中无法可靠排序动作，需结合价值校准标量用于动作选择。

Hierarchical Spatio-Temporal Transformer for Coherent Emergency Department Forecasting

用于连贯急诊科预测的分层时空Transformer

Filipa Lino, Bárbara Tavares, Carlos Santiago, Cláudia Soares, Manuel Marques

机构 * Institute for Systems and Robotics（系统与机器人研究所） ； LARSyS ； Instituto Superior Técnico（高等技术学院） ； NOVA School of Science and Technology（NOVA科学技术学院） 纠错

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

AI总结 该研究针对现有急诊科预测方法忽略层级关联导致预测不连贯的问题，提出HierSTT分层时空Transformer框架，在葡萄牙ED数据集上实现多层面连贯预测，性能优于非分层基线及经典分层协调方法。

Comments Accepted at 11th Workshop on Data Science for Social Good - ECML PKDD 2026

From Passive Video to Editable Experience: Physically Grounded Experience Synthesis for Embodied Intelligence

从被动视频到可编辑体验：具身智能的物理基础体验合成

Jia Luo

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

AI总结 针对具身AI的数据瓶颈，提出Pegasus低资源框架，通过结构化知识传递将人类操作视频转化为机器人可学习数据，经多基准与机器人评估验证其跨具身翻译及数据生成的有效性。

Forecasting Trajectory-Level Safety Risks in Black-Box Multi-Turn Interactions

黑盒多轮交互中轨迹级安全风险预测

Shi Lin, Peng Qian, Dinghao Liu, Renjie Sun, Sifan Wu, Dezhang Kong, Chenpei Wang, Xun Wang

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

AI总结 本文提出 Recast 框架，通过双尺度轨迹视图建模风险演变，可提前2.41轮预测88.3%的安全故障，误报率12.3%，实现轨迹级安全风险预测。

CalTwin: Towards Calibrated, Shift-Robust Medical World Models via Fisher-Information Regularisation

CalTwin：基于Fisher信息正则化的校准、分布偏移鲁棒医学世界模型研究

Behraj Khan, Shabir Ahmad, Syed Ahmad Chan Bukhari, Tahir Qasim Syed

机构 * Institute of Business Administration Karachi（卡拉奇商业管理学院） ； Gachon University（嘉泉大学） ； St. John’s University（圣约翰大学） 纠错

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

AI总结 本研究提出CalTwin方法，结合Fisher信息偏移惩罚与置信度失配惩罚，应用于GRU医学世界模型，在PhysioNet脓毒症挑战赛上显著降低了分布外隐状态预测误差，同时改善了置信度校准。

MetaKoopman: Bayesian Meta-Learning of Koopman Operators for Modeling Structured Dynamics under Distribution Shifts

MetaKoopman：用于分布偏移下结构化动力学建模的Koopman算子贝叶斯元学习框架

Mahmoud Selim, Sriharsha Bhat, Karl H. Johansson

机构 * TRATON（特拉顿集团） ； KTH Royal Institute of Technology（瑞典皇家理工学院） 纠错

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

AI总结 MetaKoopman作为贝叶斯元学习框架，通过学习Koopman算子先验实现分布偏移下非线性动力学的精准建模与预测，在卡车挂车系统的野外及模拟任务中表现优于现有方法，可用于鲁棒运动规划。

Journal ref Advances in Neural Information Processing Systems 38 (2025), 29551-29584

Early Verdicts, Better Budgets: Sequential Adaptive Rollout Allocation for Compute-Efficient RLVR

早期判定与更优预算：面向计算高效RLVR的序贯自适应rollout分配

Pixel Nomand, Elena Voss, Marcus Hale, Sofia Reyes

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Washington（华盛顿大学） 纠错

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

AI总结 针对RLVR中饱和组导致的rollout浪费问题，提出SARA方法，通过序贯分配规则减少rollout用量，在1.5B/3B模型上实现高效计算的同时保持性能。

AI Security Priorities: A Field-Wide Agenda

AI安全优先级：全领域议程

Gil Gekker, Rachel Steratore, Everett Smith, Asher Brass-Gershovich, Varun Gandhi, Nicole Nichols, Vijay Bolina, Buck Shlegeris, Lisa Einstein, Dan Lahav, Omer Nevo, Sella Nevo

专题命中 规划决策 ：agentic(abstract)；分类 cs.AI

AI总结 本文基于多领域专家访谈与研讨会，提出AI安全优先议程，涵盖四大主题，为AI安全领域的协调行动提供实践基础，服务从业者与新进入者。

Retrospective Orthogonal Design: Response-Surface Reconstruction from Observational Data

回顾性正交设计：基于观测数据的响应面重建

Lawrence Fulton, Christopher Fulton, Arvind Sharma, Aleksandar Tomic

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

AI总结 该研究提出回顾性正交设计（ROD），可从观测数据重建响应面，在多模拟场景及加权明瑟应用中表现优异，能生成与项顺序无关的平方和分配，为ROD规划提供样本量指导。

Schrödinger's Cat: Probabilistic Representation and Prediction of Potential Scene Kinematics

薛定谔的猫：潜在场景运动学的概率表示与预测

Timy Phan, Jannik Wiese, Björn Ommer

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

AI总结 研究如何从部分观测预测场景演变，提出GARFIELD概率模型，能学习潜在表示实现轨迹联合采样和运动分布访问，实验显示其在运动规划性能、采样速度及密度估计上优势显著。

Comments Accepted at ECCV 2026. Project page: https://compvis.github.io/schroedingers_cat

HiSkill: Empowering LLM Agents with Hierarchical Skill Graphs

HiSkill：利用分层技能图增强大语言模型智能体

Yu Hao, Jinxuan Cai, Qi Zhang, Yawen Li, Zhiqiang Zhang, Chuan Shi, Cheng Yang

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； China Mobile Group Shaanxi Co., Ltd（中国移动通信集团陕西有限公司） ； Ant Group（蚂蚁集团） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 研究提出HiSkill分层技能图框架，将交互轨迹组织成有向图，连接高级技能与可执行动作模板并捕捉多种关系。推理时检索子图引导任务执行，实验表明其在减少推理令牌消耗方面优于基线，有效弥合技能与动作差距。

Finding Optimal Cost-Bounded Plan Reductions: Refined Model

寻找最优成本受限计划约简：优化模型

Martha Del Toro, Raquel Fuentetaja, Angel García-Olaya

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

AI总结 研究在预算约束下从预设计划提取高效用子计划的问题，提出通过移除低效用目标动作约简计划，证明决策变体NP完全，给出基于超额预订规划和整数线性规划的精确方法，还引入优化ILP公式提升效率。

Comments Extended version of a paper accepted at ICAPS 2026 (doi: 10.1609/icaps.v36i1.42849). Includes a new model and expanded experimental results

Beyond Single-Episode Optimization: Sliding-Window Aware Generative Auto-Bidding for Long-Term Advertising Effectiveness

超越单轮优化：用于长期广告效果的滑动窗口感知生成式自动出价

Binglin Wu, Chuan Yue, Yingyi Zhang, Xianneng Li, Ruyue Deng, Weiru Zhang, Xiaoyi Zeng

机构 * Dalian University of Technology（大连理工大学） ； Alibaba International Digital Commerce Group（阿里巴巴国际数字商业集团） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 研究长期广告自动出价问题，提出SWAG - Bid分层框架，将其分解为轮次级规划与步骤级执行，规划器用掩码轨迹模型预测市场，控制器通过PSG - AdaLN调整，实验表明该方法在滑动窗口评估下有竞争力。

A Unified Algorithmic Framework for Hybrid Reinforcement Learning in Tabular MDPs with Shifted Transition Dynamics

表格型马尔可夫决策过程中具有转移过渡动态的混合强化学习统一算法框架

Zheshun Wu, Renjie Zheng, Jinhang Zuo, Zenglin Xu, Fang Kong

机构 * Southern University of Science and Technology（南方科技大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； City University of Hong Kong（香港城市大学） ； Fudan University（复旦大学） ； Shanghai Academy of AI for Science（上海人工智能研究院） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 研究表格型MDP中混合强化学习，提出含MIN-UCB-VI和MAX-LCB-VI的统一算法框架，利用细粒度偏差信息有效利用离线数据，给出理论保证并通过实验验证，解决离线数据因转移动态而无效的问题。

Comments 59 pages, 3 figures, and 2 tables

Two-Timescale Hierarchical Reinforcement Learning for Resilient Operations

用于弹性运营的双时间尺度分层强化学习

Young Hyun Cho, Franz Stoll, Will Wei Sun, Guang Lin, Stephan Biller

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

AI总结 研究全球运营中意外冲击下的决策问题，提出双时间尺度分层强化学习框架，通过同步更新长期和短期策略增强弹性，在二手车案例中提高利润并保持稳定，且不改变现有决策结构。

Explainable Reinforcement Learning via Physics-Aware Policy Distillation

通过物理感知策略蒸馏实现可解释强化学习

Shaker Al-Tamari, Waled Kadour

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 研究针对安全关键领域中深度强化学习的黑箱问题，利用策略蒸馏框架，以高性能TD3为教师模型，基于浅层决策树生成可解释学生代理，通过特定方法生成数据集，实现性能与教师相当并保持系统稳定性和可解释性。

Comments 6 pages, 7 figures

CADER: Confidence-Aware Dynamic Evidence Reasoning for Long-Video Understanding

CADER：用于长视频理解的置信度感知动态证据推理

Jinlong Yang, Wenhao Zhang, Kuanwei Lin, Sijie Cheng

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

AI总结 针对长视频理解中现有系统推理过程不考虑难度的问题，提出CADER框架。它先全局推理估计置信度让高置信度示例提前退出，对不确定示例激活第二阶段工具增强循环定位证据，实验证明其能提升长视频推理能力并提供实用推理路线。

KAP: Bridging the Knowledge Selection-Runtime Consumption Gap in LLM Systems

KAP：弥合大语言模型系统中知识选择与运行时消耗的差距

Shuo Wang, Fang Xi, Wenyuan Huang, Qing Wang, Junming Su

机构 * QiYuanLab（启元实验室） 纠错

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

AI总结 研究大语言模型系统中知识选择与运行时消耗的差距，提出知识访问规划（KAP）范式，通过建立通用中间表示编译知识信号控制KV访问，以GraphSpec实例化，改变长上下文生成扩展轨迹，提升运行时消耗效率。

Comments 3 figures, 5 tables

Constrained Reinforcement Learning Using Successor Representations

使用后继表示的约束强化学习

Michael Girstl, Alexander Mattick, Christopher Mutschler

机构 * Technical University of Darmstadt (TU Darmstadt)（达姆施塔特工业大学） ； Hessian Center for Artificial Intelligence (hessian.AI)（黑森州人工智能中心） ； Fraunhofer Institute for Integrated Circuits IIS, Fraunhofer IIS（弗劳恩霍夫集成电路研究所IIS） ； University of Technology Nuremberg (UTN)（纽伦堡工业大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 研究针对现实世界强化学习中策略难适应成本函数变化的问题，提出SafeDSR方法，通过引入可学习权重矩阵扩展深度后继表示到约束强化学习，能快速重训策略，在二维导航环境展示竞争力与灵活性。

Comments published in Transactions for Machine Learning Research 2026

Journal ref Michael Girstl, Alexander Mattick, & Christopher Mutschler (2026). Constrained Reinforcement Learning Using Successor Representations. Transactions on Machine Learning Research

MulRobBench: A Decision-Level Benchmark for Safe and Security-Policy-Compliant Multimodal UAV Agents

MulRobBench：用于安全且符合安全策略的多模态无人机智能体的决策级基准测试

Belal S. Alsinglawi, Weizheng Wang, Junyi Wu, Yi Jiang, Lianhai Lin, Merouane Debbah, Izzat Alsmadi

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

AI总结 智慧城市中无人机需在复杂条件下决策，MulRobBench作为决策级基准测试，将多模态观测、安全策略等集成，含多任务样本和评分维度，评估结合多种方式，给出模型得分，通过研究找出决策不稳定原因，为无人机多模态决策提供可重复基准。

Comments 22 pages, 18 figures, 17 tables

A Few Words Go a Long Way: Language Guided Robot Policy Synthesis

寥寥数语，成效显著：语言引导的机器人策略合成

Daphne Chen, Archit Ritesh Jain, Eric Goossen, Emma Romig, Michael Murray, Nick Walker, Maya Cakmak

机构 * University of Washington（华盛顿大学） ； Microsoft Research（微软研究院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 研究针对视觉-语言-动作模型难以解释等问题，提出ARCHITECT框架，利用大语言模型编码代理合成模块化机器人程序，通过人类自然语言修正引导策略并积累技能库，在机器人基准评估中表现出色，提供了新的机器人学习方案。

Training Language Models to Cooperate with Inference-Time Controllers

训练语言模型以与推理时控制器协作

Moumita Choudhury, Vanshaj Khattar, Jing Liu, Toshiaki Koike-Akino, Ankush Chakrabarty, Shlomo Zilberstein, Ye Wang

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

AI总结 研究LLM性能依赖推理时控制器的问题，提出CALM框架，将其表述为多任务强化学习，通过模块级分解研究训练策略，评估显示该框架能提升推理时工作流程的泛化能力。