AI Agent

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。

Hierarchical Soft Actor-Critic for Sparse-Reward Long-Horizon Reinforcement Learning

用于稀疏奖励长视野强化学习的分层软演员-评论家算法

Zahra Abdalla Elashaal, Afef Hfaiedh, Nahla Khraief, Issmail Ellabib, Giansalvo Cirrincione

机构 * National Engineering School of Tunis, University of Tunis El Manar（突尼斯艾尔玛纳尔大学突尼斯国立工程师学校） ； University of Tripoli（的黎波里大学） ； University of Picardie Jules Verne Amiens（亚眠皮卡第朱尔斯·凡尔纳大学） 纠错

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

AI总结 针对稀疏奖励长视野强化学习挑战，提出两级分层强化学习框架，高级战略规划与低级SAC算法结合并利用熵正则化策略优化，经SAR-2数据集训练评估，HRL-SAC在多方面优于普通SAC，为相关任务提供有前途的解决方案。

Comments 27 pages, 6 figures, 11 Tables

Generalization bounds and sample complexity for remaining useful life prediction from complete degradation trajectories

从完整退化轨迹进行剩余使用寿命预测的泛化界和样本复杂度

Huy Hoang Le, Kim-Anh Nguyen

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

AI总结 研究数据驱动的剩余使用寿命预测中样本复杂度问题，通过建立泛化界等七个围绕三个主题的结果，给出基本学习率，量化领域知识作用及数据质量影响，提供闭式表达式，跨域验证结果，为相关应用提供实用指南。

Comments This manuscript has been accepted for publication in Measurement Science and Technology. The final Version of Record is available at https://iopscience.iop.org/article/10.1088/1361-6501/ae7109/meta

Journal ref Meas. Sci. Technol. 37(2026) 226203

Toward Automated Detection of Documentation Inconsistencies in Electronic Health Records

迈向电子健康记录中文档不一致性的自动检测

Jian Lu, Panyu Chen, Miriam Treggiari, Robert Blessing, Danyang Zhuo, Chunhua Weng, William W. Stead, Anru R. Zhang

机构 * Duke University（杜克大学） ； Columbia University Medical Center（哥伦比亚大学医学中心） ； Vanderbilt University Medical Center（范德堡大学医学中心） 纠错

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

AI总结 研究旨在检测电子健康记录中文档不一致性，采用两阶段LLM管道对3000份出院小结进行分析，发现多种类型不一致及反复出现的失败模式，建立了方法基础和概念框架以指导后续大规模分析。

Share No More Than the Request Requires: Federated Disclosure for Perspective-Aware AI

按需共享：面向视角感知人工智能的联邦披露

Sourena Khanzadeh, Daniel Platnick, Marjan Alirezaie, Hossein Rahnama

机构 * Toronto Metropolitan University（多伦多都会大学） ； Flybits Labs（Flybits实验室） ； MIT Media Lab（麻省理工学院媒体实验室） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 研究跨域边界最小必要披露问题，提出“来源保留编年史”协议，通过编译持有者编年史为授权证据子图，遵循“按需共享”规则，保持本地主权并分阶段返回数据，实现安全披露上下文。

HiLLTS: Zero-Shot Hierarchical LLM-Guided Traffic Signal Control for Sustainable Transportation

HiLLTS：用于可持续交通的零样本分层大语言模型引导的交通信号控制

Yue Ding, Tendai Mukande, Mingming Liu

机构 * School of Electronic Engineering, Dublin City University（都柏林城市大学电子工程学院） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 针对传统交通信号控制策略的问题，提出HiLLTS框架，它采用分层三层架构，由中央协调代理等组成。实验表明其能改善拥堵和环境性能，相比不同基线，在减少等待时间和二氧化碳排放上效果显著，消融研究验证了大语言模型引导协调的作用。

Optimal Reward Shaping: Autonomous Car Parking Case Study

最优奖励塑造：自动驾驶汽车停车案例研究

Emre Özkaya, Nicolas R. Gauger

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 研究非完整约束下无模型强化学习奖励函数设计难题，提出含覆盖门控对齐反馈等的参数化奖励塑造框架，通过联合元优化及基于代理的贝叶斯优化，优化后的深度Q网络代理在停车任务中表现出色。

Comments 12 pages, 8 figures. Includes supplementary video demonstration and open-source code link

SafeStep: AI-powered Travel Assistance for Elderly People with Frailty or Dementia

SafeStep：为体弱或痴呆老年人提供的人工智能旅行辅助

Elderly People with Frailty or Dementia Azul Debenedetti, David Gamez, Franco Such, Nik Kairinos

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

AI总结 针对体弱或痴呆老人出行难题，SafeStep利用旅行图表示，结合大语言模型与Anticip8行为预测引擎，生成个性化失败场景并提出干预措施。经实验和实地研究评估，结合两者的方法性能可靠，虽界面可用性待改进，但能提升旅行信心与安全感，还可拓展应用于其他领域。

Offline RL with Hierarchical Action Chunking

基于分层动作分块的离线强化学习

Ahad Jawaid

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

AI总结 研究离线目标条件强化学习中扩展到长期任务的挑战，提出HiQC算法，结合高级潜在规划与低级动作分块，实现无偏k步价值备份，理论证明其价值误差界限更紧，实证表明在OGBench套件中性能最佳。

Comments RLC/RLJ 2026

Perspective Latents as an Architectural Condition for Causal Emergence in Active Inference Agents

视角潜在因素作为主动推理智能体中因果涌现的架构条件

Hongju Pae

机构 * Active Inference Institute（主动推理研究所） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 研究主动推理智能体中无奖励预测组织与信息理论特征的关系，通过特定架构智能体在无奖励环境切换协议中测试，确定\(g\)为与\(\Phi_r\)相关时间组织的架构位置，反对将\(\Phi_r\)作为学习整合直接指标。

Attribution Markets: A Fisher-Market Formulation for Fractional Credit Assignment Between Planned Tasks and Performed Actions

归因市场：计划任务与执行行动之间分数信用分配的费雪市场公式

Salavat Ishbulatov

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

AI总结 研究计划任务与执行行动间分数信用分配问题，构建准线性费雪市场，通过市场工具得出相关定理，扩展市场考虑任务进度折扣，解决算法收敛问题，提出基准发现问题，用熵正则化泛化及规则解决，报告参数并讨论局限，关联相关算法。

Comments 35 pages, 3 figures. Companion technical report with extended treatment of dynamic/forward-looking markets and reinforcement-learning extensions available separately

Approximate Quantum State Preparation Through Proximal Policy Optimization

通过近端策略优化进行近似量子态制备

Marco Mordacci, Michele Amoretti

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 该研究针对近似量子态制备这一难题，利用基于近端策略优化的深度强化学习，让智能体识别目标状态的最佳近似并减少门的使用，经2至5个量子比特实验，框架能实现10⁻¹⁴的近似误差。

Drift-Aware RL-based Wavelet Denoising for Network-Traffic Anomaly Detection

基于漂移感知强化学习的小波去噪用于网络流量异常检测

Priyalakshmi Sheela, Indrakshi Dey

机构 * Walton Institute, Department of Computing, South East Technological University（沃顿研究所，计算系，东南技术大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 研究针对网络流量监测受噪声和漂移影响问题，提出基于漂移感知强化学习的小波去噪框架，通过特定判断和选择机制优化异常检测及容量估计，以任务效用为奖励并与多种方法对比基准测试。

Comments Submitted to IEEE Transactions on Wireless Communications. This version has not yet undergone peer review