The Hidden Water Geography of U.S. Hyperscale Data Centers in the AI Era
人工智能时代美国超大规模数据中心隐藏的水地理情况
机构 * Harvard University（哈佛大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 研究美国超大规模数据中心用水路径，通过关联设施位置与电力区域等数据绘制472个设施的两种用水路径图，明确不同路径热点地理分布及占比，指出决策重点。
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. 规划决策 1921 篇
Constrained Flow Matching via Lagrangian Dual Flows
通过拉格朗日对偶流进行约束流匹配
机构 * DePaul University（德保罗大学） ； Rice University（里士满大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 研究在生成建模中加入推理时约束的问题，提出基于拉格朗日对偶动力学的拉格朗日对偶流技术，能保证非线性约束满足，算法简单有效并建立新理论联系。
Hardware-Enforced Semantic Coordination for Safety-Critical Real-Time Autonomous Systems
面向安全关键实时自主系统的硬件强制语义协调
机构 * Department of Computer Science University of the Bundeswehr Munich Neubiberg, Germany ； Department of Computer Science Sapienza University of Rome Rome, Italy ； STAKE Lab University of Molise Campobasso, Italy
专题命中 规划决策 ：agentic(abstract)；分类 cs.AI
AI总结 针对异构组件并发运行下的协调问题，提出基于FPGA的硬件强制语义协调架构，将TB-CSPN协调机制映射到硬件原语，实现确定性协调和安全保障。
Comments 1 figure, 6 pages
Probabilistic Low-Voltage Peak Load Forecasting with Time Series Foundation Models Evaluated on Application-Oriented Metrics
基于时间序列基础模型的概率低压峰值负荷预测及其面向应用的评估指标
机构 * Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院） ； Netze BW GmbH（Netze BW有限公司）
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 本研究评估时间序列基础模型在200个实际低压馈线短期净负荷预测中的性能，提出面向应用的指标连接峰值预测与电网资产规划中的成本-风险权衡。
Comments A poster abstract of this publication will be available at the 15th DACH+ Conference on Energy Informatics (2026 in Linz, Austria)
FaithMed: Training LLMs For Faithful Evidence-Based Medical Reasoning
FaithMed: 训练大语言模型进行忠实于证据的医学推理
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Stanford University School of Medicine（斯坦福大学医学院） ； Xlue
专题命中 规划决策 ：agentic(abstract)；分类 cs.CL
AI总结 提出FaithMed框架，通过过程级奖励和优势分组强化学习，监督LLM在医学推理中忠实评估和应用检索证据，在7个基准上平均提升9%。
Comments 15 pages, 5 figures
AGC-Bench: Measuring Artificial General Creativity
AGC-Bench：衡量人工通用创造力
机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校） ； University of Amsterdam（阿姆斯特丹大学） ； Amazon AGI（亚马逊AGI） ； Dartmouth College（达特茅斯学院）
专题命中 规划决策 ：agentic(abstract)；分类 cs.CL
AI总结 提出AGC-Bench基准，通过系统文献综述和标准化框架评估LLM创造力，发现单一创造力因子'c'，并验证提示'要有创造力'比推理更有效。
Local Motion Matters: A Deconstruct-Recompose Paradigm for Reinforcement Learning Pre-training from Videos
局部运动至关重要：一种用于从视频中进行强化学习预训练的解构-重组范式
机构 * Beijing Jiaotong University（北京交通大学） ； Beijing Key Laboratory of Traffic Data Mining and Embodied Intelligence（北京交通数据挖掘与具身智能重点实验室）
专题命中 规划决策 ：agent(abstract)；分类 cs.LG
AI总结 提出解构-重组范式（DRP），通过解构全局运动为原子动作学习局部运动表示，再重组以加速下游策略学习，在机器人控制任务中显著提升样本效率。
Comments 20 pages, 16 figures
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pages 9859-9868
Self-GC: Self-Governing Context for Long-Horizon LLM Agents
Self-GC：面向长周期LLM智能体的自管理上下文
专题命中 规划决策 ：agent(abstract)；分类 cs.AI
AI总结 提出Self-GC框架，通过将工具结果、文件等上下文对象索引化，并利用侧信道规划器进行折叠、掩码和剪枝操作，实现长周期智能体的上下文生命周期管理，显著减少前缀令牌且不影响未来延续。
Auditing Empirical Comparisons in Quantum Software
量子软件中经验比较的审计
专题命中 规划决策 ：planning(abstract)；分类 cs.SE
AI总结 提出CLAIMSTAB-QC框架，通过锁定比较设计并分类结果方向，审计量子软件论文中的经验比较，发现多数比较存在证据不足的“物化差距”。
Comments 12 pages, 4 figures, 5 tables
VideoSearch-R1: Iterative Video Retrieval and Reasoning via Soft Query Refinement
VideoSearch-R1: 通过软查询细化实现迭代视频检索与推理
机构 * KAIST（韩国科学技术院） ； Korea University（高丽大学）
专题命中 规划决策 ：agentic(abstract)；分类 cs.AI
AI总结 提出VideoSearch-R1框架，通过软查询细化（SQR）在连续潜空间优化搜索查询，结合GRPO训练，实现大规模视频库的迭代检索与精确时序定位，性能达SOTA。
Comments Accepted to ECCV 2026
Generative Skill Composition for LLM Agents
面向LLM智能体的生成式技能组合
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Arizona State University（亚利桑那州立大学） ； Honda Research Institute USA（本田美国研究院）
专题命中 规划决策 ：agent(abstract)；分类 cs.CL
AI总结 提出SkillComposer方法，将技能组合形式化为任务条件技能序列预测，通过约束自回归解码器联合决定技能子集、数量和顺序，在真实技能库上训练并验证其提升下游任务成功率。
Adaptive Cluster-First Route-Second Decomposition for Industrial-Scale Vehicle Routing
面向工业规模车辆路径问题的自适应先聚类后路由分解方法
机构 * Carnegie Mellon University（卡内基梅隆大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 提出一种自适应先聚类后路由分解系统，利用大语言模型作为高层决策者，迭代执行聚类、平衡和细化操作，实现容量感知的客户与车辆联合划分，在高达50万客户的实例上展现出竞争性性能和可扩展性。
Comments 29 pages, 6 figures, 5 tables
Relational and Sequential Conformal Inference for Energy Time Series over Graphs via Foundation Models
基于基础模型的图结构能源时间序列的关系与序列共形推断
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 提出STOIC框架，结合图神经网络与表格基础模型，通过零样本校准实现图结构能源时间序列的共形预测，提供可靠的不确定性估计。
Comments Under-review
A time-series classification framework for individual-level absenteeism prediction under severe class imbalance
面向严重类别不平衡下个体缺勤预测的时间序列分类框架
机构 * School of Mathematical Sciences, Adelaide University（阿德莱德大学数学科学学院）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 针对现有方法无法实现前瞻性个体缺勤预测的问题，提出时间序列分类框架，利用二元焦点损失和几何平均损失处理严重类别不平衡，实验表明LSTM-FCN架构在平衡准确率约80%时表现稳定。
Robustness of Robotic Manipulation: Foundations and Frontiers
机器人操作的鲁棒性：基础与前沿
机构 * Duke University（杜克大学） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； Stanford University（斯坦福大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Organifarms
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 本文系统研究机器人操作鲁棒性，提出正式定义、概率与控制理论框架，并综述感知、规划、控制、策略学习和硬件中的鲁棒性机制及评估方法，展望实现人类级鲁棒性的未来方向。
CLOUDADV: Decision-Aligned Instance Sizing with Zero-Shot Foundation Models under Drift
CLOUDADV: 漂移下基于零样本基础模型的决策对齐实例大小调整
机构 * University of Pisa（比萨大学） ； Independent Researcher（独立研究员） ； Sintra Consulting Limited（Sintra咨询有限公司） ； Luiss University（路易斯大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 提出CLOUDADV系统，结合零样本时间序列预测与有界推荐生成，在非平稳云环境中实现决策对齐的实例大小调整，通过参考推荐和成本节约评估，在7个生产VM案例中实现52.9%成本节省。
Comments 9 pages, 2 figures
Delta-JEPA: Learning Action-Sensitive World Models via Latent Difference Decoding
Delta-JEPA: 通过潜在差异解码学习动作敏感的世界模型
机构 * School of Computer Science and Technology, University of Chinese Academy of Sciences（中国科学院大学计算机科学与技术学院） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Computer Science and Technology, Harbin Institute of Technology, Weihai（哈尔滨工业大学（威海）计算机科学与技术学院） ； Faculty of Computing, Harbin Institute of Technology, Harbin（哈尔滨工业大学计算学部） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 提出Delta-JEPA，一种无重建的世界模型，通过潜在差异动作解码器（LDAD）从连续观测的潜在位移中重建动作，防止表示坍塌，提升基于规划的性能。
Towards Inclusive Mobility Modeling: Characterizing and Evaluating Elderly Trajectory Patterns in Urban Systems
迈向包容性移动建模：城市系统中老年人轨迹模式的特征化与评估
机构 * School of Computing and Artificial Intelligence, Shanghai University of Finance and Economics（上海财经大学计算机与人工智能学院） ； MOE Key Laboratory of Interdisciplinary Research of Computation and Economics, Shanghai University of Finance and Economics（上海财经大学计算与经济学交叉研究教育部重点实验室） ； Center for Data Science, New York University（纽约大学数据科学中心）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 本研究利用共享单车数据，通过合成轨迹生成案例，定量评估老年人出行数据缺失对移动建模的偏差影响，并对比马尔可夫链与大语言模型在不同人口训练集下的表现。
LLM-Driven Personalities for Decision Making in Emergency Simulations
用于紧急模拟决策的LLM驱动个性
机构 * Politecnico di Torino（都灵理工大学） ； PUCRS（南里奥格兰德天主教大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI
AI总结 本研究利用大语言模型（LLM）结合OCEAN人格特质驱动虚拟人在疏散模拟中的决策，发现不同人格特质显著影响个体行为和群体模拟结果，增强了模拟环境的真实性和多样性。
Efficient and Trainable Language Model Test-Time Scaling via Local Branch Routing
通过局部分支路由实现高效且可训练的语言模型测试时扩展
机构 * Northwestern University（西北大学） ； Rutgers University（罗格斯大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Carnegie Mellon University（卡内基梅隆大学） ； LMSYS Org（LMSYS组织） ； Tilde Research（Tilde研究） ； University of California, Santa Barbara（加州大学圣塔芭芭拉分校） ； University of Toronto（多伦多大学） ； University of British Columbia（不列颠哥伦比亚大学） ； University of California, San Diego（加州大学圣迭戈分校）
专题命中 规划决策 ：planning(abstract)；分类 cs.CL
AI总结 提出局部分支路由（LBR）框架，通过轻量级路由器选择局部前瞻树中的深度-1子路径，实现令牌级测试时扩展，在数学推理基准上优于链式思维和软令牌分支基线。
Business World Model
商业世界模型
机构 * AI Engineering, USA TODAY Co., Inc.（AI工程，USA TODAY公司） ； School of Systems Science and Industrial Engineering, Binghamton University, State University of New York（系统科学与工业工程学院，宾夕法尼亚州立大学宾夕法尼亚州立大学） ； Binghamton Center of Complex Systems, Binghamton University, State University of New York（宾夕法尼亚州立大学复杂系统中心） ； Waseda Innovation Lab, Waseda University, Tokyo, Japan（早稻田大学创新实验室）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 提出商业世界模型（BWM）架构，将世界模型思想应用于商业环境，通过编码状态、动态、约束和目标，支持自主决策与规划。
S$^2$-VLA: State-Space Guided Vision-Language-Action Models for Long-Horizon Manipulation
S$^2$-VLA：面向长时程操作的基于状态空间的视觉-语言-动作模型
机构 * School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； State Key Laboratory of Submarine Geoscience, School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院海底科学国家重点实验室）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 针对长时程操作任务中累积误差导致性能下降的问题，提出S$^2$-VLA框架，通过状态空间引导的自适应注意力机制动态融合视觉、语言和动作信息，在LIBERO等基准上超越7B模型。
Comments Accepted to IJCAI 2026
ToE: A Hierarchical and Explainable Claim Verification Framework with Dynamic Multi-source Evidence Retrieval and Aggregation
ToE：一种具有动态多源证据检索与聚合的分层可解释声明验证框架
机构 * School of Cyberspace Science and Technology, Beijing Institute of Technology（北京理工大学信息科学与技术学院） ； TravelSky Technology Limited（TravelSky技术有限公司） ； School of Computer Science, University of Auckland（奥克兰大学计算机科学学院）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI
AI总结 提出Tree of Evidence (ToE)框架，通过强化学习驱动的多源检索、证据评估和参数树聚合，实现可解释的自动事实核查，在多个数据集上提升4-24个百分点，尤其对抗性毒化输入效果显著。
Physics-Guided Robotic Radiation Source Localization along Arbitrary Measurement Paths in Unstructured Environments
物理引导的机器人辐射源定位：非结构化环境中沿任意测量路径
机构 * George W. Woodruff School of Mechanical Engineering, Georgia Institute of Technology（乔治·W·伍德拉夫机械工程学院，佐治亚理工学院）
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 提出基于物理信息机器学习（PIML）的框架，使机器人沿任意路径在未知环境中精确估计辐射源位置，避免接近源，并通过并行计算提高鲁棒性。
Comments 18 pages, 14 figures, 2 tables
Joint Learning of Experiential Rules and Policies for Large Language Model Agents
大型语言模型智能体的经验规则与策略联合学习
机构 * Sun Yat-sen University（中山大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI
AI总结 提出JERP框架，通过联合更新经验规则库和策略，使规则与演化策略对齐，在AlfWorld和WebShop上提升复杂交互任务的决策性能。
A Generalization Theory for JEPA-Based World Models
基于JEPA的世界模型的泛化理论
机构 * State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院通用人工智能国家重点实验室） ； University of Sydney（悉尼大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 本文首次为JEPA世界模型建立泛化理论，将其预训练表述为条件谱图学习问题，并证明JEPA目标等价于动作条件共现矩阵的低秩分解，进而推导出有限样本泛化界，揭示了潜在维度在近似误差与样本误差之间的权衡。
In-Context Model Predictive Generation: Open-Vocabulary Motion Synthesis from Language Models to Physics
上下文模型预测生成：从语言模型到物理的开放词汇运动合成
机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Department of Networked Intelligence, Peng Cheng Laboratory（鹏城实验室网络智能部） ； School of Computer Science and Engineering, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）计算机科学与工程学院）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 提出ICMPG框架，结合语言模型规划与推理时物理反馈，通过上下文感知运动生成和模型预测生成模块实现语义忠实且物理合理的开放词汇运动合成。
TAVR-VLM: Risk-Conditioned Causal Grounding for Hallucination-Resistant Report Generation
TAVR-VLM：面向抗幻觉报告生成的风险条件因果基础
机构 * Xi’an Jiaotong-Liverpool University（西交利物浦大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of Liverpool（利物浦大学） ； Kunming University of Science and Technology（昆明理工大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 提出TAVR-VLM框架，通过风险条件因果注意力（R-CGA）建立“风险→区域→词”的结构化基础路径，在TAVR规划中减少诊断幻觉，实现新最优性能。
Learning Motion Feasibility from Point Clouds in Cluttered Environments
从杂乱环境中的点云学习运动可行性
机构 * International Institute of Information Technology Hyderabad（国际信息技术学院海得拉巴）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 提出直接从RGB-D观测学习7自由度机械臂运动可行性预测的方法，构建包含270万抓取可行性标签的大规模基准，并评估三种分类器架构，最佳模型GRASPFC-PTX在新型物体上AUROC达0.996且预测速度远超基于采样的运动规划器。
LAMP: Lane-Aligned Motion Primitives for Feasible Trajectory Prediction
LAMP: 面向可行轨迹预测的车道对齐运动基元
机构 * Seoul National University（首尔大学） ； Hyundai Motor Company（现代汽车公司）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 提出LAMP框架，利用VQ-VAE学习形状感知运动基元作为离散意图查询，并结合车道拓扑先验的可行性意图选择器，在保持行为多样性的同时提升预测轨迹的拓扑一致性和可行性。
Comments IEEE ITSC 2026, 6 pages
