University of California, San Diego（加州大学圣迭戈分校）

Agentic Commerce World: An Auditable and Verifiable Environment for Vibe Commerce

智能体商业世界：一种可审计可验证的氛围式商业环境

Shicheng Fan, Mingdai Yang, Duohao Wang, Canyu Chen, Yongfeng Zhang, Hua Wei, Manling Li, Julian McAuley, Kun Zhang, Philip S. Yu, Kejing Yu, Zhiwei Liu

机构 * University of Illinois at Chicago（伊利诺伊大学芝加哥分校） ； Springbrand（斯普林布兰德公司） ； Northwestern University（西北大学） ； Rutgers University（罗格斯大学） ； Arizona State University（亚利桑那州立大学） ； University of California San Diego（加州大学圣迭戈分校） ； Carnegie Mellon University（卡内基梅隆大学） ； MBZUAI（Mohamed bin Zayed 人工智能大学） ； Microsoft AI（微软人工智能部门） 纠错

AI总结 该研究提出智能体商业世界（ACWorld）环境，通过氛围式商业协议（VCP）实现可审计可验证的氛围式商业智能体评估，构建含两类轨道的基准并验证模型性能，分析得出过程级证据对评估智能体的必要性。

Foundations of Reinforcement Learning and Control:Connections and New Perspectives

强化学习与控制的基础：联系与新视角

Claire Vernade, Onno Eberhard, Martha White, Florian Dörfler, Csaba Szepesvári, Miroslav Krstic, Michael Muehlebach

机构 * University of Technology Nuremberg（纽伦堡工业大学） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； University of Alberta（阿尔伯塔大学） ； ETH Zürich（苏黎世联邦理工学院） ； University of California San Diego（加州大学圣迭戈分校） 纠错

AI总结 本教程围绕强化学习与控制理论的联系与差异，介绍自适应控制、演员-评论家强化算法及二者结合的新方法，助力跨领域专家理解对方工具方法。

Comments INFORMS tutorial

Loggia dei Lanzi: AI Thermography Enhancement Comparisons through 3D Photogrammetry

兰齐凉廊：基于三维摄影测量的AI热成像增强对比研究

Scott McAvoy, Jonathan Klingspon, George Bent, Dave Pfaff, Aviral Agarwal, Maurizio Seracini, Falko Kuester

机构 * University of California San Diego（加利福尼亚大学圣迭戈分校） ； Washington and Lee University（华盛顿与李大学） ； Editech（爱迪泰克公司） 纠错

AI总结 该研究以佛罗伦萨兰齐凉廊为对象，通过对比原生分辨率、FLIR UltraMax硬件超分辨率及AI上采样模型的热成像效果，为文化遗产热成像摄影测量工作流程提供了硬件与AI超分辨率的直接对比数据，相关数据集公开并集成到扩展现实应用中。

Comments 19 pages, 10 figures, to be presented at the 8th International Symposium on Cultural Heritage Conservation by Digitization (CHCD2026) in Beijing

FinHardBench: Can LLMs Generate Latency-Aware Hardware for Financial Computing?

FinHardBench：大语言模型能否生成面向金融计算的延迟感知硬件？

Weimin Fu, Hejia Zhang, Minghao Shao, Zeng Wang, Johann Knechtel, Ozgur Sinanoglu, Muhammad Shafique, Ramesh Karri, Xiaolong Guo

机构 * Lehigh University（里海大学） ； University of California, San Diego（加利福尼亚大学圣迭戈分校） ； NYU Tandon School of Engineering（纽约大学坦登工程学院） ； NYU Abu Dhabi（纽约大学阿布扎比分校） 纠错

AI总结 本文提出面向金融FPGA设计的开源基准FinHardBench，通过三类实验评估6种大语言模型，发现其在功能正确性、系统级配置优化等方面存在差异，策略级规格变更问题仍待解决。

Comments 16 pages (10 pages main text). Published as a conference paper at COLM 2026. Code and benchmark: https://github.com/owenfucell/FinHardBench