MedSAM3: Delving into Segment Anything with Medical Concepts
MedSAM3：深入探索医学概念中的分割任务
专题命中 规划决策 ：agent(abstract)；workflow(abstract)；分类 cs.AI
AI总结 MedSAM3通过引入可文本提示的医学分割模型，实现了基于开放词汇文本描述的精准解剖结构分割，显著优于现有方法。
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 63 篇
ChemVTS-Bench: Evaluating Visual-Textual-Symbolic Reasoning of Multimodal Large Language Models in Chemistry
ChemVTS-Bench: 评估多模态大语言模型在化学中的视觉-文本-符号推理能力
机构 * Renmin University of China（中国人民大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； South China University of Technology（华南理工大学） ； Gaotu Techedu Inc（高图科技公司）
专题命中 规划决策 ：agent(abstract)；workflow(abstract)；分类 cs.AI
AI总结 ChemVTS-Bench通过多模态输入评估大语言模型在化学中的视觉-文本-符号推理能力，揭示了结构化学的挑战及多模态融合的局限性。
Three-Dimensional Anatomical Data Generation Based on Artificial Neural Networks
基于人工神经网络的三维解剖数据生成
机构 * Division of Smart Technologies for Tumor Therapy, German Cancer Research Center (DKFZ) Site Dresden（智能肿瘤治疗技术部，德国癌症研究中心（DKFZ）德累斯顿分部） ； Faculty of Computer Science, Dresden University of Technology（计算机科学系，德累斯顿技术大学） ； Department of Urology, Faculty of Medicine, University of Freiburg - Medical Centre（泌尿科，弗赖堡大学医学中心医学院） ； Division of Translational Surgical Oncology, National Center for Tumor Diseases (NCT/UCC) Dresden（转化外科肿瘤学部，国家肿瘤疾病中心（NCT/UCC）德累斯顿分部） ； Faculty of Medicine Carl Gustav Carus, Dresden University of Technology（卡尔·古斯塔夫·卡鲁斯医学院，德累斯顿技术大学） ； Faculty of Electrical and Computer Engineering, Dresden University of Technology（电气与计算机工程系，德累斯顿技术大学）
专题命中 规划决策 ：planning(abstract)；workflow(abstract)
AI总结 本文提出了一种基于人工神经网络的3D解剖数据生成方法，利用仿生水凝胶制成的人工前列腺模型进行内窥镜手术模拟，并通过超声扫描和神经网络分割技术生成高质量的3D数据。
Comments 6 pages, 4 figures, 1 table, IEEE International Conference on Intelligent Robots and Systems (IROS)
Evolutionary Dynamics with Self-Interaction Learning in Networked Systems
网络化系统中具有自交互学习的进化动态
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)
AI总结 本文提出了一种自交互景观，通过局部拓扑结构增强策略自我复制，降低合作条件并保护合作者免受恶意进化影响。
Comments 15 pages, 10 figures
Journal ref IEEE Transactions on Network Science and Engineering, vol. 13, pp. 296-313, 2026
Towards a General Framework for HTN Modeling with LLMs
迈向基于LLM的HTN建模通用框架
专题命中 规划决策 ：planning(abstract,comments)；分类 cs.AI、cs.SE
AI总结 本文提出L2HP框架，用于改进LLM在分层规划建模中的能力，通过实验发现分层规划的建模难度显著高于自动规划。
Comments 10 pages, 5 figures, to be published in the Workshop on Planning in the Era of LLMs ( LM4Plan - https://llmforplanning.github.io ) and the Workshop on Hierarchical Planning ( HPlan - https://icaps25.icaps-conference.org/program/workshops/hplan/ ), both in the International Conference on Automated Planning and Scheduling (ICAPS) 2025
GContextFormer: A global context-aware hybrid multi-head attention approach with scaled additive aggregation for multimodal trajectory prediction
GContextFormer: 一种基于全局上下文的混合多头注意力方法，通过缩放加法聚合实现多模态轨迹预测
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 GContextFormer通过全局上下文感知的混合多头注意力和缩放加法聚合，实现无地图依赖的多模态轨迹预测，提升鲁棒性和预测精度。
RhinoInsight: Improving Deep Research through Control Mechanisms for Model Behavior and Context
RhinoInsight: 通过模型行为和上下文的控制机制提升深度研究
机构 * DeepLang AI ； Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Beijing Jiaotong University（北京交通大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.CL
AI总结 RhinoInsight通过引入可验证检查表和证据审计两种控制机制，提升深度研究任务的鲁棒性和可追溯性，同时保持在深度搜索任务中的竞争力。
Latent Adaptive Planner for Dynamic Manipulation
动态操作的潜在自适应规划器
机构 * UCLA（加州大学洛杉矶分校） ； Lambda, Inc.（Lambda公司）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 LAP通过学习人类示范视频，实现了动态非抓取操作的实时自适应规划，提升操作成功率和效率。
Journal ref Proceedings of The 9th Conference on Robot Learning, PMLR 305:2430-2448, 2025
Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?
强化学习真的能激励大语言模型在基础模型之外提升推理能力吗？
机构 * LeapLab, Tsinghua University（清华大学 LeapLab） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 本研究发现RLVR方法未有效激发LLMs的新型推理能力，而蒸馏方法能更有效地扩展模型推理能力。
Comments 31 pages, 27 figures
Journal ref NeurIPS 2025 Oral; ICML 2025 AI4MATH workshop best paper
Lessons from Studying Two-Hop Latent Reasoning
从双跳潜在推理研究中获得的启示
机构 * Apollo Research（Apollo研究机构） ； UK AI Security Institute（英国人工智能安全研究所） ； UC Berkeley（加州大学伯克利分校） ； TruthfulAI
专题命中 规划决策 ：agentic(abstract)；分类 cs.AI、cs.CL
AI总结 研究通过双跳问答任务揭示LLM潜在推理能力，发现模型在合成事实组合上表现不足，但能处理混合事实场景，强调避免误判推理能力的必要性。
Natural Emergent Misalignment from Reward Hacking in Production RL
生产强化学习中奖励黑客导致的自然涌现偏差
机构 * Anthropic
专题命中 规划决策 ：agentic(abstract)；分类 cs.AI、cs.SE
AI总结 研究发现大型语言模型在生产强化学习环境中学习奖励黑客会导致严重偏差，提出三种缓解措施以减少这种偏差。
Hybrid LSTM and PPO Networks for Dynamic Portfolio Optimization
混合LSTM和PPO网络用于动态投资组合优化
机构 * Universitas Pelita Harapan（Pelita Harapan大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出一种结合LSTM预测与PPO强化学习的混合网络，用于动态投资组合优化，通过提升收益和市场适应性展现其在非平稳市场中的优势。
Comments 12 pages, 8 figures, 2 tables, accepted at 2025 8th Artificial Intelligence and Cloud Computing Conference
M$^2$OE$^2$-GL: A Family of Probabilistic Load Forecasters That Scales to Massive Customers
M$^2$OE$^2$-GL：一种可扩展到大量用户的概率负荷预报器家族
机构 * Department of Electrical, Computer and Energy Engineering（电气、计算机与能源工程系）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 M$^2$OE$^2$-GL通过预训练全局模型并轻量微调生成组特定预报器，有效解决大规模馈线中负荷异质性与可扩展性的挑战。
Comments 5 pages
Human-Inspired Multi-Level Reinforcement Learning
受人类启发的多级强化学习
机构 * The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） ； Army Educational Outreach Program（陆军教育推广计划） ； DEVCOM Army Research Lab（DEVCOM陆军研究实验室）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出了一种受人类启发的多级强化学习方法，通过提取多级信息实现有效学习，结合低级奖励信号和高级方向信息，提升策略优化效果。
Comments Accepted to the Aligning Reinforcement Learning Experimentalists and Theorists Workshop at NeurIPS 2025
Adversarial Patch Attacks on Vision-Based Cargo Occupancy Estimation via Differentiable 3D Simulation
基于可微3D模拟的视觉货物占用估计中的对抗性补丁攻击
机构 * Department of Informatics University of Hamburg（信息学院海德堡大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 本文首次研究了在物理真实、完全模拟的3D场景中针对货物占用估计的对抗性补丁攻击，通过3D优化补丁在拒绝服务场景中达到84.94%的攻击成功率。
Comments 9 pages, 5 figures, 1 algorithm
Active Inference is a Subtype of Variational Inference
主动推断是变分推断的一种子类型
机构 * Department of Electrical Engineering, Eindhoven University of Technology（埃因霍温理工大学电子工程系） ； Lazy Dynamics
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 本文提出了一种新的消息传递方案，将主动推断与变分推断统一，从而在因子状态MDPs中实现了可扩展的主动推断，克服了高维规划的不可行性。
Comments Accepted to the EIML Workshop 2025 at EurIPS (non-archival)
PairHuman: A High-Fidelity Photographic Dataset for Customized Dual-Person Generation
PairHuman: 一个高保真摄影数据集用于定制双人生成
机构 * School of Microelectronics, Tianjin University（电子工程学院，天津大学） ； School of Artificial Intelligence, Jilin University（人工智能学院，吉林大学） ； School of Electrical and Information Engineering, Tianjin University（电气与信息工程学院，天津大学） ； School of Intelligent Science and Technology, Nanjing University（智能科学与技术学院，南京大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 PairHuman数据集及DHumanDiff方法用于高保真双人肖像生成，提供大规模高质量数据和定制化生成技术。
Comments 46 pages, 31 figures
Reasoning via Video: The First Evaluation of Video Models' Reasoning Abilities through Maze-Solving Tasks
通过视频推理：首次评估视频模型在迷宫解决任务中的推理能力
机构 * DeepWisdom ； Tsinghua University（清华大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Renmin University of China（中国人民大学） ； University of Oxford（牛津大学） ； National University of Singapore（新加坡国立大学） ； Xiamen University（厦门大学） ； Hong Kong University of Science and Technology (GuangZhou)（香港科技大学（广州））
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 本文首次评估视频模型在迷宫解决任务中的推理能力，提出VR-Bench基准，展示视频生成在空间推理中的潜力。
DarkMind: Latent Chain-of-Thought Backdoor in Customized LLMs
DarkMind: 自定义大语言模型中的潜在推理链后门
专题命中 规划决策 ：AI agent(abstract)；分类 cs.LG
AI总结 DarkMind是一种针对定制化大语言模型的潜在推理链后门攻击，通过操纵内部推理步骤实现隐蔽攻击，展示了高攻击成功率并揭示了推理层面安全威胁的紧迫性。
Comments 19 pages, 15 figures, 12 tables
LLMs as Firmware Experts: A Runtime-Grown Tree-of-Agents Framework
LLMs作为固件专家：一种运行时增长的代理树框架
专题命中 规划决策 ：agent(abstract)；分类 cs.SE
AI总结 本文提出FIRMHIVE框架，利用LLMs作为固件安全分析师，通过递归代理蜂群实现更深入的固件漏洞检测，提升漏洞识别率和精度。
Comments 18 pages, 13 figures
NeuroVascU-Net: A Unified Multi-Scale and Cross-Domain Adaptive Feature Fusion U-Net for Precise 3D Segmentation of Brain Vessels in Contrast-Enhanced T1 MRI
NeuroVascU-Net：一种统一的多尺度和跨域自适应特征融合U-Net，用于精确的对比增强T1 MRI脑血管三维分割
机构 * School of Electrical and Computer Engineering, College of Engineering, University of Tehran（电信工程学院，工程学院，德黑兰大学） ； Department of EECS, Lassonde School of Engineering, York University（电子工程系，拉索nde工程学院，约克大学） ； Department of Neurosurgery, School of Medicine, Iran University of Medical Sciences（神经外科系，医学院，伊朗医学科学大学） ； Department of Electrical and Computer Engineering, University of Waterloo（电子工程系，滑铁库大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 NeuroVascU-Net通过多尺度和跨域自适应特征融合模块，实现高精度脑血管分割，适用于临床标准T1CE MRI，提升神经外科手术规划的准确性与效率。
Event-Chain Analysis for Automated Driving and ADAS Systems: Ensuring Safety and Meeting Regulatory Timing Requirements
事件链分析用于自动驾驶和ADAS系统：确保安全并满足监管时间要求
专题命中 规划决策 ：planning(abstract)；分类 cs.SE
AI总结 本文提出基于事件链建模的白盒方法，用于解决自动驾驶和ADAS系统的时间约束问题，提升合规性与安全性。
Federated Anomaly Detection and Mitigation for EV Charging Forecasting Under Cyberattacks
联邦学习下的电动汽车充电预测中的异常检测与缓解：在遭受网络攻击时
机构 * ICT Convergence Research Center（信息通信融合研究中心） ； Kumoh National Institute of Technology（Kumoh国立技术学院） ； IT-Convergence Engineering（信息融合工程）
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 本文提出一种联邦学习框架，用于在遭受网络攻击时实现电动汽车充电预测中的异常检测与缓解，通过保护隐私、检测攻击并提升预测准确性。
Comments 6 pages
The Horcrux: Mechanistically Interpretable Task Decomposition for Detecting and Mitigating Reward Hacking in Embodied AI Systems
霍克鲁斯：用于检测和缓解具身AI系统中奖励黑客行为的可解释任务分解
机构 * Berkeley AI Safety Initiative (BASIS) UC Berkeley（伯克利人工智能安全计划（BASIS）伯克利大学） ； Department of Electrical and Computer Engineering Johns Hopkins University（电气与计算机工程系约翰霍普金斯大学）
专题命中 规划决策 ：AI agent(abstract)；分类 cs.LG
AI总结 本研究提出MITD方法，通过可解释性任务分解有效检测和缓解具身AI系统中的奖励黑客行为，实验表明分解深度可显著降低奖励黑客频率。
Comments Accepted to the NeurIPS (Mexico City) 2025 Workshop on Embodied and Safe-Assured Robotic Systems (E-SARS). Thanks to Aman Chadha
Physical Reinforcement Learning
物理强化学习
专题命中 规划决策 ：autonomous agent(abstract)；分类 cs.LG
AI总结 本文通过Q学习在模拟CLLNs上解决两个简单强化学习问题，展示了CLLNs在执行RL工具箱中某些工具（如策略函数和价值函数）的天然优势，并讨论了CLLNs与数字计算机在物理安全性和次要目标训练上的差异。
Comments 9 pages 4 figures
Chatbots to strengthen democracy: An interdisciplinary seminar to train identifying argumentation techniques of science denial
聊天机器人强化民主：跨学科研讨会训练识别科学否认论技巧
机构 * Mobile Dialog Systems, Otto-von-Guericke-University Magdeburg, Germany（移动对话系统，马格德堡奥托·冯·格里克大学） ； German Research Centre for Artificial Intelligence, Berlin（德国人工智能研究中心） ； Usability Lab, TU Berlin, Germany（可用性实验室，柏林技术大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 本文提出通过跨学科研讨会训练学生利用AI聊天机器人识别科学否认论技巧，以提高公众对虚假信息的抵抗力。
Comments 6 pages, 4 figures
An Ecologically-Informed Deep Learning Framework for Interpretable and Validatable Habitat Mapping
一种基于生态学的深度学习框架用于可解释和可验证的栖息地制图
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 本文提出ECOSAIC框架，通过可解释的潜在表示实现底栖生境的自动分类，揭示16种生境并展示其环境与物种需求的生态关联。
Experience-Efficient Model-Free Deep Reinforcement Learning Using Pre-Training
利用预训练的经验高效模型无关深度强化学习
机构 * Department of Computer Science（计算机科学系） ； Georgetown University（乔治城大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.LG
AI总结 PPOPT通过预训练神经网络提高小样本训练效率，优于经典PPO并在训练稳定性上表现优异，尽管在模型方法上稍逊，但训练时间更短。
Proximal Policy Optimization with Graph Neural Networks for Optimal Power Flow
基于图神经网络的近端策略优化用于最优功率流
机构 * Barcelona Neural Networking Center（巴塞罗那神经网络中心）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI
AI总结 本文提出基于图神经网络和近端策略优化的新型架构，用于解决最优功率流问题，通过训练DRL智能体在IEEE 30节点系统上实现更高效的ACOPF解决方案。
Cook and Clean Together: Teaching Embodied Agents for Parallel Task Execution
烹饪与清洁同时进行：教授并行任务执行的具身智能体
专题命中 规划决策 ：planning(abstract)
AI总结 GRANT通过结合语言理解、3D定位和效率优化，实现并行任务调度，提升智能体在复杂环境中的任务执行效率。
Comments Accepted to AAAI 2026 (Oral). The code is available at \url{https://github.com/H-EmbodVis/GRANT}
