AI Agent

Earth Observation Satellite Scheduling with Graph Neural Networks and Monte Carlo Tree Search

地球观测卫星调度与图神经网络及蒙特卡洛树搜索

Antoine Jacquet, Guillaume Infantes, Emmanuel Benazera, Vincent Baudoui, Jonathan Guerra, Stéphanie Roussel

专题命中 工具调用 ：planning(abstract,comments)；分类 cs.AI、cs.LG

AI总结 本文提出利用图神经网络和深度强化学习结合蒙特卡洛树搜索，解决地球观测卫星调度问题，以提高调度效率和效益。

Comments Accepted at International Workshop on Planning & Scheduling for Space (IWPSS 2025)

Augur: Modeling Covariate Causal Associations in Time Series via Large Language Models

Augur：通过大型语言模型建模时间序列中的协变量因果关联

Zhiqing Cui, Binwu Wang, Qingxiang Liu, Yeqiang Wang, Zhengyang Zhou, Yuxuan Liang, Yang Wang

专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.LG

AI总结 Augur通过大型语言模型建模时间序列中的协变量因果关联，提升预测准确性并实现透明的因果推理。

Comments 24 pages, 9 figures

Empowering Time Series Forecasting with LLM-Agents

用LLM代理增强时间序列预测

Chin-Chia Michael Yeh, Vivian Lai, Uday Singh Saini, Xiran Fan, Yujie Fan, Junpeng Wang, Xin Dai, Yan Zheng

机构 * Visa Research（Visa研究） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.LG

AI总结 DCATS通过提升数据质量而非模型架构，为时间序列预测的AutoML提供了新的方法，实现了平均6%的误差减少。

Securing the Model Context Protocol (MCP): Risks, Controls, and Governance

保障模型上下文协议（MCP）：风险、控制与治理

Herman Errico, Jiquan Ngiam, Shanita Sojan

专题命中 工具调用 ：agent(abstract)

AI总结 本文研究MCP协议的安全风险，提出基于用户认证、溯源追踪、容器沙箱和集中治理的控制措施，旨在防范未经审查的代码和数据外泄，确保系统安全与合规。

Thinking in 360°: Humanoid Visual Search in the Wild

全方位思考：野外人形视觉搜索

Heyang Yu, Yinan Han, Xiangyu Zhang, Baiqiao Yin, Bowen Chang, Xiangyu Han, Xinhao Liu, Jing Zhang, Marco Pavone, Chen Feng, Saining Xie, Yiming Li

机构 * NYU（纽约大学） ； NVIDIA（英伟达） ； TU Darmstadt（图鲁姆大学） ； UC Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

专题命中 工具调用 ：agent(abstract)

AI总结 本文提出人形视觉搜索方法，通过人形代理在360°全景图像中搜索物体和路径，实验表明现有模型在复杂场景中表现不佳，但通过后训练技术显著提升了性能。

Comments Website: https://humanoid-vstar.github.io/ ; Code: https://github.com/humanoid-vstar/hstar

MADRA: Multi-Agent Debate for Risk-Aware Embodied Planning

MADRA：多智能体辩论用于风险感知的具身规划

Junjian Wang, Lidan Zhao, Xi Sheryl Zhang

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； University of Chinese Academy of Sciences, Nanjing（中国科学院大学南京校区） 纠错

专题命中 规划决策 ：agent(title,abstract)；planning(title,abstract)；multi-agent(title,abstract)；AI agent(abstract)

AI总结 MADRA通过多智能体辩论和分层认知框架，在安全性和效率上超越现有方法，实现高安全任务拒绝率和低误拒率。

On the Limits of Innate Planning in Large Language Models

大语言模型中内生规划的极限

Charles Schepanowski, Charles Ling

机构 * Western University（温斯洛大学） 纠错

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

AI总结 研究发现大语言模型在无外部工具的情况下，规划和状态推理能力有限，主要问题在于内部状态表示脆弱和启发式规划能力不足。

Comments 33 pages, 7 figures

Efficient Diffusion Planning with Temporal Diffusion

高效的时间扩散规划

Jiaming Guo, Rui Zhang, Zerun Li, Yunkai Gao, Shaohui Peng, Siming Lan, Xing Hu, Zidong Du, Xishan Zhang, Ling Li

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

AI总结 本文提出时间扩散规划器（TDP），通过在时间维度上分布去噪步骤提高决策效率，实验显示其决策频率提升显著。

Comments Accepted by the AAAI26 Conference Main Track

Agent0-VL: Exploring Self-Evolving Agent for Tool-Integrated Vision-Language Reasoning

Agent0-VL: 探索自我进化代理用于工具集成的视觉-语言推理

Jiaqi Liu, Kaiwen Xiong, Peng Xia, Yiyang Zhou, Haonian Ji, Lu Feng, Siwei Han, Mingyu Ding, Huaxiu Yao

机构 * UNC-Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI

AI总结 Agent0-VL通过工具集成推理实现自我进化，无需人类标注或外部奖励，提升视觉-语言推理能力。

Safe and Economical UAV Trajectory Planning in Low-Altitude Airspace: A Hybrid DRL-LLM Approach with Compliance Awareness

低空经济环境下安全且经济的无人机轨迹规划：一种融合DRL与LLM的混合方法与合规意识

Yanwei Gong, Junchao Fan, Ruichen Zhang, Dusit Niyato, Yingying Yao, Xiaolin Chang

机构 * Beijing Key Laboratory of Security and Privacy in Intelligent Transportation, Beijing Jiaotong University, P.R. China（北京智能交通安全与隐私北京市重点实验室，北京交通大学，中国） ； School of Computer Science and Engineering, Nanyang Technological University, Singapore（计算机科学与工程学院，南洋理工大学，新加坡） 纠错

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

AI总结 本文提出一种融合深度强化学习与大型语言模型的无人机轨迹规划方法，以实现安全、合规且经济的路径规划。

Connecting the Dots: Training-Free Visual Grounding via Agentic Reasoning

连接点：通过代理推理实现无需训练的视觉接地

Liqin Luo, Guangyao Chen, Xiawu Zheng, Yongxing Dai, Yixiong Zou, Yonghong Tian

专题命中 规划决策 ：agentic(title,abstract)

AI总结 GroundingAgent通过代理推理实现无需微调的视觉接地，达到65.1%的零样本准确率，并在选择阶段实现90%的准确率，展示了LLM推理能力的重要性。

Comments AAAI 2026

EvoEmpirBench: Dynamic Spatial Reasoning with Agent-ExpVer

EvoEmpirBench: 基于智能体经验的动态空间推理

Pukun Zhao, Longxiang Wang, Miaowei Wang, Chen Chen, Fanqing Zhou, Haojian Huang

机构 * Guangdong University of Finance and Economics（广东金融学院） ； Chongqing University（重庆大学） ； University of Edinburgh（爱丁堡大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 规划决策 ：agent(title)；planning(abstract)

AI总结 EvoEmpirBench通过动态空间基准评估模型在部分可观测和动态环境下的空间推理与记忆能力，揭示主流模型的限制并提供未来研究平台。

Comments Accepted by AAAI 2026, 29 pages, 3 figures, 7 tables

How Periodic Forecast Updates Influence MRP Planning Parameters: A Simulation Study

周期性预测更新如何影响MRP计划参数：一项模拟研究

Wolfgang Seiringer, Klaus Altendorfer, Thomas Felberbauer, Balwin Bokor, Fabian Brockmann

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文通过模拟研究探讨了周期性预测更新对MRP计划参数的影响，发现安全库存利用启发式方法能有效降低库存和缺货成本，且固定订单量批量规划政策在多数情况下表现更优。

Learning from Risk: LLM-Guided Generation of Safety-Critical Scenarios with Prior Knowledge

从风险学习：利用先验知识的LLM引导的安全关键场景生成

Yuhang Wang, Heye Huang, Zhenhua Xu, Kailai Sun, Baoshen Guo, Jinhua Zhao

机构 * Chinese Academy of Sciences, China（中国科学院） ； Department of Urban Studies and Planning, Massachusetts Institute of Technology, USA（麻省理工学院城市研究与规划系） ； School of Vehicle and Mobility, Tsinghua University, China（清华大学车辆与移动系统学院） 纠错

专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出利用LLM和CVAE生成安全关键场景的方法，通过知识驱动优化提升自动驾驶系统在罕见高风险事件下的鲁棒性与可控性。

Comments 24 pages, 6 figures

Learning in Stackelberg Mean Field Games: A Non-Asymptotic Analysis

在Stackelberg均场博弈中学习：非渐近分析

Sihan Zeng, Benjamin Patrick Evans, Sujay Bhatt, Leo Ardon, Sumitra Ganesh, Alec Koppel

机构 * J.P.Morgan AI Research（J.P.Morgan AI研究） 纠错

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

AI总结 本文提出AC-SMFG算法，首次在Stackelberg均场博弈中实现非渐近收敛保证，通过梯度对齐条件提升策略优化效率。

Comments Accepted at NeurIPS 2025

Decentralized Shepherding of Non-Cohesive Swarms Through Cluttered Environments via Deep Reinforcement Learning

通过深度强化学习在拥挤环境中实现非凝聚力蜂群的去中心化放牧

Cristiana Punzo, Italo Napolitano, Cinzia Tomaselli, Mario di Bernardo

专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)

AI总结 本文提出基于深度强化学习的去中心化放牧方法，通过分层控制架构实现非凝聚力蜂群在拥挤环境中的高效引导。

Probabilistic Wildfire Spread Prediction Using an Autoregressive Conditional Generative Adversarial Network

基于自回归条件生成对抗网络的概率野火传播预测

Taehoon Kang, Taeyong Kim

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

AI总结 本文提出基于自回归条件生成对抗网络的野火传播预测方法，通过对抗学习提升预测准确性和物理可解释性，以应对野火的复杂非线性动态。

Comments 22 pages, 15 figures, Submitted to Journal of Environmental Management

DeeAD: Dynamic Early Exit of Vision-Language Action for Efficient Autonomous Driving

DeeAD: 视觉-语言动作的动态早期退出以实现高效的自动驾驶

Haibo HU, Lianming Huang, Nan Guan, Chun Jason Xue

机构 * City University of Hongkong（香港城市大学） ； Mohamed bin Zayed University of Artificial Intelligence（马尔代夫 bin Zayed 人工智能大学） 纠错

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

AI总结 DeeAD通过动态早期退出机制提升自动驾驶中视觉-语言动作模型的效率，实现28%的变换器层稀疏性和29%的延迟减少，同时保持规划质量和安全。

Aligning LLMs Toward Multi-Turn Conversational Outcomes Using Iterative PPO

通过迭代PPO对齐大语言模型以实现多轮对话结果

Daniel R. Jiang, Jalaj Bhandari, Yukai Yang, Rémi Munos, Tyler Lu

机构 * Meta ； FAIR at Meta（Meta的FAIR） 纠错

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

AI总结 本文提出Iterative PPO方法，通过迭代优化多轮对话中的Q函数和策略，实现更稳定的对话生成。

Comments 12 pages, 2 figures

Model-Based Policy Adaptation for Closed-Loop End-to-End Autonomous Driving

基于模型的策略适应用于闭环端到端自动驾驶

Haohong Lin, Yunzhi Zhang, Wenhao Ding, Jiajun Wu, Ding Zhao

机构 * CMU（卡内基梅隆大学） ； Stanford（斯坦福大学） ； NVIDIA（英伟达） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 本文提出基于模型的策略适应框架，通过生成反事实轨迹和训练Q值模型提升自动驾驶在闭环环境中的鲁棒性和安全性。

Comments Published at NeurIPS 2025: https://openreview.net/forum?id=4OLbpaTKJe

A Brief History of Digital Twin Technology

数字孪生技术简史

Yunqi Zhang, Kuangyu Shi, Biao Li

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

AI总结 数字孪生技术通过整合医疗数据和模型，推动医疗从反应性向预测性和个性化转变，面临互操作性、隐私和模型精度等挑战。

Comments 21 pages, 1 figure, 1 table

Journal ref PET Clin. 2026 Jan;21(1):143-151. Epub 2025 Oct 21

Cryptocurrency Portfolio Management with Reinforcement Learning: Soft Actor--Critic and Deep Deterministic Policy Gradient Algorithms

基于强化学习的加密货币投资组合管理：Soft Actor--Critic和Deep Deterministic Policy Gradient算法

Kamal Paykan

机构 * Department of Mathematics, Tafresh University, Tafresh, Iran（数学系，塔夫什尔大学，塔夫什尔，伊朗） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出基于SAC和DDPG算法的加密货币投资组合管理框架，通过强化学习优化投资组合权重，提升市场波动下的收益与风险控制能力。

KRAL: Knowledge and Reasoning Augmented Learning for LLM-assisted Clinical Antimicrobial Therapy

KRAL: 用于LLM辅助临床抗菌治疗的知识与推理增强学习

Zhe Li, Yehan Qiu, Yujie Chen, Xiang Zhou

机构 * Information Center, State Key Laboratory of Complex Severe and Rare Diseases, Peking Union Medical College Hospital（信息中心、复杂严重罕见疾病国家重点实验室、北京友谊医院） ； Department of Critical Care Medicine, State Key Laboratory of Complex Severe and Rare Diseases, Peking Union Medical College Hospital, Peking Union Medical College and Chinese Academy of Medical Sciences（重症医学科、复杂严重罕见疾病国家重点实验室、北京友谊医院、北京友谊医院和中国医学科学院） ； Medical Intensive Care Unit, State Key Laboratory of Complex Severe and Rare Diseases, Peking Union Medical College Hospital, Peking Union Medical College and Chinese Academy of Medical Sciences（医疗重症病房、复杂严重罕见疾病国家重点实验室、北京友谊医院、北京友谊医院和中国医学科学院） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.AI

AI总结 KRAL通过知识与推理增强学习提升LLM在临床抗菌治疗中的诊断能力，以低成本高效方式优化医疗决策支持。

Optimal control of the future via prospective learning with control

通过前瞻性学习与控制实现未来最优控制

Yuxin Bai, Aranyak Acharyya, Ashwin De Silva, Zeyu Shen, James Hassett, Joshua T. Vogelstein

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出前瞻性学习与控制框架，通过扩展监督学习解决非静态环境中的最优控制问题，并证明经验风险最小化在特定条件下能逼近贝叶斯最优策略。

A Survey on Inference Engines for Large Language Models: Perspectives on Optimization and Efficiency

对大型语言模型推理引擎的综述：优化与效率的视角

Sihyeong Park, Sungryeol Jeon, Chaelyn Lee, Seokhun Jeon, Byung-Soo Kim, Jemin Lee

机构 * Korea Electronics Technology Institute（韩国电子技术研究所） ； Electronics and Telecommunications Research Institute（电子电信研究院） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.CL

AI总结 本文综述了大型语言模型推理引擎的优化与效率，评估了25种开源和商用引擎，探讨了其设计目标及生态系统成熟度，并提供未来研究方向和公开存储库。

Comments Under review; 106 pages; 46 figures

Revolutionizing Glioma Segmentation & Grading Using 3D MRI - Guided Hybrid Deep Learning Models

用3D MRI引导的混合深度学习模型革新胶质瘤分割与分级

Pandiyaraju V, Sreya Mynampati, Abishek Karthik, Poovarasan L, D. Saraswathi

机构 * Department of Computer Science and Engineering, School of Computer Science and Engineering（计算机科学与工程系，计算机科学与工程学院） ； Vellore Institute of Technology, Chennai, India（维洛雷技术学院，钦奈，印度） ； School of Advanced Science, Vellore Institute of Technology, Chennai, India（先进科学学院，维洛雷技术学院，钦奈，印度） ； Centre for Human Movement Analytics, Vellore Institute of Technology, Chennai, India（人类运动分析中心，维洛雷技术学院，钦奈，印度） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本研究提出一种结合U-Net分割与DenseNet-VGG分类的混合深度学习模型，通过多头注意力机制提升胶质瘤分割与分级的准确率和可解释性。

A Dynamic Anti-Equinus Orthosis with Electromyography Sensor for Neuromuscular Rehabilitation

一种配备肌电传感器的动态抗跟腱症矫形器用于神经肌肉康复

Manuel Terradillos Perea, Olga Alonso Gonzalez, Cristina Soguero Ruiz, David Gutierrez

专题命中 规划决策 ：planning(abstract)

AI总结 EquiSay是一种配备肌电传感器的动态抗跟腱症矫形器，通过弹性张力系统和EMG传感器改善足部姿势与运动，同时利用U-Net模型生成合成信号并自动校准阈值，提升康复效果与临床应用价值。

Comments in Spanish language, Prototype development and evaluation study. 12 pages, 6 figures

PathMamba: A Hybrid Mamba-Transformer for Topologically Coherent Road Segmentation in Satellite Imagery

PathMamba: 一种混合Mamba-Transformer模型用于卫星图像中拓扑一致的道路分割

Jules Decaestecker, Nicolas Vigne

机构 * Thales CortAIx Labs（泰勒斯 CortAIx 实验室） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 PathMamba通过结合Mamba和Transformer的优势，实现了卫星图像中高精度且拓扑连续的道路分割，同时保持计算效率。

Comments 11 pages, 5 figures

Enterprise Profit Prediction Using Multiple Data Sources with Missing Values through Vertical Federated Learning

通过垂直联邦学习多数据源预测企业利润及缺失值

Huiyun Tang, Feifei Wang, Long Feng, Yang Li

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出基于垂直联邦学习的VFEM方法，解决中小企业利润预测中的数据隔离和缺失值问题，提升模型可解释性与预测性能。

Strategic Development of a Hydrogen Supply Chain in Corsica: a Multi-criteria Analysis

科西嘉氢能供应链的战略发展：多准则分析

Tchougoune Moustapha Mai, Mohamed Hajajji, Catherine Azzaro-Pantel, Maude Chin Choi, Christian Cristofari

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种多目标框架，用于岛屿环境中的氢能供应链规划，通过m-TOPSIS方法确定了去中心化基础设施，实现了较低的氢气成本和排放水平。

Journal ref 2025 IEEE Conference on Power Electronics and Renewable Energy (CPERE), Sep 2025, Aswan, France. pp.1-5