AI Agent

An Empirical Study on the Effectiveness of Incorporating Offline RL As Online RL Subroutines

对将离线强化学习作为在线强化学习子例程效果的实证研究

Jianhai Su, Jinzhu Luo, Qi Zhang

机构 * University of South Carolina（南卡罗来纳大学） 纠错

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

AI总结 本文通过实证研究探讨了将离线强化学习作为在线强化学习子例程的效果，发现其有效性取决于任务性质，并提出技术提升效果，同时指出现有在线微调方法效果不佳。

Graph Distance as Surprise: Free Energy Minimization in Knowledge Graph Reasoning

图距离作为惊喜：知识图谱推理中的自由能最小化

Gaganpreet Jhajj, Fuhua Lin

机构 * School of Computing（计算学院） ； Information Systems（信息系统） ； Athabasca University（亚伯达大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 本文提出利用图距离最小化惊喜来改进知识图谱推理，通过连接自由能原理与KG系统，探索图距离在生成模型中的应用及其对语法结构的影响。

Comments Accepted to NORA Workshop at NeurIPS 2025

Modality-Augmented Fine-Tuning of Foundation Robot Policies for Cross-Embodiment Manipulation on GR1 and G1

模态增强的基座机器人策略微调用于GR1和G1跨躯体操作

Junsung Park, Hogun Kee, Songhwai Oh

机构 * Department of Electrical and Computer Engineering, Seoul National University（电气与计算机工程系，首尔国立大学） 纠错

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

AI总结 本文提出了一种模态增强的微调方法，通过多模态数据提升机器人策略在不同躯体上的性能，显著提高了任务成功率。

Comments 8 pages, 10 figures

Physics-Constrained Neural Dynamics: A Unified Manifold Framework for Large-Scale Power Flow Computation

具有物理约束的神经动力学：一种统一的流形框架用于大规模功率流计算

Xuezhi Liu

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

AI总结 本文提出一种基于流形几何和梯度流的神经物理功率流求解方法，通过无监督训练实现端到端的物理约束学习。

Mitigating Indirect Prompt Injection via Instruction-Following Intent Analysis

通过指令遵循意图分析缓解间接提示注入

Mintong Kang, Chong Xiang, Sanjay Kariyappa, Chaowei Xiao, Bo Li, Edward Suh

机构 * NVIDIA ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.LG

AI总结 IntentGuard通过分析指令遵循意图，有效缓解间接提示注入攻击，保持模型性能并降低攻击成功率

Assessing model error in counterfactual worlds

评估反事实世界中的模型误差

Emily Howerton, Justin Lessler

机构 * Department of Ecology and Evolutionary Biology, Princeton University（生态与进化生物学系，普林斯顿大学） ； Department of Epidemiology, University of North Carolina at Chapel Hill（流行病学系，北卡罗来纳大学教堂山分校） 纠错

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

AI总结 本文提出三种方法评估反事实世界中的模型误差，并探讨了场景设计的关键要素以提高预测的可评估性。

Forecasting India's Demographic Transition Under Fertility Policy Scenarios Using hybrid LSTM-PINN Model

基于混合LSTM-PINN模型预测印度人口转型在生育政策情景下的演变

Subarna Khanra, Vijay Kumar Kukreja, Indu Bala

机构 * Sant Longowal Institute of Engineering and Technology（桑特·朗戈瓦尔工程与技术学院） ； School of Computer and Mathematical Sciences, The University of Adelaide（计算机与数学科学学院，阿德莱德大学） 纠错

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

AI总结 本研究提出混合LSTM-PINN模型，用于预测印度在不同生育政策情景下的人口转型，揭示政策对人口结构及劳动力影响。

Comments 31 pages, 17 figure, 57 references

Describe Anything Anywhere At Any Moment

在任何地方、任何时间描述任何事物

Nicolas Gorlo, Lukas Schmid, Luca Carlone

机构 * 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 DAAAM是一种用于大规模实时4D场景理解的空间时间记忆框架，通过优化前端和分层4D场景图实现高效语义描述与实时性能的平衡。

Comments 14 pages, 5 figures, 6 tables

A Digital Twin Framework for Generation-IV Reactors with Reinforcement Learning-Enabled Health-Aware Supervisory Control

用于第四代反应堆的数字孪生框架：基于强化学习的健康意识监督控制

Jasmin Y. Lim, Dimitrios Pylorof, Humberto E. Garcia, Karthik Duraisamy

机构 * organization= Department of Aerospace Engineering, University of Michigan , addressline= 1320 Beal Ave , city= Ann Arbor , postcode= 48109 , state= MI , country= USA ； Engineering Division, U.S. DOE Idaho National Laboratory , addressline= 1955 N. Fremont Ave. , city= Idaho Falls , postcode= 83415 , state= ID , country= USA ； organization= Michigan Institute for Computational Discovery \& Engineering (MICDE), University of Michigan , addressline= 915 E Washington St, Suite 3530 , city= Ann Arbor , postcode= 48109 , state= MI , country= USA 纠错

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

AI总结 本文提出基于强化学习的数字孪生框架，用于第四代反应堆的健康意识监督控制，通过替代建模、强化学习和贝叶斯推断优化运行和维护策略，提升核电站的运行效率和安全性。

Comments 39 pages, 22 figures

Delta-Triplane Transformers as Occupancy World Models

Delta-Triplane Transformers 作为占用世界模型

Haoran Xu, Peixi Peng, Guang Tan, Yiqian Chang, Yisen Zhao, Yonghong Tian

机构 * School of Intelligent Systems Engineering, Shenzhen Campus of Sun Yat-sen University（南方科技大学深圳校区智能系统工程学院） ； Peng Cheng Laboratory（鹏城实验室） ； School of Electronic and Computer Engineering, Shenzhen Graduate School, Peking University（北京大学深圳研究生院电子与计算机工程学院） ； School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳校区计算机科学与技术学院） ； School of Computer Science, Peking University（北京大学计算机学院） 纠错

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

AI总结 Delta-Triplane Transformers 通过紧凑的3D表示和增量预测策略，提升自动驾驶中占用世界模型的效率与准确性。

RealAppliance: Let High-fidelity Appliance Assets Controllable and Workable as Aligned Real Manuals

RealAppliance: 让高保真家电资产可控且可操作，如对齐的现实手册

Yuzheng Gao, Yuxing Long, Lei Kang, Yuchong Guo, Ziyan Yu, Shangqing Mao, Jiyao Zhang, Ruihai Wu, Dongjiang Li, Hui Shen, Hao Dong

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

AI总结 RealAppliance通过高保真家电资产和对齐手册的基准测试，推动家电操控技术的发展。

USB: Unified Synthetic Brain Framework for Bidirectional Pathology-Healthy Generation and Editing

USB：统一合成大脑框架用于双向病理-健康生成与编辑

Jun Wang, Peirong Liu

机构 * Department of Electrical and Computer Engineering, Data Science and AI Institute, Johns Hopkins University（电气与计算机工程系，数据科学与人工智能研究所，约翰霍普金斯大学） 纠错

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

AI总结 USB提出统一合成大脑框架，实现病理与健康脑图像的双向生成和编辑，通过配对扩散机制和一致性指导算法提升生成质量与解剖一致性。

Comments 16 pages, 17 figures

Trification: A Comprehensive Tree-based Strategy Planner and Structural Verification for Fact-Checking

Trification: 一种基于树的综合策略规划与结构验证事实核查系统

Anab Maulana Barik, Shou Ziyi, Yang Kaiwen, Yang Qi, Shen Xin

机构 * Huawei Celia Team（华为Celia团队） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 Trification提出了一种基于树的综合策略规划与结构验证的事实核查框架，通过生成依赖图并动态调整验证策略，提高了事实核查的准确性。

Enhancing Cognitive Robotics with Commonsense through LLM-Generated Preconditions and Subgoals

通过LLM生成的先决条件和子目标增强认知机器人

Ohad Bachner, Bar Gamliel

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

AI总结 本研究通过结合大型语言模型与符号规划，利用LLM生成的先决条件和子目标提升机器人任务完成的可靠性与适应性。

Remote Sensing-Oriented World Model

面向遥感的世界模型

Yuxi Lu, Biao Wu, Zhidong Li, Kunqi Li, Chenya Huang, Huacan Wang, Qizhen Lan, Ronghao Chen, Ling Chen, Bin Liang

机构 * University of Technology Sydney (UTS)（悉尼技术大学） ； University of Chinese Academy of Sciences (UCAS)（中国科学院大学） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Peking University（北京大学） 纠错

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

AI总结 本文提出首个面向遥感的世界模型框架，通过RemoteBAGEL模型在RSWISE基准上实现空间推理的高效外推。

Comments 10 pages, 5 figures

ManualVLA: A Unified VLA Model for Chain-of-Thought Manual Generation and Robotic Manipulation

ManualVLA: 一种统一的VLA模型用于链式思维手动生成和机器人操作

Chenyang Gu, Jiaming Liu, Hao Chen, Runzhong Huang, Qingpo Wuwu, Zhuoyang Liu, Xiaoqi Li, Ying Li, Renrui Zhang, Peng Jia, Pheng-Ann Heng, Shanghang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，计算机学院，北京大学） ； The Chinese University of Hong Kong（香港中文大学） ； Simplexity Robotics Project（Simplexity机器人项目） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 ManualVLA通过融合多模态手册生成与动作执行，提升机器人长周期任务中的规划与操作能力。

The Hidden Cost of Straight Lines: Quantifying Misallocation Risk in Voronoi-based Service Area Models

直线的隐性成本：基于Voronoi的服务区域模型中的误分配风险量化

JA Torrecilla Pinero, JM Ceballos Martínez, A Cuartero Sáez, P Plaza Caballero, A Cruces López

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出基于Voronoi服务区域模型的误分配风险量化框架，通过概率建模和敏感性分析，揭示地形复杂性对服务分配的影响，并提供快速风险评估的实用指南。

Comments 20 pages, 18 figures, reproducibility repository included

Robust Rigid and Non-Rigid Medical Image Registration Using Learnable Edge Kernels

鲁棒的刚性与非刚性医学图像配准使用可学习边缘核

Ahsan Raza Siyal, Markus Haltmeier, Ruth Steiger, Malik Galijasevic, Elke Ruth Gizewski, Astrid Ellen Grams

机构 * Department of Mathematics, University of Innsbruck（因斯布鲁克大学数学系） ； Department of Radiology, Medical University of Innsbruck（因斯布鲁克医学大学放射学系） ； Neuroimaging Research Core Facility, Medical University of Innsbruck（因斯布鲁克医学大学神经影像研究核心设施） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种结合可学习边缘核的刚性和非刚性医学图像配准方法，通过自适应边缘检测提升多模态图像对齐和解剖结构分析的性能。

Forced Migration and Information-Seeking Behavior on Wikipedia: Insights from the Ukrainian Refugee Crisis

强制迁移与维基百科上的信息寻求行为：从乌克兰难民危机的洞察

Carolina Coimbra Vieira, Ebru Sanliturk, Emilio Zagheni

专题命中 规划决策 ：planning(abstract)

AI总结 研究揭示了乌克兰难民危机期间，维基百科信息寻求行为与难民迁移动态的实时关联，显示乌克兰语维基百科条目观点与难民申请临时保护的强相关性。

Cross-Domain Validation of a Resection-Trained Self-Supervised Model on Multicentre Mesothelioma Biopsies

多中心胸膜间皮瘤活检样本上基于切除样本训练的自监督模型的跨领域验证

Farzaneh Seyedshahi, Francesca Damiola, Sylvie Lantuejoul, Ke Yuan, John Le Quesne

机构 * School of Cancer Sciences, University of Glasgow（格拉斯哥大学癌症科学学院） ； Cancer Research UK Scotland Institute（癌症研究英国苏格兰研究所） ； Department of Biopathology, Léon Bérard Cancer Center（生物病理学系，勒内·贝拉尔癌症中心） ； Grenoble Alpes University（格拉斯哥大学） ； Queen Elizabeth University Hospital, NHS Greater Glasgow and Clyde（伊丽莎白女王大学医院，格拉斯哥与克莱德国家健康服务） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本研究验证了在切除样本上训练的自监督模型在活检样本上的跨领域应用，通过捕捉形态学模式实现肿瘤亚型分类和生存预测。

Prediction of Distant Metastasis in Head and Neck Cancer Patients Using Tumor and Peritumoral Multi-Modal Deep Learning

利用肿瘤及周围多模态深度学习预测头颈癌患者远端转移

Nuo Tong, Changhao Liu, Zizhao Tang, Feifan Sun, Yingping Li, Shuiping Gou, Mei Shi

专题命中 规划决策 ：planning(abstract)

AI总结 本研究提出多模态深度学习模型，结合CT影像、放射组学和临床数据，用于预测头颈癌患者远端转移风险，通过多模态融合显著提高预测性能。

Comments 23 pages, 6 figures, 7 tables. Nuo Tong and Changhao Liu contributed equally. Corresponding Authors: Shuiping Gou and Mei Shi

Personalized optimization of pediatric HD-tDCS for dose consistency and target engagement

个性化优化儿童HD-tDCS以实现剂量一致性和目标接触

Zeming Liu, Mo Wang, Xuanye Pan, Yuan Yang, Wilson Truccolo, Quanying Liu

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种基于发育导向的双目标优化框架，用于个性化优化儿童HD-tDCS剂量，以提高剂量一致性和目标接触效率。

Comments Zeming Liu and Mo Wang contributed equally to this work. Correspondence to Wilson Truccolo (wilson_truccolo@brown.edu) and Quanying Liu (liuqy@sustech.edu.cn)

Discovering Self-Protective Falling Policy for Humanoid Robot via Deep Reinforcement Learning

通过深度强化学习发现人形机器人自我保护跌倒策略

Diyuan Shi, Shangke Lyu, Donglin Wang

专题命中 规划决策 ：agent(abstract)

AI总结 本文通过深度强化学习和课程学习，训练人形机器人发现自我保护跌倒策略，通过三角结构减少跌倒损害，并在现实平台中验证其有效性。

Implicit Incentive Provision with Misspecified Learning

隐性激励提供与学习偏差

Federico Echenique, Anqi Li

专题命中 规划决策 ：agent(abstract)

AI总结 本文研究了在委托代理关系中存在偏差的学习，分析了评估偏差如何影响努力生产率和努力选择，并探讨了政策干预对评估的影响。

TrajDiff: End-to-end Autonomous Driving without Perception Annotation

TrajDiff: 无需感知标注的端到端自动驾驶

Xingtai Gui, Jianbo Zhao, Wencheng Han, Jikai Wang, Jiahao Gong, Feiyang Tan, Cheng-zhong Xu, Jianbing Shen

机构 * SKL-IOTSC, CIS, University of Macau（澳门大学智能物联网与交通系统研究中心，计算机学院） ； University of Science and Technology of China（中国科学技术大学） ； Mach Drive 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 TrajDiff通过无需感知标注的轨迹导向鸟瞰图扩散框架，实现了端到端自动驾驶，达到领先性能。

Cross-Temporal 3D Gaussian Splatting for Sparse-View Guided Scene Update

跨时间3D高斯点云法用于稀疏视角引导的场景更新

Zeyuan An, Yanghang Xiao, Zhiying Leng, Frederick W. B. Li, Xiaohui Liang

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出跨时间3D高斯点云法，通过稀疏图像和先验信息实现跨时间的3D场景重建与更新，提升重建质量和数据效率。

Comments AAAI2026 accepted

Image Generation as a Visual Planner for Robotic Manipulation

图像生成作为机器人操作的视觉规划器

Ye Pang

机构 * Southern China University of Technology（华南理工大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出利用图像生成模型作为机器人视觉规划器，通过轻度微调实现时间连贯的机器人操作视频生成。

Comments 11 pages 9 figures Under review at CVPR 2026

Explainable Machine Learning for Macroeconomic and Financial Nowcasting: A Decision-Grade Framework for Business and Policy

可解释机器学习在宏观经济和金融即时预测中的应用：一种面向商业和政策的决策级框架

Luca Attolico

专题命中 规划决策 ：workflow(abstract)

AI总结 本文提出了一种面向商业和政策的决策级即时预测框架，通过可解释的机器学习和不确定性量化提升宏观经济和金融预测的可靠性与实用性。

Comments 32 pages, 2 tables, 1 figure. Submitted to the special issue "Emerging Trends in FinTech and AI: Theory and Applications in Business, Economics, and Law" (EUM Series "Economics and Law")

GigaWorld-0: World Models as Data Engine to Empower Embodied AI

GigaWorld-0：世界模型作为数据引擎赋能具身AI

GigaWorld Team, Angen Ye, Boyuan Wang, Chaojun Ni, Guan Huang, Guosheng Zhao, Haoyun Li, Jiagang Zhu, Kerui Li, Mengyuan Xu, Qiuping Deng, Siting Wang, Wenkang Qin, Xinze Chen, Xiaofeng Wang, Yankai Wang, Yu Cao, Yifan Chang, Yuan Xu, Yun Ye, Yang Wang, Yukun Zhou, Zhengyuan Zhang, Zhehao Dong, Zheng Zhu

机构 * GigaWorld Team（GigaWorld团队） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 GigaWorld-0通过整合视频生成与3D建模技术，构建统一的数据引擎，生成高质量具身交互数据，提升VLA模型在现实任务中的性能。

Comments Project Page: https://giga-world-0.github.io/

Populations of tidal and pulsating variables in eclipsing binaries

食双星中潮汐变量和脉动变量的种群

Alex Kemp, Jasmine Vrancken, Joey S. G. Mombarg, Luc IJspeert, Mykyta Kliapets, Andrew Tkachenko, Conny Aerts

专题命中 规划决策 ：planning(abstract)

AI总结 研究通过分析14377个主序双星的恒星和轨道性质，发现g模式和混合脉动体的潮汐效率较高，且其质量分布向高质量延伸。

Comments Accepted A&A, 3/Nov/25