AI Agent

DynaMate: An Autonomous Agent for Protein-Ligand Molecular Dynamics Simulations

DynaMate：一种用于蛋白质-配体分子动力学模拟的自主代理

Salomé Guilbert, Cassandra Masschelein, Jeremy Goumaz, Bohdan Naida, Philippe Schwaller

机构 * École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL）） ； National Centre of Competence in Research (NCCR) Catalysis（催化领域研究卓越中心（NCCR Catalysis）） 纠错

专题命中 工具调用 ：agent(title,abstract)；autonomous agent(title)；tool use(abstract)；agentic(abstract)

AI总结 DynaMate是一种自主代理框架，能够自主设计和执行蛋白质-配体分子动力学模拟工作流程，并提供自由能结合亲和力计算。

LLM-Driven Composite Neural Architecture Search for Multi-Source RL State Encoding

基于大语言模型的多源强化学习状态编码复合神经架构搜索

Yu Yu, Qian Xie, Nairen Cao, Li Jin

机构 * Shanghai Jiao Tong University（上海交通大学） ； Cornell University（康奈尔大学） ； New York University（纽约大学） 纠错

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

AI总结 本文提出基于大语言模型的复合神经架构搜索方法，用于多源强化学习状态编码，通过高效搜索发现更高性能的编码器架构。

Comments NeurIPS 2025 Workshop on Bridging Language, Agent, and World Models for Reasoning and Planning

Multi-Robot Path Planning Combining Heuristics and Multi-Agent Reinforcement Learning

结合启发式方法和多智能体强化学习的多机器人路径规划

Shaoming Peng

机构 * School of Artificial Intelligence University of Chinese Academy of Sciences（人工智能学院 中国科学院大学） 纠错

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

AI总结 本文提出MAPPOHR方法，结合启发式搜索与多智能体强化学习，提升多机器人路径规划效率与性能。

COMPARE: Clinical Optimization with Modular Planning and Assessment via RAG-Enhanced AI-OCT: Superior Decision Support for Percutaneous Coronary Intervention Compared to ChatGPT-5 and Junior Operators

COMPARE: 通过RAG增强的AI-OCT实现临床优化：与ChatGPT-5和初级操作者相比，为经皮冠状动脉介入术提供更优的决策支持

Wei Fang, Chiyao Wang, Wenshuai Ma, Hui Liu, Jianqiang Hu, Xiaona Niu, Yi Chu, Mingming Zhang, Jingxiao Yang, Dongwei Zhang, Zelin Li, Pengyun Liu, Jiawei Zheng, Pengke Zhang, Chaoshi Qin, Wangang Guo, Bin Wang, Yugang Xue, Wei Zhang, Zikuan Wang, Rui Zhu, Yihui Cao, Quanmao Lu, Rui Meng, Yan Li

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

AI总结 CA-GPT通过RAG增强的AI-OCT系统在PCI规划和评估中优于ChatGPT-5和初级医生，提供更可靠的决策支持。

TP-RAG: Benchmarking Retrieval-Augmented Large Language Model Agents for Spatiotemporal-Aware Travel Planning

TP-RAG：用于时空感知旅行规划的检索增强型大语言模型代理基准测试

Hang Ni, Fan Liu, Xinyu Ma, Lixin Su, Shuaiqiang Wang, Dawei Yin, Hui Xiong, Hao Liu

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

AI总结 TP-RAG提出了一种用于时空感知旅行规划的检索增强型大语言模型基准测试，通过整合参考轨迹提升旅行计划的空间效率和兴趣点合理性，采用EvoRAG框架实现更高效的时空合规性。

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing

Motion Planning for Safe Landing of a Human-Piloted Parafoil

有人操控 parachutes 的安全着陆路径规划

Maximillian Fainkich, Kiril Solovey, Anna Clarke

机构 * Stephen B. Klein Faculty of Aerospace Engineering（斯蒂芬·B·克莱因航空航天工程学院） ； Viterbi Faculty of Electrical and Computer Engineering（维特比电气与计算机工程学院） ； Technion–Israel Institute of Technology（技术学院–以色列理工学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本研究提出了一种基于 SST 的算法，用于为有人操控滑翔伞计算安全轨迹，通过比较计算机生成和人类生成的解决方案，证明了计算机指导在提升飞行安全性和经济性方面的潜力。

Reconstructing Transportation Cost Planning Theory: A Multi-Layered Framework Integrating Stepwise Functions, AI-Driven Dynamic Pricing, and Sustainable Autonomy

重构运输成本规划理论：一种整合分步函数、AI驱动动态定价和可持续自主性的多层框架

Samuel Darwisman

专题命中 规划决策 ：planning(title,abstract)

AI总结 本研究提出动态可持续成本规划理论，整合分步成本函数、AI驱动动态定价和自动驾驶电动车，以优化运输成本并提升可持续性。

Comments 20 pages, 3 tables, 2 figures

Robust Crop Planning under Uncertainty: Aligning Economic Optimality with Agronomic Sustainability

在不确定性下稳健的作物规划：将经济最优性与农业可持续性对齐

Runhao Liu, Ziming Chen, You Li, Peng Zhang

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出多层稳健作物规划框架，通过整合空间推理、时间动态和稳健优化，解决农业规划中经济最优与可持续性的平衡问题。

Integrated Planning and Machine-Level Scheduling for High-Mix Discrete Manufacturing: A Profit-Driven Heuristic Framework

集成规划与机器级调度用于高混合离散制造：一种以利润为导向的启发式框架

Runhao Liu, Ziming Chen, You Li, Zequn Xie, Peng Zhang

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种以利润为导向的启发式框架，通过集成规划与调度优化，解决高混合离散制造中的生产计划与调度问题，实现高效且稳定的生产调度。

Thinking with Images via Self-Calling Agent

通过自我调用代理进行图像思考

Wenxi Yang, Yuzhong Zhao, Fang Wan, Qixiang Ye

机构 * University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 规划决策 ：agent(title,abstract)

AI总结 本文提出sCoT范式，通过自我调用代理实现无需多模态交错的高效视觉推理，实验显示其在HR-Bench 4K上性能提升达1.9%且训练效率提高75%。

Comments Code is available at https://github.com/YWenxi/think-with-images-through-self-calling

Thinking While Driving: A Concurrent Framework for Real-Time, LLM-Based Adaptive Routing

驾驶中思考：一种用于实时、基于大语言模型的自适应路由的并发框架

Xiaopei Tan, Muyang Fan

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

AI总结 该研究提出了一种基于大语言模型的实时自适应路由框架，通过并发处理实现动态路径规划与拥堵绕行，提升交通效率。

Object-centric proto-symbolic behavioural reasoning from pixels

基于像素的物体中心原型符号行为推理

Ruben van Bergen, Justus Hübotter, Alma Lago, Pablo Lanillos

机构 * Donders Institute, Radboud University（多纳尔斯研究所，拉布德大学） ； Cajal Neuroscience Center, Spanish National Research Council（卡哈尔神经科学中心，西班牙国家研究理事会） 纠错

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

AI总结 本文提出了一种基于像素的物体中心深度学习架构，通过物体表示实现从感知到抽象推理的行为推理，展示了在合成环境中通过逻辑推理和连续控制任务的能力。

Comments Accepted for publication in Neural Networks journal

Push Smarter, Not Harder: Hierarchical RL-Diffusion Policy for Efficient Nonprehensile Manipulation

推智而非推力：用于高效非抓取操作的分层RL-扩散策略

Steven Caro, Stephen L. Smith

机构 * Department of Electrical and Computer Engineering, University of Waterloo（电子与计算机工程系，滑铁卢大学） 纠错

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

AI总结 本文提出HeRD，一种分层RL-扩散策略，用于高效非抓取操作，通过分层目标选择与轨迹生成提升成功率和泛化能力。

Comments 8 pages, 8 figures

Natural Language Interface for Firewall Configuration

防火墙配置的自然语言接口

F. Taghiyev, A. Aslanbayli

机构 * Tandon School of Engineering（塔恩顿工程学院） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； New York University（纽约大学） 纠错

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

AI总结 本文提出了一种基于自然语言的防火墙配置接口，通过中间表示和验证层实现策略翻译与安全检查，旨在提升防火墙管理的可审计性和人机交互性。

Comments 7 pages, 3 figures. Preliminary version of an ongoing research project on natural language interfaces for firewall configuration

Murmur2Vec: A Hashing Based Solution For Embedding Generation Of COVID-19 Spike Sequences

Murmur2Vec: 一种基于哈希的COVID-19刺突序列嵌入生成解决方案

Sarwan Ali, Taslim Murad

机构 * Columbia University, NY, USA（哥伦比亚大学） ； IBA, Karachi, Pakistan（巴基斯坦卡拉奇的IBA） 纠错

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

AI总结 Murmur2Vec通过哈希技术高效生成COVID-19刺突序列嵌入，提升大规模病毒序列分析的效率和准确性。

BioMedGPT-Mol: Multi-task Learning for Molecular Understanding and Generation

BioMedGPT-Mol: 用于分子理解和生成的多任务学习

Chenyang Zuo, Siqi Fan, Zaiqing Nie

机构 * Institute for AI Industry Research (AIR)（人工智能产业研究院） ； Tsinghua University（清华大学） ； PharMolix Inc.（PharMolix公司） 纠错

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

AI总结 BioMedGPT-Mol通过多任务学习方法，实现了分子理解和生成任务的高效建模，并在 retrosynthetic 计划中取得最佳性能。

Video4Spatial: Towards Visuospatial Intelligence with Context-Guided Video Generation

Video4Spatial: 通过基于场景的视频生成实现视觉空间智能

Zeqi Xiao, Yiwei Zhao, Lingxiao Li, Yushi Lan, Ning Yu, Rahul Garg, Roshni Cooper, Mohammad H. Taghavi, Xingang Pan

机构 * Netflix ； Nanyang Technological University（南洋理工大学） ； University of Oxford（牛津大学） ； Eyeline Studios 纠错

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

AI总结 Video4Spatial通过仅使用视频数据训练的生成模型，实现了复杂空间任务的视觉空间智能，展示了视频生成模型在空间推理中的潜力。

Comments Project page at https://xizaoqu.github.io/video4spatial/

ST-GraphNet: A Spatio-Temporal Graph Neural Network for Understanding and Predicting Automated Vehicle Crash Severity

ST-GraphNet：一种用于理解和预测自动驾驶车辆碰撞严重程度的时空图神经网络

Mahmuda Sultana Mimi, Md Monzurul Islam, Anannya Ghosh Tusti, Shriyank Somvanshi, Subasish Das

机构 * Texas State University（德克萨斯州立大学） 纠错

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

AI总结 ST-GraphNet通过时空图神经网络整合多模态数据，以高准确率预测自动驾驶车辆碰撞严重程度。

Toward Intelligent and Secure Cloud: Large Language Model Empowered Proactive Defense

迈向智能和安全的云：大型语言模型赋能的主动防御

Yuyang Zhou, Guang Cheng, Kang Du, Zihan Chen, Yuyu Zhao

机构 * School of Cyber Science and Engineering, Southeast University, Purple Mountain Laboratories, and Jiangsu Province Engineering Research Center of Security for Ubiquitous Network（网络安全学院、东南大学、紫山实验室以及江苏省物联网安全工程技术研究中心） 纠错

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

AI总结 本文提出LLM-PD，一种基于大型语言模型的主动防御架构，用于有效应对云网络中的DoS攻击，通过数据分析和自我进化提升防御效率。

Comments 7 pages; Accepted by IEEE Communications Magazine

Noisy Spiking Actor Network for Exploration

带有噪声的脉冲动作网络用于探索

Ding Chen, Peixi Peng, Tiejun Huang, Yonghong Tian

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出NoisySAN，通过引入时间相关噪声和噪声减少方法，提升深度强化学习中探索效率，在连续控制任务中表现优异。

Comments There are some issues with the method and it needs to be withdrawn

SEMDICE: Off-policy State Entropy Maximization via Stationary Distribution Correction Estimation

SEMDICE：通过平稳分布校正估计实现的非策略状态熵最大化

Jongmin Lee, Meiqi Sun, Pieter Abbeel

机构 * UC Berkeley（加州大学伯克利分校） ； Yonsei University（延世大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 SEMDICE通过平稳分布校正估计，从非策略数据集中学习状态熵最大化策略，实现更高效的无监督强化学习预训练。

Comments ICLR 2025

Dark Speculation: Combining Qualitative and Quantitative Understanding in Frontier AI Risk Analysis

暗推测：在前沿人工智能风险分析中结合定性和定量理解

Daniel Carpenter, Carson Ezell, Pratyush Mallick, Alexandria Westray

机构 * Harvard University（哈佛大学） ； Harvard College（哈佛学院） 纠错

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

AI总结 本文提出'暗推测'方法，结合定性和定量分析，系统性地处理前沿人工智能的灾难性风险，以生成概率分布并指导决策。

Comments 43 pages, 2 figures

SEA: Semantic Map Prediction for Active Exploration of Uncertain Areas

基于语义地图预测的主动探索不确定区域方法

Hongyu Ding, Xinyue Liang, Yudong Fang, You Wu, Jieqi Shi, Jing Huo, Wenbin Li, Jing Wu, Yu-Kun Lai, Yang Gao

机构 * School of Computer Science, Nanjing University（南京大学计算机科学学院） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； Cardiff University（卡地夫大学） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出SEA方法，通过语义地图预测和强化学习策略，实现高效主动探索不确定区域。

Comments Project page: https://robo-lavira.github.io/sea-active-exp

Potential Landscapes Reveal Spatiotemporal Structure in Urban Mobility: Hodge Decomposition and Principal Component Analysis of Tokyo Before and During COVID-19

潜在景观揭示城市流动的时空结构：东京在疫情前和疫情期间的Hodge分解与主成分分析

Yunhan Du, Takaaki Aoki, Naoya Fujiwara

专题命中 规划决策 ：planning(abstract)

AI总结 本研究通过Hodge分解和PCA分析东京疫情期间的交通流动，揭示了时空结构变化，为城市规划和公共卫生提供新视角。

CC-GRMAS: A Multi-Agent Graph Neural System for Spatiotemporal Landslide Risk Assessment in High Mountain Asia

CC-GRMAS：一种用于高亚洲山区时空滑坡风险评估的多智能体图神经系统

Mihir Panchal, Ying-Jung Chen, Surya Parkash

机构 * Department of Computer Engineering（计算机工程系） ； Dwarkadas Jivanlal Sanghvi College of Engineering（德瓦尔卡斯·吉文拉尔·桑格维学院） ； College of Computing（计算机学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Geo-Hydro Meteorological Risks Management Division（地质-水文气象灾害管理部） ； National Institute of Disaster Management（国家灾害管理研究所） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title)；planning(abstract)；分类 cs.AI、cs.LG

AI总结 CC-GRMAS通过多智能体图神经系统提升高亚洲山区滑坡风险评估的准确性和响应效率。

Exploring Health Misinformation Detection with Multi-Agent Debate

探索多智能体辩论中的健康 misinformation 检测

Chih-Han Chen, Chen-Han Tsai, Yu-Shao Peng

机构 * National Taiwan University（台湾国立大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出一种两阶段框架，通过多智能体辩论与自动化评分结合，提升健康虚假信息检测的准确性与说服力。

Learning Controllable and Diverse Player Behaviors in Multi-Agent Environments

在多智能体环境中学习可控且多样的玩家行为

Atahan Cilan, Atay Özgövde

机构 * Boğaziçi University（博雅奇大学） ； Turkish Aerospace（土耳其航空航天） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG

AI总结 本文提出了一种基于PPO的多智能体强化学习框架，通过可控的行为空间实现多样化玩家行为，适用于自动化测试和游戏平衡。

Comments Submitted to IEEE Transactions on Games

On the Dynamics of Multi-Agent LLM Communities Driven by Value Diversity

多智能体LLM社区动态研究：由价值多样性驱动

Muhua Huang, Qinlin Zhao, Xiaoyuan Yi, Xing Xie

机构 * Stanford University（斯坦福大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 本研究通过多智能体模拟探讨价值多样性如何影响AI社区的集体行为，发现其提升稳定性与创造力，但极端异质性会导致不稳定性。

Comments Working Paper

Empirical Hardness in Multi-Agent Pathfinding: Research Challenges and Opportunities

多智能体路径规划中的经验难度：研究挑战与机遇

Jingyao Ren, Eric Ewing, T. K. Satish Kumar, Sven Koenig, Nora Ayanian

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；autonomous agent(journal_ref)

AI总结 本文探讨了多智能体路径规划中经验难度的三个研究挑战，包括算法选择、关键实例特征识别及生成难实例的方法。

Comments Published in AAMAS-25

Journal ref Proceedings of the 24th International Conference on Autonomous Agents and Multiagent Systems, 2025, Pages 2885-2889

Collision-Aware Density-Driven Control of Multi-Agent Systems via Control Barrier Functions

考虑碰撞的密度驱动多智能体系统控制方法 via 控制屏障函数

Sungjun Seo, Kooktae Lee

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出了一种结合密度驱动控制与控制屏障函数的多智能体系统控制方法，用于在存在障碍物的环境中实现安全高效的区域覆盖。

Comments 6 pages, 7 figures, Accepted for presentation at the 5th Modeling, Estimation and Control Conference (MECC 2025), Pittsburgh, USA