AI Agent

CLARIFID: Improving Radiology Report Generation by Reinforcing Clinically Accurate Impressions and Enforcing Detailed Findings

CLARIFID：通过强化临床准确印象和强制详细发现来改进放射报告生成

Kyeongkyu Lee, Seonghwan Yoon, Hongki Lim

机构 * Department of Electrical and Computer Engineering（电子与计算机工程系） 纠错

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

AI总结 CLARIFID通过强化临床准确印象和强制详细发现，提升放射报告生成的临床效果。

Evaluating the effects of Data Sparsity on the Link-level Bicycling Volume Estimation: A Graph Convolutional Neural Network Approach

评估数据稀疏性对链路级自行车流量估计的影响：一种图卷积神经网络方法

Mohit Gupta, Debjit Bhowmick, Meead Saberi, Shirui Pan, Ben Beck

机构 * School of Public Health and Preventive Medicine, Monash University, Melbourne, Australia（公共卫生与预防医学学院，墨尔本大学） ； School of Civil and Environmental Engineering, Research Centre for Integrated Transport Innovation (rCITI)（土木与环境工程学院，综合交通创新研究中心） ； School of Information and Communication Technology, Griffith University, Brisbane, Australia（信息与通信技术学院，格里菲斯大学） 纠错

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

AI总结 本文提出利用图卷积网络建模链路级自行车流量，研究数据稀疏性对模型性能的影响，证明GCN在预测自行车流量方面的优势，并指出高稀疏条件下模型性能下降的问题。

Journal ref Journal of Cycling and Micromobility Research Volume 6, December 2025, 100086

Fast Wrong-way Cycling Detection in CCTV Videos: Sparse Sampling is All You Need

CCTV视频中快速错误方向骑行检测：稀疏采样足矣

Jing Xu, Wentao Shi, Sheng Ren, Lijuan Zhang, Weikai Yang, Pan Gao, Jie Qin

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（南京航空航天大学计算机科学与技术学院） ； The College of Electronic and Information Engineering, Nanjing University of Aeronautics and Astronautics（南京航空航天大学电子与信息工程学院） ； The College of Artificial Intelligence, Nanjing University of Aeronautics and Astronautics（南京航空航天大学人工智能学院） 纠错

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

AI总结 本文提出WWC-Predictor，通过稀疏采样和轻量级检测器高效估计错误方向骑行比例，实现低误差率和低计算成本。

Comments Accepted by IEEE Transactions on Intelligent Transportation Systems

Keep the Lights On, Keep the Lengths in Check: Plug-In Adversarial Detection for Time-Series LLMs in Energy Forecasting

保持灯光亮起，保持长度在控制中：用于能源预测时间序列LLM的插件对抗检测

Hua Ma, Ruoxi Sun, Minhui Xue, Xingliang Yuan, Carsten Rudolph, Surya Nepal, Ling Liu

机构 * The University of Melbourne, Australia（墨尔本大学） ； Monash University, Australia（莫纳什大学） ； Georgia Institute of Technology, United States（佐治亚理工学院） 纠错

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

AI总结 本文提出一种用于时间序列LLM的插件对抗检测方法，通过采样诱导的分歧检测对抗性示例，提升能源预测的鲁棒性。

Universal Dexterous Functional Grasping via Demonstration-Editing Reinforcement Learning

通过演示编辑强化学习实现通用灵巧功能抓取

Chuan Mao, Haoqi Yuan, Ziye Huang, Chaoyi Xu, Kai Ma, Zongqing Lu

机构 * Peking University（北京大学） ； BeingBeyond 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本研究提出DemoFunGrasp，通过演示编辑强化学习实现通用灵巧功能抓取，提升抓取性能和现实泛化能力。

Comments 19 pages

Large Language Models for Power System Applications: A Comprehensive Literature Survey

大语言模型在电力系统应用中的综述：全面的文献调查

Muhammad Sarwar, Muhammad Rizwan, Mubushra Aziz, Abdul Rehman Sudais

专题命中 规划决策 ：planning(abstract)

AI总结 本文综述了大语言模型在电力系统中的应用，探讨了其在故障诊断、负荷预测等领域的潜力及面临的挑战，提出未来研究方向。

Comments 17 pages, 1 table, 1 figure

GenieDrive: Towards Physics-Aware Driving World Model with 4D Occupancy Guided Video Generation

GenieDrive: 向具有物理意识的驾驶世界模型迈进：基于4D占用的视频生成

Zhenya Yang, Zhe Liu, Yuxiang Lu, Liping Hou, Chenxuan Miao, Siyi Peng, Bailan Feng, Xiang Bai, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 GenieDrive通过4D占用引导的视频生成，实现物理意识的驾驶视频生成，提升预测精度和视频质量。

Comments The project page is available at https://huster-yzy.github.io/geniedrive_project_page/

Making Robots Play by the Rules: The ROS 2 CLIPS-Executive

让机器人遵守规则：ROS 2 CLIPS-Executive

Tarik Viehmann, Daniel Swoboda, Samridhi Kalra, Himanshu Grover, Gerhard Lakemeyer

机构 * Knowledge-Based Systems Group, RWTH Aachen University（基于知识的系统组，亚琛RWTH大学） ； Chair of Machine Learning and Reasoning (i6), RWTH Aachen University（机器学习与推理（i6）教授席位，亚琛RWTH大学） ； MASCOR Institute, FH Aachen University of Applied Sciences（MASCOR研究所，亚琛应用科学大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出将CLIPS规则引擎整合到ROS 2中，以提升机器人自主协调能力，并展示了基于PDDL的规划框架整合方案。

Argumentative Reasoning with Language Models on Non-factorized Case Bases

基于非因子化案例库的语言模型论证推理

Wachara Fungwacharakorn, May Myo Zin, Ha-Thanh Nguyen, Yuntao Kong, Ken Satoh

专题命中 规划决策 ：agentic(abstract)

AI总结 本文提出AAM-CBR框架，通过语言模型实现非因子化案例库的基于案例推理，提升灵活性和隐私性，并展示在因素数量增加时需结合符号推理以提高效果。

Comments Presented at NeLaMKRR@KR, 2025 (arXiv:2511.09575)

Mega-MUSE Nearby Galaxy Serendipity Survey

Mega-MUSE 邻近星系偶然性调查

Martin M. Roth

专题命中 规划决策 ：planning(abstract)

AI总结 Mega-MUSE 邻近星系偶然性调查利用其他调查数据，旨在揭示无法通过其他方式解决的开放科学问题，包括罕见恒星和星云的统计特性及未知现象的发现。

Comments White Paper in response to ESO call for ideas What science questions will astronomy need to answer in the 2040s?

Autonomously Unweaving Multiple Cables Using Visual Feedback

自主利用视觉反馈解缠多根电缆

Tina Tian, Xinyu Wang, Andrew L. Orekhov, Fujun Ruan, Lu Li, Oliver Kroemer, Howie Choset

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种利用视觉反馈解缠多根松散缠绕电缆的方法，通过状态转移模型优化动作选择，实现了84%的成功率。

Comments 6 pages, 5 figures

RollMux: Phase-Level Multiplexing for Disaggregated RL Post-Training

RollMux：基于分拆强化学习后训练的阶段级多路复用

Tianyuan Wu, Lunxi Cao, Yining Wei, Wei Gao, Yuheng Zhao, Dakai An, Shaopan Xiong, Zhiqiang Lv, Ju Huang, Siran Yang, Yinghao Yu, Jiamang Wang, Lin Qu, Wei Wang

专题命中 规划决策 ：planning(abstract)

AI总结 RollMux通过跨集群编排优化强化学习后训练的资源利用，提升效率1.84倍，实现100%服务等级目标。

Comments 17 pages, 15 figures

Multi-modal Uncertainty Robust Tree Cover Segmentation For High-Resolution Remote Sensing Images

多模态不确定性鲁棒树冠覆盖分割用于高分辨率遥感图像

Yuanyuan Gui, Wei Li, Yinjian Wang, Xiang-Gen Xia, Mauro Marty, Christian Ginzler, Zuyuan Wang

机构 * School of Information and Electronics, Beijing Institute of Technology（信息与电子学院，北京理工大学） ； National Key Laboratory of Science and Technology on Space-Born Intelligent Information Processing（空间智能信息处理国家重点实验室） ； Department of Electrical and Computer Engineering, University of Delaware（电气与计算机工程系，德雷塞尔大学） ； Swiss Federal Institute for Forest, Snow, and Landscape Research WSL（瑞士森林、雪和景观研究联邦 institute WSL） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 MURTreeFormer通过多模态分割框架降低不确定性，提升高分辨率遥感图像中树冠分割的鲁棒性与准确性。

Journal ref IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 2026

Human Mobility Reimagined: Digital Twin Intelligence for Adaptive Campus Course Timetabling

人类移动重新构想：数字孪生智能用于适应性校园课程安排

Keshu Wu, Xinyue Ye, Suphanut Jamonnak, Xin Feng

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出基于数字孪生智能的适应性校园课程安排方法，通过整合推荐和反馈机制，优化移动效率与资源利用。

Prevalence of Upper Extremity Distal Predominant Weakness Pattern in Chronic Stroke

慢性脑卒中中上肢远端优势弱化模式的普遍性

Ryan H. Baxter, Kotaro Tsutsumi, Marc W. Slutzky, An H. Do

专题命中 规划决策 ：planning(abstract)

AI总结 研究发现慢性亚皮质性脑卒中患者中远端优势上肢弱化更常见，为康复规划和临床诊断提供依据。

Comments 12 pages

Defunding Sexual Healthcare: A Topological Investigation of Resource Accessibility

取消性健康医疗资金：资源可及性的拓扑研究

Denise Gonzalez-Cruz, Genesis Encarnacion, Kaili Martinez-Beasley, Robin Wilson, Nicholas Arosemena, Atilio Barreda, Omayra Ortega, Daniel A. Cruz

专题命中 规划决策 ：planning(abstract)

AI总结 本研究通过拓扑数据分析方法，探讨资源可及性对生殖健康服务的影响，揭示医疗覆盖的不平等现象。

Establishing Reality-Virtuality Interconnections in Urban Digital Twins for Superior Intelligent Road Inspection and Simulation

在城市数字孪生中建立现实-虚拟联系以实现更智能的道路检查与模拟

Yikang Zhang, Chuang-Wei Liu, Jiahang Li, Yingbing Chen, Jie Cheng, Rui Fan

机构 * College of Electronics & Information Engineering, Shanghai Research Institute for Intelligent Autonomous Systems, the State Key Laboratory of Intelligent Autonomous Systems, and Frontiers Science Center for Intelligent Autonomous Systems, Tongji University, Shanghai 201804, China（电子与信息工程学院，上海智能自主系统研究院，智能自主系统国家重点实验室，智能自主系统前沿科学中心，同济大学，上海） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种多模态传感器平台与城市数字孪生结合的智能道路检查系统，通过高保真的道路缺陷场景提升驾驶任务的感知和决策性能。

Building from Scratch: A Multi-Agent Framework with Human-in-the-Loop for Multilingual Legal Terminology Mapping

从零开始构建：一种带有人在回路的多智能体框架用于多语言法律术语映射

Lingyi Meng, Maolin Liu, Hao Wang, Yilan Cheng, Qi Yang, Idlkaid Mohanmmed

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

AI总结 本文提出了一种人机协作的多智能体框架，用于构建多语言法律术语数据库，通过整合AI和人类专家，提升多语言法律术语映射的精度和可扩展性。

Comments 43 pages, 6 fingures, accepted in Artificial Intelligence and Law (2025)

MALLM: Multi-Agent Large Language Models Framework

MALLM：多智能体大语言模型框架

Jonas Becker, Lars Benedikt Kaesberg, Niklas Bauer, Jan Philip Wahle, Terry Ruas, Bela Gipp

机构 * University of Göttingen（哥廷根大学） ； LKA NRW（北莱茵-威斯特法伦州实验室） 纠错

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

AI总结 MALLM是一个开源框架，通过提供多种配置选项，系统分析多智能体辩论的组件，促进对智能体角色、响应生成器、讨论范式和决策协议的深入理解。

Comments Accepted at EMNLP 2025 (Demo)

Diagnose, Localize, Align: A Full-Stack Framework for Reliable LLM Multi-Agent Systems under Instruction Conflicts

诊断、定位、对齐：一种用于在指令冲突下可靠LLM多智能体系统的全栈框架

Guancheng Wan, Leixin Sun, Longxu Dou, Zitong Shi, Fang Wu, Eric Hanchen Jiang, Wenke Huang, Guibin Zhang, Hejia Geng, Xiangru Tang, Zhenfei Yin, Yizhou Sun, Wei Wang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Sea AI Lab（Sea AI 实验室） ； Stanford University（斯坦福大学） ； University of Oxford（牛津大学） ； Yale University（耶鲁大学） ； NTU（南洋理工大学） ； NUS（新加坡国立大学） ； Boston University（波士顿大学） 纠错

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

AI总结 本文提出了一种全栈框架，通过诊断、定位和对齐三个阶段提升LLM多智能体系统在指令冲突下的可靠性。

Comments Upon further review, we realized that the version submitted to arXiv was not the final draft and omits crucial results and discussion. To avoid confusion and ensure the integrity of the record, we request withdrawal and will resubmit once the complete work is ready

MAC: A Multi-Agent Framework for Interactive User Clarification in Multi-turn Conversations

MAC：一种用于多轮对话中交互式用户澄清的多智能体框架

Emre Can Acikgoz, Jinoh Oh, Joo Hyuk Jeon, Jie Hao, Heng Ji, Dilek Hakkani-Tür, Gokhan Tur, Xiang Li, Chengyuan Ma, Xing Fan

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon Alexa（亚马逊Alexa） 纠错

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

AI总结 MAC提出了一种多智能体框架，通过战略性管理澄清对话来解决用户模糊性，提升了任务成功率并减少了对话轮次。

Coherent Multi-Agent Trajectory Forecasting in Team Sports with CausalTraj

在团队体育中利用因果轨迹进行相干多智能体轨迹预测

Wei Zhen Teoh

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

AI总结 CausalTraj通过因果轨迹模型在团队体育中实现多智能体轨迹预测，提升联合预测的准确性和场景连贯性。

Comments 9 pages, 3 figures, accepted to the AI4TS Workshop at AAAI 2026

Distributed Detection of Adversarial Attacks in Multi-Agent Reinforcement Learning with Continuous Action Space

在连续动作空间的多智能体强化学习中分布式检测对抗攻击

Kiarash Kazari, Ezzeldin Shereen, György Dán

机构 * KTH Royal Institute of Technology（皇家理工学院） 纠错

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

AI总结 本文提出了一种在连续动作空间的多智能体强化学习中检测对抗攻击的去中心化方法，通过深度神经网络近似正常行为并利用CUSUM过程实时检测异常行为，实验表明其在检测攻击方面优于离散方法。

Comments Accepted for publication at ECAI 2025

Journal ref Proceedings of the European Conference on Artificial Intelligence (ECAI 2025)

Scalable and Reliable Multi-agent Reinforcement Learning for Traffic Assignment

可扩展且可靠的多智能体强化学习用于交通分配

Leizhen Wang, Peibo Duan, Cheng Lyu, Zewen Wang, Zhiqiang He, Nan Zheng, Zhenliang Ma

机构 * Department of Data Science and Artificial Intelligence, Monash University（数据科学与人工智能系，墨尔本大学） ； Chair of Transportation Systems Engineering, Technical University of Munich（交通系统工程主任，慕尼黑技术大学） ； School of Transportation, Southeast University（交通学院，东南大学） ； The Graduate School of Informatics and Engineering, The University of Electro-Communications（信息与工程研究生院，电通大学） ； Department of Civil Engineering, Monash University（土木工程系，墨尔本大学） ； Department of Civil and Architectural Engineering, KTH Royal Institute of Technology（土木与建筑工程系，皇家理工技术学院） 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MARL-OD-DA框架，通过重新定义智能体为OD对路由器，提升交通分配的可扩展性和可靠性，有效处理大规模交通问题。

The Traitors: Deception and Trust in Multi-Agent Language Model Simulations

背叛者：多智能体语言模型模拟中的欺骗与信任

Pedro M. P. Curvo

机构 * University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 The Traitors通过多智能体模拟研究LLM在社交互动中的欺骗与信任问题，揭示先进模型在欺骗能力与检测能力上的不对称性。

Comments 9 main pages, 31 pages

Regret Lower Bounds for Decentralized Multi-Agent Stochastic Shortest Path Problems

去中心化多智能体随机最短路径问题的遗憾下界

Utkarsh U. Chavan, Prashant Trivedi, Nandyala Hemachandra

机构 * Department of Mechanical Engineering（机械工程系） ； Indian Institute of Technology Bombay（孟买印度理工学院） ； School of Computer Science（计算机科学学院） ； University of Petroleum and Energy Studies（石油与能源研究大学） ； Industrial Engineering and Operations Research（工业工程与运筹学） 纠错

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

AI总结 本文研究了去中心化多智能体随机最短路径问题，通过线性函数逼近提出首个遗憾下界，揭示了该问题的学习难度。

Comments To appear in 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

AutoMV: An Automatic Multi-Agent System for Music Video Generation

AutoMV: 一种自动多智能体系统用于音乐视频生成

Xiaoxuan Tang, Xinping Lei, Chaoran Zhu, Shiyun Chen, Ruibin Yuan, Yizhi Li, Changjae Oh, Ge Zhang, Wenhao Huang, Emmanouil Benetos, Yang Liu, Jiaheng Liu, Yinghao Ma

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Nanjing University（南京大学） ； Queen Mary University of London（伦敦大学女王学院） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Manchester（曼彻斯特大学） 纠错

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

AI总结 AutoMV通过多智能体协作生成完整音乐视频，优于现有方法并接近专业水准。

Designing The Internet of Agents: A Framework for Trustworthy, Transparent, and Collaborative Human-Agent Interaction (HAX)

设计智能体互联网：信任、透明和协作人机交互的框架

Marc Scibelli, Krystelle Gonzalez Papaux, Julia Valenti, Srishti Kush

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

AI总结 HAX框架通过整合行为启发式、模式驱动SDK和行为代理概念，为信任、透明和协作的人机交互提供端到端解决方案。

Trusted AI Agents in the Cloud

云中的可信AI代理

Teofil Bodea, Masanori Misono, Julian Pritzi, Patrick Sabanic, Thore Sommer, Harshavardhan Unnibhavi, David Schall, Nuno Santos, Dimitrios Stavrakakis, Pramod Bhatotia

机构 * Technical University of Munich（慕尼黑技术大学） ； INESC-ID/Instituto Superior Tecnico, University of Lisbon（里斯本大学技术学院） 纠错

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

AI总结 Omega系统通过端到端隔离和可验证信任建立，实现云中可信AI代理的安全运行与高效多代理部署。

Context-Aware Agentic Power Resources Optimisation in EV using Smart2ChargeApp

基于情境的智能电力资源优化在电动汽车中的应用

Muddsair Sharif, Huseyin Seker

机构 * Faculty of Computing, Engineering and the Built Environment（计算、工程与建成环境学院） ； Birmingham City University（伯明翰城市大学） ； Department of Information Systems, College of Computing and Informatics（信息系统系，计算与信息学院） ； The University of Sharjah（沙迦大学） 纠错

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

AI总结 本文提出了一种基于情境的多智能体协调框架，用于优化电动汽车充电生态系统，通过情境感知决策实现多利益相关者的平衡，提升了能源效率和成本效益。