AI Agent

The Agentic Regulator: Risks for AI in Finance and a Proposed Agent-based Framework for Governance

代理调节器：人工智能在金融中的风险及一种基于代理的治理框架提案

Eren Kurshan, Tucker Balch, David Byrd

机构 * Princeton University（普林斯顿大学） ； Emory University（埃默里大学） ； Bowdoin College（鲍德因学院） 纠错

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

AI总结 本文提出基于代理的治理框架，以应对人工智能在金融领域中的新兴风险，通过分层监管模块提升系统适应性和稳定性。

How AI Agents Follow the Herd of AI? Network Effects, History, and Machine Optimism

AI代理如何跟随AI的群体？网络效应、历史与机器乐观

Yu Liu, Wenwen Li, Yifan Dou, Guangnan Ye

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

AI总结 本研究探讨AI代理在网络效应游戏中的决策行为，发现历史数据对LLM推理有显著影响，揭示了AI系统中均衡结果受历史塑造而非单纯激励驱动的特性。

Comments 7 pages, 5 figures

Multimodal DeepResearcher: Generating Text-Chart Interleaved Reports From Scratch with Agentic Framework

多模态深度研究员：从零开始生成文本-图表交织报告的代理框架

Zhaorui Yang, Bo Pan, Han Wang, Yiyao Wang, Xingyu Liu, Luoxuan Weng, Yingchaojie Feng, Haozhe Feng, Minfeng Zhu, Bo Zhang, Wei Chen

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

AI总结 多模态深度研究员通过代理框架实现从零开始生成文本-图表交织报告，利用FDV结构化文本表示提升可视化生成质量。

Comments AAAI 2026 Oral

CoDA: A Context-Decoupled Hierarchical Agent with Reinforcement Learning

CoDA：一种解耦的层次代理

Xuanzhang Liu, Jianglun Feng, Zhuoran Zhuang, Junzhe Zhao, Maofei Que, Jieting Li, Dianlei Wang, Hao Tong, Ye Chen, Pan Li

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 CoDA通过解耦的层次代理设计，利用强化学习有效缓解上下文爆炸问题，在复杂任务中实现性能提升。

Comments Accepted to WSDM '26 Oral

Hierarchical Task Offloading and Trajectory Optimization in Low-Altitude Intelligent Networks Via Auction and Diffusion-based MARL

低空智能网络中的分层任务卸载与轨迹优化：通过拍卖和基于扩散的MARL

Jiahao You, Ziye Jia, Can Cui, Chao Dong, Qihui Wu, Zhu Han

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

AI总结 本文提出了一种基于拍卖和扩散的MARL方法，用于低空智能网络中的分层任务卸载与轨迹优化，以提升能耗效率和任务成功率。

DrivePI: Spatial-aware 4D MLLM for Unified Autonomous Driving Understanding, Perception, Prediction and Planning

DrivePI: 基于空间感知的4D MLLM用于统一自动驾驶理解、感知、预测与规划

Zhe Liu, Runhui Huang, Rui Yang, Siming Yan, Zining Wang, Lu Hou, Di Lin, Xiang Bai, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； Yinwang Intelligent Technology Co. Ltd.（英维智能科技有限公司） ； Tianjin University（天津大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 DrivePI是一种基于空间感知的4D MLLM，用于统一自动驾驶的理解、感知、预测和规划，通过端到端优化实现多任务并行，提升性能并减少碰撞率。

D3D-VLP: Dynamic 3D Vision-Language-Planning Model for Embodied Grounding and Navigation

D3D-VLP：动态3D视觉-语言-规划模型用于具身接地与导航

Zihan Wang, Seungjun Lee, Guangzhao Dai, Gim Hee Lee

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Nanjing University of Science and Technology（南京理工大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 D3D-VLP通过动态3D链式思维和协同学习策略，实现具身接地与导航的高效统一，提升多任务导航性能。

Modified Hybrid A* Collision-Free Path-Planning for Automated Reverse Parking

改进的混合A*碰撞自由路径规划用于自动倒车

Xincheng Cao, Haochong Chen, Bilin Aksun-Guvenc, Levent Guvenc

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出改进的混合A*算法用于自动倒车，结合动态模型和碰撞避障功能，实现碰撞自由的可行路径规划。

A Modular LLM-Agent System for Transparent Multi-Parameter Weather Interpretation

一个模块化的LLM-代理系统用于透明的多参数天气解释

Daniil Sukhorukov, Andrei Zakharov, Nikita Glazkov, Katsiaryna Yanchanka, Vladimir Kirilin, Maxim Dubovitsky, Roman Sultimov, Yuri Maksimov, Ilya Makarov

专题命中 规划决策 ：agent(title,abstract)

AI总结 本文提出AI-Meteorologist，一个基于LLM-代理的透明天气解释系统，通过多参数分析和结构化解释提升天气预报的可解释性和科学性。

Unsupervised Acquisition of Discrete Grammatical Categories

无监督获取离散语法范畴

David Ph. Shakouri, Crit Cremers, Niels O. Schiller

机构 * Leiden University Centre for Linguistics (LUCL)（莱顿大学语言研究中心） ； Leiden University（莱顿大学） ； Leiden Institute for Brain and Cognition (LIBC)（莱顿脑与认知研究所） ； City University of Hong Kong (CityU)（香港城市大学） 纠错

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

AI总结 本文通过多代理系统无监督学习母语的语法范畴，利用统计分析生成离散语法规则，并验证了非平凡语法知识的获取。

Comments 34 pages, 3 figures, 7 tables. Related work: Shakouri et al., arXiv:2512.02195

Social welfare optimisation in well-mixed and structured populations

混合与结构化种群中的社会福利优化

Van An Nguyen, Vuong Khang Huynh, Ho Nam Duong, Huu Loi Bui, Hai Anh Ha, Quang Dung Le, Le Quoc Dung Ngo, Tan Dat Nguyen, Ngoc Ngu Nguyen, Hoai Thuong Nguyen, Zhao Song, Le Hong Trang, The Anh Han

机构 * Faculty of Computer Science and Engineering, Ho Chi Minh City University of Technology (HCMUT), Vietnam（计算机科学与工程学院，胡志明市技术大学（HCMUT）） ； Vietnam National University - Ho Chi Minh City (VNU-HCM), Vietnam（越南国家大学-胡志明市（VNU-HCM）） 纠错

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

AI总结 本文提出通过单目标优化最大化社会福利，揭示在混合与结构化种群中激励成本与合作动态的关系。

NutriGen: Personalized Meal Plan Generator Leveraging Large Language Models to Enhance Dietary and Nutritional Adherence

NutriGen：利用大型语言模型生成个性化餐计划以提高饮食和营养依从性

Saman Khamesian, Asiful Arefeen, Stephanie M. Carpenter, Hassan Ghasemzadeh

机构 * College of Health Solutions, Arizona State University（亚利桑那州立大学健康解决方案学院） ； School of Computing and Augmented Intelligence, Arizona State University（亚利桑那州立大学计算与增强智能学院） 纠错

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

AI总结 NutriGen利用大型语言模型生成个性化餐计划，通过构建营养数据库和提示工程提高饮食依从性和精度。

SpeakRL: Synergizing Reasoning, Speaking, and Acting in Language Models with Reinforcement Learning

SpeakRL: 在语言模型中协同推理、说话与行动以增强强化学习

Emre Can Acikgoz, Jinoh Oh, Jie Hao, Joo Hyuk Jeon, 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 规划决策 ：agent(abstract)；分类 cs.AI、cs.CL

AI总结 SpeakRL通过强化学习提升语言模型的对话能力，通过奖励主动互动提高任务完成效率。

Skillful Subseasonal-to-Seasonal Forecasting of Extreme Events with a Multi-Sphere Coupled Probabilistic Model

利用多球体耦合概率模型实现极端事件的精妙亚季至季预测

Bin Mu, Yuxuan Chen, Shijin Yuan, Bo Qin, Hao Guo

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

AI总结 TianXing-S2S通过多球体耦合概率模型实现极端事件的亚季至季预测，优于现有系统并具备长期稳定预报能力。

Stochastic Volatility Modelling with LSTM Networks: A Hybrid Approach for S&P 500 Index Volatility Forecasting

基于LSTM网络的随机波动率建模：一种用于S&P 500指数波动率预测的混合方法

Anna Perekhodko, Robert Ślepaczuk

机构 * University of Warsaw（华沙大学） ； Faculty of Economic Sciences（经济学院） ； Department of Quantitative Finance and Machine Learning（金融与机器学习系） ； Quantitative Finance Research Group（金融研究组） 纠错

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

AI总结 本文提出了一种结合随机波动率模型和LSTM网络的混合方法，用于改进S&P 500指数波动率预测，通过统计测试和投资模拟验证了其优越性。

Comments 32 pages, 15 tables, 11 figures

A Scientific Reasoning Model for Organic Synthesis Procedure Generation

有机合成过程生成的科学推理模型

Guoqing Liu, Junren Li, Zihan Zhao, Eray Inanc, Krzysztof Maziarz, Jose Garrido Torres, Victor Garcia Satorras, Shoko Ueda, Christopher M. Bishop, Marwin Segler

机构 * Microsoft Research AI for Science（微软研究院人工智能科学部） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 QFANG通过化学引导推理框架生成高质量合成程序，提升计算机辅助合成规划与自动化实验室合成的衔接。

How Far Are We from Genuinely Useful Deep Research Agents?

我们距离真正有用的深度研究代理还有多远？

Dingling Zhang, He Zhu, Jincheng Ren, Kangqi Song, Xinran Zhou, Boyu Feng, Shudong Liu, Jiabin Luo, Weihao Xie, Zhaohui Wang, Tianrui Qin, King Zhu, Yuqing Wang, Qianben Chen, Yuchen Eleanor Jiang, Wei Wang, Jiaheng Liu, Wangchunshu Zhou

机构 * OPPO AI Agent Team（OPPO 人工智能代理团队） 纠错

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

AI总结 本文提出FINDER基准和DEFT分类，揭示当前深度研究代理在证据整合与推理鲁棒性规划方面的不足。

Comments 34 pages

Towards a Common Framework for Autoformalization

迈向自动形式化的一个共同框架

Agnieszka Mensfelt, David Tena Cucala, Santiago Franco, Angeliki Koutsoukou-Argyraki, Vince Trencsenyi, Kostas Stathis

机构 * Department of Computer Science, Royal Holloway, University of London（伦敦大学皇家霍洛威学院计算机科学系） ； Department of Computer Science and Technology, University of Cambridge（剑桥大学计算机科学与技术系） 纠错

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

AI总结 本文旨在提出一个统一框架，以促进不同领域之间的交叉融合，推动下一代人工智能系统的发展。

Comments Presented at NeLaMKRR@KR, 2025 (arXiv:2511.09575). A shorter version of this work will appear in the Proceedings of the AAAI Conference on Artificial Intelligence (AAAI 2026)

Template-Guided Reconstruction of Pulmonary Segments with Neural Implicit Functions

基于神经隐式函数的肺段模板引导重建

Kangxian Xie, Yufei Zhu, Kaiming Kuang, Li Zhang, Hongwei Bran Li, Mingchen Gao, Jiancheng Yang

机构 * ELLIS Institute Finland（埃利斯研究所芬兰分所） ； Aalto University（阿alto大学） ； Department of Computer Science and Engineering（计算机科学与工程系） ； University at Buffalo, SUNY（布法罗大学） ； University of California San Diego（加州大学圣地亚哥分校） ； Yong Loo Lin School of Medicine, National University of Singapore（新加坡国立大学 Yong Loo Lin 医学院） 纠错

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

AI总结 本文提出基于神经隐式函数的肺段重建方法，通过变形可学习模板实现高精度重建，并开发Lung3D数据集提升评估效果。

Comments Manuscript accepted by Medical Image Analysis, 2025

Relational Anatomical Supervision for Accurate 3D Multi-Chamber Cardiac Mesh Reconstruction

关系解剖监督用于准确的3D多腔心脏网格重建

Chenyu Zhang, Yihao Luo, Lei Zhu, Martyn G Boutelle, Choon Hwai Yap, Guang Yang

机构 * Bioengineering Department Imperial College London, London W12 7SL, United Kingdom ； Lung Institute, Imperial College London, London, United Kingdom ； Cardiovascular Research Centre, Royal Brompton Hospital, London SW3 6NP, United Kingdom ； School of Biomedical Engineering \& Imaging Sciences, King's College London, London WC2R 2LS, United Kingdom ； ROAS Thrust, Hong Kong University of Science ； Department of Electronic ； Computer Engineering, Hong Kong University of Science 纠错

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

AI总结 本文提出了一种关系解剖监督框架，通过引入MIE损失，提升多腔心脏网格重建的准确性和解剖一致性。

Sequence of Expert: Boosting Imitation Planners for Autonomous Driving through Temporal Alternation

专家序列：通过时间交替提升自动驾驶的模仿规划器

Xiang Li, Gang Liu, Weitao Zhou, Hongyi Zhu, Zhong Cao

机构 * HighTech Lab, Tsinghua University（清华大学高科技实验室） ； School of Mobility, Tsinghua University（清华大学移动学院） ； University of Michigan（密歇根大学） 纠错

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

AI总结 专家序列通过时间交替策略提升自动驾驶模仿规划器的闭环性能，显著改进了模型表现和训练效率。

QwenLong-L1.5: Post-Training Recipe for Long-Context Reasoning and Memory Management

QwenLong-L1.5: 长上下文推理与内存管理的训练配方

Weizhou Shen, Ziyi Yang, Chenliang Li, Zhiyuan Lu, Miao Peng, Huashan Sun, Yingcheng Shi, Shengyi Liao, Shaopeng Lai, Bo Zhang, Dayiheng Liu, Fei Huang, Jingren Zhou, Ming Yan

专题命中 规划决策 ：agent(abstract)；分类 cs.CL

AI总结 QwenLong-L1.5通过长上下文数据合成、稳定强化学习和内存增强架构，提升长上下文推理能力及超长任务处理性能。

Probability Estimation for Predicted-Occupancy Grids in Vehicle Safety Applications Based on Machine Learning

基于机器学习的车辆安全应用中预测占用网格的概率估计

Parthasarathy Nadarajan, Michael Botsch

机构 * Technische Hochschule Ingolstadt（图宾根工业大学） 纠错

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

AI总结 本文提出基于随机森林算法的机器学习方法，用于高效计算车辆安全应用中的预测占用网格，以提升关键性估计和轨迹规划能力。

Comments 2016 IEEE Intelligent Vehicles Symposium

Anatomy-Guided Representation Learning Using a Transformer-Based Network for Thyroid Nodule Segmentation in Ultrasound Images

基于变压器网络的解剖引导表示学习用于超声图像甲状腺结节分割

Muhammad Umar Farooq, Abd Ur Rehman, Azka Rehman, Muhammad Usman, Dong-Kyu Chae, Junaid Qadir

机构 * 1 Department of Computer Science, Hanyang University, Seoul, 04762, South Korea ； 2 Department of Computer Science, The University of Alabama, Seoul, 04762, South Korea ； 3 Department of Biomedical Sciences, Seoul National University, Seoul, 08826, South Korea ( ) ； 4 Department of Anesthesiology, Perioperative ； Pain Medicine, Stanford University, CA 94305, USA ( ) ； 5 Department of Computer Science, Hanyang University, Seoul, 04762, South Korea ( ) ； 6 Department of Computer Engineering, Qatar University, Doha, Qatar ( ) 纠错

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

AI总结 本文提出SSMT-Net，通过半监督多任务变压器网络实现甲状腺结节分割，利用未标注数据提升特征提取能力，有效应对超声图像中结节分割的挑战。

End-to-End Dexterous Arm-Hand VLA Policies via Shared Autonomy: VR Teleoperation Augmented by Autonomous Hand VLA Policy for Efficient Data Collection

端到端的灵活臂-手VLA策略通过共享自主性：通过自主手VLA策略增强的VR远程操作用于高效数据收集

Yu Cui, Yujian Zhang, Lina Tao, Yang Li, Xinyu Yi, Zhibin Li

机构 * ByteDance（字节跳动） 纠错

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

AI总结 本文提出了一种共享自主框架，通过结合VR远程操作和自主手VLA策略，实现高效的数据收集，从而训练端到端的VLA策略以提升机器人灵活操作能力。

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