AI Agent

TrafficGamer: Reliable and Flexible Traffic Simulation for Safety-Critical Scenarios with Game-Theoretic Oracles

TrafficGamer: 用于安全关键场景的可靠且灵活的交通仿真方法，基于博弈论 oracle

Guanren Qiao, Guorui Quan, Jiawei Yu, Shujun Jia, Guiliang Liu

机构 * School of Data Science, the Chinese University of Hong Kong, Shenzhen（数据科学学院，香港中文大学（深圳）） ； University of Manchester（曼彻斯特大学） ； Shenyang MXNavi Co.,Ltd.（沈阳MXNavi有限公司） 纠错

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

AI总结 TrafficGamer通过将道路驾驶视为多智能体游戏，实现安全关键场景的可靠且灵活的交通仿真，利用博弈论方法提高仿真保真度和均衡捕捉能力。

The Trojan Knowledge: Bypassing Commercial LLM Guardrails via Harmless Prompt Weaving and Adaptive Tree Search

恶意知识：通过无害提示编织和自适应树搜索绕过商业大语言模型的安全防护

Rongzhe Wei, Peizhi Niu, Xinjie Shen, Tony Tu, Yifan Li, Ruihan Wu, Eli Chien, Pin-Yu Chen, Olgica Milenkovic, Pan Li

专题命中 工具调用 ：agent(abstract)

AI总结 通过无害提示编织和自适应树搜索，研究提出CKA-Agent攻击方法，成功绕过商业大语言模型的安全防护，揭示了知识分解攻击的严重性。

Comments Updated with new baselines and experimental results

GuangMing-Explorer: A Four-Legged Robot Platform for Autonomous Exploration in General Environments

GuangMing-Explorer: 一种四足机器人平台，用于在一般环境中自主探索

Kai Zhang, Shoubin Chen, Dong Li, Baiyang Zhang, Tao Huang, Zehao Wu, Jiasheng Chen, Bo Zhang

机构 * Guangdong Laboratory of Artificial Intelligence（广东人工智能实验室） ； Shenzhen University（深圳大学） 纠错

专题命中 工具调用 ：planning(abstract)

AI总结 GuangMing-Explorer是一种四足机器人平台，旨在通过整合硬件和软件实现自主探索，适用于复杂和非结构化环境。

Comments 6 pages, published in ICUS2025

AgroAskAI: A Multi-Agentic AI Framework for Supporting Smallholder Farmers' Enquiries Globally

AgroAskAI: 一种支持全球小农户提问的多智能体AI框架

Nadine Angela Cantonjos, Arpita Biswas

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

AI总结 AgroAskAI通过多智能体系统为小农户提供气候适应决策支持，支持多语言交互并整合实时数据，提升农业可持续性和决策透明度。

GR-Agent: Adaptive Graph Reasoning Agent under Incomplete Knowledge

GR-Agent: 在不完整知识图谱下适应性图推理代理

Dongzhuoran Zhou, Yuqicheng Zhu, Xiaxia Wang, Hongkuan Zhou, Jiaoyan Chen, Steffen Staab, Yuan He, Evgeny Kharlamov

机构 * University of Oslo（奥斯陆大学） ； Bosch Center for AI（博世人工智能中心） ； University of Stuttgart（斯图加特大学） ； University of Oxford（牛津大学） ； Amazon（亚马逊） ； The University of Manchester（曼彻斯特大学） ； University of Southampton（南安普顿大学） 纠错

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

AI总结 GR-Agent通过构建交互环境并利用图推理工具，在不完整知识图谱中实现更有效的推理，优于现有方法。

VERAFI: Verified Agentic Financial Intelligence through Neurosymbolic Policy Generation

VERAFI：通过神经符号策略生成实现验证的代理金融智能

Adewale Akinfaderin, Shreyas Subramanian

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

AI总结 VERAFI通过神经符号策略生成实现验证的代理金融智能，显著提升金融领域事实正确性与合规性。

A User-Tunable Machine Learning Framework for Step-Wise Synthesis Planning

一种可调的机器学习框架用于分步合成规划

Shivesh Prakash, Nandan Patel, Hans-Arno Jacobsen, Viki Kumar Prasad

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

AI总结 MHNpath是一种可调机器学习框架，用于分步合成规划，通过优化反应路径优先级，提高合成预测的准确性和环保性。

DriveMLM: Aligning Multi-Modal Large Language Models with Behavioral Planning States for Autonomous Driving

DriveMLM: 通过行为规划状态对齐多模态大语言模型以实现自动驾驶

Erfei Cui, Wenhai Wang, Zhiqi Li, Jiangwei Xie, Haoming Zou, Hanming Deng, Gen Luo, Lewei Lu, Xizhou Zhu, Jifeng Dai

机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 DriveMLM通过多模态大语言模型对齐行为规划状态，提升自动驾驶系统的决策能力与闭环性能。

Comments Accepted to Visual Intelligence

Journal ref Visual Intelligence, Volume 3, article number 22, (2025)

Language, participation and inclusivity in the urban planning process in Mzuzu City

语言、参与与包容性在姆祖卢市规划过程中的作用

Francis Engwayo A Mgawadere, Mtafu Manda

专题命中 规划决策 ：planning(title,abstract)

AI总结 本研究探讨了姆祖卢市城市规划过程中语言障碍对社区参与和包容性的影响，提出包容性参与的框架以促进民主发展。

Optimal mixed fleet and charging infrastructure planning to electrify demand responsive feeder services with target CO2 emission constraints

最优混合车队和充电基础设施规划以实现需求响应式馈线服务的电动化，同时满足目标二氧化碳排放约束

Haruko Nakao, Tai-Yu Ma, Richard D. Connors, Francesco Viti

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出双层优化模型，用于在随机需求下实现需求响应式馈线服务的电气化，同时满足二氧化碳减排目标。

QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management

面向服务质量的分层强化学习用于SAGIN支持的无人机移动管理中的链路选择与轨迹优化

Jiayang Wan, Ke He, Yafei Wang, Fan Liu, Wenjin Wang, Shi Jin

机构 * National Mobile Communications Research Laboratory, Southeast University（南京东南大学国家移动通信研究中心） ； Purple Mountain Laboratories（紫金山实验室） ； Interdisciplinary Centre for Security, Reliability and Trust (SnT), University of Luxembourg（Luxembourg大学安全、可靠性与信任跨学科研究中心） 纠错

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

AI总结 本文提出了一种面向服务质量的分层强化学习框架，用于SAGIN支持的无人机移动管理中的链路选择与轨迹优化，通过多智能体分层深度强化学习提升网络性能。

Comments This work has been submitted to the IEEE for possible publication

SEMO: A Socio-Evolutionary Adaptive Optimization Framework for Dynamic Social Network Tie Management

SEMO：一种用于动态社交网络关系管理的社会-进化自适应优化框架

Mohammad Zare

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

AI总结 SEMO提出了一种结合强化学习和贝叶斯更新的框架，通过UCB策略优化动态社交网络关系，实现社会适应度最大化。

Tableaux for epistemic Gödel logic

表格用于知识 Gödel 逻辑

Marta Bílková, Thomas Ferguson, Daniil Kozhemiachenko

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

AI总结 本文提出了一种多智能体知识 Gödel 逻辑，利用表格计算方法解决有效性问题，证明其在不同智能体数量下的复杂性为 PSpace 或 coNP 完全。

Hidden in the Haystack: Smaller Needles are More Difficult for LLMs to Find

haystack中隐藏的针：更小的针对LLM来说更难找到

Owen Bianchi, Mathew J. Koretsky, Maya Willey, Chelsea X. Alvarado, Tanay Nayak, Adi Asija, Nicole Kuznetsov, Mike A. Nalls, Faraz Faghri, Daniel Khashabi

机构 * Center for Alzheimer’s Disease and Related Dementias, NIA, NIH（阿尔茨海默病及相关痴呆症研究中心，国家老龄化研究所，国家卫生研究院） ； DataTecnica LLC（DataTecnica公司） ； Johns Hopkins University（约翰霍普金斯大学） ； Laboratory of Neurogenetics, NIA, NIH（神经遗传学实验室，国家老龄化研究所，国家卫生研究院） 纠错

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

AI总结 本文研究了黄金上下文大小对LLM长上下文问答性能的影响，发现较短的黄金上下文会显著降低模型性能，揭示了上下文长度对模型表现的关键作用。

Comments Under Review

FM-EAC: Feature Model-based Enhanced Actor-Critic for Multi-Task Control in Dynamic Environments

基于特征模型的增强型Actor-Critic：用于动态环境多任务控制

Quanxi Zhou, Wencan Mao, Manabu Tsukada, John C. S. Lui, Yusheng Ji

机构 * The University of Tokyo（东京大学） ； National Institute of Informatics（日本信息处理学会） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 FM-EAC通过整合规划、行动和学习，提升动态环境多任务控制的泛化能力与任务迁移性能。

DEER: Draft with Diffusion, Verify with Autoregressive Models

DEER：通过扩散模型草稿，通过自回归模型验证

Zicong Cheng, Guo-Wei Yang, Jia Li, Zhijie Deng, Meng-Hao Guo, Shi-Min Hu

机构 * Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 DEER通过扩散模型草稿和自回归模型验证，实现高效推测解码，大幅提升解码速度和草稿长度。

Comments Homepage : https://czc726.github.io/DEER/

HERO: Hierarchical Traversable 3D Scene Graphs for Embodied Navigation Among Movable Obstacles

HERO：用于在可移动障碍物间进行具身导航的分层可通行3D场景图

Yunheng Wang, Yixiao Feng, Yuetong Fang, Shuning Zhang, Tan Jing, Jian Li, Xiangrui Jiang, Renjing Xu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

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

AI总结 HERO通过构建分层可通行3D场景图，重新定义可通行性以提升在复杂环境中的导航效率和可达性。

Imitation Learning for Multi-turn LM Agents via On-policy Expert Corrections

通过在线专家纠正实现多轮LM代理的模仿学习

Niklas Lauffer, Xiang Deng, Srivatsa Kundurthy, Brad Kenstler, Jeff Da

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

AI总结 本文提出通过在线专家纠正解决多轮LM代理模仿学习中的协变量偏移问题，实验显示在软件工程任务中效果优于传统方法。

Generative Urban Flow Modeling: From Geometry to Airflow with Graph Diffusion

生成性城市风场建模：从几何到气流的图扩散

Francisco Giral, Álvaro Manzano, Ignacio Gómez, Petros Koumoutsakos, Soledad Le Clainche

机构 * Applied Mathematics Department, ETSIAE-School of Aeronautics, Universidad Politécnica de Madrid（应用数学系、ETSIAE航空学院、马德里理工大学） ； Microflown Technologies（Microflown技术公司） ； Computational Science and Engineering Laboratory, Harvard University（计算科学与工程实验室、哈佛大学） 纠错

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

AI总结 本文提出了一种基于图扩散的生成模型，用于在非结构化网格上合成城市风场，通过结合层次图神经网络和分数扩散建模，实现对复杂几何形状的高效风场模拟与预测。

Attention as Binding: A Vector-Symbolic Perspective on Transformer Reasoning

注意力作为绑定：一种向量符号视角下的Transformer推理

Sahil Rajesh Dhayalkar

机构 * Sahil Rajesh Dhayalkar（独立研究者） 纠错

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

AI总结 本文提出将Transformer的注意力机制视为软向量符号计算，通过向量符号架构视角解释其推理行为，并提出改进架构和训练目标以提升逻辑可靠性和可解释性。

Comments 12 pages with references. Submitted to 'Logical and Symbolic Reasoning in Language Models @ AAAI 2026' conference and is under review

Autonomous Pressure Control in MuVacAS via Deep Reinforcement Learning and Deep Learning Surrogate Models

通过深度强化学习和深度学习替代模型实现MuVacAS的自主压力控制

Guillermo Rodriguez-Llorente, Galo Gallardo, Rodrigo Morant Navascués, Nikita Khvatkin Petrovsky, Anderson Sabogal, Roberto Gómez-Espinosa Martín

机构 * HI Iberia（HI伊比利亚） ； Department of Mathematics, Universidad Carlos III de Madrid（数学系，卡洛斯三世大学） ； Gregorio Millán Barbany Institute, Universidad Carlos III de Madrid（格里戈里·米兰·巴尔巴尼研究所，卡洛斯三世大学） ； IFMIF-DONES Spain（IFMIF-DONES西班牙） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出利用深度强化学习和深度学习替代模型实现MuVacAS的自主压力控制，通过数字孪生技术提升粒子加速器的智能化控制水平。

Comments 13 pages, 7 figures, included in Machine Learning and the Physical Sciences Workshop @ NeurIPS 2025

MMGR: Multi-Modal Generative Reasoning

MMGR：多模态生成推理

Zefan Cai, Haoyi Qiu, Tianyi Ma, Haozhe Zhao, Gengze Zhou, Kung-Hsiang Huang, Parisa Kordjamshidi, Minjia Zhang, Wen Xiao, Jiuxiang Gu, Nanyun Peng, Junjie Hu

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Michigan State University（密歇根州立大学） ； University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Adelaide（阿德莱德大学） ； Salesforce AI Research（Salesforce人工智能研究） ； Microsoft（微软） ； Adobe Research（Adobe研究） 纠错

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

AI总结 MMGR提出一个多模态生成推理评估框架，通过物理、逻辑、空间和时间五个能力评估视频和图像生成模型，揭示其在抽象推理和具身导航中的性能不足。

Comments work in progress

Embodied Co-Design for Rapidly Evolving Agents: Taxonomy, Frontiers, and Challenges

具身共设计用于快速演化的智能体：分类、前沿与挑战

Yuxing Wang, Zhiyu Chen, Tiantian Zhang, Qiyue Yin, Yongzhe Chang, Zhiheng Li, Liang Wang, Xueqian Wang

机构 * Shenzhen International Graduate School (SIGS), Tsinghua University（深圳国际研究生院（SIGS），清华大学） ； New Laboratory of Pattern Recognition (NLPR), Institute of Automation, Chinese Academy of Sciences（模式识别新实验室（NLPR），自动化研究所，中国科学院） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 本文系统回顾了具身共设计的最新进展，提出分层分类法并分析了其在智能体设计中的应用与挑战。

Artificial Intelligence for the Assessment of Peritoneal Carcinosis during Diagnostic Laparoscopy for Advanced Ovarian Cancer

人工智能在诊断腹腔镜手术中评估腹膜癌性病变的应用

Riccardo Oliva, Farahdiba Zarin, Alice Zampolini Faustini, Armine Vardazaryan, Andrea Rosati, Vinkle Srivastav, Nunzia Del Villano, Jacques Marescaux, Giovanni Scambia, Pietro Mascagni, Nicolas Padoy, Anna Fagotti

机构 * IRCAD, Research Institute against Digestive Cancer, Strasbourg, France（IRCAD消化道癌症研究机构，法国斯特拉斯堡） ； University of Strasbourg, CNRS, INSERM, ICube, UMR7357, Strasbourg, France（斯特拉斯堡大学，法国） ； Bioimage Analysis Center, Fondazione Policlinico Universitario A. Gemelli IRCCS, Rome, Italy（生物图像分析中心，意大利罗马） 纠错

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

AI总结 本文提出了一种基于深度学习的AI模型，用于自动评估诊断腹腔镜手术视频中的腹膜癌性病变，提高FS评分的可重复性和临床决策支持。

Beyond Tools: Generative AI as Epistemic Infrastructure in Education

超越工具：生成式AI在教育中的认知基础设施

Bodong Chen

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

AI总结 本文提出AI作为认知基础设施的框架，探讨其在教育中对认知能力的影响，指出AI系统可能替代而非维持人类认知实践。

Comments 17 pages, 2 figures

Radiomics and Clinical Features in Predictive Modelling of Brain Metastases Recurrence

放射组学与临床特征在脑转移瘤复发预测模型中的应用

Ines Faria, Matheus Silva, Crystian Saraiva, Jose Soares, Victor Alves

专题命中 规划决策 ：planning(abstract)

AI总结 本研究利用放射组学和临床数据构建模型，预测脑转移瘤复发并探讨辐射剂量差异与复发风险的关系。

Comments 14 pages, 6 figures, 3 tables

Deep Reinforcement Learning for EH-Enabled Cognitive-IoT Under Jamming Attacks

深度强化学习用于对抗干扰的认知物联网能量收集

Nadia Abdolkhani, Nada Abdel Khalek, Walaa Hamouda

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出一种深度强化学习方法，用于在干扰攻击下优化认知物联网的能量收集和频谱共享效率。

Comments Published in IEEE Internet of Things Journal. This arXiv version is the authors' accepted manuscript

Journal ref IEEE Internet of Things Journal, vol. 11, no. 24, pp. 40800-40813, 2024

New Location Science Models with Applications to UAV-Based Disaster Relief

新的位置科学模型及其在无人机灾害救援中的应用

Sina Kazemdehbashi, Yanchao Liu, Boris S. Mordukhovich

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种新的数学框架，用于确定无人机救援任务中移动基站的最佳位置，考虑风影响和无人机异质性，以提高灾害响应效率。

Predicting Power Grid Failures Using Self-Organized Criticality: A Case Study of the Texas Grid 2014-2022

利用自组织临界性预测电网故障：得克萨斯电网2014-2022年案例研究

Mary Lai O. Salvaña, Gregory L. Tangonan

专题命中 规划决策 ：planning(abstract)

AI总结 本研究通过分析得克萨斯电网2014-2022年的停电规模分布，利用自组织临界性理论预测电网灾难性故障风险，揭示临界指数变化与2021年停电危机的关联性。

Comments Accepted for the 2025 MRS International Risk Conference in July, Boston, MA, US

NAP3D: NeRF Assisted 3D-3D Pose Alignment for Autonomous Vehicles

NAP3D: 通过NeRF辅助的3D-3D姿态对齐用于自动驾驶车辆

Gaurav Bansal

机构 * MIT THINK Scholars Program（MIT THINK学者计划） ； Archbishop Mitty High School（阿奇博尔特·米蒂高中） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 NAP3D通过NeRF辅助的3D-3D对应关系，提升自动驾驶车辆在长视距下的姿态估计精度，实现优于传统2D-3D方法的鲁棒性。

Comments 10 pages, 5 figures, 2 tables