AI Agent

SimuAgent: An LLM-Based Simulink Modeling Assistant Enhanced with Reinforcement Learning

SimuAgent: 一种基于LLM的Simulink建模助手，结合强化学习增强

Yanchang Liang, Xiaowei Zhao

机构 * School of Engineering, University of Warwick（战争学院） ； Intelligent Control and Smart Energy (ICSE) Research Group（智能控制与智能能源研究组） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 SimuAgent结合强化学习和LLM，提升Simulink建模效率与准确性，实现快速收敛和高鲁棒性。

Test Case Specification Techniques and System Testing Tools in the Automotive Industry: A Review

汽车行业中测试用例规范技术与系统测试工具：综述

Denesa Zyberaj, Pascal Hirmer, Marco Aiello, Stefan Wagner

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

AI总结 本文通过系统文献综述和行业经验，综述了汽车行业测试用例规范技术与系统测试工具的挑战与需求，提出了优先级标准目录，支持技术选择和未来测试框架改进。

Comments This is the author accepted manuscript (AAM) of a paper accepted for publication in The Journal of Systems and Software (Elsevier). The final published version will be available via the journal

Policy to Assist Iteratively Local Segmentation: Optimising Modality and Location Selection for Prostate Cancer Localisation

政策辅助迭代局部分割：优化模态和位置选择以定位前列腺癌

Xiangcen Wu, Shaheer U. Saeed, Yipei Wang, Ester Bonmati Coll, Yipeng Hu

机构 * Department of Medical Physics and Biomedical Engineering, University College London, London, UK（医学物理与生物医学工程系，伦敦大学学院，伦敦，英国） ； UCL Hawkes Institute, University College London, London, UK（UCL Hawkes研究所，伦敦大学学院，伦敦，英国） ； School of Computer Science and Engineering, University of Westminster, London, UK（计算机科学与工程学院，伦敦威斯敏斯特大学，伦敦，英国） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 本文提出了一种推荐系统，通过优化成像模态和位置选择，提升前列腺癌分割性能，实验表明其在提高标注效率和分割准确性方面具有潜力。

ReinFlow: Fine-tuning Flow Matching Policy with Online Reinforcement Learning

ReinFlow：基于在线强化学习的流匹配策略微调

Tonghe Zhang, Chao Yu, Sichang Su, Yu Wang

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

AI总结 ReinFlow通过在线强化学习微调流匹配策略，提升连续机器人控制性能，实现高效去噪与训练稳定性。

Comments 38 pages

Journal ref Published in The Thirty-Ninth Annual Conference on Neural Information Processing Systems, 2025

Multiagent Reinforcement Learning with Neighbor Action Estimation

基于邻居动作估计的多智能体强化学习

Zhenglong Luo, Zhiyong Chen, Aoxiang Liu

机构 * School of Engineering, University of Newcastle（新castle大学工程学院） ； School of Automation, Central South University（中南大学自动化学院） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出基于邻居动作估计的多智能体强化学习框架，通过轻量级模块实现无需显式动作共享的协作策略学习，提升现实机器人系统的鲁棒性和部署可行性。

Using Large Language Models to Detect Socially Shared Regulation of Collaborative Learning

利用大语言模型检测协作学习中的社会共享调节

Jiayi Zhang, Conrad Borchers, Clayton Cohn, Namrata Srivastava, Caitlin Snyder, Siyuan Guo, Ashwin T S, Naveeduddin Mohammed, Haley Noh, Gautam Biswas

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Vanderbilt University（范德堡大学） ； University of Detroit Mercy（底特律默克大学） ； New York University（纽约大学） 纠错

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

AI总结 本文利用大语言模型检测协作学习中的社会共享调节行为，通过嵌入方法提升学习分析的预测能力。

Comments Short research paper accepted at Learning Analytics and Knowledge (LAK '26)

Phasor Agents: Oscillatory Graphs with Three-Factor Plasticity and Sleep-Staged Learning

相位代理：具有三因素塑性与睡眠阶段学习的振荡图

Rodja Trappe

机构 * Zauberzeug GmbH（泽布泽格公司） 纠错

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

AI总结 相位代理通过三因素局部塑性和睡眠阶段学习机制，实现振荡图的稳定学习和表征多样性。

Comments 22 pages, 14 figures

An ASP-based Solution to the Medical Appointment Scheduling Problem

基于ASP的医疗预约安排解决方案

Alina Vozna, Andrea Monaldini, Stefania Costantini, Valentina Pitoni, Dawid Pado

机构 * University of Pisa, Italy（意大利比萨大学） ； Department of Information Engineering, Computer Science（信息工程系） ； Mathematics, University of L’Aquila,Italy（数学，意大利拉奎拉大学） 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ASP的医疗预约安排框架，通过整合Blueprint Personas实现个性化安排，提升效率并减少行政负担。

Comments In Proceedings ICLP 2025, arXiv:2601.00047

Journal ref EPTCS 439, 2026, pp. 367-382

Dosimetric Impact of Hidden Input Parameters in Inverse Optimization Algorithms for GYN HDR Brachytherapy

逆优化算法中隐藏输入参数的剂量学影响：用于妇科 HDR 髋部放射治疗

YeongHyeon Park, Shiqin Su, Sarath Vijayan, Zhiqian Henry Yu, Mandy Cunningham, Yusung Kim

专题命中 规划决策 ：planning(abstract)

AI总结 研究揭示了妇科 HDR 放射治疗中隐藏输入参数对剂量学指标的显著影响，表明通过优化这些参数可提升治疗计划质量。

Comments 4 pages, 3 figures, 3 tables

Network-Based Optimal Control of Pollution Growth

基于网络的污染增长最优控制

Fausto Gozzi, Marta Leocata, Giulia Pucci

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出了一种基于网络结构的污染扩散最优控制模型，通过分析绿色与非绿色技术的权衡，解决了线性污染成本下的最优控制问题。

Cluster-Based Bayesian SIRD Modeling of Chickenpox Epidemiology in India

基于集群的贝叶斯SIRD模型用于印度水痘流行病学分析

Nayana Mukherjee, Chitradipa Chakraborty

专题命中 规划决策 ：planning(abstract)

AI总结 本研究提出基于集群的贝叶斯SIRD模型，分析印度水痘流行病学，揭示不同年龄群体的传播动态及地区异质性对流行病控制的影响。

Comments 28 pages, 5 figures

Understanding Gaming the System by Analyzing Self-Regulated Learning in Think-Aloud Protocols

通过分析思维-陈述协议中的自我调节学习来理解系统游戏

Jiayi Zhang, Conrad Borchers, Canwen Wang, Vishal Kumar, Leah Teffera, Bruce M. McLaren, Ryan S. Baker

专题命中 规划决策 ：planning(abstract)

AI总结 本研究通过分析思维-陈述协议中的自我调节学习，发现系统游戏可能代表一种不适应的自我调节学习形式，并提出通过设计针对性系统来改善学习。

Comments Full research paper accepted at Learning Analytics and Knowledge (LAK '26)

Forging Spatial Intelligence: A Roadmap of Multi-Modal Data Pre-Training for Autonomous Systems

锻造空间智能：面向自主系统多模态数据预训练的路线图

Song Wang, Lingdong Kong, Xiaolu Liu, Hao Shi, Wentong Li, Jianke Zhu, Steven C. H. Hoi

机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Alibaba Group（阿里巴巴集团） ； Singapore Management University（新加坡管理学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出多模态数据预训练框架，旨在通过整合多传感器数据提升自主系统空间智能，解决单模态模型整合难题，并提出统一的预训练范式分类及未来发展方向。

Comments Survey; 40 pages, 7 figures, 9 tables; GitHub Repo at https://github.com/worldbench/awesome-spatial-intelligence

Generative Models From and For Sampling-Based MPC: A Bootstrapped Approach For Adaptive Contact-Rich Manipulation

基于采样基于MPC的生成模型：一种用于自适应接触密集操作的自举方法

Lara Brudermüller, Brandon Hung, Xinghao Zhu, Jiuguang Wang, Nick Hawes, Preston Culbertson, Simon Le Cleac'h

机构 * Oxford Robotics Institute, University of Oxford, UK（牛津大学机器人研究所） ； Robotics and AI Institute (RAI), Boston, USA（机器人与人工智能研究所） ； Cornell University, Ithaca, NY, USA（康奈尔大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种基于自举的生成模型框架，用于提升采样基于MPC在接触密集操作中的效率和鲁棒性。

Comments 9 pages, 4 figures

LinguaGame: A Linguistically Grounded Game-Theoretic Paradigm for Multi-Agent Dialogue Generation

LinguaGame: 一种基于语言的多智能体对话生成博弈论范式

Yuxiao Ye, Yiming Zhang, Yiran Ma, Huiyuan Xie, Huining Zhu, Zhiyuan Liu

机构 * Tsinghua University（清华大学） ； University of California, Berkeley（加州大学伯克利分校） ； Peking University（北京大学） ； East China University of Political Science and Law（中国政法大学） 纠错

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

AI总结 LinguaGame通过博弈论范式提升多智能体对话生成的通信效率，利用语言感知推理实现意图和策略的高效沟通。

Tool-MAD: A Multi-Agent Debate Framework for Fact Verification with Diverse Tool Augmentation and Adaptive Retrieval

Tool-MAD: 一种用于事实验证的多智能体辩论框架，具有多样化工具增强和自适应检索

Seyeon Jeong, Yeonjun Choi, JongWook Kim, Beakcheol Jang

机构 * Graduate School of Information, Yonsei University（Yonsei大学信息研究生院） ； Department of Computer Science, Sangmyung University（Sangmyung大学计算机科学系） 纠错

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

AI总结 Tool-MAD通过多智能体辩论框架结合多样化工具增强和自适应检索，提升事实验证的准确性和鲁棒性。

ResMAS: Resilience Optimization in LLM-based Multi-agent Systems

ResMAS: LLM-based多智能体系统中的韧性优化

Zhilun Zhou, Zihan Liu, Jiahe Liu, Qingyu Shao, Yihan Wang, Kun Shao, Depeng Jin, Fengli Xu

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

AI总结 ResMAS通过两阶段框架提升LLM-based MAS的韧性，结合奖励模型与拓扑生成器优化拓扑和提示设计，增强系统在扰动下的稳定性与泛化能力。

TCAndon-Router: Adaptive Reasoning Router for Multi-Agent Collaboration

TCAndon-Router: 多智能体协作的自适应推理路由

Jiuzhou Zhao, Chunrong Chen, Chenqi Qiao, Lebin Zheng, Minqi Han, Yanchi Liu Yongzhou Xu Xiaochuan Xu Min Zhang

机构 * Tencent Cloud Andon（腾讯云安顿） 纠错

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

AI总结 TCAndon-Router通过动态智能体接入和自然语言推理链提升多智能体协作的路由准确性与鲁棒性。

Comments 16 pages, 6 figures. Under review at IJCAI

Transformer-based Multi-agent Reinforcement Learning for Separation Assurance in Structured and Unstructured Airspaces

基于变换器的多智能体强化学习用于结构化和非结构化空域中的分离保障

Arsyi Aziz, Peng Wei

机构 * Department of Computer Science George Washington University Washington D.C., United States（计算机科学系乔治·华盛顿大学华盛顿特区，美国） 纠错

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

AI总结 本文提出基于变换器的多智能体强化学习方法，通过相对极坐标状态空间和改进的编码器架构，实现结构化和非结构化空域中的高效飞机分离保障。

Comments 9 pages, 4 figures, 4 tables. Presented at SESAR Innovation Days 2025

Integrating Multi-Agent Simulation, Behavioral Forensics, and Trust-Aware Machine Learning for Adaptive Insider Threat Detection

融合多智能体仿真、行为取证和基于信任的机器学习的自适应内部威胁检测

Firdous Kausar, Asmah Muallem, Naw Safrin Sattar, Mohamed Zakaria Kurdi

机构 * Department of Computer Science（计算机科学系） 纠错

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

AI总结 本文提出融合多智能体仿真、行为取证和基于信任的机器学习的自适应内部威胁检测框架，通过不同系统变体验证了认知上下文、证据门控验证和预训练通信校准对提升检测精度和降低误报的作用。

Beyond Detection: Exploring Evidence-based Multi-Agent Debate for Misinformation Intervention and Persuasion

超越检测：探索基于证据的多智能体辩论用于虚假信息干预与说服

Chen Han, Yijia Ma, Jin Tan, Wenzhen Zheng, Xijin Tang

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

AI总结 本文提出ED2D框架，通过整合事实证据检索，提升虚假信息检测与说服效果，同时揭示MAD系统在干预中的潜力与风险。

Comments This paper has been accepted to AAAI 2026

FinDeepForecast: A Live Multi-Agent System for Benchmarking Deep Research Agents in Financial Forecasting

FinDeepForecast：一个用于在金融预测中基准测试深度研究代理的实时多智能体系统

Xiangyu Li, Xuan Yao, Guohao Qi, Fengbin Zhu, Kelvin J. L. Koa, Xiang Yao Ng, Ziyang Liu, Xingyu Ni, Chang Liu, Yonghui Yang, Yang Zhang, Wenjie Wang, Fuli Feng, Chao Wang, Huanbo Luan, Xiaofen Xing, Xiangmin Xu, Tat-Seng Chua, Ke-Wei Huang

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

AI总结 FinDeepForecast是一个实时多智能体系统，用于评估深度研究代理在金融预测中的表现，通过生成研究导向的金融预测任务，提供了一个公开的基准测试平台。

A Closed-Loop Multi-Agent System Driven by LLMs for Meal-Level Personalized Nutrition Management

基于LLM的闭环多智能体系统用于餐级个性化营养管理

Muqing Xu

机构 * Muqing Xu（穆庆旭） 纠错

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

AI总结 本文提出基于LLM的多智能体系统，实现餐级闭环个性化营养管理，通过图像识别与对话交互优化营养摄入计划。

Comments 6 pages, 6 figures, 6 tables, Conference: Robotics, Automation, and Artificial Intelligence 2025

3D-Agent:Tri-Modal Multi-Agent Collaboration for Scalable 3D Object Annotation

3D-Agent：三模态多智能体协作用于可扩展的3D物体标注

Jusheng Zhang, Yijia Fan, Zimo Wen, Jian Wang, Keze Wang

机构 * Sun Yat-sen University（中山大学） ； Shanghai Jiao Tong University（上海交通大学） ； Snap Inc.（Snap公司） 纠错

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

AI总结 Tri MARF通过三模态多智能体协作提升大规模3D物体标注效率与精度

Comments Accepted at NeurIPS 2025

Model of Spatial Human-Agent Interaction with Consideration for Others

考虑他人的空间人机交互模型

Takafumi Sakamoto, Yugo Takeuchi

机构 * Graduate School of Science and Technology, Shizuoka University（静冈大学理学技术研究生院） 纠错

专题命中 多智能体 ：agent(title,abstract)

AI总结 本文提出了一种考虑他人的空间人机交互模型，通过实验验证了该模型在调节人机交互行为方面的有效性。

From National Curricula to Cultural Awareness: Constructing Open-Ended Culture-Specific Question Answering Dataset

从国家课程到文化意识：构建开放性文化特定问答数据集

Haneul Yoo, Won Ik Cho, Geunhye Kim, Jiyoon Han

机构 * KAIST AI Center（韩国国立科学技术院人工智能中心） ； Samsung Electronics（三星电子） ； Hankuk University of Foreign Studies（韩国外语大学） 纠错

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

AI总结 本文提出CuCu框架，利用国家课程构建文化特定的开放性问答数据集KCaQA，以提升语言模型在文化对齐方面的表现。

Air-to-Ground Communications for Internet of Things: UAV-based Coverage Hole Detection and Recovery

物联网空地通信：基于无人机的覆盖空洞检测与恢复

Xiao Fan, Wenkun Wen, Peiran Wu, Junhui Zhao, Minghua Xia

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

AI总结 本文提出基于无人机的物联网覆盖空洞实时检测与恢复框架，利用德劳内三角剖分和多智能体避障机制实现高效连接恢复。

Comments 17 pages, 14 figures, 2 tables; to appear in IEEE Internet of Things Journal

From Paper to Structured JSON: An Agentic Workflow for Compliant BMR Digital Transformation

从论文到结构化JSON：一种合规BMR数字转型的代理工作流程

Bhavik Agarwal, Nidhi Bendre, Viktoria Rojkova

专题命中 工作流自动化 ：workflow(title,abstract)；agentic(title)

AI总结 本文提出了一种基于AI的工作流程，将无结构的BMRs转换为结构化的JSON，通过分块、并行大语言模型提取和固定模式，实现合规的BMR数字化，提升处理效率并解锁历史制造数据。

Nalar: An agent serving framework

Nalar：一个代理服务框架

Marco Laju, Donghyun Son, Saurabh Agarwal, Nitin Kedia, Myungjin Lee, Jayanth Srinivasa, Aditya Akella

专题命中 工作流自动化 ：agent(title,abstract)；workflow(abstract)；agentic(abstract)

AI总结 Nalar是一个高效代理服务框架，通过分离工作流规范与执行，实现异构代理应用的可扩展、高效和基于策略的服务，显著提升性能和稳定性。

DocDancer: Towards Agentic Document-Grounded Information Seeking

DocDancer：迈向基于文档的信息检索代理

Qintong Zhang, Xinjie Lv, Jialong Wu, Baixuan Li, Zhengwei Tao, Guochen Yan, Huanyao Zhang, Bin Wang, Jiahao Xu, Haitao Mi, Wentao Zhang

机构 * Peking University（北京大学） ； Shanghai AI Lab（上海人工智能实验室） ； Tencent AI Lab（腾讯人工智能实验室） 纠错

专题命中 工作流自动化 ：agentic(title,abstract)；agent(abstract)；分类 cs.CL

AI总结 DocDancer是一种开源文档问答代理，通过工具驱动框架和数据合成管道提升文档理解能力。