AI Agent

Beyond the Last Frame: Process-aware Evaluation for Generative Video Reasoning

超越最后一帧：面向生成视频推理的过程感知评估

Yifan Li, Yukai Gu, Yingqian Min, Zikang Liu, Yifan Du, Kun Zhou, Min Yang, Wayne Xin Zhao, Minghui Qiu

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） ； School of Information, Renmin University of China（中国人民大学信息学院） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（北京大型模型与智能治理研究重点实验室） ； ByteDance（字节跳动） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出VIPER基准和POC@r指标，用于评估生成视频推理中过程与结果的一致性，揭示现有模型在推理能力上的不足。

Comments Work in progress

Honesty-Aware Multi-Agent Framework for High-Fidelity Synthetic Data Generation in Digital Psychiatric Intake Doctor-Patient Interactions

面向数字精神科问诊医生-患者交互的诚实意识多智能体框架：高保真合成数据生成

Xinyuan Zhang, Zijian Wang, Chang Dao, Juexiao Zhou

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

AI总结 本研究提出一种多智能体框架，通过建模患者欺骗行为生成高保真合成数据，用于研究精神科评估中的诚实意识及训练适应性对话代理。

When Single-Agent with Skills Replace Multi-Agent Systems and When They Fail

当单智能体与技能取代多智能体系统以及何时会失败

Xiaoxiao Li

机构 * Trusted and Efficient AI (TEA) Lab（可信高效人工智能实验室） ； University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） ； CIFAR AI Chair（CIFAR人工智能 chair） 纠错

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

AI总结 研究探讨单智能体通过技能库替代多智能体系统在复杂推理中的有效性及局限性，提出基于认知科学的技能选择有限容量理论，并通过层次路由验证其可行性。

Comments 25 pages, technical report

SC-MAS: Constructing Cost-Efficient Multi-Agent Systems with Edge-Level Heterogeneous Collaboration

SC-MAS：构建具有边缘级异构协作的低成本多智能体系统

Di Zhao, Longhui Ma, Siwei Wang, Miao Wang, Yi Kong

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

AI总结 SC-MAS通过异构协作提升多智能体系统的效率与准确性，实现成本降低与性能提升的平衡。

Optimization and Learning in Open Multi-Agent Systems

开放多智能体系统中的优化与学习

Diego Deplano, Nicola Bastianello, Mauro Franceschelli, Karl H. Johansson

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

AI总结 本文提出了一种适用于开放多智能体系统的分布式算法，用于解决动态共识与跟踪问题，并通过不同指标和损失函数进行验证。

Large Language Model-Based Automatic Formulation for Stochastic Optimization Models

基于大语言模型的随机优化模型自动建模

Amirreza Talebi

机构 * Department of Integrated Systems Engineering（集成系统工程系） 纠错

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

AI总结 本文提出利用大语言模型通过结构化提示自动建模随机优化问题，引入软评分度量提升模型质量，展示LLMs在SO建模中的潜力。

Coordinated Pandemic Control with Large Language Model Agents as Policymaking Assistants

利用大语言模型代理进行协调的流行病防控

Ziyi Shi, Xusen Guo, Hongliang Lu, Mingxing Peng, Haotian Wang, Zheng Zhu, Zhenning Li, Yuxuan Liang, Xinhu Zheng, Hai Yang

机构 * The Hong Kong University of Science and Technology, Hong Kong（香港科学与技术大学） ； The Hong Kong University of Science and Technology (Guangzhou), China（香港科学与技术大学（广州）） ； Zhejiang University, China（浙江大学） ； University of Macau, Macau（澳门大学） 纠错

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

AI总结 本文提出利用大语言模型多代理系统进行协调流行病防控，通过模拟和闭环过程减少感染和死亡率。

Comments 20pages, 6 figures, a 60-page supporting material pdf file

Integrating Computational Methods and AI into Qualitative Studies of Aging and Later Life

将计算方法和人工智能融入衰老及晚年生活的定性研究

Corey M. Abramson

专题命中 多智能体 ：workflow(abstract)；分类 cs.AI

AI总结 本文探讨了将计算方法与人工智能融入衰老及晚年生活定性研究的潜力，通过案例分析展示CSS工具如何扩展传统研究方法，提升数据分析效率与多方法研究能力。

Comments CITE: Abramson, Corey M. (Forthcoming 2026). "Integrating Computational Methods and AI into Qualitative Studies of Aging and Later Life." In Handbook of the Sociology of Aging, 2nd ed., edited by Markus H. Schafer, Dawn C. Carr, Jacqueline L. Angel, and Richard A. Settersten Jr // This version is the author's pre-proof, and the final published version may differ from this manuscript

Advancing AI Negotiations: A Large-Scale Autonomous Negotiation Competition

推进人工智能谈判：大规模自主谈判竞赛

Michelle Vaccaro, Michael Caosun, Harang Ju, Sinan Aral, Jared R. Curhan

机构 * MIT Sloan School of Management（麻省理工学院斯隆管理学院） ； Johns Hopkins Carey Business School（约翰霍普金斯大学卡里商学院） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文通过大规模自主谈判竞赛发现，温暖特质在AI谈判中表现优异，主导策略在价值争夺中有效，需建立新的AI谈判理论以优化代理性能。

AnaFlow: Agentic LLM-based Workflow for Reasoning-Driven Explainable and Sample-Efficient Analog Circuit Sizing

AnaFlow: 基于代理的LLM工作流：以推理驱动的可解释且样本高效的模拟电路尺寸设计

Mohsen Ahmadzadeh, Kaichang Chen, Georges Gielen

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

AI总结 AnaFlow通过基于代理的LLM工作流实现高效、可解释的模拟电路尺寸设计，利用人类可理解的推理和自适应仿真策略，提升设计效率和透明度。

Comments This article was accepted by 2025 International Conference on Computer-Aided Design (ICCAD 2025) and was presented in Munich, October 2025

Journal ref Proc. 2025 IEEE/ACM International Conference on Computer-Aided Design (ICCAD) 2025

CuMoLoS-MAE: A Masked Autoencoder for Remote Sensing Data Reconstruction

CuMoLoS-MAE：一种用于遥感数据重建的屏蔽自动编码器

Anurup Naskar, Nathanael Zhixin Wong, Sara Shamekh

机构 * Courant Institute of Mathematical Sciences, New York University（纽约大学Courant数学科学研究所） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG

AI总结 CuMoLoS-MAE通过课程引导的蒙特卡洛随机集合屏蔽自动编码器，实现遥感数据的细尺度特征恢复和像素级不确定性量化，提升对流诊断与气候再分析精度。

Comments Accepted for poster presentation at the NeurIPS 2025 workshop on Tackling Climate Change with Machine Learning. 5 pages, 2 figures

Shape-Aware Topological Representation for Pipeline Hyperbola Detection in GPR Data

面向形状的拓扑表示用于GPR数据中管道双曲线检测

Meiyan Kang, Shizuo Kaji, Sang-Yun Lee, Taegon Kim, Hee-Hwan Ryu, Suyoung Choi

机构 * Department of mathematics, Ajou University, 206, World cup-ro, Yeongtong-gu, Suwon 16499, Republic of Korea ； Institute of Mathematics for Industry, Kyushu University, Fukuoka, 819-0395, Japan ； Graduate School of Science, Kyoto University, Kyoto, 606-8502, Japan ； Construction Environment System Research Institute, Inha University, Incheon, 22212, Republic of Korea ； Transmission \& Substation Laboratory, Korea Electric Power Corporation (KEPCO) Research Institute, Daejeon, 34056, Republic of Korea 纠错

专题命中 工作流自动化 ：planning(abstract)；分类 cs.LG

AI总结 本研究提出一种结合拓扑数据分析与YOLOv5的框架，用于提升GPR数据中管道双曲线检测的精度与鲁棒性。

Comments 15 pages, 6 figures

Journal ref IEEE Sensors Journal, 2025

New Estimate for the Cosmic Ray-Induced $\rm H_2$ Photodissociation Rate in the Interstellar Medium

星际介质中宇宙射线诱导H₂光解离率的新估计

O. Sipilä, P. Caselli, M. Padovani, D. Galli, T. Grassi, H. R. Hrodmarsson, S. S. Jensen, E. Roueff

专题命中 工作流自动化 ：agent(abstract)

AI总结 本文推导了星际介质中宇宙射线诱导H₂光解离的新速率模型，修正了先前高估的值，对化学模拟结果有重要影响。

Comments Accepted to ACS Earth & Space Chemistry "Eric Herbst Festschrift" Special Issue

Hybrid-Contact Planar HPGe Process Vehicle Toward Ring-Contact Designs

混合接触平面高纯锗过程车向环形接触设计

Kunming Dong, Dongming Mei, Shasika Panamaldeniya, Anupama Karki, Patrick Burns, Sanjay Bhataarai

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出一种混合接触平面HPGe工艺，用于制造高纯锗探测器，验证了锂悬浮涂料与薄膜a-Ge/Al接触的兼容性，实现了低噪声和高能量分辨率的探测性能。

Comments 25 pages and 13 Figures

WheatAI v1.0: An AI-Powered High Throughput Wheat Phenotyping Platform

WheatAI v1.0: 一种基于人工智能的高通量小麦表型平台

Maitiniyazi Maimaitijiang, Hillson Ghimire, Subash Thapa, Mohammad Maruf Billah, Shaurya Sehgal, Mandeep Singh, Swas Kaushal, Kushal Poudel, Santosh Subedi, Ubaid Ur Rehman Janjua, Lise-Olga Makonga, Jyotirmoy Halder, Harsimardeep S. Gill, Mazhar Sher, Jagdeep Singh Sidhu, Sunish K. Sehgal

专题命中 工作流自动化 ：workflow(abstract)

AI总结 WheatAI v1.0通过人工智能技术实现高通量小麦表型分析，提供多尺度数据输入和自动化处理，支持田间到实验室的快速决策。

Autonomous Robotic Bone Micro-Milling System with Automatic Calibration and 3D Surface Fitting

自主机器人骨微铣系统与自动校准及3D表面拟合

Enduo Zhao, Xiaofeng Lin, Yifan Wang, Kanako Harada

机构 * Department of Mechanical Engineering, Graduate School of Engineering, The University of Tokyo（东京大学工学研究生院机械工程系） ； School of Biomedical Engineering, Tsinghua University（清华大学生物医学工程学院） ； Center for Disease Biology and Integrative Medicine, Graduate School of Medicine, The University of Tokyo（东京大学医学研究生院疾病生物学与整合医学中心） 纠错

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本研究提出了一种自主机器人骨微铣系统，通过集成微立体相机和CNN关键点检测，实现自动校准和3D表面拟合，显著提升小鼠颅窗创建的自动化水平和精度。

Comments 8 pages, 8 figures, accepted by RA-L. Please refer to the DOI to access the accepted version

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 2, pp. 2250-2257 (2026)

DepRadar: Agentic Coordination for Context Aware Defect Impact Analysis in Deep Learning Libraries

DepRadar：深度学习库中基于上下文的缺陷影响分析代理协调

Yi Gao, Xing Hu, Tongtong Xu, Jiali Zhao, Xiaohu Yang, Xin Xia

专题命中 软件智能体 ：agentic(title)；agent(abstract)；分类 cs.SE

AI总结 DepRadar通过代理协调框架实现深度学习库中缺陷影响分析，结合静态分析与领域规则提高准确性和可解释性，有效识别受影响程序。

Comments Published in 48th International Conference on Software Engineering (ICSE 2026)

QueryIPI: Query-agnostic Indirect Prompt Injection on Coding Agents

QueryIPI: 针对编码代理的查询无关间接提示注入

Yuchong Xie, Zesen Liu, Mingyu Luo, Zhixiang Zhang, Kaikai Zhang, Yuanyuan Yuan, Zongjie Li, Ping Chen, Shuai Wang, Dongdong She

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） 纠错

专题命中 软件智能体 ：agent(abstract)；分类 cs.AI

AI总结 QueryIPI通过利用系统不变性与工具描述，实现对编码代理的查询无关间接提示注入，实验显示其在模拟代理中达到87%的成功率，揭示了现实中的安全风险。

Hybrid guided variational autoencoder for visual place recognition

混合引导变分自编码器用于视觉地点识别

Ni Wang, Zihan You, Emre Neftci, Thorben Schoepe

机构 * Amazon Development Center Germany GmbH, Berlin, Germany（亚马逊德国开发中心） ； Southeast University, Nanjing, China（东南大学） ； Forschungszentrum Jülich GmbH, Aachen, Germany（尤利希研究中心） ； imec, Luven, Belgium（imec） 纠错

专题命中 GUI与网页智能体 ：autonomous agent(abstract)；分类 cs.AI

AI总结 本文提出一种混合引导变分自编码器用于视觉地点识别，结合事件视觉传感器和脉冲神经网络，实现紧凑、鲁棒且具有泛化能力的模型，提升移动机器人导航性能。

Residual Cross-Modal Fusion Networks for Audio-Visual Navigation

残差跨模态融合网络用于音频视觉导航

Yi Wang, Yinfeng Yu, Bin Ren

机构 * School of Computer Science and Technology, Xinjiang University, Urumqi, China（新疆大学计算机科学与技术学院） ； Joint International Research Laboratory of Silk Road Multilingual Cognitive（丝绸之路多语认知联合国际实验室） ； School of Mechatronic Engineering and Automation Shanghai University, Shanghai, China（上海大学机电工程与自动化学院） 纠错

专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文提出残差跨模态融合网络，通过双向残差交互实现音频视觉信息互补建模，提升跨域导航性能。

Comments Main paper (10 pages). Accepted for publication by the 14th international conference on Computational Visual Media (CVM 2026)

Feedback-Based Mobile Robot Navigation in 3-D Environments Using Artificial Potential Functions Technical Report

基于反馈的三维环境移动机器人导航人工势场方法技术报告

Ro'i Lang, Elon Rimon

专题命中 GUI与网页智能体 ：planning(abstract)

AI总结 本文提出了一种用于三维环境中移动机器人导航的人工势场方法，通过多项式函数构造并验证了在存在障碍物时的导航性能。

The AI Hippocampus: How Far are We From Human Memory?

人工智能海马体：我们离人类记忆还有多远？

Zixia Jia, Jiaqi Li, Yipeng Kang, Yuxuan Wang, Tong Wu, Quansen Wang, Xiaobo Wang, Shuyi Zhang, Junzhe Shen, Qing Li, Siyuan Qi, Yitao Liang, Di He, Zilong Zheng, Song-Chun Zhu

专题命中 记忆与上下文管理 ：agent(abstract)；autonomous agent(abstract)；planning(abstract)；agentic(abstract)

AI总结 本文综述了大语言模型和多模态大语言模型中记忆机制的分类与研究进展，探讨了隐性、显性和代理记忆框架，以及多模态场景下的记忆整合与挑战。

Journal ref Transactions on Machine Learning Research (11/2025)

ReflexDiffusion: Reflection-Enhanced Trajectory Planning for High-lateral-acceleration Scenarios in Autonomous Driving

ReflexDiffusion：面向自动驾驶高侧向加速度场景的反射增强轨迹规划

Xuemei Yao, Xiao Yang, Jianbin Sun, Liuwei Xie, Xuebin Shao, Xiyu Fang, Hang Su, Kewei Yang

专题命中 记忆与上下文管理 ：planning(title)

AI总结 ReflexDiffusion通过反射调整机制提升自动驾驶在高侧向加速度场景下的轨迹规划安全性与可靠性。

Comments Accepted by AAAI 2026

What Do LLM Agents Know About Their World? Task2Quiz: A Paradigm for Studying Environment Understanding

LLM代理对其世界的了解程度如何？Task2Quiz：一种研究环境理解的范式

Siyuan Liu, Hongbang Yuan, Xinze Li, Ziyue Zhu, Yixin Cao, Yu-Gang Jiang

机构 * School of Computer Science, Fudan University（复旦大学计算机科学学院） 纠错

专题命中 记忆与上下文管理 ：autonomous agent(abstract)；tool-use(abstract)；分类 cs.AI

AI总结 本文提出Task2Quiz范式，通过评估代理对环境的理解能力，揭示任务成功与环境理解之间的差异，并指出主动探索和细粒度状态表示是提升自主代理泛化能力的关键瓶颈。

LLMs can Compress LLMs: Adaptive Pruning by Agents

LLMs可以压缩LLMs：通过代理的自适应剪枝

Sai Varun Kodathala, Rakesh Vunnam

机构 * Research and Development, Sports Vision, Inc.（研发部，Sports Vision公司） ； Research and Development, Vizworld Inc.（研发部，Vizworld公司） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出通过代理引导的自适应剪枝方法，有效压缩LLMs，提升事实知识保留和模型性能。

Comments 17 Pages

Memory-R1: Enhancing Large Language Model Agents to Manage and Utilize Memories via Reinforcement Learning

Memory-R1: 通过强化学习增强大语言模型代理以管理并利用记忆

Sikuan Yan, Xiufeng Yang, Zuchao Huang, Ercong Nie, Zifeng Ding, Zonggen Li, Xiaowen Ma, Jinhe Bi, Kristian Kersting, Jeff Z. Pan, Hinrich Schütze, Volker Tresp, Yunpu Ma

机构 * Ludwig Maximilian University of Munich（慕尼黑路德维希-马克西米利安大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Technical University of Munich（慕尼黑技术大学） ； University of Cambridge（剑桥大学） ； University of Hong Kong（香港大学） ； Technical University of Darmstadt（达姆施塔特技术大学） ； University of Edinburgh（爱丁堡大学） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.CL

AI总结 Memory-R1通过强化学习框架，使大语言模型具备主动管理与利用外部记忆的能力，有效提升长跨度推理性能。

Advancing ESG Intelligence: An Expert-level Agent and Comprehensive Benchmark for Sustainable Finance

推进ESG智能：一个专家级代理和全面的可持续金融基准

Yilei Zhao, Wentao Zhang, Lei Xiao, Yandan Zheng, Mengpu Liu, Wei Yang Bryan Lim

机构 * Nanyang Technological University（南洋理工大学） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 Agent评测 ：agent(title,abstract)；agentic(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 本文提出ESGAgent多代理系统及三级基准，通过高准确率在原子问题回答和专业报告生成中超越现有LLMs，为可持续金融领域提供关键评估工具。

AI-NativeBench: An Open-Source White-Box Agentic Benchmark Suite for AI-Native Systems

AI-NativeBench: 一个面向 AI-Native 系统的开源白盒代理基准测试套件

Zirui Wang, Guangba Yu, Michael R. Lyu

专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；分类 cs.SE

AI总结 AI-NativeBench 通过白盒代理基准测试揭示 AI-Native 系统中的关键工程现实，指导可靠系统构建。

Long-term Task-oriented Agent: Proactive Long-term Intent Maintenance in Dynamic Environments

长期任务导向代理：动态环境中主动的长期意图维护

Qinglong Shi, Donghai Wang, Hantao Zhou, Jiguo Li, Jun Xu, Jiuchong Gao, Jinghua Hao, Renqing He

机构 * School of Management, University of Science and Technology of China（中国科学技术大学管理学院） ； Meituan（美团） 纠错

专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI、cs.CL

AI总结 本文提出一种主动任务导向代理，通过意图条件监控和事件触发跟进，提升动态环境中长期意图维护的能力，并通过ChronosBench验证了其有效性。

Comments 8 pages, 2 figures

DeepResearchEval: An Automated Framework for Deep Research Task Construction and Agentic Evaluation

DeepResearchEval: 一种用于深度研究任务构建和代理评估的自动化框架

Yibo Wang, Lei Wang, Yue Deng, Keming Wu, Yao Xiao, Huanjin Yao, Liwei Kang, Hai Ye, Yongcheng Jing, Lidong Bing

机构 * Infinity Lab, Shanda Group（沙达集团无限实验室） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.CL

AI总结 DeepResearchEval提出了一种自动化框架，通过基于角色的任务生成流程和自适应评估机制，解决深度研究任务构建和评估中的挑战。

Comments Source code: https://github.com/Infinity-AILab/DeepResearchEval