VJEPA: Variational Joint Embedding Predictive Architectures as Probabilistic World Models
VJEPA：变分联合嵌入预测架构作为概率世界模型
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 VJEPA通过变分目标学习预测分布，统一表征学习与贝叶斯过滤，提供概率世界模型框架，适用于高维噪声环境中的鲁棒规划。
Comments 77 pages
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. 规划决策 37 篇
CityCube: Benchmarking Cross-view Spatial Reasoning on Vision-Language Models in Urban Environments
CityCube：在城市环境中对视觉-语言模型的跨视角空间推理进行基准测试
机构 * College of Systems Engineering, National University of Defense Technology（系统工程学院，国防科技大学） ； State Key Laboratory of Digital Intelligent Modeling and Simulation（数字智能建模与仿真国家重点实验室） ； BNRist, Tsinghua University（清华大学北京研究院） ； Department of Electronic Engineering, Tsinghua University（电子工程系，清华大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 CityCube是一个用于评估视觉-语言模型在城市环境中跨视角空间推理能力的基准，通过多视角问答对揭示模型与人类表现的差距。
Guided by the Plan: Enhancing Faithful Autoregressive Text-to-Audio Generation with Guided Decoding
受计划引导：通过引导解码增强忠实的自回归文本到音频生成
机构 * The Hong Kong Polytechnic University（香港理工大学） ； IROOTECH TECHNOLOGY（IROOTECH技术公司） ； Wolf 1069 b Lab, Sany Group（三一集团沃尔夫1069实验室） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.CL
AI总结 本研究提出Plan-Critic模型，通过引导解码提升自回归文本到音频生成的忠实度，实现CLAP分数提升10分，达到新状态。
Comments Accepted at EACL 2026
DroneVLA: VLA based Aerial Manipulation
DroneVLA：基于VLA的空中操控
机构 * Skoltech（斯克里普金科技大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 DroneVLA通过结合VLA模型和定制无人机，实现基于自然语言指令的空中物体抓取与递送，展示了在定位和导航中的高精度表现。
Comments This paper has been accepted for publication at LBR of HRI 2026 conference
Karhunen-Loève Expansion-Based Residual Anomaly Map for Resource-Efficient Glioma MRI Segmentation
基于Karhunen-Loève展开的残差异常图用于资源高效的胶质瘤MRI分割
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 本文提出基于KLE的残差异常图方法，实现资源高效的胶质瘤MRI分割，显著提升性能并降低计算与数据需求。
LLM Powered Social Digital Twins: A Framework for Simulating Population Behavioral Response to Policy Interventions
由大型语言模型驱动的社会数字孪生：一种用于模拟人口对政策干预反应的框架
机构 * PwC（普华永道）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI
AI总结 本文提出了一种由大型语言模型驱动的社会数字孪生框架，用于模拟人群对政策干预的反应，通过校准层实现对真实数据的验证，并在疫情期间展示了20.7%的预测误差改进。
Comments 13 pages, 1 figure, 4 tables
Stochastic EMS for Optimal 24/7 Carbon-Free Energy Operations
随机EMS用于最优24/7无碳能源运营
专题命中 规划决策 ：planning(abstract)
AI总结 本文提出一种两阶段随机优化方法，用于实现24/7无碳能源运营，通过整合深度学习预测和滚动时间框架，优化电池配置和多源采购以最小化成本。
Comments 23 pages
Risk Estimation for Automated Driving
自动驾驶中的风险估计
专题命中 规划决策 ：planning(abstract)
AI总结 本文提出了一种结合碰撞概率估计与碰撞严重性的通用方法，用于准确估计自动驾驶中的风险，以提高运动规划的安全性和效率。
Comments 10 pages, 5 figures
Regulatory Expectations for Bayesian Methods in Drug and Biologic Clinical Trials: A Practical Perspective on FDA's 2026 Draft Guidance
贝叶斯方法在药物和生物制品临床试验中的监管要求：对FDA 2026年草案指南的实用视角
专题命中 规划决策 ：planning(abstract)
AI总结 本文探讨FDA 2026年草案指南中贝叶斯方法在药物和生物制品临床试验中的应用，强调贝叶斯设计需满足监管要求，包括明确的成功标准、先验分布、模拟评估及计算透明性，并提供规划和提交的检查表。
Partial Decoder Attention Network with Contour-weighted Loss Function for Data-Imbalance Medical Image Segmentation
具有轮廓加权损失函数的部分解码器网络用于数据不平衡医学图像分割
机构 * Institute of Medical Technology, Peking University Health Science Center, Peking University, Beijing, China（北京大学医学部医学技术研究所） ； National Institute of Health Data Science, Peking University, Beijing, China（北京大学国家健康数据科学研究院） ； Department of Radiology, Peking University Third Hospital, Beijing, China（北京大学第三医院放射科） ； RIKEN Center for Computational Science (R-CCS), Kobe, Japan（日本京都大学RIKEN计算科学中心） ； National Institute of Health Data Science, Peking University, the Institute of Medical Technology, Peking University Health Science Center, and the Institute for Artificial Intelligence, Peking University, Beijing, China（北京大学国家健康数据科学研究院、北京大学医学部医学技术研究所以及北京大学人工智能研究所）
专题命中 规划决策 ：planning(abstract)
AI总结 PDANet通过轮廓加权损失函数提升小结构分割性能，优于九种现有方法，提高Dice评分2.32%-3.60%。
An MISOCP-Based Decomposition Approach for the Unit Commitment Problem with AC Power Flows
基于MISOCP的分解方法用于含交流功率流的单元调度问题
专题命中 规划决策 ：planning(abstract)
AI总结 本文提出基于MISOCP的分解方法，同时解决含交流功率流的单元调度问题，通过两种算法在不同规模实例上获得高质量可行解。
2. 多智能体 20 篇
Game-Theoretic Lens on LLM-based Multi-Agent Systems
基于博弈论的基于大语言模型的多智能体系统视角
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；autonomous agent(abstract)；planning(abstract)
AI总结 本文通过博弈论视角，系统综述了基于大语言模型的多智能体系统，构建了理解、比较和指导未来研究的框架。
Comments 9 pages, 5 figures
Multi-Agent Constraint Factorization Reveals Latent Invariant Solution Structure
多智能体约束因子化揭示潜在不变解结构
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本研究通过多智能体约束因子化揭示了潜在不变解结构，展示了在相同信息下多智能体系统提升问题解决性能的机制，并应用于文本对话系统。
INFA-Guard: Mitigating Malicious Propagation via Infection-Aware Safeguarding in LLM-Based Multi-Agent Systems
INFA-Guard: 通过感染感知防护减轻恶意传播在基于大语言模型的多智能体系统中的影响
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 INFA-Guard通过感染感知防护机制有效减轻基于大语言模型的多智能体系统中的恶意传播问题，显著降低攻击成功率并保持拓扑完整性。
If You Want Coherence, Orchestrate a Team of Rivals: Multi-Agent Models of Organizational Intelligence
如果你想要一致性，就组建一支对手团队：组织智能的多智能体模型
机构 * Isotopes AI USA（Isotopes AI美国）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title)；AI agent(abstract)；分类 cs.AI
AI总结 本文提出通过多智能体团队协作，利用对立激励因素提高组织智能的可靠性，通过远程代码执行器实现感知与执行的分离，达到高错误拦截率和可控延迟。
Comments 15 pages, 6 figures, 7 tables
Quality or Quantity? Error-Informed Selective Online Learning with Gaussian Processes in Multi-Agent Systems: Extended Version
质量还是数量？基于高斯过程的多智能体系统中误差引导的选 择性在线学习：扩展版本
机构 * Technical University of Munich (TUM)（慕尼黑技术大学） ； School of Computation, Information and Technology (CIT)（计算、信息与技术学院） ； College of Intelligent Systems Science and Engineering（智能系统科学与工程学院） ； School of Electrical and Mechanical Engineering（电气与机械工程学院） ； Research and Innovation Centre（研究与创新中心） ； University of Adelaide（阿德莱德大学） ； Obuda University（奥布达大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG
AI总结 本文提出了一种基于高斯过程的多智能体系统中误差引导的选择性在线学习框架，通过优先质量而非数量提升合作学习效率。
Comments Accepted by IEEE/CAA Journal of Automatica Sinica
A2H-MAS: An Algorithm-to-HLS Multi-Agent System for Automated and Reliable FPGA Implementation
A2H-MAS：一种算法到HLS的多智能体系统用于自动且可靠的FPGA实现
机构 * Xidian University, Xi'an, China（西安电子科技大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.CL
AI总结 A2H-MAS通过多智能体系统实现算法到HLS的自动可靠FPGA实现，提升无线通信等领域的硬件开发效率。
Comments 9 pages, 6 figures
Constrained Black-Box Attacks Against Cooperative Multi-Agent Reinforcement Learning
受限的黑盒攻击针对协作多智能体强化学习
机构 * Mohammed VI Polytechnic University（摩洛哥穆莱伊沙克六世理工学院） ； Khalifa University（卡利法大学） ； Concordia University（康科德大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG
AI总结 本文提出了一种受限黑盒攻击方法，针对协作多智能体强化学习的脆弱性进行研究，通过扰动智能体观察来影响其环境感知，验证了其在多种环境中的有效性及高样本效率。
Manalyzer: End-to-end Automated Meta-analysis with Multi-agent System
Manalyzer: 基于多智能体系统的端到端自动化元分析
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Nankai University（南开大学） ； Peking University（北京大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 Manalyzer通过多智能体系统实现端到端自动化元分析，有效缓解了传统方法中的幻觉问题，并在多模态数据处理中取得显著性能提升。
SCSimulator: An Exploratory Visual Analytics Framework for Partner Selection in Supply Chains through LLM-driven Multi-Agent Simulation
SCSimulator: 一种基于LLM驱动多智能体模拟的供应链伙伴选择探索性可视化分析框架
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)
AI总结 SCSimulator通过LLM驱动的多智能体模拟与人机协作，探索供应链伙伴选择的动态博弈，提供透明的决策解释和可交互的分析工具。
Comments ACM IUI 2026
Tokenomics: Quantifying Where Tokens Are Used in Agentic Software Engineering
令牌经济学：量化令牌在代理软件工程中的使用位置
机构 * Data-driven Analysis of Software (DAS) Lab Concordia University Montreal Canada ； Data-driven Analysis of Software (DAS) Lab Concordia University
专题命中 多智能体 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.SE
AI总结 研究通过分析LLM-MA系统在软件开发生命周期中的令牌消耗，发现代码审查阶段消耗最大，提出优化代理协作效率的方法。
OptimAI: Optimization from Natural Language Using LLM-Powered AI Agents
OptimAI：利用LLM驱动的AI代理进行自然语言优化
机构 * Department of Computer Science University of Maryland at College Park（计算机科学系大学马里兰大学学院公园分校） ； Department of Mathematics University of Maryland at College Park（数学系大学马里兰大学学院公园分校） ； Department of Mathematics Department of Computer Science University of Maryland at College Park（数学系计算机科学系大学马里兰大学学院公园分校）
专题命中 多智能体 ：AI agent(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL
AI总结 OptimAI通过LLM驱动的AI代理解决自然语言描述的优化问题，实现88.1%的准确率，显著降低错误率。
Collective behavior based on agent-environment interactions
基于代理与环境相互作用的集体行为
专题命中 多智能体 ：agent(title,abstract)
AI总结 该研究提出了一种基于代理与环境相互作用的模型，通过持久随机游走和趋化作用产生复杂集体行为，揭示了无直接通信下涌现的时空模式形成机制。
Comments One of the authors found errors in the equations in the section on `PARTIAL DIFFERENTIAL EQUATIONS (PDE)'. Due to a miscommunication, this was not discovered until after publication. The author requests that the paper be withdrawn, as he considers it unfit for publication
GraphPerf-RT: A Graph-Driven Performance Model for Hardware-Aware Scheduling of OpenMP Codes
GraphPerf-RT: 一种基于图的性能模型用于OpenMP代码的硬件感知调度
机构 * Wayne State University（韦恩州立大学） ； Iowa State University（爱荷华州立大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校）
专题命中 多智能体 ：agent(abstract)；AI agent(abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 GraphPerf-RT通过结合任务拓扑、代码语义和运行时上下文，实现高效硬件感知调度，提升性能与能效。
Comments 49 pages, 4 figures, 19 tables
A Layered Protocol Architecture for the Internet of Agents
面向智能体的分层协议架构
机构 * Cisco Research（思科研究）
专题命中 多智能体 ：agent(abstract)；AI agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文提出分层协议架构，通过智能体通信层和语义层实现智能体协作，解决LLMs在内存和计算能力上的限制，推动多智能体系统的扩展。
Computational Foundations for Strategic Coopetition: Formalizing Trust and Reputation Dynamics
战略合作者竞争的计算基础：形式化信任与声誉动态
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出一种双层信任模型，结合博弈论与动态信任演变，通过实验验证其在合作者竞争中的有效性。
Comments 57 pages, 20 figures. Second technical report in research program; should be read with foundational companion arXiv:2510.18802. Adapts and extends trustworthiness and reputation material from Pant (2021) doctoral dissertation, University of Toronto. Validation source code: https://github.com/vikpant/strategic-coopetition/tree/master/TR_validation/TR2_trust
Hallucination-Free Automatic Question & Answer Generation for Intuitive Learning
无幻觉的自动问答生成用于直观学习
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出无幻觉的多代理生成框架，通过结构化协作减少教育内容中的幻觉，提升问答生成的准确性与教育价值。
AlertGuardian: Intelligent Alert Life-Cycle Management for Large-scale Cloud Systems
AlertGuardian: 大规模云系统中的智能警报生命周期管理
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.SE
AI总结 AlertGuardian通过结合LLMs和图模型，优化大规模云系统的警报生命周期管理，显著减少警报疲劳并提升故障诊断效率。
Comments Accepted by ASE 2025
Robust Verification of Concurrent Stochastic Games
并发随机游戏的鲁棒验证
机构 * Department of Computer Science, University of Oxford, Oxford OX1 2JD, UK（计算机科学系，牛津大学，牛津 OX1 2JD，英国）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文提出鲁棒并发随机游戏模型及验证框架，用于处理多智能体系统中转移概率的不确定性问题。
Comments Extended version of a paper accepted to TACAS 2026. Main text: 17 pages, 2 figures, 2 tables; Appendix: 37 pages, 3 figures, 3 tables. Minor revisions and clarifications to the appendix; no changes to results
Last-iterate Convergence for Symmetric, General-sum, $2 \times 2$ Games Under The Exponential Weights Dynamic
对称、一般和2×2游戏在指数权重动态下的最后迭代收敛性分析
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 本文研究了对称2×2游戏在指数权重动态下的最后迭代收敛性，展示了其在多代理预测中的应用。
