AI Agent

MetaGen: Self-Evolving Roles and Topologies for Multi-Agent LLM Reasoning

MetaGen: 多智能体LLM推理中的自演化角色与拓扑

Yimeng Wang, Jiaxing Zhao, Hongbin Xie, Hexing Ma, Yuzhen Lei, Shuangxue Liu, Xuan Song, Zichen Zhang, Haoran Zhang

机构 * School of Artificial Intelligence, Jilin University（吉林大学人工智能学院） ； Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） ； School of Urban Planning and Design, Peking University（北京大学城市规划与设计学院） 纠错

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

AI总结 MetaGen通过自演化角色和拓扑提升多智能体LLM推理的准确性和效率

MATA: A Trainable Hierarchical Automaton System for Multi-Agent Visual Reasoning

MATA：一种用于多智能体视觉推理的可训练分层自动机系统

Zhixi Cai, Fucai Ke, Kevin Leo, Sukai Huang, Maria Garcia de la Banda, Peter J. Stuckey, Hamid Rezatofighi

机构 * Monash University（墨尔本大学） 纠错

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

AI总结 MATA是一种基于分层自动机的多智能体系统，通过可训练超智能体选择最优智能体进行视觉推理，实现高效任务解决。

Comments ICLR 2026

Agentic Design Patterns: A System-Theoretic Framework

代理设计模式：一种系统理论框架

Minh-Dung Dao, Quy Minh Le, Hoang Thanh Lam, Duc-Trong Le, Quoc-Viet Pham, Barry O'Sullivan, Hoang D. Nguyen

机构 * University College Cork ； Vietnam National University（越南国家大学） ； IBM Research Ireland（IBM爱尔兰研究） ； Trinity College Dublin（都柏林三一学院） 纠错

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

AI总结 本文提出了一种系统理论框架，通过分解代理AI系统为五个核心功能子系统，提出12种代理设计模式，以解决代理设计中的重复问题，提升自主系统的模块化和可靠性。

SHIELD: An Auto-Healing Agentic Defense Framework for LLM Resource Exhaustion Attacks

SHIELD：一种针对LLM资源耗尽攻击的自愈代理防御框架

Nirhoshan Sivaroopan, Kanchana Thilakarathna, Albert Zomaya, Manu, Yi Guo, Jo Plested, Tim Lynar, Jack Yang, Wangli Yang

机构 * The University of Sydney（悉尼大学） ； Western Sydney University（西部悉尼大学） ； University of New South Wales（新南威尔士大学） ； University of Wollongong（沃林戈大学） 纠错

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

AI总结 SHIELD通过多代理自愈机制有效应对LLM资源耗尽攻击，整合语义检索、模式匹配和LLM推理，实现动态知识更新和防御优化。

Localized Latent Editing for Dose-Response Modeling in Botulinum Toxin Injection Planning

局部潜在编辑用于肉毒素注射计划中的剂量-反应建模

Estèphe Arnaud, Mohamed Daoudi, Pierre Guerreschi

机构 * Univ. Lille, CNRS, Centrale Lille, Institut Mines-Télécom, UMR 9189 CRIStAL（里尔大学、国家科学研究中心、Centrale Lille、Institut Mines-Télécom、UMR 9189 CRIStAL） ； IMT Nord Europe, Institut Mines-Télécom, Univ. Lille, Centre for Digital Systems（IMT Nord Europe、Institut Mines-Télécom、里尔大学、数字系统中心） ； Lille University Hospital (CHU), Department of Plastic Surgery（里尔大学医院（CHU）、整形外科部门） ； SATT Nord 纠错

专题命中 规划决策 ：planning(title,abstract)；workflow(abstract)

AI总结 本文提出了一种局部潜在编辑框架，通过剂量-反应建模实现肉毒素注射计划，利用区域特定潜在轴发现方法实现对特定面部区域的精确控制。

A Collaborative Extended Reality Prototype for 3D Surgical Planning and Visualization

一种用于3D手术规划和可视化协作扩展现实原型

Shi Qiu, Ruiyang Li, Qixuan Liu, Yuqi Tong, Yue Qiu, Yinqiao Wang, Yan Li, Chi-Wing Fu, Pheng-Ann Heng

专题命中 规划决策 ：planning(title,abstract)；workflow(abstract)

AI总结 本文提出了一种协作扩展现实原型，用于3D手术规划和可视化，通过用户研究验证了其有效性并为未来医疗XR协作提供启示。

Comments IEEE VR 2026 Posters

Yunque DeepResearch Technical Report

Yunque DeepResearch 技术报告

Yuxuan Cai, Xinyi Lai, Peng Yuan, Weiting Liu, Huajian Li, Mingda Li, Xinghua Wang, Shengxie Zheng, Yanchao Hao, Yuyang Yin, Zheng Wei

机构 * Tencent BAC（腾讯BAC） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） 纠错

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

AI总结 Yunque DeepResearch提出了一种分层、模块化且稳健的框架，通过多代理协调、动态上下文管理和主动监督模块解决深度研究中的关键挑战，实现先进性能并开源支持社区发展。

LocationAgent: A Hierarchical Agent for Image Geolocation via Decoupling Strategy and Evidence from Parametric Knowledge

LocationAgent: 一种基于解耦策略和参数知识证据的图像地理定位分层代理

Qiujun Li, Zijin Xiao, Xulin Wang, Zhidan Ma, Cheng Yang, Haifeng Li

机构 * Central South University（中南大学） ； ByteDance (China)（字节跳动（中国）） 纠错

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

AI总结 LocationAgent通过分层推理和外部证据验证，有效提升图像地理定位的准确性和泛化能力。

Comments 9 pages, 5 figures, 3 tables

Self-Reconfiguration Planning for Deformable Quadrilateral Modular Robots

可变形四边形模块化机器人的自重构规划

Jie Gu, Hongrun Gao, Zhihao Xia, Yirun Sun, Chunxu Tian, Dan Zhang

机构 * Institute of AI and Robotics, Academy for Engineering & Technology, Fudan University（人工智能与机器人研究所，工程与技术学院，复旦大学） ； Department of Mechanical Engineering, The Hong Kong Polytechnic University（机械工程系，香港理工大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种针对可变形四边形模块化机器人的自重构规划算法，通过虚拟图和依赖性反树实现稳定连接，验证了其在效率和稳定性上的优势。

Route Planning and Online Routing for Quantum Key Distribution Networks

量子密钥分发网络的路由规划与在线路由

Jorge López, Charalampos Chatzinakis, Marc Cartigny

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出将量子密钥分发网络的路由问题建模为二次规划问题，并证明最宽最短路径策略在在线路由中具有竞争力比值不低于1/2。

Comments Version 2, 6 pages, experimental evaluation added, 8 figures

Self-Supervised Path Planning in Unstructured Environments via Global-Guided Differentiable Hard Constraint Projection

通过全局引导可微硬约束投影实现无结构环境中的自监督路径规划

Ziqian Wang, Chenxi Fang, Zhen Zhang

机构 * State Key Laboratory of Tribology in Advanced Equipment, Tsinghua University（摩擦学国家重点实验室（先进装备）） ； Beijing Key Laboratory of Transformative High-end Manufacturing Equipment and Technology, Department of Mechanical Engineering, Tsinghua University（北京高端制造装备与技术关键实验室（机械工程系）） ； Automotive Electronics Business Unit at Hirain Inc.（惠而得（中国）汽车电子业务部） 纠错

专题命中 规划决策 ：planning(title)

AI总结 本文提出一种自监督路径规划框架，通过全局引导人工势场和可微硬约束投影层，提升无结构环境中自主导航的安全性和实时性。

Optimal Motion Planning for Two Square Robots in a Rectilinear Environment

矩形环境中文机器人最优运动规划

Pankaj K. Agarwal, Mark de Berg, Benjamin Holmgren, Alex Steiger, Martijn Struijs

专题命中 规划决策 ：planning(title)

AI总结 研究了矩形环境中两个机器人最优运动规划问题，提出了最小总和和最小化完成时间两种变种，其中前者获得多项式时间算法，后者被证明为NP难问题。

Discreteness to Convexity: Promotion Planning via Simplotope Triangulation

离散到凸性：通过简化拓扑三角化实现促销计划

Taotao He, Mohit Tawarmalani

专题命中 规划决策 ：planning(title)

AI总结 本文通过简化拓扑三角化方法，提出了一种新的价格促销优化公式化方法，显著提升了求解效率，并扩展了线性规划松弛条件的应用范围。

TS-Debate: Multimodal Collaborative Debate for Zero-Shot Time Series Reasoning

TS-Debate：多模态协作辩论用于零样本时间序列推理

Patara Trirat, Jin Myung Kwak, Jay Heo, Heejun Lee, Sung Ju Hwang

机构 * KAIST Seoul（韩国科学技术院） 纠错

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

AI总结 TS-Debate通过多模态协作辩论框架，在零样本时间序列推理中实现显著性能提升，通过专门代理和结构化协议提升模态保真度和数值精度。

Comments Code will be available at https://github.com/DeepAuto-AI/TS-Debate

Privacy Reasoning in Ambiguous Contexts

模糊情境中的隐私推理

Ren Yi, Octavian Suciu, Adria Gascon, Sarah Meiklejohn, Eugene Bagdasarian, Marco Gruteser

机构 * Google Research（谷歌研究） 纠错

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

AI总结 本研究通过设计Camber框架，探讨上下文消歧对提升语言模型隐私推理能力的影响，实验显示消歧可显著提高精度和召回率，减少提示敏感性。

Journal ref Advances in Neural Information Processing Systems 38 (2025)

One Global Model, Many Behaviors: Stockout-Aware Feature Engineering and Dynamic Scaling for Multi-Horizon Retail Demand Forecasting with a Cost-Aware Ordering Policy (VN2 Winner Report)

一个全局模型，多种行为：面向多时间跨度零售需求预测的缺货感知特征工程与动态缩放，结合成本感知的订货策略（VN2获奖报告）

Bartosz Szabłowski

机构 * Bartosz Szabłowski（巴托斯·斯扎波夫斯基） 纠错

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

AI总结 本研究提出一种结合全局多时间跨度预测模型和成本感知订货策略的方法，用于多时间跨度零售需求预测，通过缺货感知特征工程和动态缩放提升预测准确性与成本效率。

Comments 13 pages, 5 figures. Technical report/winner report for the VN2 Inventory Planning Challenge (2025)

Strong Reasoning Isn't Enough: Evaluating Evidence Elicitation in Interactive Diagnosis

强推理并不足够：评估交互诊断中的证据获取

Zhuohan Long, Zhijie Bao, Zhongyu Wei

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.CL

AI总结 本文提出REFINE策略，通过诊断验证引导代理主动解决不确定性，提升交互诊断中证据获取效率。

Instance-Guided Radar Depth Estimation for 3D Object Detection

实例引导的雷达深度估计用于3D物体检测

Chen-Chou Lo, Patrick Vandewalle

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

AI总结 本文提出InstaRadar和RCDPT整合框架，通过实例分割引导和深度监督提升雷达与相机融合的3D物体检测性能。

Comments Accepted to IPMV2026

GTA: Generative Traffic Agents for Simulating Realistic Mobility Behavior

GTA：生成交通代理用于模拟真实移动行为

Simon Lämmer, Mark Colley, Patrick Ebel

机构 * Leipzig University（莱比锡大学） ； UCL Interaction Centre（UCL互动中心） ； ScaDS.AI, Leipzig University（ScaDS.AI，莱比锡大学） 纠错

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

AI总结 GTA通过基于角色的代理和大语言模型模拟大规模交通行为，提供了一种无需手工规则的类人交通模拟方法，用于研究未来创新对出行决策的影响。

Comments This version has been conditionally accepted at CHI 2026

Model-free policy gradient for discrete-time mean-field control

无模型策略梯度用于离散时间均场控制

Matthieu Meunier, Huyên Pham, Christoph Reisinger

机构 * Mathematical Institute, University of Oxford（牛津大学数学研究所） ； École Polytechnique（巴黎政治学院） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出了一种无模型策略梯度算法MF-REINFORCE，用于解决离散时间均场控制问题，通过引入状态分布流扰动方案，实现了对策略梯度的估计，并建立了偏差和均方误差的量化界限。

Comments 42 pages, 5 figures

coTherapist: A Behavior-Aligned Small Language Model to Support Mental Healthcare Experts

coTherapist：一种行为对齐的小语言模型，用于支持心理健康专家

Prottay Kumar Adhikary, Reena Rawat, Tanmoy Chakraborty

机构 * IIT Delhi（德里印度理工学院） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.CL

AI总结 coTherapist通过小语言模型和领域微调等技术，为心理健康专家提供支持，展现出高同理心和临床可靠性。

K2-V2: A 360-Open, Reasoning-Enhanced LLM

K2-V2：一种360开放、推理增强的LLM

K2 Team, Zhengzhong Liu, Liping Tang, Linghao Jin, Haonan Li, Nikhil Ranjan, Desai Fan, Shaurya Rohatgi, Richard Fan, Omkar Pangarkar, Huijuan Wang, Zhoujun Cheng, Suqi Sun, Seungwook Han, Bowen Tan, Gurpreet Gosal, Xudong Han, Varad Pimpalkhute, Shibo Hao, Ming Shan Hee, Joel Hestness, Haolong Jia, Liqun Ma, Aaryamonvikram Singh, Daria Soboleva, Natalia Vassilieva, Renxi Wang, Yingquan Wu, Yuekai Sun, Taylor Killian, Alexander Moreno, John Maggs, Hector Ren, Guowei He, Hongyi Wang, Xuezhe Ma, Yuqi Wang, Mikhail Yurochkin, Eric P. Xing

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 K2-V2是一种通过注入领域知识、推理、长上下文和工具使用能力，提升复杂推理任务性能的360开放LLM，具备强大的推理能力和开源训练资源。

Plan Then Retrieve: Reinforcement Learning-Guided Complex Reasoning over Knowledge Graphs

计划后再检索：强化学习引导的知识图谱复杂推理

Yanlin Song, Ben Liu, Víctor Gutiérrez-Basulto, Zhiwei Hu, Qianqian Xie, Min Peng, Sophia Ananiadou, Jeff Z. Pan

机构 * School of Computer Science（计算机科学学院） ； Wuhan University（武汉大学） ； School of Computer Science and Informatics（计算机科学与信息学院） ； Cardiff University（卡迪夫大学） ； College of Information Science and Engineering（信息科学与工程学院） ； Shanxi Agricultural University（山西农业大学） ； School of Artificial Intelligence（人工智能学院） ； Center for Language and Information Research（语言与信息研究中心） ； University of Manchester（曼彻斯特大学） ； ILCC, School of Informatics（信息学院） ； University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 Graph-RFT通过强化学习引导的知识图谱复杂推理框架，实现自主规划与适应性检索调度，解决KGQA中的冷启动问题。

PowerGraph-LLM: Novel Power Grid Graph Embedding and Optimization with Large Language Models

PowerGraph-LLM: 利用大语言模型的新型电力网络图嵌入与优化框架

Fabien Bernier, Jun Cao, Maxime Cordy, Salah Ghamizi

机构 * SnT, University of Luxembourg, Luxembourg（卢森堡大学SnT学院，卢森堡） ； Luxembourg Institute of Health (LIH), Luxembourg（卢森堡健康研究院） 纠错

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

AI总结 PowerGraph-LLM利用大语言模型解决电力系统最优潮流问题，结合图与表格表示以捕捉复杂关系，并通过定制的微调协议提升性能。

Comments Published at IEEE Transactions on Power Systems

Journal ref IEEE Transactions on Power Systems (Volume: 40, Issue: 6, Pages: 5483 - 5486, November 2025)

DMAP: Human-Aligned Structural Document Map for Multimodal Document Understanding

DMAP: 人类对齐的多模态文档结构地图用于多模态文档理解

ShunLiang Fu, Yanxin Zhang, Yixin Xiang, Xiaoyu Du, Jinhui Tang

专题命中 规划决策 ：agent(abstract)

AI总结 DMAP通过构建人类对齐的多模态文档结构地图，提升文档理解的结构化表示和多模态推理能力。

Comments WebConf 2026

Navigating the Lobbying Landscape: Insights from Opinion Dynamics Models

在意见动态模型中导航游说领域：来自意见动态模型的见解

Daniele Giachini, Leonardo Ciambezi, Verdiana Del Rosso, Fabrizio Fornari, Valentina Pansanella, Lilit Popoyan, Alina Sîrbu

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出了一种包含游说影响的意见动态模型，研究了游说者策略对意见网络的影响及极化现象。

Learning Flatness-Preserving Residuals for Pure-Feedback Systems

学习保持平坦性的残差以用于纯反馈系统

Fengjun Yang, Jake Welde, Nikolai Matni

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种学习保持平坦性的残差方法，用于纯反馈系统，通过下三角结构保持系统平坦性，并在四旋翼模拟中验证了其优越的跟踪性能和效率。