AI Agent

Random forest-based out-of-distribution detection for robust lung cancer segmentation

基于随机森林的分布外检测用于鲁棒肺癌分割

Aneesh Rangnekar, Harini Veeraraghavan

机构 * MSKCC 纠错

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

AI总结 本文提出RF-Deep方法，利用预训练变换器编码器的深度特征，通过随机森林检测分布外数据，提升肺癌分割的鲁棒性。

Comments Accepted at SPIE Medical Imaging 2026

Generalization in Reinforcement Learning for Radio Access Networks

无线接入网络强化学习中的泛化能力

Burak Demirel, Yu Wang, Cristian Tatino, Pablo Soldati

机构 * Ericsson AB（爱立信公司） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出了一种面向无线接入网络的强化学习框架，通过动态状态重建、领域随机化和分布式训练提升泛化能力，在5G基准中实现显著性能提升。

CCDSReFormer: Traffic Flow Prediction with a Criss-Crossed Dual-Stream Enhanced Rectified Transformer Model

CCDSReFormer：基于交叉双流增强修正变换器模型的交通流预测

Zhiqi Shao, Michael G. H. Bell, Ze Wang, D. Glenn Geers, Xusheng Yao, Junbin Gao

机构 * Business Analytics Discipline, The University of Sydney（悉尼大学商业分析学科） ； Institute of Transport and Logistics, The University of Sydney（悉尼大学交通运输与物流研究所） ； College of Management and Economics, Tianjin University（天津大学管理学院） 纠错

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

AI总结 CCDSReFormer通过引入三个创新模块，有效提升交通流预测的准确性和效率，实现对空间和时间信息的融合处理。

Comments 18 pages

Journal ref Communications in Transportation Research 5 (2025): 100189

How Disciplinary Partnerships Shape Research Landscape in U.S. Library and Information Science Schools

学科伙伴关系如何塑造美国图书馆与信息科学院校的研究图景

Jiangen He, Wen Lou

专题命中 规划决策 ：planning(abstract)

AI总结 本研究通过实证分析揭示美国图书馆与信息科学院校中学科伙伴关系对研究图景的影响，发现以人为核心的技术（HCT）成为主要增长向量，挑战了领域碎片化的假设。

Optimization of Energy Consumption Forecasting in Puno using Parallel Computing and ARIMA Models: An Innovative Approach to Big Data Processing

利用并行计算与ARIMA模型优化秘鲁Puno地区能源消费预测：一种大数据处理的创新方法

Cliver W. Vilca-Tinta, Fred Torres-Cruz, Josefh J. Quispe-Morales

专题命中 规划决策 ：planning(abstract)

AI总结 本研究利用并行计算与ARIMA模型优化Puno地区能源消费预测，提升计算效率和数据处理能力，为实时预测分析和能源管理提供可靠解决方案。

Comments In preparation for Journal Submission

HINT: Hierarchical Interaction Modeling for Autoregressive Multi-Human Motion Generation

HINT: 用于自回归多人体运动生成的分层交互建模

Mengge Liu, Yan Di, Gu Wang, Yun Qu, Dekai Zhu, Yanyan Li, Xiangyang Ji

机构 * Tsinghua University（清华大学） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 HINT通过分层交互建模提出了一种自回归框架，实现多人体运动生成，提升了交互建模的精度和长序列的连贯性。

Decentralized Stochastic Constrained Optimization via Prox-Linearization

通过近似线性化实现去中心化随机约束优化

Shivangi Dubey Sharma, Basil M. Idrees, Lavish Arora, Ketan Rajawat

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出两种去中心化算法，通过近似线性化解决随机约束优化问题，达到与集中优化相同的最优复杂度。

Comments 18 pages, 6 figures

Bridging the Applicator Gap with Data-Doping:Dual-Domain Learning for Precise Bladder Segmentation in CT-Guided Brachytherapy

弥合应用器差距：数据掺杂的双域学习用于CT引导的近距离放射治疗中的膀胱分割

Suresh Das, Siladittya Manna, Sayantari Ghosh

机构 * Narayana Superspeciality Hospital, 120/1 Andul Road, Howrah, India（纳拉亚纳超级专科医院） ； Department of Computational and Data Sciences, Indian Institute of Science, Bengaluru, India（计算与数据科学系，印度科学院，班加罗尔） ； Department of Physics, National Institute of Technology Durgapur, India（物理系，德鲁加帕尔国家理工学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本研究通过双域学习策略，利用数据掺杂方法提升CT引导下膀胱分割的鲁棒性和准确性，有效应对数据稀缺和协变量偏移问题。

Game-Theoretic Autonomous Driving: A Graphs of Convex Sets Approach

博弈论自动驾驶：基于凸集图的方法

Nikolaj Käfer, Ahmed Khalil, Edward Huynh, Efstathios Bakolas, David Fridovich-Keil

机构 * ETH Zurich（苏黎世联邦理工学院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出基于凸集图的迭代最佳响应方法，用于多车辆自动驾驶中的战略互动与轨迹规划，通过高效凸松弛实现安全且一致的交互行为。

Comments 16 pages for content, 2 pages for references, 2 pages for notation

What is the AGI in Offensive Security ?

进攻性安全中的AGI是什么？

Youngwoong Cho

专题命中 规划决策 ：agent(abstract)

AI总结 本文探讨进攻性安全中的AGI，提出将任务归结为符号语言操作，并通过状态机和符号代理模型分析交互编码问题。

Quadrupped-Legged Robot Movement Plan Generation using Large Language Model

四足机器人运动计划生成使用大语言模型

Muhtadin, Vincentius Gusti Putu A. B. M., Ahmad Zaini, Mauridhi Hery Purnomo, I Ketut Eddy Purnama, Chastine Fatichah

机构 * Institut Teknologi Sepuluh Nopember（十月份十号技术学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出利用大语言模型生成四足机器人运动计划，通过分布式架构和实时传感器融合实现直观自然语言导航，实验显示系统在多种场景中成功率超过90%。

Journal ref 2025 International Conference on Computer Engineering, Network and Intelligent Multimedia (CENIM)

Judgelight: Trajectory-Level Post-Optimization for Multi-Agent Path Finding via Closed-Subwalk Collapsing

Judgelight: 多智能体路径寻找中的轨迹级后优化 via 关闭子轨迹压缩

Yimin Tang, Sven Koenig, Erdem Bıyık

机构 * University of Southern California（南加州大学） ； University of California Irvine（加州大学尔湾分校） 纠错

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

AI总结 Judgelight通过压缩智能体轨迹中的闭合子轨迹，提高多智能体路径寻找的轨迹质量，减少20%的解决方案成本。

Unsupervised Anomaly Detection in Multi-Agent Trajectory Prediction via Transformer-Based Models

基于Transformer模型的多智能体轨迹预测中的无监督异常检测

Qing Lyu, Zhe Fu, Alexandre Bayen

机构 * Electrical Engineering and Computer Sciences（电气工程与计算机科学） 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Transformer的多智能体轨迹预测无监督异常检测框架，通过预测残差和双评估方案识别安全关键场景，有效捕捉多智能体风险并提供可解释的风险类型。

Multi-source Plume Tracing via Multi-Agent Reinforcement Learning

通过多智能体强化学习进行多源烟雾追踪

Pedro Antonio Alarcon Granadeno, Theodore Chambers, Jane Cleland-Huang

机构 * University of Notre Dame, Computer Science And Engineering（诺丁汉大学计算机科学与工程系） 纠错

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

AI总结 本文提出基于多智能体强化学习的多源烟雾追踪方法，利用LSTM-ADDRQN模型在复杂环境中高效定位污染源。

Comments 13 pages, 7 figures

Journal ref Machine Learning with Applications, 22 (2025), 100737

LLM Multi-Agent Systems: Challenges and Open Problems

大语言模型多智能体系统：挑战与开放问题

Shanshan Han, Qifan Zhang, Weizhao Jin, Zhaozhuo Xu

机构 * University of California, Irvine, CA, USA（加州大学尔湾分校） ； University of Southern California, Los Angeles, CA, USA（南加州大学） ； Stevens Institute of Technology, Hoboken, NJ, USA（史蒂文斯理工学院） 纠错

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

AI总结 本文研究了多智能体系统在任务分配、推理增强和内存管理方面的挑战，并探讨其在区块链中的应用潜力。

Visual Multi-Agent System: Mitigating Hallucination Snowballing via Visual Flow

视觉多智能体系统：通过视觉流缓解幻觉雪球效应

Xinlei Yu, Chengming Xu, Guibin Zhang, Yongbo He, Zhangquan Chen, Zhucun Xue, Jiangning Zhang, Yue Liao, Xiaobin Hu, Yu-Gang Jiang, Shuicheng Yan

机构 * National University of Singapore（国立新加坡大学） ； Tencent Youtu Lab（腾讯优图实验室） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） 纠错

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

AI总结 本文提出ViF方法，通过视觉流和注意力重新分配缓解多智能体系统中的视觉幻觉雪球效应，提升性能。

Emergent Cooperative Strategies for Multi-Agent Shepherding via Reinforcement Learning

通过强化学习实现多智能体牧羊的涌现协作策略

Italo Napolitano, Andrea Lama, Francesco De Lellis, Mario di Bernardo

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

AI总结 本文提出了一种基于强化学习的多智能体牧羊方法，通过双层控制架构实现自然协作，适用于大规模系统。

Equilibrium Selection for Multi-agent Reinforcement Learning: A Unified Framework

多智能体强化学习中的均衡选择：一个统一的框架

Runyu Zhang, Gioele Zardini, Asuman Ozdaglar, Jeff Shamma, Na Li

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

AI总结 本文提出了一种统一的actor-critic框架，用于在多智能体强化学习中选择具有高社会福利的均衡。

"DIVE" into Hydrogen Storage Materials Discovery with AI Agents

深入探索氢储存材料发现的AI智能体

Di Zhang, Xue Jia, Tran Ba Hung, Seong Hoon Jang, Linda Zhang, Ryuhei Sato, Yusuke Hashimoto, Toyoto Sato, Kiyoe Konno, Shin-ichi Orimo, Hao Li

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

AI总结 DIVE通过多智能体工作流提升氢储存材料数据提取效率，实现快速逆向设计。

Comments 23 pages, 5 figures. The supplementary video is available at the GitHub link provided in the manuscript

Journal ref Chemical Science 2026

Playing Markov Games Without Observing Payoffs

在不观察收益的情况下玩马尔可夫游戏

Daniel Ablin, Alon Cohen

机构 * Department of Electrical Engineering, University of Tel Aviv, Tel Aviv, Israel（电信工程系，特拉维夫大学，特拉维夫，以色列） 纠错

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

AI总结 本文提出了一种在不观察收益情况下，通过在线学习与对手竞争的马尔可夫游戏方法，扩展了对称性概念并实现了多项式时间复杂度的算法。

Active-Absorbing Phase Transitions in the Parallel Minority Game

并行少数人游戏中的主动-吸收相变

Aryan Tyagi, Soumyajyoti Biswas, Anirban Chakraborti

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

AI总结 并行少数人游戏中的主动-吸收相变研究揭示了智能体层面的最小认知特征对复杂系统临界行为的影响。

Comments 6 pages, 3 figures

OnePiece: A Large-Scale Distributed Inference System with RDMA for Complex AI-Generated Content (AIGC) Workflows

OnePiece：一种基于RDMA的大型分布式推理系统，用于复杂AI生成内容（AIGC）工作流

June Chen, Neal Xu, Gragas Huang, Bok Zhou, Stephen Liu

专题命中 多智能体 ：workflow(abstract)

AI总结 OnePiece通过RDMA优化和微服务分解，提升AIGC工作流的吞吐量和资源利用率，减少GPU资源消耗16倍。

Comments 12 pages

OptAgent: an Agentic AI framework for Intelligent Building Operations

OptAgent：一种用于智能建筑运营的智能体AI框架

Zixin Jiang, Weili Xu, Bing Dong

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

AI总结 OptAgent提出了一种基于智能体AI的物理信息机器学习框架，用于可扩展的建筑能源建模与优化，通过多代理协同提升能源管理和灵活性。

Learning From a Steady Hand: A Weakly Supervised Agent for Robot Assistance under Microscopy

从稳定的手学习：一种弱监督的机器人助手用于显微镜下的机器人辅助

Huanyu Tian, Martin Huber, Lingyun Zeng, Zhe Han, Wayne Bennett, Giuseppe Silvestri, Gerardo Mendizabal-Ruiz, Tom Vercauteren, Alejandro Chavez-Badiola, Christos Bergeles

机构 * School of Biomedical Engineering & Imaging Sciences, King’s College London（生物医学工程与成像科学学院，伦敦国王学院） 纠错

专题命中 工作流自动化 ：agent(title,abstract)

AI总结 本文提出了一种弱监督的机器人助手，通过融合校准感知与阻抗控制，提升了显微镜下生物医学微操作的精度和可靠性。

Tri-Reader: An Open-Access, Multi-Stage AI Pipeline for First-Pass Lung Nodule Annotation in Screening CT

Tri-Reader: 一个开源的多阶段AI流水线，用于筛查CT中的首过肺结节标注

Fakrul Islam Tushar, Joseph Y. Lo

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

AI总结 Tri-Reader是一种开源的多阶段AI流水线，通过整合肺分割、结节检测和恶性分类，提高筛查CT中肺结节标注的灵敏度和准确性。

Comments 1 figure , 2 tables, 20 page supplement

An interpretable data-driven approach to optimizing clinical fall risk assessment

一种可解释的数据驱动方法用于优化临床跌倒风险评估

Fardin Ganjkhanloo, Emmett Springer, Erik H. Hoyer, Daniel L. Young, Holley Farley, Kimia Ghobadi

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

AI总结 本研究提出一种可解释的数据驱动方法，通过约束分数优化模型优化JHFRAT跌倒风险评估工具，提升预测性能并增强临床应用的鲁棒性。

Comments This work was intended as a replacement of arXiv:2510.20714 and any subsequent updates will appear there

Provably Efficient RL under Episode-Wise Safety in Constrained MDPs with Linear Function Approximation

在具有线性函数逼近的约束马尔可夫决策过程中的episode级安全强化学习的可证明效率

Toshinori Kitamura, Arnob Ghosh, Tadashi Kozuno, Wataru Kumagai, Kazumi Kasaura, Kenta Hoshino, Yohei Hosoe, Yutaka Matsuo

专题命中 工作流自动化 ：agent(abstract)；分类 cs.LG

AI总结 本文提出了一种在约束马尔可夫决策过程中的强化学习算法，实现episode级安全性和$\tilde{\mathcal{O}}(\sqrt{K})$的遗憾，同时具有多项式计算效率。

Idea2Story: An Automated Pipeline for Transforming Research Concepts into Complete Scientific Narratives

Idea2Story: 一种将研究概念转化为完整科学叙述的自动化流程

Tengyue Xu, Zhuoyang Qian, Gaoge Liu, Li Ling, Zhentao Zhang, Biao Wu, Shuo Zhang, Ke Lu, Wei Shi, Ziqi Wang, Zheng Feng, Yan Luo, Shu Xu, Yongjin Chen, Zhibo Feng, Zhuo Chen, Bruce Yuan, Harry Wang, Kris Chen

专题命中 工作流自动化 ：planning(abstract)

AI总结 Idea2Story通过离线知识构建实现自主科学发现，提升研究效率与可靠性。

Comments 11 pages, 3 figures

SketchDynamics: Exploring Free-Form Sketches for Dynamic Intent Expression in Animation Generation

SketchDynamics: 探索自由形式草图用于动画生成中的动态意图表达

Boyu Li, Lin-Ping Yuan, Zeyu Wang, Hongbo Fu

专题命中 工作流自动化 ：workflow(abstract)

AI总结 SketchDynamics通过自由形式草图与AI交互，探索动态意图表达在动画生成中的应用，展示草图如何有效传达运动意图并指导视频生成。

Comments conditionally accepted by CHI'26

Hardware-Aware Model Design and Training of Silicon-based Analog Neural Networks

基于硅基模拟神经网络的硬件感知模型设计与训练

Giulio Filippeschi, Mirko Brazzini, Cristhopher Mosquera, Marco Lanuzza, Alessandro Catania, Sebastiano Strangio, Giuseppe Iannaccone

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出基于硅基模拟神经网络的硬件感知模型设计与训练方法，通过重新训练恢复理想网络精度，实现高可扩展性和集成密度。

Comments 11 pages, 5 figures