AI Agent

Intrinsic Reward Policy Optimization for Sparse-Reward Environments

内在奖励策略优化用于稀疏奖励环境

Minjae Cho, Huy Trong Tran

机构 * The Grainger College of Engineering, University of Illinois Urbana-Champaign, Urbana, USA（伊利诺伊大学厄巴纳-香槟分校格拉inger工程学院） 纠错

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

AI总结 IRPO通过利用多种内在奖励直接优化策略，提升稀疏奖励环境下的性能和样本效率。

CAR-bench: Evaluating the Consistency and Limit-Awareness of LLM Agents under Real-World Uncertainty

CAR-bench: 评估在现实世界不确定性下LLM代理的一致性和限意识

Johannes Kirmayr, Lukas Stappen, Elisabeth André

机构 * BMW Group Research and Technology（宝马集团研究与技术） ； Augsburg University（艾希施泰特大学） 纠错

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

AI总结 CAR-bench旨在评估LLM代理在现实世界不确定性下的一致性、不确定性处理和能力意识，通过多轮对话和工具使用测试其可靠性和自我意识。

Thinker: A vision-language foundation model for embodied intelligence

Thinker：一个用于具身智能的视觉-语言基础模型

Baiyu Pan, Daqin Luo, Junpeng Yang, Jiyuan Wang, Yixuan Zhang, Hailin Shi, Jichao Jiao

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

AI总结 Thinker通过构建大规模数据集和改进输入方式，在机器人感知与推理任务中实现了最先进的性能。

Comments IROS 2025, 4 pages, 3 figures

Multi-Step Deep Koopman Network (MDK-Net) for Vehicle Control in Frenet Frame

多步深度Koopman网络（MDK-Net）用于Frenet框架中的车辆控制

Mohammad Abtahi, Mahdis Rabbani, Armin Abdolmohammadi, Shima Nazari

机构 * Mechanical and Aerospace Engineering of University of California, Davis（加州大学戴维斯分校机械与航空航天工程学院） 纠错

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

AI总结 本文提出了一种基于深度学习的Koopman建模方法，用于在Frenet框架内实现车辆控制，通过多步深度Koopman网络提升路径规划和跟随的控制性能。

Comments This work has been submitted for IROS 2025 conference

Journal ref 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

RAS: Retrieval-And-Structuring for Knowledge-Intensive LLM Generation

RAS：基于检索与构建的知识密集型大语言模型生成

Pengcheng Jiang, Lang Cao, Ruike Zhu, Minhao Jiang, Yunyi Zhang, Jiaming Shen, Jimeng Sun, Jiawei Han

机构 * Department of Computer Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） 纠错

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

AI总结 RAS通过动态构建问题特定知识图谱，提升大语言模型在知识密集型任务中的推理准确性和鲁棒性。

Comments ICLR 2026

CURIOUS: Intrinsically Motivated Modular Multi-Goal Reinforcement Learning

CURIOUS：内在动机的模块化多目标强化学习

Cédric Colas, Pierre Fournier, Olivier Sigaud, Mohamed Chetouani, Pierre-Yves Oudeyer

机构 * Flowers Team, Inria and Ensta ParisTech（Inria和Ensta巴黎科技大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 CURIOUS通过内在动机探索和自动课程学习机制，实现模块化多目标强化学习的自组织发展。

Comments Accepted at ICML 2019 https://github.com/flowersteam/curious

Journal ref Proceedings of the 36th International Conference on Machine Learning 2019

Social Media Data for Population Mapping: A Bayesian Approach to Address Representativeness and Privacy Challenges

社交媒体数据用于人口映射：一种处理代表性与隐私问题的贝叶斯方法

Paolo Andrich, Shengjie Lai, Halim Jun, Qianwen Duan, Zhifeng Cheng, Seth R. Flaxman, Andrew J. Tatem

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种贝叶斯方法，利用社交媒体数据校准人口普查数据，以解决代表性不足和隐私问题，提高灾害响应的准确性。

Comments 25 pages, 8 figures

Matching Queues, Flexibility and Incentives

匹配队列、灵活性与激励

Chiwei Yan, Francisco Castro, Peter Frazier, Hongyao Ma, Hamid Nazerzadeh

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出了一种在匹配市场中保留灵活性并应对战略报告的后备政策，以提高匹配效率。

DexTac: Learning Contact-aware Visuotactile Policies via Hand-by-hand Teaching

DexTac: 通过手把手教学学习接触感知的视觉触觉策略

Xingyu Zhang, Chaofan Zhang, Boyue Zhang, Zhinan Peng, Shaowei Cui, Shuo Wang

专题命中 规划决策 ：agent(abstract)

AI总结 DexTac通过手把手教学学习接触感知的视觉触觉策略，提升复杂交互中的灵活操作能力。

Resilient Grid Hardening against Multiple Hazards: An Adaptive Two-Stage Stochastic Optimization Approach

抵御多重灾害的电网加固：一种自适应的两阶段随机优化方法

Sifat Chowdhury, Yihsu Chen, Yu Zhang

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种自适应两阶段随机优化方法，用于在多重灾害下动态决策电网加固，通过整合长期和短期措施降低系统成本并提升电网韧性。

Journal ref Electric Power Systems Research, 253 (2026) 112345

HPTune: Hierarchical Proactive Tuning for Collision-Free Model Predictive Control

HPTune：用于无碰撞模型预测控制的分层前瞻性调优

Wei Zuo, Chengyang Li, Yikun Wang, Bingyang Cheng, Zeyi Ren, Shuai Wang, Derrick Wing Kwan Ng, Yik-Chung Wu

机构 * The University of Hong Kong（香港大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； University of New South Wales（新南威尔士大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 HPTune通过分层前瞻性调优方法，结合快速和慢速调优策略，提升模型预测控制在复杂环境中的避障效率和适应性。

Comments Accepted by IEEE ICASSP 2026

SMART: A Social Movement Analysis & Reasoning Tool with Case Studies on #MeToo and #BlackLivesMatter

SMART：一种社会运动分析与推理工具：以#MeToo和#BlackLivesMatter案例研究为例

Valerio La Gatta, Marco Postiglione, Jeremy Gilbert, Daniel W. Linna, Morgan Manella Greenfield, Aaron Shaw, V. S. Subrahmanian

专题命中 规划决策 ：planning(abstract)

AI总结 SMART通过分析社交媒体数据，利用Transformer模型预测情绪变化，帮助记者更精准地报道社会运动与SDGs相关议题。

Comments Accepted at 2026 ACM The Web Conference (WWW 2026)

Quick Heuristic Validation of Edges in Dynamic Roadmap Graphs

动态路网图中边的快速启发式验证

Yulie Arad, Stav Ashur, Nancy M. Amato

机构 * Siebel School of Computing and Data Science, University of Illinois（计算机与数据科学学院，伊利诺伊大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种基于启发式检查的动态路网图边验证方法，通过红绿灰分类提高准确性并保持高效更新。

Large-Scale Autonomous Gas Monitoring for Volcanic Environments: A Legged Robot on Mount Etna

大规模自主气体监测用于火山环境：埃特纳山上的四足机器人

Julia Richter, Turcan Tuna, Manthan Patel, Takahiro Miki, Devon Higgins, James Fox, Cesar Cadena, Andres Diaz, Marco Hutter

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种四足机器人用于埃特纳山的自主火山气体监测，利用四极质谱仪实现高自主率的气体源检测，并探讨了适应性传感与硬件改进的重要性。

Comments This work has been submitted to the IEEE for possible publication. Submitted to IEEE Robotics & Automation Magazine (RAM)

MiLDEdit: Reasoning-Based Multi-Layer Design Document Editing

MiLDEdit: 基于推理的多层设计文档编辑

Zihao Lin, Wanrong Zhu, Jiuxiang Gu, Jihyung Kil, Christopher Tensmeyer, Lin Zhang, Shilong Liu, Ruiyi Zhang, Lifu Huang, Vlad I. Morariu, Tong Sun

机构 * University of California, Davis（加州大学戴维斯分校） ； Adobe（Adobe公司） ； UW-Madison（威斯康星大学麦迪逊分校） ； Princeton University（普林斯顿大学） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 MiLDEdit通过引入基于推理的多层文档编辑代理，实现了对多层设计文档的精准编辑，显著超越现有方法，建立了该领域的首个强基线。

Computing Supported Models via Transformation to Stable Models

通过转换到稳定模型来计算支持模型

Fang Li, Gopal Gupta

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种基于转换的方法，利用标准ASP基础设施计算支持模型，解决了传统稳定模型在探索非最小解空间时的限制，并提供了在软件验证、医学诊断和规划中的应用实例。

Comments Submitted to FLOPS 2026

LLM2Fx-Tools: Tool Calling For Music Post-Production

LLM2Fx-Tools: 音乐后期制作中的工具调用

Seungheon Doh, Junghyun Koo, Marco A. Martínez-Ramírez, Woosung Choi, Wei-Hsiang Liao, Qiyu Wu, Juhan Nam, Yuki Mitsufuji

机构 * KAIST（韩国科学技术院） ； Sony AI（索尼人工智能） ； Sony Group Corporation（索尼集团） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 LLM2Fx-Tools通过LLM实现音频效果模块的工具调用，生成可执行的音频效果序列，提升音乐后期制作的可解释性和可控性。

Comments ICLR 2026

DeLTA-BIT: an open-source probabilistic tractography-based deep learning framework for thalamic targeting in functional neurological disorders

DeLTA-BIT：一种基于概率束管图的深度学习框架，用于功能性神经疾病中的丘脑靶向

Mattia Romeo, Cesare Gagliardo, Grazia Cottone, Giorgio Collura, Enrico Maggio, Claudio Runfola, Eleonora Bruno, Maria Cristina D'Oca, Massimo Midiri, Francesca Lizzi, Ian Postuma, Marco D'Amelio, Alessandro Lascialfari, Alessandra Retico, Maurizio Marrale

专题命中 规划决策 ：planning(abstract)

AI总结 DeLTA-BIT通过基于概率束管图的深度学习框架，快速预测功能性神经疾病中丘脑的靶向位置，提升临床应用效率。

Self-Compression of Chain-of-Thought via Multi-Agent Reinforcement Learning

通过多智能体强化学习实现链式思维的自我压缩

Yiqun Chen, Jinyuan Feng, Wei Yang, Meizhi Zhong, Zhengliang Shi, Rui Li, Xiaochi Wei, Yan Gao, Yi Wu, Yao Hu, Zhiqiang Pu, Jiaxin Mao

机构 * Renmin University of China（中国人民大学） ； Xiaohongshu Inc.（小红书公司） ； Institute of Automation,Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Southern California（南加州大学） ； Shandong University（山东大学） 纠错

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

AI总结 通过多智能体强化学习实现链式思维的自我压缩，有效减少响应长度并提升准确性。

Epistemic Context Learning: Building Trust the Right Way in LLM-Based Multi-Agent Systems

知识上下文学习：在基于大语言模型的多智能体系统中以正确方式建立信任

Ruiwen Zhou, Maojia Song, Xiaobao Wu, Sitao Cheng, Xunjian Yin, Yuxi Xie, Zhuoqun Hao, Wenyue Hua, Liangming Pan, Soujanya Poria, Min-Yen Kan

机构 * National University of Singapore（国立新加坡大学） ； Singapore University of Technology（新加坡科技学院） ； Nanyang Technological University（南洋理工大学） ； Duke University（杜克大学） ； University of Waterloo（滑铁卢大学） ； Microsoft（微软公司） ； Peking University（北京大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 本文提出Epistemic Context Learning（ECL），通过历史交互构建同伴资料以提升多智能体系统中信任建模的准确性，使小型模型在性能上超越大模型，并在多种配置中表现出良好的泛化能力。

Comments Codes and data are available at https://github.com/skyriver-2000/epistemic-context-learning

Adaptive Confidence Gating in Multi-Agent Collaboration for Efficient and Optimized Code Generation

多智能体协作中的自适应置信度门控：用于高效优化的代码生成

Haoji Zhang, Yuzhe Li, Zhenqiang Liu, Chenyang Liu, Shenyang Zhang, Yi Zhou

机构 * University of Electronic Science and Technology of China（电子科技大学） 纠错

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

AI总结 DebateCoder通过多智能体协作和自适应置信度门控机制，提升小型语言模型在复杂逻辑任务中的代码生成效率和准确性。

ScaleSim: Serving Large-Scale Multi-Agent Simulation with Invocation Distance-Based Memory Management

ScaleSim: 通过调用距离基于的内存管理实现大规模多智能体仿真服务

Zaifeng Pan, Yipeng Shen, Zhengding Hu, Zhuang Wang, Aninda Manocha, Zheng Wang, Zhongkai Yu, Yue Guan, Yufei Ding

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Amazon Web Services（亚马逊网络服务） 纠错

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

AI总结 ScaleSim通过调用距离基于的内存管理，提升大规模多智能体仿真的效率，实现1.74倍速度提升。

JointDiff: Bridging Continuous and Discrete in Multi-Agent Trajectory Generation

JointDiff: 在多智能体轨迹生成中弥合连续与离散

Guillem Capellera, Luis Ferraz, Antonio Rubio, Alexandre Alahi, Antonio Agudo

机构 * Kognia Sports Intelligence（Kognia体育智能） ； Visual Intelligence for Transportation, EPFL（交通视觉智能，EPFL） ； Institut de Robòtica i Informàtica Industrial, CSIC-UPC（机器人与信息工业研究所，CSIC-UPC） 纠错

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

AI总结 JointDiff通过联合生成连续和离散事件，提升多智能体轨迹生成的可控性和真实性。

Comments Accepted at ICLR 2026

A Multi-agent Framework for Physical Laws Discovery

发现物理定律的多智能体框架

Bo Hu, Siyu Liu, Beilin Ye, Yun Hao, Yanhui Liu, Yang Lu, Ju Li, David J. Srolovitz, Tongqi Wen

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

AI总结 本研究提出基于大语言模型的多智能体框架，用于发现物理定律，通过整合文献引导的变量选择、假设形成、符号回归等技术，实现了对金属玻璃形成能力、化合物硬度和多组分合金杨氏模量的高精度预测。

Optimal Transport for Time-Varying Multi-Agent Coverage Control

基于时间变化多智能体覆盖控制的最优传输

Italo Napolitano, Mario di Bernardo

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

AI总结 本文提出基于最优传输的时间变化多智能体覆盖控制方法，通过解析解提升跟踪性能，验证了动态覆盖控制的有效性。

Comments Keywords: Optimal Transport; Multi-Agent Systems; Coverage Control; Wasserstein Distance; Time-Varying Density; Autonomous Systems; Distributed Control

What the flock knows that the birds do not: exploring the emergence of joint agency in multi-agent active inference

鸟群知道鸟类不知道的东西：探索多智能体主动推断中联合代理的出现

Domenico Maisto, Davide Nuzzi, Giovanni Pezzulo

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

AI总结 本文通过主动推断模型探讨多智能体系统中集体知识和联合代理的涌现机制，揭示了信息耦合如何产生新的自主性与推断能力。

Comments 21 pages, 3 figures, appendix

RecNet: Self-Evolving Preference Propagation for Agentic Recommender Systems

RecNet: 为代理推荐系统设计的自进化偏好传播

Bingqian Li, Xiaolei Wang, Junyi Li, Weitao Li, Long Zhang, Sheng Chen, Wayne Xin Zhao, Ji-Rong Wen

机构 * GSAI, Renmin University of China（清华大学） ； Department of Data Science, City University of Hong Kong（城市大学数据科学系） 纠错

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

AI总结 RecNet通过自进化机制实现代理推荐系统的实时偏好传播，利用路由代理和反馈驱动优化提升偏好传播的准确性和持续性。

Learning to Communicate Across Modalities: Perceptual Heterogeneity in Multi-Agent Systems

在多智能体系统中学习跨模态交流：感知异质性

Naomi Pitzer, Daniela Mihai

机构 * University of Southampton（索姆塞特大学） 纠错

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

AI总结 研究通过异质多模态交流游戏探讨智能体在感知异质性下的交流机制，发现单模态系统更高效，多模态系统需更多信息交换，位扰动实验揭示了意义的分布编码特性。

Comments To be published in EvoLang XVI proceedings. 15 pages, 17 figures

Generalized Information Gathering Under Dynamics Uncertainty

在动态不确定性下的一般信息收集

Fernando Palafox, Jingqi Li, Jesse Milzman, David Fridovich-Keil

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； DEVCOM Army Research Laboratory（陆军研究实验室） 纠错

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

AI总结 本文提出了一种统一框架，用于在动态不确定性下一般化信息收集，通过解耦动态模型、信念更新等选择与信息收集成本，提供理论依据和实验验证。

Reputation as a Solution to Cooperation Collapse in LLM-based MASs

声誉作为解决基于大语言模型的多智能体系统合作崩溃的解决方案

Siyue Ren, Wanli Fu, Xinkun Zou, Chen Shen, Yi Cai, Chen Chu, Zhen Wang, Shuyue Hu

机构 * School of Mechanical Engineering, Northwestern Polytechnical University（西北工业大学机械工程学院） ； School of Cybersecurity, Northwestern Polytechnical University（西北工业大学网络安全学院） ； School of Artificial Intelligence, OPtics and ElectroNics (iOPEN), Northwestern Polytechnical University（西北工业大学人工智能、光学和电子学（iOPEN）学院） ； Kyushu University（九州大学） ； South China University of Technology（华南理工大学） ； Yunnan University of Finance and Economics（云南财经大学） ； Northwestern Polytechnical University（西北工业大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 RepuNet通过动态双层声誉框架解决基于大语言模型的多智能体系统中的合作崩溃问题，促进并维持合作。

Comments Published as a conference paper at AAMAS 2026