AI Agent

The Law of Task-Achieving Body Motion: Axiomatizing Success of Robot Manipulation Actions

任务达成身体运动定律：机器人操作动作成功的公理化规范

Malte Huerkamp, Jonas Dech, Michael Beetz

机构 * AICOR Institute for Artificial Intelligence University of Bremen（人工智能研究所大学不莱梅） 纠错

专题命中 规划决策 ：autonomous agent(abstract)

AI总结 本文提出任务达成身体运动定律，通过公理化规范确保机器人操作动作在语义、因果和可行性方面的正确性，支持运动合成与故障诊断。

Comments 9 pages, 3 figures, submitted to the 2026 International Joint Conference on Artificial Intelligence (IJCAI)

AdaptOVCD: Training-Free Open-Vocabulary Remote Sensing Change Detection via Adaptive Information Fusion

AdaptOVCD: 无需训练的开放词汇遥感变化检测 via 自适应信息融合

Mingyu Dou, Shi Qiu, Ming Hu, Yifan Chen, Huping Ye, Xiaohan Liao, Zhe Sun

机构 * Key Laboratory of Spectral Imaging Technology CAS, Xi'an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences (CAS)（光谱成像技术重点实验室、光学与精密机械研究所、中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究所（TeleAI），中国电信） ； College of Future Information Technology, Fudan University（复旦大学未来信息技术学院） ； State Key Laboratory of Resources and Environment Information System, Institute of Geographic Sciences and Natural Resources Research, CAS（资源与环境信息系统国家重点实验室、地理科学与自然资源研究所、中国科学院） ； Key Laboratory of Low Altitude Geographic Information and Air Route, CAAC（低空地理信息与航线重点实验室、民航局） ； School of Artificial Intelligence, Optics and Electronics (iOPEN), Northwestern Polytechnical University（人工智能、光学与电子学院（iOPEN），西北工业大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 AdaptOVCD通过自适应信息融合实现无需训练的开放词汇遥感变化检测，有效缓解误差传播并提升检测性能。

DriveWorld-VLA: Unified Latent-Space World Modeling with Vision-Language-Action for Autonomous Driving

DriveWorld-VLA: 基于视觉-语言-动作的统一潜在空间世界建模用于自动驾驶

Feiyang jia, Lin Liu, Ziying Song, Caiyan Jia, Hangjun Ye, Xiaoshuai Hao, Long Chen

机构 * School of Computer Science（计算机科学学院） ； Beijing Key Laboratory of Traffic Data Mining（交通数据挖掘重点实验室） ； Beijing Jiaotong University（北京交通大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 DriveWorld-VLA通过统一视觉-语言-动作与潜在空间世界建模，提升自动驾驶中的决策与前瞻性想象能力。

Comments 20 pages, 7 tables, 12 figures

The Stretto Execution Engine for LLM-Augmented Data Systems

用于LLM增强数据系统的Stretto执行引擎

Gabriele Sanmartino, Matthias Urban, Paolo Papotti, Carsten Binnig

专题命中 规划决策 ：planning(abstract)

AI总结 Stretto通过约束优化和梯度优化器，在LLM增强数据系统中实现端到端查询保证，同时高效平衡运行时准确性权衡。

Robust Meta-Learning of Vehicle Yaw Rate Dynamics via Conditional Neural Processes

通过条件神经过程进行车辆偏航率动态的鲁棒元学习

Lars Ullrich, Andreas Völz, Knut Graichen

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出利用条件神经过程进行车辆偏航率动态的鲁棒元学习，以实现低误差、足够复杂性和对变化参数的鲁棒性，提升自动驾驶车辆的安全规划能力。

Comments Published in 2023 62nd IEEE IEEE Conference on Decision and Control (CDC), Singapore, Singapore, December 13 - 15, 2023

Journal ref 2023 62nd IEEE IEEE Conference on Decision and Control (CDC), Singapore, Singapore, December 13 - 15, 2023, pp. 322--327

3D Object Detection for Autonomous Driving: A Survey

自动驾驶中的3D物体检测：综述

Rui Qian, Xin Lai, Xirong Li

机构 * Key Lab of Data Engineering and Knowledge Engineering, Renmin University of China, Beijing 100872, China（数据工程与知识工程重点实验室，中国人民大学，北京100872，中国） ； School of Mathematics, Renmin University of China, Beijing 100872, China（数学学院，中国人民大学，北京100872，中国） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文综述了自动驾驶中3D物体检测的研究进展，涵盖了传感器、数据集、性能指标及最新方法，并分析了其优缺点及未来方向。

Comments The manuscript is accepted by Pattern Recognition on 14 May 2022

Prism: Spectral Parameter Sharing for Multi-Agent Reinforcement Learning

Prism：多智能体强化学习中的谱参数共享

Kyungbeom Kim, Seungwon Oh, Kyung-Joong Kim

机构 * Gwangju Institute of Science and Technology (GIST)（光州科学技术学院） 纠错

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

AI总结 Prism通过谱域参数共享机制，在多智能体强化学习中实现智能体间多样性与资源效率的平衡。

Data-Centric Interpretability for LLM-based Multi-Agent Reinforcement Learning

面向大语言模型多智能体强化学习的数据导向可解释性

John Yan, Michael Yu, Yuqi Sun, Alexander Duffy, Tyler Marques, Matthew Lyle Olson

机构 * goodstartlabs（Good Start Labs） 纠错

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

AI总结 本文提出Meta-Autointerp方法，利用SAEs和LLM总结器分析多智能体强化学习行为，发现细粒度行为及奖励黑客，验证SAE特征的有效性并提升智能体性能。

Comments authors 1, 2 and 3 contributed equally

RuleSmith: Multi-Agent LLMs for Automated Game Balancing

RuleSmith：多智能体LLM用于自动化游戏平衡

Ziyao Zeng, Chen Liu, Tianyu Liu, Hao Wang, Xiatao Sun, Fengyu Yang, Xiaofeng Liu, Zhiwen Fan

机构 * Yale University（耶鲁大学） ； Texas A\&M University（德克萨斯农工大学） 纠错

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

AI总结 RuleSmith利用多智能体LLM实现自动化游戏平衡，通过贝叶斯优化和自适应采样高效搜索参数空间，实现高平衡配置和可解释规则调整。

Dynamic Quantum Optimal Communication Topology Design for Consensus Control in Linear Multi-Agent Systems

动态量子最优通信拓扑设计用于线性多智能体系统的一致控制

Milad Hasanzadeh, Amin Kargarian

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

AI总结 本文提出利用量子算法优化动态通信拓扑，用于线性多智能体系统的一致控制，通过量子虚时间演化解决NP难问题，实现高效拓扑生成与一致性能。

Multi-Agent-Driven Cognitive Secure Communications in Satellite-Terrestrial Networks

多智能体驱动的认知安全通信在卫星-地面网络中

Yujie Ling, Zan Li, Lei Guan, Zheng Zhang, Shengyu Zhang, Tony Q. S. Quek

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

AI总结 本文提出多智能体驱动的认知安全通信框架，通过实时感知协调频谱调度与保护，提升卫星-地面网络的安全性能并降低功率开销。

Comments 13 pages, 8 figures, journal article

OpenDeception: Learning Deception and Trust in Human-AI Interaction via Multi-Agent Simulation

OpenDeception: 通过多智能体模拟学习人类-人工智能交互中的欺骗与信任

Yichen Wu, Qianqian Gao, Xudong Pan, Geng Hong, Min Yang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 OpenDeception通过多智能体模拟评估人类-人工智能交互中的欺骗与信任风险，利用场景基准、意图网络和信任网络，识别高风险对话并提前预警。

Balancing Sustainability And Performance: The Role Of Small-Scale LLMs In Agentic Artificial Intelligence Systems

平衡可持续性与性能：小型语言模型在代理人工智能系统中的作用

Anh Khoa Ngo Ho, Martin Chauvin, Simon Gosset, Philippe Cordier, Boris Gamazaychikov

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

AI总结 本文研究小型语言模型在代理AI系统中如何平衡能耗与性能，提出可持续AI设计的实用指南。

ToPolyAgent: AI Agents for Coarse-Grained Topological Polymer Simulations

ToPolyAgent：用于拓扑聚合物粗粒化拓扑模拟的AI代理

Lijie Ding, Jan-Michael Carrillo, Changwoo Do

机构 * Neutron Scattering Division, Oak Ridge National Laboratory（中子散射部，橡树岭国家实验室） ； Center for Nanophase Materials Sciences, Oak Ridge National Laboratory（纳米相材料科学中心，橡树岭国家实验室） 纠错

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

AI总结 ToPolyAgent通过自然语言指令实现拓扑聚合物粗粒化模拟，结合多代理AI框架提升聚合物科学计算效率。

Comments 10 pages, 8 figures

Completing Missing Annotation: Multi-Agent Debate for Accurate and Scalable Relevant Assessment for IR Benchmarks

补全缺失注释：基于多智能体辩论的准确且可扩展的相关性评估框架用于信息检索基准测试

Minjeong Ban, Jeonghwan Choi, Hyangsuk Min, Nicole Hee-Yeon Kim, Minseok Kim, Jae-Gil Lee, Hwanjun Song

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

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

AI总结 DREAM通过多智能体辩论框架提高IR基准测试的相关性评估准确性，减少人力参与，构建BRIDGE基准并揭示缺失相关片段，改进检索器比较。

Comments Accepted at ICLR 2026

Constella: Supporting Storywriters' Interconnected Character Creation through LLM-based Multi-Agents

Constella：通过基于LLM的多智能体支持故事创作者的相互关联角色创作

Syemin Park, Soobin Park, Youn-kyung Lim

机构 * Department of Industrial Design, KAIST（韩国成均馆大学工业设计系） 纠错

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

AI总结 Constella通过基于LLM的多智能体系统，帮助故事创作者更高效地构建相互关联的角色群，提升角色关系的复杂性和多样性。

Comments Accepted to ACM Transactions on Computer-Human Interaction (TOCHI)

Adaptive AI-based Decentralized Resource Management in the Cloud-Edge Continuum

自适应的AI-based云边连续体资源管理

Lanpei Li, Jack Bell, Massimo Coppola, Vincenzo Lomonaco

机构 * Department of Computer Science, University of Pisa（计算机科学系，比萨大学） 纠错

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

AI总结 本文提出了一种结合图神经网络和协同多智能体强化学习的混合框架，用于在云边连续体中实现高效、自适应和可扩展的资源管理。

Comments Accepted at AHPC3 workshop, PDP 2025

Communication Enhances LLMs' Stability in Strategic Thinking

通信增强大语言模型在战略思维中的稳定性

Nunzio Lore, Babak Heydari

机构 * Network Science Institute Northeastern University（东北大学网络科学研究所） ； Department of Mechanical and Industrial Engineering, Institute of Experiential AI（机械与工业工程系，体验式人工智能研究所） 纠错

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

AI总结 研究通过通信机制提升大语言模型在战略思维任务中的稳定性，发现其能有效减少轨迹噪声，但效果受模型和上下文影响。

Comments 15 pages, 1 figure, 6 tables

Distributed Knowledge in Simplicial Models

simplicial模型中的分布式知识

Éric Goubault, Jérémy Ledent, Sergio Rajsbaum

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

AI总结 本文提出使用simplicial模型研究分布式知识，探讨其与多数共识的关系，并分析通信模型在解决共识任务中的作用。

Distributed Circumferential Coverage Control in Non-Convex Annulus Environments

非凸环形区域中分布式周向覆盖控制

Chao Zhai

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

AI总结 本文提出了一种分布式周向覆盖控制方法，通过构建黎曼度量和虚拟分区杆实现非凸环形区域的负载均衡与覆盖控制。

D-ripALM: A Tuning-friendly Decentralized Relative-Type Inexact Proximal Augmented Lagrangian Method

D-ripALM：一种适用于多智能体网络共识凸优化的去中心化相对型近似增广拉格朗日方法

Jiayi Zhu, Hong Wang, Ling Liang, Lei Yang

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

AI总结 D-ripALM是一种适用于多智能体网络共识凸优化的去中心化算法，通过相对型误差准则提升调优友好性和数值鲁棒性。

Quenching Speculation in Quantum Markets via Entangled Neural Traders

通过纠缠神经交易员在量子市场中抑制投机

Kieran Hymas, Hiu Ming Lau, Kareem Raslan, Qiang Sun, Azhar Iqbal, Derek Abbott, Andrew D. Greentree, James Q. Quach

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

AI总结 本文通过量子纠缠的神经交易员在量子市场中抑制投机行为，展示了量子相关性对市场稳定化的新机制。

Comments 9 pages, 5 figures

Bridging 6G IoT and AI: LLM-Based Efficient Approach for Physical Layer's Optimization Tasks

连接6G物联网与AI：基于大语言模型的高效方法用于物理层优化任务

Ahsan Mehmood, Naveed Ul Hassan, Ghassan M. Kraidy

机构 * Department of Electronic Systems, Norwegian University of Science and Technology（电子系统系，挪威科学技术大学） ； Department of Electrical Engineering, Lahore University of Management sciences (LUMS)（电气工程系，拉合尔管理科学大学（LUMS）） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文提出基于大语言模型的PE-RTFV框架，通过迭代优化实现6G物联网物理层任务的高效优化。

Comments This paper is submitted to IEEE IoT Journal and is currently under review

Hear You in Silence: Designing for Active Listening in Human Interaction with Conversational Agents Using Context-Aware Pacing

在沉默中倾听：利用情境感知节奏设计人与对话代理的主动倾听

Zhihan Jiang, Qianhui Chen, Chu Zhang, Yanheng Li, Ray LC

机构 * The University of Hong Kong Hong Kong, SAR China Columbia University New York United States ； Renmin University of China Beijing China ； City University of Hong Kong\ for Narrative Spaces Hong Kong, SAR China Guangdong University of Technology Guangzhou China ； City University of Hong Kong\ for Narrative Spaces Hong Kong, SAR China ； The University of Hong Kong ； Columbia University ； Renmin University of China ； City University of Hong Kong\ for Narrative Spaces ； Guangdong University of Technology 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文提出通过情境感知节奏策略提升对话代理的主动倾听能力，通过实验验证其在人际关系和职业支持场景中的有效性。

Comments 29 pages, 10 figures. Conditionally Accepted to CHI '26

CoCoPlan: Adaptive Coordination and Communication for Multi-robot Systems in Dynamic and Unknown Environments

CoCoPlan：动态和未知环境中的多机器人系统自适应协调与通信

Xintong Zhang, Junfeng Chen, Yuxiao Zhu, Bing Luo, Meng Guo

机构 * School of Advanced Manufacturing and Robotics, Peking University（北京大学先进制造与机器人学院） ； Division of Natural and Applied Sciences, Duke Kunshan University（杜克昆山大学自然与应用科学系） 纠错

专题命中 多智能体 ：planning(abstract)

AI总结 CoCoPlan通过自适应协调与通信框架，提升多机器人系统在动态未知环境中的任务完成效率与通信效率。

Comments 8 pages, 8 figures, published to RA-L

Journal ref IEEE Robotics and Automation Letters, vol. 11, issue 3, pp. 3270-3277, March 2026

AgentXRay: White-Boxing Agentic Systems via Workflow Reconstruction

AgentXRay: 通过工作流重建实现对代理系统的白盒化

Ruijie Shi, Houbin Zhang, Yuecheng Han, Yuheng Wang, Jingru Fan, Runde Yang, Yufan Dang, Huatao Li, Dewen Liu, Yuan Cheng, Chen Qian

专题命中 工作流自动化 ：workflow(title,abstract)；agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.CL

AI总结 AgentXRay通过基于搜索的框架实现对代理系统的白盒化，通过工作流重建生成可编辑的显式工作流，提高可解释性和可控性。

Agentic Workflow Using RBA$_θ$ for Event Prediction

基于RBA$_θ$的代理工作流用于事件预测

Purbak Sengupta, Sambeet Mishra, Sonal Shreya

机构 * Department of Electrical and Computer Engineering, Aarhus University（电气与计算机工程系，阿arhus大学） ； Department of Electrical, IT and Cybernetics, University of South-Eastern Norway（电气、信息技术与自动化系，南东挪威大学） 纠错

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

AI总结 本文提出基于RBA$_θ$的事件优先预测方法，通过整合多种模型实现风力爬升事件的准确预测与轨迹重建。

Towards Agentic Intelligence for Materials Science

迈向材料科学的代理智能

Huan Zhang, Yizhan Li, Wenhao Huang, Ziyu Hou, Yu Song, Xuye Liu, Farshid Effaty, Jinya Jiang, Sifan Wu, Qianggang Ding, Izumi Takahara, Leonard R. MacGillivray, Teruyasu Mizoguchi, Tianshu Yu, Lizi Liao, Yuyu Luo, Yu Rong, Jia Li, Ying Diao, Heng Ji, Bang Liu

机构 * DIRO & Institut Courtois, Université de Montréal（蒙特利尔大学DIRO与Courtois研究所） ； Mila – Quebec AI Institute（魁北克AI研究所） ； University of Waterloo（滑铁卢大学） ； Université de Sherbrooke（Sherbrooke大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； The University of Tokyo, Institute of Industrial Science（东京大学工业科学研究所） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Singapore Management University（新加坡管理学院） ； The Hong Kong University of Science and Technology, Guangzhou（香港科学与技术大学（广州）） ； Alibaba DAMO Academy（阿里巴巴达摩院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； CIFAR AI Chair（CIFAR人工智能主席） 纠错

专题命中 工作流自动化 ：agentic(title,abstract)；tool use(abstract)；workflow(abstract)；分类 cs.AI

AI总结 本文提出以流程为中心的代理系统框架，通过整合人工智能与材料科学，推动材料发现的自主化与智能化。

Comments 81 pages

exaPD: A highly parallelizable workflow for multi-element phase diagram (PD) construction

exaPD：一种高度并行化的多组分相图（PD）构建工作流

Feng Zhang, Zhuo Ye, Maxim Moraru, Ying Wai Li, Weiyi Xia, Yongxin Yao, Cai-Zhuang Wang

专题命中 工作流自动化 ：workflow(title,abstract)

AI总结 exaPD通过高效并行计算实现多组分相图构建，利用分子动力学和蒙特卡洛方法结合神经网络势能，提升自由能计算精度与效率。

Enhancing Customer Contact Efficiency with Graph Neural Networks in Credit Card Fraud Detection Workflow

利用图神经网络提升信用卡欺诈检测流程中的客户联系效率

Menghao Huo, Kuan Lu, Qiang Zhu, Zhenrui Chen

机构 * School of Engineering（工程学院） ； Department of Mechanical and Aerospace Engineering（机械与航空航天工程系） ； University of Houston（休斯顿大学） ； School of Electrical and Computer Engineering（电气与计算机工程学院） ； Cornell University（康奈尔大学） ； Fu Foundation School of Engineering and Applied Science（工程与应用科学学院） ； Columbia University in the City of New York（纽约市哥伦比亚大学） 纠错

专题命中 工作流自动化 ：workflow(title)；分类 cs.LG

AI总结 本文提出利用RGCN提升信用卡欺诈检测流程中客户联系效率，通过关系图结构提高识别准确性和减少误报。

Comments Published in Proceedings of the 2025 IEEE 7th International Conference on Communications, Information System and Computer Engineering (CISCE), pp. 320-324. DOI: 10.1109/CISCE65916.2025.11065245

Journal ref Proceedings of 2025 IEEE 7th International Conference on Communications, Information System and Computer Engineering (CISCE), pp. 320-324