AI Agent

Translate Policy to Language: Flow Matching Generated Rewards for LLM Explanations

将策略翻译为语言：通过生成连续归一化流生成的奖励用于LLM解释

Xinyi Yang, Liang Zeng, Heng Dong, Chao Yu, Xiaoran Wu, Huazhong Yang, Yu Wang, Milind Tambe, Tonghan Wang

机构 * AIPD, Tencent, Shenzhen, China（腾讯人工智能与大数据研究院，深圳，中国） ； IIIS, Tsinghua University, Beijing, China（清华大学人工智能学院，北京，中国） ； EE, Tsinghua University, Beijing, China（清华大学电子工程系，北京，中国） ； CS, Tsinghua University, Beijing, China（清华大学计算机系，北京，中国） ； SEAS, Harvard University, Cambridge, USA（哈佛大学工程学院，剑桥，美国） ； College of AI, Tsinghua University, Beijing, China（清华大学人工智能学院，北京，中国） 纠错

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

AI总结 本文提出通过生成连续归一化流生成奖励，训练LLM生成更准确、逻辑严谨且认知负担更低的解释，以提升智能体与人类共存的可靠性。

Comments Accepted by ICLR 2026

Safety Beyond the Training Data: Robust Out-of-Distribution MPC via Conformalized System Level Synthesis

超越训练数据的安全性：通过符合化系统级合成实现稳健的分布外规划与控制

Anutam Srinivasan, Antoine Leeman, Glen Chou

机构 * Georgia Institute of Technology（佐治亚理工学院） ； ETH Zurich（苏黎世联邦理工学院） 纠错

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

AI总结 本文提出一种基于符合预测和系统级合成的方法，用于在分布外情况下实现稳健的非线性模型预测控制，提升系统安全性和鲁棒性。

How to Optimize Multispecies Set Predictions in Presence-Absence Modeling ?

如何在存在-缺失建模中优化多物种集合预测？

Sébastien Gigot--Léandri, Gaétan Morand, Alexis Joly, François Munoz, David Mouillot, Christophe Botella, Maximilien Servajean

机构 * UMR LIRMM, University of Montpellier, Inria, CNRS, France（UMR LIRMM，蒙彼利埃大学，法国国家信息与自动化研究所，法国国家科学研究中心，法国） ； UMR Marbec, University of Montpellier, IRD, CNRS, Ifremer（UMR Marbec，蒙彼利埃大学，法国国家农业研究院，法国国家科学研究中心，法国海洋研究机构） ； University of Montpellier Paul Valéry, Montpellier, France（蒙彼利埃大学保罗·瓦莱里，法国蒙彼利埃） ； Laboratoire de Biométrie et de Biologie Evolutive, Université Lyon 1, Villeurbanne, France（生物计量与进化生物学实验室，里昂1大学，法国维勒特兰） 纠错

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

AI总结 本文提出MaxExp和SSE两种方法，用于优化多物种存在-缺失建模中的预测，提升二值化准确性与鲁棒性。

ABot-N0: Technical Report on the VLA Foundation Model for Versatile Embodied Navigation

ABot-N0：关于VLA基础模型在多功能具身导航中的技术报告

Zedong Chu, Shichao Xie, Xiaolong Wu, Yanfen Shen, Minghua Luo, Zhengbo Wang, Fei Liu, Xiaoxu Leng, Junjun Hu, Mingyang Yin, Jia Lu, Yingnan Guo, Kai Yang, Jiawei Han, Xu Chen, Yanqing Zhu, Yuxiang Zhao, Xin Liu, Yirong Yang, Ye He, Jiahang Wang, Yang Cai, Tianlin Zhang, Li Gao, Liu Liu, Mingchao Sun, Fan Jiang, Chiyu Wang, Zhicheng Liu, Hongyu Pan, Honglin Han, Zhining Gu, Kuan Yang, Jianfang Zhang, Di Jing, Zihao Guan, Wei Guo, Guoqing Liu, Di Yang, Xiangpo Yang, Menglin Yang, Hongguang Xing, Weiguo Li, Mu Xu

专题命中 规划决策 ：agentic(abstract)；分类 cs.AI

AI总结 ABot-N0通过统一的VLA基础模型实现多功能具身导航，结合认知大脑与动作专家架构，在多个基准测试中超越专用模型，支持动态环境中的长周期任务。

Comments Project Page: https://amap-cvlab.github.io/ABot-Navigation/ABot-N0/

Predicting the post-wildfire mudflow onset using machine learning models on multi-parameter experimental data

利用多参数实验数据通过机器学习模型预测野火后泥流启动

Mahta Movasat, Ingrid Tomac

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

AI总结 本研究利用机器学习模型预测野火后泥流启动，通过多参数实验数据分析关键影响因素，揭示了降雨强度、坡度和颗粒大小等参数对泥石流形成的关键作用。

GAC-KAN: An Ultra-Lightweight GNSS Interference Classifier for GenAI-Powered Consumer Edge Devices

GAC-KAN：一种面向生成式人工智能的超轻量级GNSS干扰分类器

Zhihan Zeng, Kaihe Wang, Zhongpei Zhang, Yue Xiu

机构 * National Key Laboratory of Wireless Communications, University of Electronic Science and Technology of China（无线通信国家重点实验室，电子科学与技术大学） 纠错

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

AI总结 GAC-KAN是一种面向生成式人工智能的超轻量级GNSS干扰分类器，通过物理引导仿真和轻量级网络设计，在保证高精度的同时显著降低参数量，适用于边缘设备的安全防护。

Are Biological Systems More Intelligent Than Artificial Intelligence?

生物系统是否比人工智能更智能？

Michael Timothy Bennett

机构 * The Australian National University（澳大利亚国立大学） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.AI

AI总结 本文通过数学框架探讨生物系统与人工智能的智能差异，提出适应性与委托控制的关系，并为构建稳健系统提供设计原则。

Comments In press, 2026, Philosophical Transactions of the Royal Society B: Biological Sciences. Special issue on Hybrid agencies: crossing borders between biological and artificial worlds. Definitions shared with arXiv:2404.07227, arXiv:2302.00843

Time-Inhomogeneous Volatility Aversion for Financial Applications of Reinforcement Learning

金融强化学习中的时间非齐次波动厌恶

Federico Cacciamani, Roberto Daluiso, Marco Pinciroli, Michele Trapletti, Edoardo Vittori

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种新的风险度量，用于金融强化学习中处理时间非齐次波动厌恶问题，通过允许任意规划目标水平来平衡收益与风险。

Comments 18 pages, 6 figures

Data-Driven Trajectory Imputation for Vessel Mobility Analysis

基于数据的船舶运动轨迹填补用于船舶移动分析

Giannis Spiliopoulos, Alexandros Troupiotis-Kapeliaris, Kostas Patroumpas, Nikolaos Liapis, Dimitrios Skoutas, Dimitris Zissis, Nikos Bikakis

机构 * Hellenic Institute of Marine Technology（希腊海洋技术研究所） ； University of the Aegean（爱琴海大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出HABIT框架，通过分析历史AIS数据填补船舶轨迹间隙，提升轨迹分析的准确性和效率。

Comments International Conference on Extending Database Technology (EDBT 2026)

Can World Simulators Reason? Gen-ViRe: A Generative Visual Reasoning Benchmark

世界模拟器能推理吗？Gen-ViRe：一个生成性视觉推理基准

Xinxin Liu, Zhaopan Xu, Ming Li, Kai Wang, Yong Jae Lee, Yuzhang Shang

机构 * University of Central Florida（中央佛罗里达大学） ； National University of Singapore（新加坡国立大学） ； UW-Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 Gen-ViRe提出一个生成性视觉推理基准，通过分解CoF推理为六个认知维度和24个子任务，评估视频模型的推理能力，揭示视觉质量与推理深度的差异。

Comments 10 pages

DD-MDN: Human Trajectory Forecasting with Diffusion-Based Dual Mixture Density Networks and Uncertainty Self-Calibration

DD-MDN: 基于扩散的双混合密度网络与不确定性自校准的人体轨迹预测

Manuel Hetzel, Kerim Turacan, Hannes Reichert, Konrad Doll, Bernhard Sick

机构 * Faculty of Engineering, University of Applied Sciences Aschaffenburg（亚琛应用科学大学工程学院） ； Intelligent Embedded Systems Lab, University of Kassel（卡塞尔大学智能嵌入式系统实验室） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 DD-MDN通过结合扩散模型和双混合密度网络，实现高精度的人体轨迹预测，具备自校准的不确定性建模和对短观察期的鲁棒性。

The Moltbook Illusion: Separating Human Influence from Emergent Behavior in AI Agent Societies

Moltbook错觉：区分人类影响与AI代理社会中的涌现行为

Ning Li

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

AI总结 研究通过分析Moltbook平台上的AI代理行为，发现病毒性叙事主要由人类驱动，揭示了AI对话的内在遗忘机制。

The Five Ws of Multi-Agent Communication: Who Talks to Whom, When, What, and Why -- A Survey from MARL to Emergent Language and LLMs

多智能体通信的五个W：谁与谁沟通，何时沟通，沟通什么，为何沟通——从MARL到涌现语言和LLMs的综述

Jingdi Chen, Hanqing Yang, Zongjun Liu, Carlee Joe-Wong

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

AI总结 本文综述了多智能体通信的五个W，探讨了从MARL到涌现语言和LLM的发展，分析了不同范式下的通信设计、权衡与挑战。

Comments Accepted at Transactions on Machine Learning Research (TMLR), 2026

CausalAgent: A Conversational Multi-Agent System for End-to-End Causal Inference

CausalAgent：面向端到端因果推断的对话多智能体系统

Jiawei Zhu, Wei Chen, Ruichu Cai

机构 * Guangdong University of Technology（广东工业大学） ； Peng Cheng Laboratory（鹏城实验室） 纠错

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

AI总结 CausalAgent通过整合多智能体系统、检索增强生成和模型上下文协议，实现端到端因果推断的自动化，使用户能通过自然语言交互获得严谨的分析报告。

Comments Accepted by IUI 2026

RF-Modulated Adaptive Communication Improves Multi-Agent Robotic Exploration

基于RF调制的自适应通信提升多智能体机器人探索

Lorin Achey, Breanne Crockett, Christoffer Heckman, Bradley Hayes

机构 * University of Colorado Boulder（科罗拉多大学波尔德分校） 纠错

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

AI总结 本文提出了一种自适应射频传输算法，通过动态调节传输位置提升多智能体机器人在通信受限环境中的探索效率，实验显示其在距离和时间上均优于现有方法。

TDPNavigator-Placer: Thermal- and Wirelength-Aware Chiplet Placement in 2.5D Systems Through Multi-Agent Reinforcement Learning

TDPNavigator-Placer: 通过多智能体强化学习实现2.5D系统中热和布线长度感知的芯片片放置

Yubo Hou, Furen Zhuang, Partha Pratim Kundu, Sezin Ata Kircali, Jie Wang, Mihai Dragos Rotaru, Dutta Rahul, Ashish James

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

AI总结 TDPNavigator-Placer通过多智能体强化学习，实现2.5D系统中热和布线长度感知的芯片片放置优化，提升性能平衡。

Journal ref The 27th IEEE Electronics Packaging Technology Conference (EPTC 2025)

Differentiable Modal Logic for Multi-Agent Diagnosis, Orchestration and Communication

可微模态逻辑用于多智能体诊断、协调与通信

Antonin Sulc

机构 * Lawrence Berkeley National Lab（伯克利劳伦斯国家实验室） ； Berkeley（伯克利） 纠错

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

AI总结 本文提出可微模态逻辑，通过神经符号方法实现多智能体系统的调试与协调，结合知识注入和多模态推理，提升智能体间的信任与因果推理能力。

Comments 29 pages, 8 figures, 8 tables, Tutorial at 3rd International Conference on Neuro-Symbolic Systems (NeuS)

Distributionally Robust Cooperative Multi-Agent Reinforcement Learning via Robust Value Factorization

基于鲁棒价值因子化的分布鲁棒合作多智能体强化学习

Chengrui Qu, Christopher Yeh, Kishan Panaganti, Eric Mazumdar, Adam Wierman

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

AI总结 本文提出分布鲁棒IGM原则，改进价值因子化架构以提升鲁棒性和现实适应性。

Comments ICLR 2026

Phase Transition for Budgeted Multi-Agent Synergy

预算多智能体协同的相变

Bang Liu, Linglong Kong, Jian Pei

机构 * Department of Computer Science and Operations Research Université de Montréal & Mila - Quebec AI Institute（计算机科学与运筹学系，蒙特利尔大学及魁北克人工智能研究所） ； Department of Mathematical & Statistical Science University of Alberta（数学与统计学系，阿尔伯塔大学） ； Department of Computer Science Duke University（计算机科学系，杜克大学） 纠错

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

AI总结 该研究提出了一种理论，通过分析上下文窗口、通信损失和共享失败等约束，揭示了预算多智能体系统在不同相变状态下的表现，并给出了计算分配规则和预算阈值。

Comments 55 pages, 12 figures

Parallelism Meets Adaptiveness: Scalable Documents Understanding in Multi-Agent LLM Systems

并行与适应性：多智能体大语言模型系统中的可扩展文档理解

Chengxuan Xia, Qianye Wu, Sixuan Tian, Yilun Hao

机构 * University of California, Santa Cruz（加州大学圣克ruz分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出一种多智能体大语言模型系统协调框架，通过动态任务路由、双向反馈和并行评估机制，提升文档理解的适应性和效率。

Comments Accepted at AAAI 2026 Workshop on WoMAPF, Camera ready version

Semantic Fusion: Verifiable Alignment in Decentralized Multi-Agent Systems

语义融合：去中心化多智能体系统的可验证对齐

Sofiya Zaichyk

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

AI总结 语义融合通过本地本体验证实现去中心化多智能体系统的可验证语义对齐，支持动态更新提案并确保安全性和鲁棒性。

Comments 29 pages

Journal ref ACM Trans. Auton. Adapt. Syst. (2026)

From CVE Entries to Verifiable Exploits: An Automated Multi-Agent Framework for Reproducing CVEs

从CVE条目到可验证的漏洞利用：一种自动化多智能体框架用于重现CVE

Saad Ullah, Praneeth Balasubramanian, Wenbo Guo, Amanda Burnett, Hammond Pearce, Christopher Kruegel, Giovanni Vigna, Gianluca Stringhini

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

AI总结 本文提出CVE-GENIE框架，通过自动化多智能体方法重现CVE漏洞，生成高质量可验证漏洞利用数据集，用于安全研究与评估。

The PBSAI Governance Ecosystem: A Multi-Agent AI Reference Architecture for Securing Enterprise AI Estates

PBSAI治理生态系统：一种多智能体AI参考架构，用于保障企业AI领地安全

John M. Willis

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

AI总结 PBSAI提出了一种多智能体参考架构，用于保障企业AI领地的安全，通过十二个领域分类法和有限智能体家族实现责任划分，结合分析监控、协调防御等技术，确保系统安全与可追溯性。

Comments 43 pages, plus 12 pages of appendices. One Figure

Embodied AI Agents for Team Collaboration in Co-located Blue-Collar Work

具身AI代理在协作蓝领工作中的团队协作

Kaisa Vaananen, Niels van Berkel, Donald McMillan, Thomas Olsson

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

AI总结 本文探讨具身AI代理在蓝领工作场所中促进团队协作与包容性沟通的设计策略与实践挑战。

Comments 4 pages, 1 figure, a short synopsis of this paper has been submitted to CHI 2026 workshop on Embodying Relationships, Designing TUIs for Co-Located Human-Human Dynamics

Cooperation Breakdown in LLM Agents Under Communication Delays

在通信延迟下LLM代理间的合作破裂

Keita Nishimoto, Kimitaka Asatani, Ichiro Sakata

机构 * The University of Tokyo（东京大学） 纠错

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

AI总结 研究探讨了通信延迟对LLM多智能体系统中合作的影响，发现延迟增加会引发代理剥削行为，但过度延迟反而促进合作，揭示了低层因素对合作的重要性。

AC-MASAC: An Attentive Curriculum Learning Framework for Heterogeneous UAV Swarm Coordination

AC-MASAC：一种用于异构无人机群协调的注意力课程学习框架

Wanhao Liu, Junhong Dai, Yixuan Zhang, Shengyun Yin, Panshuo Li

机构 * Guangdong University of Technology（广东工业大学） 纠错

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

AI总结 本文提出AC-MASAC框架，通过角色感知注意力机制和结构化课程策略，解决异构无人机群协同路径规划中的稀疏奖励和灾难性遗忘问题，提升成功率和任务完成效率。

PrefillShare: A Shared Prefill Module for KV Reuse in Multi-LLM Disaggregated Serving

PrefillShare: 一种用于多语言模型解耦服务中KV重用的共享预填模块

Sunghyeon Woo, Hoseung Kim, Sunghwan Shim, Minjung Jo, Hyunjoon Jeong, Jeongtae Lee, Joonghoon Kim, Sungjae Lee, Baeseong Park, Se Jung Kwon, Dongsoo Lee

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

AI总结 PrefillShare通过共享预填模块和KV缓存，减少多语言模型解耦服务中的冗余计算和延迟，提升吞吐量和准确性。

Comments Preprint. 13 pages, 6 figures

A Generic Framework for Fair Consensus Clustering in Streams

一种面向流的公平共识聚类通用框架

Diptarka Chakraborty, Kushagra Chatterjee, Debarati Das, Tien-Long Nguyen

机构 * National University of Singapore（新加坡国立大学） ； Pennsylvania State University（宾夕法尼亚州立大学） 纠错

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

AI总结 本文提出了一种面向流的公平共识聚类通用框架，通过整合最近公平聚类与聚类拟合，实现了在流模型和离线重新查看时的改进近似保证。

Comments Accepted in AAMAS 2026

Modal Logical Neural Networks

模态逻辑神经网络

Antonin Sulc

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

AI总结 模态逻辑神经网络结合深度学习与模态逻辑，通过可微逻辑护栏实现必要性与可能性推理，提升逻辑一致性和可解释性。

Comments 22 pages, 7 figures, 6 tables

Optimizing Distances for Multi-Broadcast in Temporal Graphs

在时序图中优化多广播的距离

Daniele Carnevale, Gianlorenzo D'Angelo

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

AI总结 在时序图中，通过优化多广播的最坏时间距离，解决多源信息传播的调度问题。