AI Agent

Multi-Agent Guided Policy Search for Non-Cooperative Dynamic Games

多智能体引导策略搜索用于非合作动态博弈

Jingqi Li, Gechen Qu, Jason J. Choi, Somayeh Sojoudi, Claire Tomlin

专题命中 工具调用 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出多智能体引导策略搜索方法，通过引入近似先验正则化，解决非合作动态博弈中的策略不稳定问题，实验显示其在非线性车辆编队和篮球 formations 中表现更优。

Comments This paper has been accepted for presentation at the IEEE American Control Conference (ACC) 2026. We sincerely appreciate the reviewers' valuable and constructive feedback. The latest version of the manuscript incorporates their suggestions, including additional clarifications of theoretical assumptions, convergence guarantees, and experimental details

DeepRead: Document Structure-Aware Reasoning to Enhance Agentic Search

DeepRead: 一种基于文档结构的推理以增强代理搜索

Zhanli Li, Huiwen Tian, Lvzhou Luo, Yixuan Cao, Ping Luo

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences (CAS)（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences, CAS（中国科学院大学） ； Wenlan School of Business, Zhongnan University of Economics（中南财经政法大学文澜商学院） 纠错

专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；tool-use(abstract)；分类 cs.AI、cs.CL

AI总结 DeepRead通过结构感知的文档推理增强代理搜索，有效提升文档理解精度。

Comments This version has significantly enhanced the clarity of our research

Multi Graph Search for High-Dimensional Robot Motion Planning

多图搜索用于高维机器人运动规划

Itamar Mishani, Maxim Likhachev

专题命中 工具调用 ：planning(title,abstract)；分类 cs.AI

AI总结 本文提出多图搜索算法，用于高维机器人运动规划，通过多图扩展实现高效且可靠的路径搜索。

Comments Submitted for Publication

SIGHT: Reinforcement Learning with Self-Evidence and Information-Gain Diverse Branching for Search Agent

SIGHT: 基于自证证据和信息增益多样分支的强化学习

Wenlin Zhong, Jinluan Yang, Yiquan Wu, Yi Liu, Jianhang Yao, Kun Kuang

机构 * Zhejiang University（浙江大学） ； Chongqing Ant Consumer Finance Co., Ltd.（重庆蚂蚁消费金融有限公司） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 工具调用 ：agent(title)；分类 cs.CL

AI总结 SIGHT通过自证证据和信息增益驱动多样化分支，提升搜索代理的自主推理能力，减少冗余并增强探索策略。

Analytical Search

分析搜索

Yiteng Tu, Shuo Miao, Weihang Su, Yiqun Liu, Qingyao Ai

机构 * DCST, Tsinghua University（清华大学智能驾驶与车路协同研究院） ； Quan Cheng Laboratory（量子工程实验室） 纠错

专题命中 工具调用 ：workflow(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出分析搜索范式，旨在通过证据导向和多步骤推理解决复杂分析需求，提升信息检索的端到端能力。

Large Language Models for Designing Participatory Budgeting Rules

基于大型语言模型的设计参与式预算规则

Nguyen Thach, Xingchen Sha, Hau Chan

机构 * University of Nebraska-Lincoln（内布拉斯加大学林肯分校） ； Northwestern University（西北大学） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.LG

AI总结 本文提出LLMRule框架，利用大型语言模型自动化设计参与式预算规则，提升预算分配的效用同时保持公平性。

Comments Accepted as full paper to AAMAS 2026

Millisecond-Scale Calibration and Benchmarking of Superconducting Qubits

超导量子比特的毫秒级校准与基准测试

Malthe A. Marciniak, Rune T. Birke, Johann B. Severin, Fabrizio Berritta, Daniel Kjær, Filip Nilsson, Smitha N. Themadath, Sangeeth Kallatt, James L. Webb, Kristoffer Bentsen, Tonny Madsen, Zhenhai Sun, Svend Krøjer, Christopher W. Warren, Jacob Hastrup, Morten Kjaergaard

专题命中 工具调用 ：workflow(abstract)

AI总结 本研究提出了一种在FPGA上实现的毫秒级超导量子比特校准与基准测试方法，通过高效算法和稀疏采样技术实现快速且精确的参数估计和优化。

Comments 15 pages, 7 figures

Counterfactual Conditional Likelihood Rewards for Multiagent Exploration

反事实条件似然奖励用于多智能体探索

Ayhan Alp Aydeniz, Robert Loftin, Kagan Tumer

机构 * Oregon State University（俄勒冈州立大学） ； University of Sheffield（谢菲尔德大学） 纠错

专题命中 工具调用 ：agent(abstract)

AI总结 本文提出反事实条件似然奖励，通过评估智能体对团队探索的独特贡献，提升多智能体系统在稀疏奖励环境下的探索效率和协作能力。

Comments 9 pages, 5 figures