AI Agent

Automating Agent Hijacking via Structural Template Injection

通过结构模板注入自动化代理劫持

Xinhao Deng, Jiaqing Wu, Miao Chen, Yue Xiao, Ke Xu, Qi Li

机构 * Tsinghua University \& Ant Group Hangzhou China ； Tsinghua University Beijing China ； Zhongguancuan Laboratory Beijing China ； Tsinghua University \& Ant Group ； Tsinghua University ； Zhongguancuan Laboratory 纠错

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

AI总结 本文提出Phantom框架，通过结构模板注入自动化代理劫持，提升攻击成功率和效率，揭示结构模板劫持的严重性。

What Makes a Good LLM Agent for Real-world Penetration Testing?

什么样的LLM代理适合现实中的渗透测试？

Gelei Deng, Yi Liu, Yuekang Li, Ruozhao Yang, Xiaofei Xie, Jie Zhang, Han Qiu, Tianwei Zhang

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

AI总结 Excalibur通过结合强大工具和难度感知计划，提高了渗透测试代理在复杂任务中的表现和效率。

A Picture of Agentic Search

代理搜索的图景

Francesca Pezzuti, Ophir Frieder, Fabrizio Silvestri, Sean MacAvaney, Nicola Tonellotto

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

AI总结 本文提出了一种收集代理检索增强系统生成和消耗数据的方法，并发布了一个包含多代理和检索流程的数据集，以应对IR在代理用户需求下的适应性挑战。

Comments 7 pages, 2 figures

SAGE: Structure Aware Graph Expansion for Retrieval of Heterogeneous Data

SAGE：面向异构数据检索的结构感知图扩展

Prasham Titiya, Rohit Khoja, Tomer Wolfson, Vivek Gupta, Dan Roth

专题命中 工具调用 ：agent(abstract)；planning(abstract)；agentic(abstract)

AI总结 SAGE通过构建结构感知的图扩展框架，在异构数据检索中提升召回率，采用混合检索与代理策略实现多模态证据链检索。

Selecting Critical Scenarios of DER Adoption in Distribution Grids Using Bayesian Optimization

利用贝叶斯优化选择分布式能源接入的关键场景

Olivier Mulkin, Miguel Heleno, Mike Ludkovski

机构 * Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室） ； Department of Statistics & Applied Probability, UC Santa Barbara（统计与应用概率系，加州大学圣巴巴拉分校） 纠错

专题命中 工具调用 ：planning(abstract)；分类 cs.LG

AI总结 本文提出基于贝叶斯优化的方法，用于高效选择配电网络中关键的分布式能源接入场景，提升电网风险预测的准确性和效率。

Comments 12 pages, 4 tables, 12 figures

RetouchIQ: MLLM Agents for Instruction-Based Image Retouching with Generalist Reward

RetouchIQ: 基于指令的图像修复MLLM代理与通用奖励模型

Qiucheng Wu, Jing Shi, Simon Jenni, Kushal Kafle, Tianyu Wang, Shiyu Chang, Handong Zhao

机构 * Adobe Research（Adobe研究院） 纠错

专题命中 工具调用 ：tool-use(abstract)

AI总结 RetouchIQ通过通用奖励模型提升指令基于图像编辑的语义一致性和感知质量，展现灵活可解释的编辑能力。

Comments 10 pages, 6 figures

MedClarify: An information-seeking AI agent for medical diagnosis with case-specific follow-up questions

MedClarify：一种用于医学诊断的信息寻求AI代理，具有病例特定的后续问题

Hui Min Wong, Philip Heesen, Pascal Janetzky, Martin Bendszus, Stefan Feuerriegel

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

AI总结 MedClarify通过生成病例特定的后续问题，提升医学诊断的准确性与可靠性。

Risk-Aware Decision Making in Restless Bandits: Theory and Algorithms for Planning and Learning

在 restless bandits 中的风险意识决策：用于规划和学习的理论与算法

Nima Akbarzadeh, Yossiri Adulyasak, Erick Delage

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

AI总结 本文提出了一种风险意识的 restless bandits 决策方法，结合理论与算法，用于规划和学习场景中降低风险暴露。

Stackelberg Dynamic Location Planning under Cumulative Demand

在累积需求下的Stackelberg动态选址规划

Warley Almeida Silva, Margarida Carvalho, Sanjay Dominik Jena

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种结合累积需求和市场竞争的双层混合整数规划模型，通过改进的分支定界算法在动态选址问题中取得显著成效。

Comments 48 pages, 17 figures

Using Time Series Measures to Explore Family Planning Survey Data and Model-based Estimates

利用时间序列指标探索计划生育调查数据和基于模型的估计

Oluwayomi Akinfenwa, Niamh Cahill, Catherine Hurley

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出利用时间序列诊断指数评估家庭计划估计模型与调查数据的一致性，以改进全球计划生育数据监测。

RRT$^η$: Sampling-based Motion Planning and Control from STL Specifications using Arithmetic-Geometric Mean Robustness

RRT$^η$: 基于STL规范的采样运动规划与控制使用算术-几何平均鲁棒性

Ahmad Ahmad, Shuo Liu, Roberto Tron, Calin Belta

专题命中 规划决策 ：planning(title,abstract)

AI总结 RRT$^η$通过整合AGM鲁棒性度量，实现基于STL规范的高效运动规划与控制，提升多约束场景下的鲁棒性与性能。

Evaluating Chain-of-Thought Reasoning through Reusability and Verifiability

通过可重用性和可验证性评估链式推理

Shashank Aggarwal, Ram Vikas Mishra, Amit Awekar

机构 * Indian Institute of Technology（印度理工学院） 纠错

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

AI总结 本文提出通过可重用性和可验证性评估链式推理的质量，发现专门推理模型并不始终优于通用大语言模型。

Computer-Using World Model

计算机使用世界模型

Yiming Guan, Rui Yu, John Zhang, Lu Wang, Chaoyun Zhang, Liqun Li, Bo Qiao, Si Qin, He Huang, Fangkai Yang, Pu Zhao, Lukas Wutschitz, Samuel Kessler, Huseyin A Inan, Robert Sim, Saravan Rajmohan, Qingwei Lin, Dongmei Zhang

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

AI总结 CUWM是一种用于桌面软件的世界模型，通过两阶段分解预测UI状态变化，提升测试时动作决策的质量和鲁棒性。

Comments 35 pages, 7 figures

AgentLAB: Benchmarking LLM Agents against Long-Horizon Attacks

AgentLAB: 对长周期攻击下LLM代理的基准测试

Tanqiu Jiang, Yuhui Wang, Jiacheng Liang, Ting Wang

机构 * Department of Computer Science, Stony Brook University, Stony Brook, USA（计算机科学系，石溪大学，石溪，美国） 纠错

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

AI总结 AgentLAB是一个专门评估LLM代理对长周期攻击易感性的基准，通过五种新型攻击类型和28个现实环境测试，揭示了LLM代理在长周期攻击中的脆弱性。

Overseeing Agents Without Constant Oversight: Challenges and Opportunities

无需持续监督的代理：挑战与机遇

Madeleine Grunde-McLaughlin, Hussein Mozannar, Maya Murad, Jingya Chen, Saleema Amershi, Adam Fourney

机构 * University of Washington（华盛顿大学） ； Microsoft Research（微软研究院） 纠错

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

AI总结 本研究探讨了无需持续监督的代理系统在验证中的挑战与机遇，通过实验发现简化轨迹设计可提高错误发现效率，但未显著提升准确性。

Autonomous Data Processing using Meta-Agents

使用元代理的自主数据处理

Udayan Khurana

机构 * IBM T.J. Watson Research Center（IBM T.J. Watson 研究中心） 纠错

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

AI总结 ADP-MA通过元代理实现自主数据处理，动态构建和优化数据管道，提升适应性和效率。

ReIn: Conversational Error Recovery with Reasoning Inception

ReIn：基于推理 inception 的对话错误恢复

Takyoung Kim, Jinseok Nam, Chandrayee Basu, Xing Fan, Chengyuan Ma, Heng Ji, Gokhan Tur, Dilek Hakkani-Tür

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊公司） 纠错

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

AI总结 ReIn通过推理inception方法实现对话错误恢复，无需修改模型参数或提示，提升任务成功率并泛化到未见错误类型。

Comments ICLR 2026

Beyond Needle(s) in the Embodied Haystack: Environment, Architecture, and Training Considerations for Long Context Reasoning

超越实体 haystack 中的针（针）：环境、架构和训练考虑因素在长上下文推理中的应用

Bosung Kim, Prithviraj Ammanabrolu

机构 * University of California, San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 本文提出 $\infty$-THOR 框架，通过长上下文推理任务和数据集提升实体 AI 的长期推理能力。

Jolt Atlas: Verifiable Inference via Lookup Arguments in Zero Knowledge

Jolt Atlas: 通过查找论证实现可验证推断在零知识中

Wyatt Benno, Alberto Centelles, Antoine Douchet, Khalil Gibran

机构 * ICME Labs（ICME实验室） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.AI

AI总结 Jolt Atlas是一种零知识机器学习框架，通过查找论证实现可验证推断，支持在内存受限环境中进行流式证明，并适用于隐私和对抗性环境。

Dodging the Moose: Experimental Insights in Real-Life Automated Collision Avoidance

躲避麋鹿：现实生活中自动避撞的实验洞察

Leila Gharavi, Simone Baldi, Yuki Hosomi, Tona Sato, Bart De Schutter, Binh-Minh Nguyen, Hiroshi Fujimoto

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种类人前馈规划器，用于在MPC优化问题不可行时辅助实时避撞，通过实验验证了在紧急情景中有效规避静态障碍物的能力。

Comments 10 pages, 10 figures

Adaptive Step Duration for Accurate Foot Placement: Achieving Robust Bipedal Locomotion on Terrains with Restricted Footholds

自适应步长持续时间以实现准确足部放置：在受限足部支撑的地形上实现稳健双足运动

Zhaoyang Xiang, Victor Paredes, Guillermo A. Castillo, Ayonga Hereid

机构 * Mechanical and Aerospace Engineering, The Ohio State University（机械与航空航天工程系，俄亥俄州立大学） ； Electrical and Computer Engineering, The Ohio State University（电气与计算机工程系，俄亥俄州立大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种自适应多步预览算法，通过优化足部放置提升机器人在受限足部支撑地形上的稳健双足运动能力。

Comments 7 pages, 7 figures. Accepted to IEEE/RSJ IROS 2025. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses

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

Knowledge driven Description Synthesis for Floor Plan Interpretation

基于知识的描述合成用于平面图解释

Shreya Goyal, Chiranjoy Chattopadhyay, Gaurav Bhatnagar

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出DSIC和TBDG两个模型，利用深度神经网络提升平面图图像到文本的生成能力，增强描述的鲁棒性和灵活性。

Comments 19 pages, 18 Figure

Environmental policy in the context of complex systems: Statistical optimization and sensitivity analysis for ABMs

复杂系统背景下环境政策：面向ABM的统计优化与敏感性分析

Dylan Munson, Arijit Dey, Simon Mak

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出了一种基于机器学习的统计框架，用于加速高成本ABM的政策优化，并通过Sugarscape模型验证了其在识别最优政策和敏感性分析方面的有效性。

On the Tightness of the Second-Order Cone Relaxation of the Optimal Power Flow with Angles Recovery in Meshed Networks

关于在互联网络中最优功率流问题二次锥松弛的紧性

Ginevra Larroux, Matthieu Jacobs, Mario Paolone

专题命中 规划决策 ：planning(abstract)

AI总结 本文探讨了在互联网络中最优功率流问题的二次锥松弛紧性，通过数值实验验证了节点电压角度恢复和交流OPF可行性。

Towards Scalable Language-Image Pre-training for 3D Medical Imaging

面向3D医学影像的语言-图像预训练的可扩展性

Chenhui Zhao, Yiwei Lyu, Asadur Chowdury, Edward Harake, Akhil Kondepudi, Akshay Rao, Xinhai Hou, Honglak Lee, Todd Hollon

机构 * University of Michigan（密歇根大学） 纠错

专题命中 规划决策 ：workflow(abstract)

AI总结 HLIP通过引入层次注意力机制，实现对3D医学影像的可扩展语言-图像预训练，提升脑部MRI和头部CT的性能表现。

Comments TMLR 2026

AutoNumerics: An Autonomous, PDE-Agnostic Multi-Agent Pipeline for Scientific Computing

AutoNumerics: 一种自主的、与偏微分方程无关的多智能体流水线用于科学计算

Jianda Du, Youran Sun, Haizhao Yang

机构 * University of Maryland（马里兰大学） 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 AutoNumerics通过多智能体框架自主设计并验证数值求解器，基于自然语言描述实现高效准确的偏微分方程求解。

AdaptOrch: Task-Adaptive Multi-Agent Orchestration in the Era of LLM Performance Convergence

AdaptOrch：在LLM性能收敛时代的任务自适应多智能体协调

Geunbin Yu

机构 * Department of Artificial Intelligence, Korea National Open University（人工智能系，韩国国立开放大学） 纠错

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

AI总结 AdaptOrch通过动态选择多智能体协调拓扑，提升任务性能，证明协调设计优于模型选择。

Comments 21 pages, 10 figures, 6 tables

Self-Evolving Multi-Agent Network for Industrial IoT Predictive Maintenance

面向工业物联网预测性维护的自演化多智能体网络

Rebin Saleh, Khanh Pham Dinh, Balázs Villányi, Truong-Son Hy

机构 * Department of Electronics Technology, Faculty of Electrical Engineering and Informatics, Budapest University of Technology and Economics（布达佩斯技术与经济大学电子技术系） ； DataScienceWorld ； Department of Computer Science, The University of Alabama at Birmingham（阿拉巴马大学伯明翰分校计算机科学系） 纠错

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

AI总结 SEMAS通过自演化多智能体架构实现工业物联网预测性维护的实时异常检测与资源优化

Continuous-Time Value Iteration for Multi-Agent Reinforcement Learning

多智能体强化学习中的连续时间价值迭代

Xuefeng Wang, Lei Zhang, Henglin Pu, Ahmed H. Qureshi, Husheng Li

机构 * Purdue University（普渡大学） 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CT-MARL框架，利用物理指导神经网络和价值梯度迭代模块，解决多智能体强化学习中高维动态系统和价值函数近似难题，实现更准确的价值估计和策略学习。

Comments Accepted at ICLR 2026. 21 pages, 13 figures

Fault Tolerant Multi-Agent Learning with Adversarial Budget Constraints

具有对抗预算约束的容错多智能体学习

David Mguni, Yaqi Sun, Haojun Chen, Wanrong Yang, Amir Darabi, Larry Olanrewaju Orimoloye, Yaodong Yang

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

AI总结 MARTA通过引入Switcher-Adversary机制提升多智能体强化学习的容错性，显著提高性能并降低故障率。