AI Agent

Supervised Reinforcement Learning: From Expert Trajectories to Step-wise Reasoning

监督强化学习：从专家轨迹到逐步推理

Yihe Deng, I-Hung Hsu, Jun Yan, Zifeng Wang, Rujun Han, Gufeng Zhang, Yanfei Chen, Wei Wang, Tomas Pfister, Chen-Yu Lee

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

AI总结 本文提出SRL框架，通过生成逻辑动作序列提升小模型的多步推理能力，结合监督与强化学习实现更有效的训练。

Comments Paper accepted by ICLR 2026. The first two authors contribute equally

Automated Dose-Based Anatomic Region Classification of Radiotherapy Treatment for Big Data Applications

基于大数据应用的放疗治疗自动剂量导向解剖区域分类

Justin Hink, Yasin Abdulkadir, Jack Neylon, James Lamb

专题命中 规划决策 ：planning(abstract)；workflow(abstract)

AI总结 该研究提出了一种基于深度学习的自动化方法，用于放射治疗大数据应用中的解剖区域分类，实现了高准确度的区域标签分配。

Comments 16 pages, 3 figures, 2 tables, 1 supplemental table, references arXiv:2411.08876,

Foundation World Models for Agents that Learn, Verify, and Adapt Reliably Beyond Static Environments

为能够学习、验证和在动态环境中适应的智能体构建基础世界模型

Florent Delgrange

机构 * AI Lab, Vrije Universiteit Brussel \& Flanders Make Brussels Belgium ； AI Lab, Vrije Universiteit Brussel \& Flanders Make 纠错

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

AI总结 本文提出基础世界模型，通过可学习奖励模型、自适应形式验证、在线抽象校准和测试时合成，使智能体在动态环境中可靠学习、验证和适应。

Comments AAMAS 2026, Blue Sky Idea Track. 4 pages, 1 Figure

Mixed-Initiative Dialog for Human-Robot Collaborative Manipulation

混合发起对话用于人机协作操作

Albert Yu, Chengshu Li, Luca Macesanu, Arnav Balaji, Ruchira Ray, Raymond Mooney, Roberto Martín-Martín

机构 * UT Austin（得克萨斯大学） ； OpenAI ； NYU（纽约大学） ； University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 MICoBot通过混合发起对话范式提升人机协作任务的成功率和用户体验。

Comments Project website at https://robin-lab.cs.utexas.edu/MicoBot/

Meta-Reinforcement Learning for Fast and Data-Efficient Spectrum Allocation in Dynamic Wireless Networks

元强化学习用于动态无线网络中快速且数据高效的频谱分配

Oluwaseyi Giwa, Tobi Awodunmila, Muhammad Ahmed Mohsin, Ahsan Bilal, Muhammad Ali Jamshed

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

AI总结 本文提出元学习框架用于动态无线网络中快速且数据高效的频谱分配，通过对比实验展示其在性能和适应性上的优势。

Comments 5 pages, 6 figures, under review at IEEE Wireless Communications Letters

Journal ref IEEE Wireless Communications Letters 2026

Rudder: Steering Prefetching in Distributed GNN Training using LLM Agents

Rudder: 在分布式GNN训练中利用LLM代理进行转向预取

Aishwarya Sarkar, Sayan Ghosh, Nathan Tallent, Aman Chadha, Tanya Roosta, Ali Jannesari

机构 * Iowa State University（爱荷华州立大学） ； Pacific Northwest National Laboratory（太平洋西北国家实验室） ； Amazon GenAI（亚马逊生成人工智能） ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 Rudder利用LLM代理的生成式AI能力，通过自适应预取减少分布式GNN训练中的通信开销，提升训练性能达91%。

Comments Accepted to the 40th ACM International Conference on Supercomputing (ICS 2026)

Domain-Partitioned Hybrid RAG for Legal Reasoning: Toward Modular and Explainable Legal AI for India

领域划分混合RAG用于法律推理：迈向模块化和可解释的印度法律AI

Rakshita Goel, S Pranav Kumar, Anmol Agrawal, Divyan Poddar, Pratik Narang, Dhruv Kumar

机构 * Birla Institute of Technology and Science, Pilani（巴尔·印度技术科学学院，比兰地） 纠错

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

AI总结 本研究提出了一种针对印度法律研究的领域划分混合RAG与知识图谱架构，通过模块化设计和结构化关系推理提升法律AI的可解释性和推理能力。

Asymptotically Stable Quaternion-valued Hopfield-structured Neural Network with Periodic Projection-based Supervised Learning Rules

渐近稳定的四元数值Hopfield结构神经网络及其基于周期投影的监督学习规则

Tianwei Wang, Xinhui Ma, Wei Pang

机构 * University of Edinburgh（爱丁堡大学） ； University of Hull（赫尔大学） ； Heriot-Watt University（赫瑞-沃德大学） 纠错

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

AI总结 本文提出了一种基于四元数的Hopfield结构神经网络，通过周期投影策略实现监督学习，具有高精度、快速收敛和强可靠性，适用于机器人控制等需要四元数参数化的场景。

Comments Preprint. Accepted by NeurIPS 2025

SAGE-LLM: Towards Safe and Generalizable LLM Controller with Fuzzy-CBF Verification and Graph-Structured Knowledge Retrieval for UAV Decision

SAGE-LLM：面向安全且可泛化的LLM控制器，结合模糊-CBF验证和图结构知识检索用于无人机决策

Wenzhe Zhao, Yang Zhao, Ganchao Liu, Zhiyu Jiang, Dandan Ma, Zihao Li, Xuelong Li

机构 * School of Artificial Intelligence, OPtics and ElectroNics (iOPEN), Northwestern Polytechnical University, Xi’an 710072, China（人工智能学院、光学与电子学（iOPEN）、西北工业大学，西安 710072，中国） ； Institute of Artificial Intelligence (TeleAI), China Telecom, China（人工智能研究所（TeleAI）、中国电信，中国） 纠错

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

AI总结 SAGE-LLM通过模糊-CBF验证和图结构知识检索，提升无人机决策的安全性和泛化能力，无需在线训练即可在复杂环境中保持性能。

ODAR: Principled Adaptive Routing for LLM Reasoning via Active Inference

ODAR：通过主动推断实现LLM推理的原理性自适应路由

Siyuan Ma, Bo Gao, Xiaojun Jia, Simeng Qin, Tianlin Li, Ke Ma, Xiaoshuang Jia, Wenqi Ren, Yang Liu

机构 * Nanyang Technological University（南洋理工大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Northeast University (Qinhuangdao Campus)（东北大学（秦皇岛校区）） ； Beihang University（北航） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Renmin University of China（中国人民大学） ； Sun Yat-sen University（中山大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 ODAR通过主动推断实现LLM推理的原理性自适应路由，优化精度-效率权衡，提升计算匹配下的准确率并降低计算成本。

FRIEDA: Benchmarking Multi-Step Cartographic Reasoning in Vision-Language Models

FRIEDA：评估视觉语言模型中多步骤制图推理的基准

Jiyoon Pyo, Yuankun Jiao, Dongwon Jung, Zekun Li, Leeje Jang, Sofia Kirsanova, Jina Kim, Yijun Lin, Qin Liu, Junyi Xie, Hadi Askari, Nan Xu, Muhao Chen, Yao-Yi Chiang

机构 * University of Minnesota-Twin Cities（明尼苏达大学双城分校） ； University of California, Davis（加州大学戴维斯分校） ； University of Southern California（南加州大学） 纠错

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

AI总结 FRIEDA 是一个评估视觉语言模型多步骤制图推理能力的基准，通过多步骤推理和跨地图定位测试，揭示了当前模型在空间智能方面的不足。

Comments Accepted to ICLR 2026

Less is More: Lean yet Powerful Vision-Language Model for Autonomous Driving

少即是多：一种高效而强大的视觉-语言模型用于自动驾驶

Sheng Yang, Tong Zhan, Guancheng Chen, Yanfeng Lu, Jian Wang

机构 * School of Data Science, Fudan University Shanghai, China（复旦大学数据科学学院） ； Institute of Automation, Chinese Academy of Sciences Beijing, China（中国科学院自动化研究所） 纠错

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

AI总结 本研究提出Max-V1模型，通过端到端视觉-语言方法实现高效自动驾驶，取得nuScenes数据集上的显著性能提升。

Veritas: Generalizable Deepfake Detection via Pattern-Aware Reasoning

Veritas：通过模式感知推理实现通用的深度伪造检测

Hao Tan, Jun Lan, Zichang Tan, Ajian Liu, Chuanbiao Song, Senyuan Shi, Huijia Zhu, Weiqiang Wang, Jun Wan, Zhen Lei

机构 * School of Advanced Interdisciplinary Sciences (SAIS), University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） ； MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所MAIS） ； Ant Group（蚂蚁集团） ； Shenzhen Institute of Advanced Technology (SIAT), Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

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

AI总结 Veritas通过模式感知推理，基于多模态大语言模型实现通用深度伪造检测，提升对未知伪造技术和数据领域的检测能力。

Comments ICLR 2026 Oral. Project: https://github.com/EricTan7/Veritas

Betting under Common Beliefs: The Effect of Probability Weighting

在共同信念下进行投机：概率加权的影响

Patrick Beissner, Tim Boonen, Mario Ghossoub

专题命中 规划决策 ：agent(abstract)

AI总结 本文探讨了概率加权如何在无总体不确定性的环境中影响共同信念与投机行为的共存。

Shaping the Digital Future of ErUM Research: Sustainability & Ethics

塑造ErUM研究的数字未来：可持续性与伦理

Luca Di Bella, Jan Bürger, Markus Demleitner, Torsten Enßlin, Johannes Erdmann, Martin Erdmann, Benjamin Fischer, Martin Gasthuber, Gabriele Gramelsberger, Wolfgang Gründinger, Prateek Gupta, Johannes Hartl, Maximilian Horzela, Vijay Kartik, Stefan Krischer, Eva Kröll, Thomas Kuhr, Katharina Kürschner, Inga Lakomiec, Valerie Lang, Kristin Lohwasser, Thomas Metcalf, Martin Möller, Saskia Nagel, Susanne Pfalzner, Rebecca Redlin, Christopher Schrader, Kathrin Schulz, Markus Schumacher, Kilian Schwarz, Fabian Sigler, Dwayne Spiteri, Achim Stahl, Judith Steinfeld, Wim Vanderbauwhede, Cyrus Walther, Angela Warkentin, Peter Wissmann, Eoin Woods

专题命中 规划决策 ：planning(abstract)

AI总结 该报告探讨了ErUM研究在可持续性和伦理方面的数字化未来，强调通过技术措施、教育支持和社区倡议实现可持续的计算和数据实践。

Comments 32 pages, no figures, report for workshop "Shaping the Digital Future of ErUM Research: Sustainability & Ethics", 28 July to 1 August 2025, Aachen, Germany, see https://indico.desy.de/event/47133/

U-Mind: A Unified Framework for Real-Time Multimodal Interaction with Audiovisual Generation

U-Mind：一种实时光学交互的统一框架

Xiang Deng, Feng Gao, Yong Zhang, Youxin Pang, Xu Xiaoming, Zhuoliang Kang, Xiaoming Wei, Yebin Liu

机构 * Tsinghua University（清华大学） ； Meituan（美团） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 U-Mind 提出了一种统一框架，通过实时生成和多模态联合建模，实现高效且连贯的多模态交互，推动智能对话代理的发展。

Comments Accepted to CVPR 2026

FAVLA: A Force-Adaptive Fast-Slow VLA model for Contact-Rich Robotic Manipulation

FAVLA：一种力适应的快速-慢速VLA模型用于接触丰富的机械臂操作

Yao Li, Peiyuan Tang, Wuyang Zhang, Chengyang Zhu, Yifan Duan, Weikai Shi, Xiaodong Zhang, Zijiang Yang, Jianmin Ji, Yanyong Zhang

机构 * University of Science and Technology of China（中国科学技术大学） ； Xi'an Jiaotong University（西安交通大学） ； Central South University（中南大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 FAVLA通过解耦慢感知规划与快速接触感知控制，提升接触丰富任务中的反应性和成功率。

Robust Capacity Expansion Modelling for Renewable Energy Systems

面向可再生能源系统的鲁棒容量扩展建模

Sebastian Kebrich, Felix Engelhardt, David Franzmann, Christina Büsing, Jochen Linßen, Heidi Heinrichs

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种鲁棒容量扩展算法，通过迭代修正解决可再生能源供应缺口问题，验证了鲁棒系统在成本与供电稳定性之间的平衡。

Adaptive weight selection for time-to-event data under non-proportional hazards

时间到事件数据下的自适应权重选择

Moritz Fabian Danzer, Ina Dormuth

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种基于自适应多阶段设计和组合型检验的灵活方法，用于时间到事件数据下的自适应权重选择，以提高鲁棒性和统计功效。

Comments including Supplementary Material

QoSFlow: Ensuring Service Quality of Distributed Workflows Using Interpretable Sensitivity Models

QoSFlow: 使用可解释的敏感性模型确保分布式工作流的服务质量

Md Hasanur Rashid, Jesun Firoz, Nathan R. Tallent, Luanzheng Guo, Meng Tang, Dong Dai

专题命中 规划决策 ：workflow(abstract)

AI总结 QoSFlow通过可解释的敏感性模型，高效确保分布式工作流的服务质量，其推荐性能优于标准启发式方法27.38%。

Comments to be published in 40th IEEE International Parallel & Distributed Processing Symposium (IPDPS), 2026

ProductResearch: Training E-Commerce Deep Research Agents via Multi-Agent Synthetic Trajectory Distillation

ProductResearch: 通过多智能体合成轨迹蒸馏训练电商深度研究代理

Jiangyuan Wang, Kejun Xiao, Huaipeng Zhao, Tao Luo, Xiaoyi Zeng

机构 * Alibaba International Digital Commercial Group（阿里巴巴国际数字商业集团） 纠错

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

AI总结 ProductResearch通过多代理合成轨迹蒸馏训练电商深度研究代理，提升复杂购物查询的响应全面性和用户效用。

LumiMAS: A Comprehensive Framework for Real-Time Monitoring and Enhanced Observability in Multi-Agent Systems

LumiMAS: 多智能体系统中实时监控与增强可观测性的综合框架

Ron Solomon, Yarin Yerushalmi Levi, Lior Vaknin, Eran Aizikovich, Amit Baras, Etai Ohana, Amit Giloni, Shamik Bose, Chiara Picardi, Yuval Elovici, Asaf Shabtai

机构 * Ben-Gurion University of the Negev（贝内杰尔大学） ； Fujitsu Research of Europe（富士通欧洲研究） 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 LumiMAS通过三个核心层实现多智能体系统的实时监控与异常检测，有效提升故障分类和根本原因分析能力。

MACD: Multi-Agent Clinical Diagnosis with Self-Learned Knowledge for LLM

MACD: 基于自学习知识的多智能体临床诊断

Wenliang Li, Rui Yan, Xu Zhang, Li Chen, Hongji Zhu, Jing Zhao, Junjun Li, Mengru Li, Wei Cao, Zihang Jiang, Wei Wei, Kun Zhang, Shaohua Kevin Zhou

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

AI总结 MACD通过多智能体框架实现LLM自学习临床知识，提升诊断准确率，与医生单独诊断相比表现更优，展示人机协作的协同潜力。

Scaling Lifelong Multi-Agent Path Finding to More Realistic Settings: Research Challenges and Opportunities

将终身多智能体路径寻找扩展到更现实的场景：研究挑战与机遇

He Jiang, Yulun Zhang, Rishi Veerapaneni, Jiaoyang Li

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

AI总结 本文探讨了将终身多智能体路径寻找扩展到现实场景中的三个研究挑战及未来发展方向。

Comments Accepted to Symposium on Combinatorial Search (SoCS), 2024

Heterogeneous Multi-Agent Reinforcement Learning with Attention for Cooperative and Scalable Feature Transformation

异构多智能体强化学习与注意力机制用于协作和可扩展的特征转换

Tao Zhe, Huazhen Fang, Kunpeng Liu, Qian Lou, Tamzidul Hoque, Dongjie Wang

机构 * University of Kansas（堪萨斯大学） ； Michigan State University（密歇根州立大学） ； Clemson University（克莱姆森大学） ； University of Central Florida（佛罗里达中央大学） 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 本文提出异构多智能体强化学习框架，通过注意力机制实现高效、可扩展的特征转换，提升下游任务性能。

Comments Accepted at KDD 2026 Research Track

RUMAD: Reinforcement-Unifying Multi-Agent Debate

RUMAD：强化统一多智能体辩论

Chao Wang, Han Lin, Huaze Tang, Huijing Lin, Wenbo Ding

机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 RUMAD通过强化学习动态控制通信拓扑，提升多智能体辩论的效率和准确性，实现80%以上的token成本降低和跨域泛化能力。

Comments 13 pages, 3 figures

QD-MAPPER: A Quality Diversity Framework to Automatically Evaluate Multi-Agent Path Finding Algorithms in Diverse Maps

QD-MAPPER: 一种用于在多样化地图上自动评估多智能体路径寻找算法的质量多样性框架

Cheng Qian, Yulun Zhang, Varun Bhatt, Matthew Christopher Fontaine, Stefanos Nikolaidis, Jiaoyang Li

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Southern California（南加州大学） 纠错

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

AI总结 QD-MAPPER是一种基于质量多样性算法的框架，用于在多样化地图上自动评估多智能体路径寻找算法的性能，通过生成多样化地图实现对不同算法的公平比较和性能分析。

Comments 14 pages, 23 figures

Guidance Graph Optimization for Lifelong Multi-Agent Path Finding

为终身多智能体路径寻找设计的引导图优化

Yulun Zhang, He Jiang, Varun Bhatt, Stefanos Nikolaidis, Jiaoyang Li

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

AI总结 本文提出引导图优化方法，用于自动为终身多智能体路径寻找生成高效引导，提升算法吞吐量。

Comments Accepted to International Joint Conference on Artificial Intelligence (IJCAI), 2024

Scalable Mechanism Design for Multi-Agent Path Finding

可扩展的多智能体路径寻找机制设计

Paul Friedrich, Yulun Zhang, Michael Curry, Ludwig Dierks, Stephen McAleer, Jiaoyang Li, Tuomas Sandholm, Sven Seuken

机构 * ETH AI Center（瑞士联邦理工学院人工智能中心） ； University of Zurich（苏黎世大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Harvard University（哈佛大学） ； University of Illinois at Chicago（伊利诺伊大学香槟分校） ； Optimized Markets, Strategy Robot, Strategic Machine（优化市场、策略机器人、战略机器） 纠错

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

AI总结 本文提出三种可扩展的多智能体路径寻找机制设计方法，通过策略证明机制和近似算法提升路径规划的福利效果。

Comments 12 pages, 5 figures. IJCAI'24 camera-ready version

Sharing is caring: data sharing in multi-agent supply chains

共享即关怀：多智能体供应链中的数据共享

Wan Wang, Haiyan Wang, Adam Sobey

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

AI总结 本文提出了一种多智能体供应链系统，通过工厂智能体分享信息提升系统性能，尤其在合作奖励塑造下，实验证明说谎和说实话在不同需求场景下对整体系统有不同贡献。