AI Agent

TSC: Topology-Conditioned Stackelberg Coordination for Multi-Agent Reinforcement Learning in Interactive Driving

TSC：基于拓扑条件的Stackelberg协调用于交互驾驶中的多智能体强化学习

Xiaotong Zhang, Gang Xiong, Yuanjing Wang, Siyu Teng, Alois Knoll, Long Chen

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Department of Natural Sciences, University of Durham（达勒姆大学自然科学系） ； College of Civil and Transportation Engineering, Shenzhen University（深圳大学土木与交通工程学院） ； Chair of Robotics, Artificial Intelligence and Realtime Systems, Technical University of Munich（慕尼黑技术大学机器人、人工智能与实时系统教授职位） 纠错

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

AI总结 TSC通过拓扑条件的Stackelberg协调方法，在无通信执行下实现密集交通中的去中心化多智能体强化学习，提升训练稳定性和安全性。

Comments 12 pages, 8 figures

Online Guidance Graph Optimization for Lifelong Multi-Agent Path Finding

在线指导图优化用于终身多智能体路径寻找

Hongzhi Zang, Yulun Zhang, He Jiang, Zhe Chen, Daniel Harabor, Peter J. Stuckey, Jiaoyang Li

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

AI总结 本文提出通过优化策略提升PIBT算法的解决方案质量，解决终身多智能体路径寻找问题，并探索任务分配随时间变化的场景。

Comments 8 pages for the main text, 2 pages for reference and acknowledgement, 5 pages for appendix. 11 figures in total

Artificial Agency Program: Curiosity, compression, and communication in agents

人工代理计划：代理中的好奇心、压缩与交流

Richard Csaky

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

AI总结 本文提出人工代理计划，旨在通过整合好奇心、压缩与交流机制，构建资源受限的AI代理系统，以提升感知、理解和行动能力并减少人机交互摩擦。

Comments This is a working draft. Feedback and criticism is most welcome

Conformalized Neural Networks for Federated Uncertainty Quantification under Dual Heterogeneity

符合化神经网络用于双异质性下的联邦不确定性量化

Quang-Huy Nguyen, Jiaqi Wang, Wei-Shinn Ku

机构 * Department of Computer Science and Software Engineering, Auburn University（计算机科学与软件工程系，阿伯茨海姆大学） 纠错

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

AI总结 FedWQ-CP是一种用于双异质性下的联邦不确定性量化的神经网络方法，通过单次通信轮次实现代理与服务器的校准，有效平衡覆盖性能与效率。

Reinforcement-Learned Unequal Error Protection for Quantized Semantic Embeddings

强化学习的非等误差保护用于量化语义嵌入

Moirangthem Tiken Singh, Adnan Arif

机构 * Department of Computer Science and Engineering, Dibrugarh University Institute of Engineering and Technology（计算机科学与工程系，迪布加尔大学工程与技术学院） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 本文提出基于强化学习的非等误差保护方法，通过自适应重复编码实现细粒度语义保护，提升语义相似性和实体保留度。

Journal ref Array (2006)

COOPERTRIM: Adaptive Data Selection for Uncertainty-Aware Cooperative Perception

COOPERTRIM: 适应性数据选择用于不确定性感知的协作感知

Shilpa Mukhopadhyay, Amit Roy-Chowdhury, Hang Qiu

机构 * University of California, Riverside（加州大学河滨分校） ； New Jersey Institute of Technology（新泽西理工学院） 纠错

专题命中 多智能体 ：autonomous agent(abstract)

AI总结 COOPERTRIM通过引入时间不确定性度量和数据驱动机制，实现动态适应性数据选择，有效降低协作感知的带宽需求并提升检测精度。

Comments Accepted in ICLR 2026

CUDA Agent: Large-Scale Agentic RL for High-Performance CUDA Kernel Generation

CUDA Agent: 大规模代理强化学习用于高性能CUDA内核生成

Weinan Dai, Hanlin Wu, Qiying Yu, Huan-ang Gao, Jiahao Li, Chengquan Jiang, Weiqiang Lou, Yufan Song, Hongli Yu, Jiaze Chen, Wei-Ying Ma, Ya-Qin Zhang, Jingjing Liu, Mingxuan Wang, Xin Liu, Hao Zhou

机构 * Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR）、清华大学） ； SIA-Lab of Tsinghua AIR（清华大学AIR SIA实验室） 纠错

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

AI总结 CUDA Agent通过大规模代理强化学习系统，实现高性能CUDA内核生成，优于现有编译器和大型语言模型。

Demystifying the Lifecycle of Failures in Platform-Orchestrated Agentic Workflows

解析平台编排代理工作流中故障生命周期

Xuyan Ma, Xiaofei Xie, Yawen Wang, Junjie Wang, Boyu Wu, Mingyang Li, Qing Wang

机构 * Singapore Management University（新加坡管理大学） 纠错

专题命中 工作流自动化 ：agentic(title,abstract)；agent(abstract)；workflow(abstract)；multi-agent(abstract)

AI总结 本文通过分析平台编排代理工作流中的故障生命周期，提出AgentFail数据集，揭示关键故障机制并提供修复指南。

Operationalizing Longitudinal Causal Discovery Under Real-World Workflow Constraints

在现实工作流程约束下操作纵向因果发现

Tadahisa Okuda, Shohei Shimizu, Thong Pham, Tatsuyoshi Ikenoue, Shingo Fukuma

机构 * Kyoto University Graduate School of Medicine（京都大学医学研究科） ； SANKEN The University of Osaka（SANKEN 大阪大学） ； Faculty of Data Science Shiga University（Shiga大学数据科学学部） ； AIP RIKEN ； Faculty of Medicine, University of Miyazaki（Miyazaki大学医学部） ； Hiroshima University Graduate School of Biomedical and Health Sciences（广岛大学生物医学和健康科学研究生院） 纠错

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

AI总结 本文提出在现实工作流程约束下进行纵向因果发现的方法，通过工作流程诱导的约束类限制可接受的图空间，提升结构可解释性并实现可重复的因果发现。

Fairness-in-the-Workflow: How Machine Learning Practitioners at Big Tech Companies Approach Fairness in Recommender Systems

工作流中的公平性：大型科技公司机器学习实践者如何在推荐系统中处理公平性

Jing Nathan Yan, Emma Harvey, Junxiong Wang, Jeffrey M. Rzeszotarski, Allison Koenecke

机构 * Cornell University（康奈尔大学） ； Loyola University Maryland（洛约拉大学马里兰州） 纠错

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

AI总结 研究探讨了大型科技公司如何在推荐系统中处理公平性，识别了技术团队与法律、数据团队在公平性工作中的挑战，并提出可行的实践建议。

Comments CHI 2026

The Agentic Automation Canvas: a structured framework for agentic AI project design

代理自动化画布：一种结构化框架，用于代理AI项目设计

Sebastian Lobentanzer

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

AI总结 本文提出了一种结构化框架，用于代理AI项目的前瞻性设计，通过一个可互操作的元数据模式和开源工具，提升用户与开发者之间的沟通效率。

Comments 12 pages, 2 figures

Experience-Guided Self-Adaptive Cascaded Agents for Breast Cancer Screening and Diagnosis with Reduced Biopsy Referrals

基于经验的自适应级联代理用于乳腺癌筛查与诊断以减少活检指征

Pramit Saha, Mohammad Alsharid, Joshua Strong, J. Alison Noble

机构 * Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Department of Computer Science, Khalifa University（卡利法大学计算机科学系） 纠错

专题命中 工作流自动化 ：agent(abstract)；workflow(abstract)；multi-agent(abstract)；分类 cs.AI、cs.LG

AI总结 基于经验的自适应级联代理框架用于乳腺癌筛查与诊断，通过减少诊断升级和活检指征提升诊断特异性。

Robust and Efficient Tool Orchestration via Layered Execution Structures with Reflective Correction

通过具有反射修正机制的分层执行结构实现鲁棒且高效的工具编排

Tao Zhe, Haoyu Wang, Bo Luo, Min Wu, Wei Fan, Xiao Luo, Zijun Yao, Haifeng Chen, Dongjie Wang

机构 * Department of Electrical Engineering and Computer Science, University of Kansas, Lawrence, KS, USA（电气工程与计算机科学系，堪萨斯大学） ； NEC Laboratories America, Princeton, NJ, USA（NEC美国实验室，新泽西州普林斯顿） ； Institute for Infocomm Research, A*STAR, Singapore（信息通信研究所，A*STAR，新加坡） ； School of Computer Science, University of Auckland, Auckland, New Zealand（计算机科学学院，奥克兰大学） ； Department of Statistics, University of Wisconsin--Madison, Madison, WI, USA（统计学系，威斯康星大学麦迪逊分校） 纠错

专题命中 工作流自动化 ：planning(abstract)；agentic(abstract)；分类 cs.AI

AI总结 本文提出一种基于分层执行结构和反射修正机制的工具编排方法，通过粗粒度结构和局部错误修正实现高效鲁棒的工具执行。

Large-scale portfolio optimization on a trapped-ion quantum computer

在囚离子量子计算机上进行大规模投资组合优化

Alejandro Gomez Cadavid, Ananth Kaushik, Pranav Chandarana, Miguel Angel Lopez-Ruiz, Gaurav Dev, Willie Aboumrad, Qi Zhang, Claudio Girotto, Sebastián V. Romero, Martin Roetteler, Enrique Solano, Marco Pistoia, Narendra N. Hegade

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本研究在囚离子量子计算机上实现了一种端到端的大规模投资组合优化流程，利用硬件感知分解和非变分量子优化方法，提高了投资组合的收益与风险权衡。

Comments 10 pages, 6 figures

GenDRAM:Hardware-Software Co-Design of General Platform in DRAM

GenDRAM：在DRAM中实现通用平台的硬件软件协同设计

Tsung-Han Lu, Weihong Xu, Tajana Rosing

专题命中 工作流自动化 ：workflow(abstract)

AI总结 GenDRAM通过在DRAM中实现硬件软件协同设计，突破传统架构的数据移动瓶颈，实现动态规划算法和基因组流水线的高性能计算。

Machine Learning Interatomic Potentials Enable Molecular Dynamics Simulations of Doped MoS2

机器学习互原子势能使掺杂MoS2的分子动力学模拟

Abrar Faiyad, Ashlie Martini

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本研究利用机器学习互原子势能评估MoS2掺杂体的准确性，并通过分子动力学模拟展示其在材料设计中的应用。

Journal ref J. Chem. Theory Comput. 2026, XXXX, XXX, XXX-XXX

Paper2Code: Automating Code Generation from Scientific Papers in Machine Learning

Paper2Code: 从科学论文自动生成机器学习代码

Minju Seo, Jinheon Baek, Seongyun Lee, Sung Ju Hwang

机构 * KAIST（韩国科学技术院） ； LG AI Research（LG人工智能研究所） 纠错

专题命中 软件智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)；分类 cs.CL

AI总结 Paper2Code通过多代理LLM框架自动生成机器学习论文的高质量代码实现，有效提升代码生成效率和准确性。

Comments ICLR 2026

CowPilot: A Framework for Autonomous and Human-Agent Collaborative Web Navigation

CowPilot：自主与人机协作的网页导航框架

Faria Huq, Zora Zhiruo Wang, Frank F. Xu, Tianyue Ou, Shuyan Zhou, Jeffrey P. Bigham, Graham Neubig

机构 * School of Computer Science, Carnegie Mellon University（计算机科学系，卡内基梅隆大学） 纠错

专题命中 GUI与网页智能体 ：agent(title,abstract)；分类 cs.AI、cs.CL

AI总结 CowPilot通过自主与人机协作机制提升网页导航效率，实现95%的任务成功率，减少人类操作步骤至15.2%

Comments Published at NAACL System Demonstration Track, 2025

Journal ref 2025.naacl-demo.17

Adaptive Correlation-Weighted Intrinsic Rewards for Reinforcement Learning

自适应相关加权内在奖励用于强化学习

Viet Bac Nguyen, Phuong Thai Nguyen

机构 * Institute for Artificial Intelligence（人工智能研究所） ； VNU-University of Engineering and Technology（越南工程与技术大学） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.LG

AI总结 ACWI通过自适应相关加权内在奖励机制提升稀疏奖励强化学习中的探索效率和样本效率。

Hello-Chat: Towards Realistic Social Audio Interactions

Hello-Chat: 向真实社交音频交互迈进

Yueran Hou, Peilei Jia, Zihan Sun, Qihang Lu, Wenbing Yang, Yingming Gao, Ya Li, Jun Gao

专题命中 记忆与上下文管理 ：AI agent(abstract)；分类 cs.AI、cs.CL

AI总结 Hello-Chat通过大规模真实对话数据和模态交错训练策略，实现了在拟人化生成和情感一致性方面的突破，推动 empathetic AI 的发展。

ParamMem: Augmenting Language Agents with Parametric Reflective Memory

ParamMem: 通过参数化反思记忆增强语言代理

Tianjun Yao, Yongqiang Chen, Yujia Zheng, Pan Li, Zhiqiang Shen, Kun Zhang

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.LG

AI总结 ParamMem通过参数化记忆模块提升语言代理的反思多样性，实现更高效的推理和跨任务迁移能力。

Comments 20 pages

GFRRN: Explore the Gaps in Single Image Reflection Removal

GFRRN: 探索单图像反光去除中的空白

Yu Chen, Zewei He, Xingyu Liu, Zixuan Chen, Zheming Lu

机构 * Zhejiang University（浙江大学） ； Huanjiang Laboratory（焕江实验室） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 GFRRN通过引入PEFT策略、标签生成器和自适应频率学习块，解决单图像反光去除中的语义差距和标签不一致问题，实现更高效的反光去除性能。

Comments CVPR26

Tidynote: Always-Clear Notebook Authoring

Tidynote：始终清晰的笔记本作者工具

Ruanqianqian Huang, Brian Hempel, Yining Cao, James D. Hollan, Haijun Xia, Sorin Lerner

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 Tidynote通过三个核心功能提升笔记本创作的清晰性，支持探索性任务并实现全过程的清晰维护。

Comments Accepted at CHI 2026

Newton Methods in Generalized Nash Equilibrium Problems with Applications to Game-Theoretic Model Predictive Control

牛顿方法在广义纳什均衡问题中的应用及在博弈论模型预测控制中的应用

Mushuang Liu, Ilya Kolmanovsky

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种基于牛顿方法的广义纳什均衡问题求解方法，用于博弈论模型预测控制，证明了其在动态系统中的稳定性与有效性。

Multi-View Encoders for Performance Prediction in LLM-Based Agentic Workflows

多视角编码器在基于大语言模型的代理工作流性能预测中的应用

Patara Trirat, Wonyong Jeong, Sung Ju Hwang

机构 * KAIST（韩国科学技术院） 纠错

专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；workflow(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出Agentic Predictor，通过多视角编码技术与跨领域预训练，实现高效准确的代理工作流性能预测，提升LLM代理系统设计效率。

Comments ICLR 2026, Project Page: https://deepauto-ai.github.io/agentic-predictor/

An Agentic LLM Framework for Adverse Media Screening in AML Compliance

面向反面媒体筛查的代理LLM框架用于反洗钱合规

Pavel Chernakov, Sasan Jafarnejad, Raphaël Frank

机构 * Interdisciplinary Centre for Security, Reliability and Trust（安全、可靠与信任跨学科中心） 纠错

专题命中 Agent评测 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出基于LLM与RAG的代理框架，用于自动化反面媒体筛查，通过多步骤流程实现高风险个体的准确识别。

Resp-Agent: An Agent-Based System for Multimodal Respiratory Sound Generation and Disease Diagnosis

Resp-Agent：一种基于代理的多模态呼吸声生成与疾病诊断系统

Pengfei Zhang, Tianxin Xie, Minghao Yang, Li Liu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） 纠错

专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI

AI总结 Resp-Agent是一种基于代理的多模态系统，通过主动对抗课程代理和模态编织器提升呼吸声生成与疾病诊断的鲁棒性。

Comments 24 pages, 3 figures. Published as a conference paper at ICLR 2026

Journal ref The Fourteenth International Conference on Learning Representations (ICLR 2026)

VeriWeb: Verifiable Long-Chain Web Benchmark for Agentic Information-Seeking

VeriWeb: 可验证的长链网络基准测试用于代理信息检索

Shunyu Liu, Minghao Liu, Huichi Zhou, Zhenyu Cui, Yang Zhou, Yuhao Zhou, Jialiang Gao, Heng Zhou, Yunhao Yang, Wendong Fan, puzhen zhang, Ge Zhang, Jiajun Shi, Weihao Xuan, Jiaxing Huang, Shuang Luo, Fang Wu, Heli Qi, Qingcheng Zeng, Junjie Wang, Aosong Feng, Jindi Lv, Sicong Jiang, Ziqi Ren, Wangchunshu Zhou, Zhenfei Yin, Wenlong Zhang, Guohao Li, Wenhao Yu, Lei Ma, Lei Bai, Qunshu Lin, Mingli Song, Dacheng Tao

专题命中 Agent评测 ：agentic(title,abstract)

AI总结 VeriWeb是一个用于评估和开发网络代理的可验证长链网络基准测试，通过长链复杂性和子任务级可验证性设计，揭示了处理长时间网络任务的性能差距。

OPTIAGENT: A Physics-Driven Agentic Framework for Automated Optical Design

OPTIAGENT：一种基于物理的代理框架用于自动光学设计

Yuyu Geng, Lei Sun, Yao Gao, Xinxin Hu, Zhonghua Yi, Xiaolong Qian, Weijian Hu, Jian Bai, Kaiwei Wang

机构 * Zhejiang University（浙江大学） ； INSAIT, Sofia University（INSAIT，索菲亚大学） 纠错

专题命中 Agent评测 ：agentic(title)；分类 cs.LG

AI总结 OPTIAGENT通过结合LLM与物理驱动的优化方法，首次实现了无需专业光学知识即可自动设计光学系统，提升了光学设计的自动化水平和精度。

CoMind: Towards Community-Driven Agents for Machine Learning Engineering

CoMind：面向机器学习工程的社区驱动代理

Sijie Li, Weiwei Sun, Shanda Li, Ameet Talwalkar, Yiming Yang

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.LG

AI总结 CoMind通过多代理系统和迭代并行探索机制，在Kaggle竞赛中实现了优于人类竞争者的性能，展示了社区驱动代理在机器学习工程中的潜力。

Comments ICLR 2026. Code available at https://github.com/comind-ml/CoMind