Sleeper Cell: Injecting Latent Malice Temporal Backdoors into Tool-Using LLMs
睡眠细胞：将潜在恶意时间后门注入工具使用的大语言模型
专题命中 规划决策 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本研究提出SFT-then-GRPO方法，通过多阶段PEFT框架在工具使用LLM中植入隐蔽的恶意后门，揭示了强化学习在掩盖灾难性漏洞中的潜在风险。
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. 规划决策 44 篇
Comparative Study of Ultrasound Shape Completion and CBCT-Based AR Workflows for Spinal Needle Interventions
超声形状补全与基于CBCT的AR工作流在脊柱穿刺干预中的比较研究
专题命中 规划决策 ：planning(abstract)；workflow(abstract)
AI总结 本研究比较了超声形状补全与CBCT在脊柱穿刺中的AR工作流，发现CBCT在效率和精度上更优，而超声在无辐射成像中表现良好但受限于深度区域的形状补全。
Memex(RL): Scaling Long-Horizon LLM Agents via Indexed Experience Memory
Memex(RL): 通过索引经验记忆扩展长周期LLM代理
机构 * Center for Advanced AI, Accenture（先进人工智能中心，埃森哲）
专题命中 规划决策 ：agent(abstract)；分类 cs.CL、cs.LG
AI总结 Memex(RL)通过索引经验记忆机制，实现长周期LLM代理的高效记忆管理，减少信息损失并提升任务成功率。
Fairness Begins with State: Purifying Latent Preferences for Hierarchical Reinforcement Learning in Interactive Recommendation
公平始于状态：在交互推荐中通过净化潜在偏好进行分层强化学习
机构 * Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences（中国科学院重庆绿色智能技术研究所） ； Chongqing School, University of Chinese Academy of Sciences（中国科学院大学重庆学院） ； The First Affiliated Hospital, University of Science and Technology of China（中国科学技术大学第一附属医院） ； City University of Hong Kong（香港城市大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出DSRM-HRL框架，通过净化潜在偏好解决交互推荐中的公平与准确冲突，实现推荐效用与曝光公平的平衡。
MIND: Unified Inquiry and Diagnosis RL with Criteria Grounded Clinical Supports for Psychiatric Consultation
MIND: 一种基于临床标准的统一探究与诊断强化学习框架用于精神病咨询
机构 * EverMind AI Inc.（EverMind AI公司） ； EverMind AI Inc., Tianqiao and Chrissy Chen Institute（EverMind AI公司、田桥与克里斯西·陈研究所） ； Shanghai Mental Health Center, Shanghai Jiao Tong University School of Medicine（上海精神卫生中心、上海交通大学医学院）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 MIND通过基于临床标准的推理框架提升精神病咨询的诊断准确性和互动质量。
A Review of Reward Functions for Reinforcement Learning in the context of Autonomous Driving
强化学习在自动驾驶领域的奖励函数综述
机构 * FZI Research Center for Information Technology（弗劳恩霍夫研究所信息技术研究中心） ； Karlsruhe Institute of Technology（卡尔斯鲁厄大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文综述了强化学习在自动驾驶中奖励函数的设计，分析了不同方法的优缺点，并提出了未来研究方向，如奖励验证框架和情境感知奖励。
Comments Accepted at the 35th IEEE Intelligent Vehicles Symposium (IV 2024)
GarmentPile++: Affordance-Driven Cluttered Garments Retrieval with Vision-Language Reasoning
GarmentPile++: 基于视觉-语言推理的基于 affordance 的杂乱衣物检索
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 GarmentPile++通过结合视觉-语言推理和视觉affordance感知，实现基于语言指令的杂乱衣物安全检索，确保每次检索一件衣物，提升家庭助理机器人任务执行能力。
Comments ICRA2026 Accepted
Right in Time: Reactive Reasoning in Regulated Traffic Spaces
即时响应：受规制交通空间中的反应性推理
机构 * Artificial Intelligence and Machine Learning Lab, Department of Computer Science, TU Darmstadt（人工智能与机器学习实验室，计算机科学系，图林根大学） ； Konrad Zuse School of Excellence in Learning and Intelligent Systems（Konrad Zuse 学校，卓越学习与智能系统） ； Honda Research Institute Europe GmbH（本田欧洲研究院） ； Hessian Center for Artificial Intelligence (hessian.AI)（黑森人工智能中心） ； Centre for Cognitive Science（认知科学中心） ； German Center for Artificial Intelligence (DFKI)（德国人工智能中心） ； Uncertainty in Artificial Intelligence Group, Department of Mathematics and Computer Science, TU Eindhoven（人工智能不确定性小组，数学与计算机科学系，埃因霍温理工大学）
专题命中 规划决策 ：autonomous agent(abstract)；分类 cs.AI
AI总结 本文提出了一种结合概率任务设计与反应性推理的框架，用于在受规制交通空间中实现高效的实时推断与合规性保障。
RAGNav: A Retrieval-Augmented Topological Reasoning Framework for Multi-Goal Visual-Language Navigation
RAGNav: 一种结合检索与拓扑推理的多目标视觉语言导航框架
机构 * Southwestern University of Finance（西南财经大学） ； Department of Informatics,Universitat Hamburg, Hamburg, Germany（汉堡大学信息学院） ； University of Electronic Science（电子科技大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 RAGNav通过双基记忆系统和拓扑邻居评分传播机制，提升多目标视觉语言导航任务中目标可达性推理和顺序规划效率。
UrbanHuRo: A Two-Layer Human-Robot Collaboration Framework for the Joint Optimization of Heterogeneous Urban Services
UrbanHuRo: 一种用于异构城市服务联合优化的双层人机协作框架
机构 * Department of Computer Science, Florida State University（佛罗里达州立大学计算机科学系） ； Department of Computer Science, Wayne State University（韦恩州立大学计算机科学系）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 UrbanHuRo提出一种双层人机协作框架，通过众包配送和城市感知优化异构城市服务，提升感知覆盖和快递员收入，减少逾期订单。
Comments 8 pages, 15 figures. This paper has been accepted by ICRA'26 as a regular paper
Can a Small Model Learn to Look Before It Leaps? Dynamic Learning and Proactive Correction for Hallucination Detection
小模型能否在行动前先观察？动态学习与主动纠正用于幻觉检测
机构 * School of Computer Science, Wuhan University, China（武汉大学计算机学院） ； Zhongguancun Academy, Beijing, China（中关村学院）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 LEAP框架通过动态学习和主动纠正机制，提升小模型在幻觉检测中的适应性和效率。
Cognition Envelopes for Bounded Decision Making in Autonomous UAS Operations
认知边界用于自主无人机操作中的有限决策
机构 * University of Notre Dame（诺特大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 本文提出认知边界概念，用于约束自主无人机在搜索救援任务中的决策，结合概率推理和资源分析，以减少 AI 生成决策中的错误。
Comments 12 pages, 9 figures
LLM-supported 3D Modeling Tool for Radio Radiance Field Reconstruction
支持大型语言模型的3D建模工具用于无线电辐射场重建
专题命中 规划决策 ：planning(abstract)
AI总结 本文提出了一种结合微调语言模型和生成3D建模框架的本地部署工具，用于简化无线电辐射场重建的3D环境创建。
Comments Submitted to an IEEE conference
Enhancing Power Systems Transmission Adequacy via Optimal BESS Siting and Sizing using Benders Decomposition with Feasibility Cuts
通过 Bender 分解与可行性切割优化电池储能系统选址与规模以增强电力系统传输充裕性
专题命中 规划决策 ：planning(abstract)
AI总结 本文通过 Bender 分解与可行性切割优化电池储能系统选址与规模，以提升电力系统传输充裕性。
Allocating Resources under Strategic Misrepresentation
在战略误报情况下分配资源
专题命中 规划决策 ：agent(abstract)
AI总结 本文研究了在战略误报情况下如何通过随机化分配提高资源效率，发现大市场规模下最优机制趋近于赢家通吃，但中间类型随机化仍有价值。
Wasserstein Gradient Flows of semi-discret energies: evolution of urban areas anduniform quantization
Wasserstein梯度流的半离散能量：城市区域演化与均匀量化
专题命中 规划决策 ：planning(abstract)
AI总结 本文研究了半离散能量的Wasserstein梯度流，通过JKO方案分析城市规划中的动态演化与均匀量化问题，揭示了抛物型PDE与ODE耦合的奇异动态，并通过数值模拟观察到动态晶化现象。
HyperParallel: A Supernode-Affinity AI Framework
HyperParallel：一种超节点亲和性AI框架
专题命中 规划决策 ：agentic(abstract)
AI总结 HyperParallel框架通过超节点亲和性设计，提升AI训练和推理效率，降低编程复杂度和系统调优开销。
The Evolution of Eco-routing under Population Growth: Evidence from Six U.S. Cities
人口增长下生态路线的演变：来自六个美国城市的证据
专题命中 规划决策 ：planning(abstract)
AI总结 本研究提出时间仅和时间-碳用户均衡模型，分析人口增长下生态路线的演变及城市动态，发现排放随人口超线性增长，针对性扩容可减少排放和出行时间。
Axial-vector molecules $ΥB_{c}^{-}$ and $η_{b}B_{c}^{\ast-} $
轴矢分子 $ΥB_{c}^{-}$ 和 $η_{b}B_{c}^{\ast-}$
专题命中 规划决策 ：planning(abstract)
AI总结 本文通过QCD求和规则方法研究轴矢分子 $ΥB_{c}^{-}$ 和 $η_{b}B_{c}^{\ast-}$ 的质量和衰变特性，预测其质量并探讨其衰变通道。
Comments 11 Pages, 6 Figures and 1 Table
LQRS: Learned Query Re-optimization Framework for Spark SQL
LQRS: 一种基于学习的查询重优化框架用于Spark SQL
专题命中 规划决策 ：planning(abstract)
AI总结 LQRS是一种基于学习的查询重优化框架，通过课程强化学习策略和即插即用的计划扩展模块，实现动态计划优化，显著提升了Spark SQL的查询性能。
Comments Submitted to VLDB2026
Factuality Matters: When Image Generation and Editing Meet Structured Visuals
事实性至关重要：当图像生成与编辑遇见结构化视觉
机构 * CUHK MMLab（香港大学多模态实验室） ； Beihang University（北京航空航天大学） ； Krea AI（Krea人工智能） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Lab（上海人工智能实验室） ； Hugging Face ； National University of Singapore（新加坡国立大学） ； ByteDance（字节跳动） ； The University of Hong Kong（香港大学）
专题命中 规划决策 ：planning(abstract)
AI总结 本文提出了一种统一模型，通过整合视觉语言模型和FLUX.1 Kontext，提升结构化视觉生成与编辑的多模态理解与事实准确性。
Comments Accepted by ICLR 2026, Project page: https://structvisuals.github.io
Fix-and-Propagate Heuristics Using Low-Precision First-Order LP Solutions for Large-Scale Mixed-Integer Linear Optimization
利用低精度一阶LP解的Fix-and-Propagate启发法用于大规模混合整数线性优化
专题命中 规划决策 ：planning(abstract)
AI总结 本文提出利用低精度一阶LP解的Fix-and-Propagate启发法，有效解决大规模混合整数线性优化问题，实现高精度解在短时间内生成。
2. 多智能体 16 篇
XAgen: An Explainability Tool for Identifying and Correcting Failures in Multi-Agent Workflows
XAgen：一种用于识别和纠正多智能体工作流程中故障的可解释性工具
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；workflow(abstract)；agentic(abstract)
AI总结 XAgen是一种通过日志可视化、人机协同反馈和自动错误检测来帮助用户识别和纠正多智能体工作流程中故障的可解释性工具，提升了智能体AI的可解释性和调试效率。
From Threat Intelligence to Firewall Rules: Semantic Relations in Hybrid AI Agent and Expert System Architectures
从威胁情报到防火墙规则：混合AI代理和专家系统架构中的语义关系
机构 * Department of Control and Computer Engineering（控制与计算机工程系）
专题命中 多智能体 ：agent(title,abstract)；AI agent(title)；agentic(abstract)；multi-agent(abstract)
AI总结 本文提出利用语义关系从威胁情报中提取信息，通过神经符号方法生成防火墙规则以缓解网络威胁。
A Multi-Agent Framework for Interpreting Multivariate Physiological Time Series
多智能体框架用于解释多变量生理时间序列
机构 * Sapienza University of Rome Rome Italy ； ISTC-CNR \& Sapienza University of Rome Rome Italy ； Technical University of Munich Munich Germany ； Sapienza University of Rome ； ISTC-CNR \& Sapienza University of Rome ； Technical University of Munich
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；agentic(abstract)；分类 cs.LG
AI总结 本研究提出Vivaldi多智能体框架，通过对比不同模型表现，发现智能体系统在非思考模型中提升解释质量，但在思考模型中反而降低相关性，强调了计算外部化在医疗AI中的重要性。
MACC: Multi-Agent Collaborative Competition for Scientific Exploration
MACC：多智能体协作竞争用于科学探索
机构 * Nagoya City University（名古屋市大学） ； Nagoya Institute of Technology（名古屋技术大学） ； Kyoto University（京都大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；AI agent(abstract)；分类 cs.AI
AI总结 MACC是一种机构架构，通过整合共享工作空间和激励机制，促进多智能体在科学探索中的协作与竞争，以提高探索的可扩展性和可靠性。
Comments Camera-ready version. To appear in the Proceedings of AAMAS 2026 (Blue Sky Ideas Track)
Multi-Agent-Based Simulation of Archaeological Mobility in Uneven Landscapes
基于多智能体的考古移动性在不规则地形中的模拟
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.AI
AI总结 本文提出了一种多智能体建模框架，用于模拟不规则地形中的考古移动性，通过强化学习实现高效动态适应，展示了地形感知追捕和运输分析的应用。
Learning to Generate and Extract: A Multi-Agent Collaboration Framework For Zero-shot Document-level Event Arguments Extraction
学习生成与提取：一种多智能体协作框架用于零样本文档级事件论证提取
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 本文提出多智能体协作框架，通过生成与评估代理协同提升零样本文档级事件论证提取的性能与数据质量。
Comments Accepted by AAAI 2026
Cognition to Control - Multi-Agent Learning for Human-Humanoid Collaborative Transport
认知到控制 - 多智能体学习用于人-仿人协作运输
机构 * Department of Electrical Engineering, the University of Texas at Arlington（电气工程系，德克萨斯大学阿灵顿分校） ； Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 本研究提出认知到控制框架，通过多智能体强化学习实现人-仿人协作运输中的持续推理与稳定控制。
SEVADE: Self-Evolving Multi-Agent Analysis with Decoupled Evaluation for Hallucination-Resistant Irony Detection
SEVADE：基于解耦评估的自演化多智能体分析用于抗幻觉讽刺检测
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.CL
AI总结 SEVADE通过自演化多智能体分析框架，结合解耦评估机制，提升抗幻觉讽刺检测的准确率和宏F1分数。
