AI Agent

RAmmStein: Regime Adaptation in Mean-reverting Markets with Stein Thresholds -- Optimal Impulse Control in Concentrated AMMs

RAmmStein：在均值回复市场中实现制度适应的最优冲击控制——集中式AMM中的最优冲击控制

Pranay Anchuri

机构 * Offchain Labs（Offchain实验室） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.LG

AI总结 RAmmStein通过深度强化学习优化集中AMM的冲击控制，实现高回报率和低摩擦成本的流动性管理。

Comments 13 pages, 2 figures, 5 tables, 1 algorithm; an earlier version submitted to Designing DeFi workshop (https://www.designingdefi.xyz/)

Can a Lightweight Automated AI Pipeline Solve Research-Level Mathematical Problems?

能否一个轻量级的自动化AI流水线解决研究级别的数学问题？

Lve Meng, Weilong Zhao, Yanzhi Zhang, Haoxiang Guan, Jiyan He

机构 * University of Science and Technology of China（中国科学技术大学） ； Université Paris Cité（巴黎cité大学） ； Zhongguancun Academy（中关村学院） 纠错

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

AI总结 本研究展示了一种轻量级自动化AI流水线，能够解决复杂的研究级数学问题，并通过验证和开源实现。

Comments 9 pages

Toward a Physical Theory of Intelligence

迈向智能的物理理论

Peter David Fagan

机构 * School of Informatics University of Edinburgh（信息学院爱丁堡大学） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI

AI总结 CCE框架通过统一物理过程，建立智能与耗散动态、量子测量和时空几何的联系，为智能研究提供物理约束。

Comments 53 pages, 8 figures

A GPU-Accelerated Transient Detection Pipeline for DECam Time-Domain Surveys

基于GPU的DECam时域巡天暂现体检测流水线

Lei Hu, Tomás Cabrera, Antonella Palmese, Lifan Wang, Igor Andreoni, Xander J. Hall, Xingzhuo Chen, Jiawen Yang, Frank Valdes, Brendan O'Connor, Yuhan Chen

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出了一种基于GPU的DECam时域巡天暂现体检测流水线，通过SFFT算法和CNN实虚分类实现高效暂现体识别和光变曲线生成，提升了暂现体发现的效率和准确性。

Comments 15 pages, 5 figures

Spin-Orbit Induced Non-Adiabatic Dynamics: An Exact $Ω$-Representation

自旋-轨道诱导的非绝热动力学：一个精确的Ω-表示法

Ryan P. Brady, Sergei N. Yurchenko

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文揭示了自旋-轨道耦合消除后非绝热耦合的必要性，提出精确的Ω表示法流程以提升光谱和动力学计算的准确性。

Comments 24 pages, 4 figures, 1 table

Identification and Counterfactual Analysis in Incomplete Models with Support and Moment Restrictions

不完整模型中支持与矩限制下的识别与反事实分析

Lixiong Li

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出了一种统一的识别框架，用于不完整模型中的反事实分析，通过扩展支持函数方法并引入不可约条件，证明在有限样本中识别集和矩闭包的统计不可区分性。

Local Laplacian: theory and models for data analysis

局部拉普拉斯：数据分析的理论与模型

Jian Liu, Hongsong Feng, Kefeng Liu

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出持续局部拉普拉斯方法，通过理论推导和算法设计，解决拓扑数据分析中局部结构敏感性和计算成本高的问题，实现高效并行计算。

Challenges in Restructuring Community-based Moderation

社区主导的管理重构中的挑战

Chau Tran, Kejsi Take, Kaylea Champion, Benjamin Mako Hill, Rachel Greenstadt

专题命中 工作流自动化 ：workflow(abstract)

AI总结 研究探讨了社区主导管理重构中的挑战，发现新系统可能与现有社会规范冲突，并指出平台与自我管理社区的关系影响系统性能评估和维护成本。

Journal ref Proceedings of the ACM on Human-Computer Interaction 8 (CSCW2): 415:1-415:24

pqRPKI: A Practical RPKI Architecture for the Post-Quantum Era

pqRPKI：面向后量子时代的实用RPKI架构

Weitong Li, Yuze Li, Taejoong Chung

专题命中 工作流自动化 ：workflow(abstract)

AI总结 pqRPKI是一种面向后量子时代的RPKI架构，通过多层Merkle树梯与RPKI对象结合，优化验证流程并减少存储和计算开销，实现高效双栈部署。

Robodimm: A Physics-Grounded Framework for Automated Actuator Sizing in Scalable Modular Robots

Robodimm: 一种基于物理的框架，用于可扩展模块化机器人的自动化执行器尺寸设计

J. L. Torres, M. Munoz, J. D. Alvarez, J. L. Blanco, A. Gimenez

机构 * CIESOL-ceiA3, Department of Engineering, University of Almería, Spain（阿尔梅里亚大学工程系，CIESOL-ceiA3） ； CIESOL-ceiA3, Department of Computer Science, University of Almería, Spain（阿尔梅里亚大学计算机科学系，CIESOL-ceiA3） 纠错

专题命中 工作流自动化 ：workflow(abstract)

AI总结 Robodimm 是一种基于物理的框架，用于可扩展模块化机器人中自动化执行器尺寸设计，通过约束逆动力学和两轮验证流程提高设计效率。

Comments 8 pages, 3 figures. Preprint version submitted to arXiv

GiBS: Generative Input-side Basis-driven Structures

GiBS: 生成式输入侧基底驱动结构

Reza Marzban, Ashkan Zandi, Ali Adibi

专题命中 工作流自动化 ：workflow(abstract)

AI总结 GiBS是一种基于基底驱动的生成式逆向设计框架，通过紧凑系数集高效优化复杂超材料几何，结合自编码器实现快速设计发现与制造敏感性分析。

SCAFFOLD-CEGIS: Preventing Latent Security Degradation in LLM-Driven Iterative Code Refinement

SCAFFOLD-CEGIS: 防止由LLM驱动的迭代代码精炼中的潜在安全退化

Yi Chen, Yun Bian, Haiquan Wang, Shihao Li, Zhe Cui

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

AI总结 SCAFFOLD-CEGIS通过多智能体协作架构，将安全约束显式化，有效降低LLM驱动迭代代码精炼中的潜在安全退化率至2.1%。

HDLxGraph: Bridging Large Language Models and HDL Repositories via HDL Graph Databases

HDLxGraph: 通过HDL图数据库连接大型语言模型和HDL仓库

Pingqing Zheng, Jiayin Qin, Fuqi Zhang, Niraj Chitla, Zishen Wan, Shang Wu, Yu Cao, Caiwen Ding, Yang, Zhao

专题命中 软件智能体 ：agent(abstract)；分类 cs.CL、cs.LG

AI总结 HDLxGraph通过整合HDL图特性与RAG，提升LLM在HDL任务中的搜索、调试和完成准确率。

SMGI: A Structural Theory of General Artificial Intelligence

SMGI：一般人工智能的结构理论

Aomar Osmani

机构 * INSA-Rouen（鲁昂国家理工学院） 纠错

专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI、cs.LG

AI总结 SMGI提出了一种一般人工智能的结构理论，通过严格数学分离结构本体与行为语义，定义了满足四个义务的耦合动态，并证明了结构泛化界限和结构包含定理。

Comments Preprint. 77 pages, 1 figure, 3 tables

Echo: Graph-Enhanced Retrieval and Execution Feedback for Issue Reproduction Test Generation

Echo：基于图的检索与执行反馈的缺陷重现测试生成

Zhiwei Fei, Yue Pan, Federica Sarro, Jidong Ge, Marc Liu, Vincent Ng, He Ye

专题命中 软件智能体 ：agent(abstract)；分类 cs.SE

AI总结 Echo通过基于代码图的检索和执行反馈生成缺陷重现测试用例，提升测试生成效率与准确性。

Rethinking Continual Learning with Progressive Neural Collapse

重新思考连续学习与渐进神经崩溃

Zheng Wang, Wanhao Yu, Li Yang, Sen Lin

机构 * Department of Computer Science, University of Houston, USA（德克萨斯大学休斯顿分校计算机科学系） ； Department of Computer Science, University of North Carolina at Charlotte, USA（北卡罗来纳大学夏洛特分校计算机科学系） 纠错

专题命中 软件智能体 ：agent(abstract)；分类 cs.LG

AI总结 本文提出渐进神经崩溃（ProNC）框架，通过动态扩展ETF目标，缓解连续学习中的灾难性遗忘问题，实现更灵活高效的模型学习。

Comments Our work is accepted by ICLR 2026

How undergraduate physics students use generative AI for computational modeling

大学物理学生如何利用生成式人工智能进行计算建模

Karl Henrik Fredly, Tor Ole B. Odden, Benjamin M. Zwickl

专题命中 软件智能体 ：planning(abstract)

AI总结 研究探讨了大学物理学生使用生成式AI进行计算建模的方式，发现其影响包括建模规划、实现和调试，同时指出过度依赖AI带来的挑战及教学改进的必要性。

Faster-HEAL: An Efficient and Privacy-Preserving Collaborative Perception Framework for Heterogeneous Autonomous Vehicles

Faster-HEAL: 一种高效且隐私保护的异构自动驾驶车辆协作感知框架

Armin Maleki, Hayder Radha

机构 * Electrical and Computer Engineering（电气与计算机工程） ； Michigan State University（密歇根州立大学） 纠错

专题命中 软件智能体 ：agent(abstract)

AI总结 Faster-HEAL通过低秩视觉提示和金字塔融合，实现高效且隐私保护的异构自动驾驶车辆协作感知

Comments Accepted to appear in the 2026 IEEE Intelligent Vehicles Symposium (IV 2026), Detroit, MI, USA, June 22-25, 2026. 6 pages, 1 figure, 4 tables

Jagarin: A Three-Layer Architecture for Hibernating Personal Duty Agents on Mobile

Jagarin：一种用于移动设备上休眠个人责任代理的三层架构

Ravi Kiran Kadaboina

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 Jagarin通过三层架构解决移动设备上个人责任代理的休眠与唤醒问题，利用启发式引擎、身份代理和协议框架实现高效的责任管理。

Comments 12 pages, 4 figures

Let's Think in Two Steps: Mitigating Agreement Bias in MLLMs with Self-Grounded Verification

两步思考：通过自我 grounded 验证缓解 MLLM 的同意偏差

Moises Andrade, Joonhyuk Cha, Brandon Ho, Vriksha Srihari, Karmesh Yadav, Zsolt Kira

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文提出 SGV 方法，通过自我 grounded 验证缓解 MLLM 的同意偏差，提升验证准确性和任务完成率。

Comments ICLR 2026. Code, models, and data publicly available at https://mshalimay.github.io/agreement-bias-sgv/

T2Nav Algebraic Topology Aware Temporal Graph Memory and Loop Detection for ZeroShot Visual Navigation

T2Nav 基于代数拓扑的时序图记忆与循环检测用于零样本视觉导航

Quang-Anh N. D., Duc Pham, Minh-Anh Nguyen, Tung Doan, Tuan Dang

机构 * International School, Vietnam National University, Hanoi, Vietnam（越南国家大学河内国际学校） ； Hanoi University of Science, Vietnam National University, Hanoi, Vietnam（越南国家大学河内科学大学） ； Hanoi University of Science and Technology, Hanoi, Vietnam（河内科学技术大学） ； Cognitive Robotics Lab, Department of Electrical Engineering and Computer Science, University of Arkansas, Fayetteville, AR, USA（美国阿肯色大学富尔顿分校电气工程与计算机科学系认知机器人实验室） ； University of Arkansas, Fayetteville, AR, USA（美国阿肯色大学富尔顿分校） 纠错

专题命中 GUI与网页智能体 ：autonomous agent(abstract)；planning(abstract)

AI总结 T2Nav通过整合异构数据和基于图的推理，实现零样本视觉导航，具备高效探索和路径规划能力，适用于视觉相似但空间不同的目标实例导航。

Journal ref EEE International Conference on Robotics & Automation 2026 (ICRA)

Generalization in Online Reinforcement Learning for Mobile Agents

移动端智能体在线强化学习中的泛化能力

Li Gu, Zihuan Jiang, Zhixiang Chi, Huan Liu, Ziqiang Wang, Yuanhao Yu, Glen Berseth, Yang Wang

机构 * Mila – Québec AI Institute（魁北克AI研究所） ； Concordia University（康科迪亚大学） ； Université de Montréal（蒙特利尔大学） ； CIFAR AI Chair（CIFAR人工智能主席） ； University of Toronto（多伦多大学） ； McMaster University（麦马斯特大学） 纠错

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

AI总结 本文提出AndroidWorld-Generalization基准，通过整合GRPO与可扩展回放系统，评估移动端智能体在未见任务实例、模板和应用上的泛化能力，并展示RL在提升性能上的效果。

R2F: Repurposing Ray Frontiers for LLM-free Object Navigation

R2F：利用射线前沿进行无需大语言模型的对象导航

Francesco Argenziano, John Mark Alexis Marcelo, Michele Brienza, Abdel Hakim Drid, Emanuele Musumeci, Daniele Nardi, Domenico D. Bloisi, Vincenzo Suriani

机构 * Department of Computer, Automation and Management Engineering, Sapienza University of Rome（罗马萨皮恩扎大学计算机、自动化与管理工程系） ； Department of Electronics and Automation, Mohamed Khider University of Biskra（比斯克拉Mohamed Khider大学电子与自动化系） ； International University of Rome UNINT, Rome（罗马国际大学UNINT） 纠错

专题命中 GUI与网页智能体 ：planning(abstract)；分类 cs.AI

AI总结 R2F通过重新利用射线前沿技术，开发无需大语言模型的室内开放词汇对象导航框架，实现实时高效导航性能。

PIRA-Bench: A Transition from Reactive GUI Agents to GUI-based Proactive Intent Recommendation Agents

PIRA-Bench: 从反应式 GUI 代理到基于 GUI 的主动意图推荐代理的转变

Yuxiang Chai, Shunye Tang, Han Xiao, Rui Liu, Hongsheng Li

机构 * Nankai University（南开大学） ； Huawei Research（华为研究） 纠错

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

AI总结 PIRA-Bench通过引入主动意图推荐代理基准，推动GUI代理从反应式向主动式转变，评估多模态大语言模型在连续弱监督视觉输入中的能力。

From Reactive to Map-Based AI: Tuned Local LLMs for Semantic Zone Inference in Object-Goal Navigation

从反应式到基于地图的AI：针对目标导航的语义区域推断的调优本地LLM

Yudai Noda, Kanji Tanaka

机构 * Graduate School of Engineering, University of Fukui（福井大学工学研究科） 纠错

专题命中 GUI与网页智能体 ：agent(abstract)

AI总结 本文提出一种基于地图的AI方法，利用调优的本地LLM进行语义区域推断，以提升对象-目标导航任务中的成功率和路径效率。

Comments 6 pages, 5 figures, technical report

MWM: Mobile World Models for Action-Conditioned Consistent Prediction

MWM: 移动世界模型用于动作条件一致预测

Han Yan, Zishang Xiang, Zeyu Zhang, Hao Tang

机构 * School of Computer Science, Peking University（北京大学计算机科学系） 纠错

专题命中 GUI与网页智能体 ：planning(abstract)

AI总结 MWM提出了一种移动世界模型，通过两阶段训练框架和推理一致状态蒸馏提升动作条件一致性的图像目标导航性能。

PanoDP: Learning Collision-Free Navigation with Panoramic Depth and Differentiable Physics

PanoDP：利用全景深度与可微物理学习无碰撞导航

Hao Zhong, Pei Chi, Jiang Zhao, Shenghai Yuan, Xuyang Gao, Thien-Minh Nguyen, Lihua Xie

机构 * School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore（南洋理工大学电子与电气工程学院） ； Beihang University, Beijing, China（北京航空航天大学） ； The University of Queensland, Australia（昆士兰大学） 纠错

专题命中 GUI与网页智能体 ：agent(abstract)

AI总结 PanoDP通过结合全景深度感知与可微物理训练信号，提升在杂乱环境中无碰撞导航的性能和泛化能力。

AiRWeb: Using AR to Extend Web Browsing Beyond Handheld Screens

AiRWeb：利用AR扩展网页浏览超越手持屏幕

Mengfei Gao, Caroline Appert, Ludovic David, Emmanuel Pietriga

专题命中 GUI与网页智能体 ：workflow(abstract)

AI总结 AiRWeb通过AR技术扩展网页浏览，允许用户灵活卸载内容到周围空间，实现个性化组织，提升移动浏览体验。

Comments CHI EA '26: Extended Abstracts of the 2026 CHI Conference on Human Factors in Computing Systems

A Contrastive Fewshot RGBD Traversability Segmentation Framework for Indoor Robotic Navigation

一种用于室内外机器人导航的对比式少样本RGBD可 traversability 分割框架

Qiyuan An, Tuan Dang, Fillia Makedon

机构 * Department of Computer Science and Engineering, University of Texas at Arlington（计算机科学与工程系，德克萨斯大学阿灵顿分校） ； Uber（优步） ； Cognitive Robotics Lab, Department of Electrical Engineering and Computer Science, University of Arkansas（认知机器人实验室，电气工程与计算机科学系，阿肯色大学） 纠错

专题命中 GUI与网页智能体 ：autonomous agent(abstract)

AI总结 本文提出了一种基于对比学习的少样本RGBD分割框架，利用负例原型和稀疏深度信息提升室内机器人导航的可 traversability 分割性能。

Journal ref IEEE International Conference on Robotics & Automation 2026 (ICRA)

Adaptation of Agentic AI: A Survey of Post-Training, Memory, and Skills

代理AI的适应：训练后、记忆和技能的综述

Pengcheng Jiang, Jiacheng Lin, Zhiyi Shi, Zifeng Wang, Luxi He, Yichen Wu, Ming Zhong, Peiyang Song, Qizheng Zhang, Heng Wang, Xueqiang Xu, Hanwen Xu, Pengrui Han, Dylan Zhang, Jiashuo Sun, Chaoqi Yang, Kun Qian, Tian Wang, Changran Hu, Manling Li, Quanzheng Li, Hao Peng, Sheng Wang, Jingbo Shang, Chao Zhang, Jiaxuan You, Liyuan Liu, Pan Lu, Yu Zhang, Heng Ji, Yejin Choi, Dawn Song, Jimeng Sun, Jiawei Han

机构 * UIUC（伊利诺伊大学香槟分校） ； Stanford（斯坦福大学） ； Princeton（普林斯顿大学） ； Harvard（哈佛大学） ； UC Berkeley（加州大学伯克利分校） ； Caltech（加州理工学院） ； UCSD（加州大学圣地亚哥分校） ； Georgia Tech（佐治亚理工学院） ； Northwestern（西北大学） ； TAMU（德克萨斯大学奥斯汀分校） ； MGH（麻省总医院） ； Keiji AI ； Unity 纠错

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

AI总结 本文综述了代理AI在训练后、记忆和技能方面的适应方法，提出四范式框架，分析了代理与工具适应的技术细节及权衡，探讨了开放问题。