AI Agent

Relative Score Policy Optimization for Diffusion Language Models

相对分数策略优化用于扩散语言模型

Zichao Yu, Shengze Xu, Bingqing Jiang, Wenyi Zhang, Difan Zou

机构 * University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 本文提出RSPO方法，通过可验证奖励校准扩散语言模型中的噪声似然估计，提升推理能力，在规划任务中表现优异。

Model Merging Scaling Laws in Large Language Models

大语言模型中的模型合并缩放规律

Yuanyi Wang, Yanggan Gu, Yiming Zhang, Qi Zhou, Zhaoyi Yan, Congkai Xie, Xinyao Wang, Jianbo Yuan, Hongxia Yang

机构 * The Hong Kong Polytechnic University (PolyU)（香港理工大学） ； Amazon（亚马逊） ； Innovation Research Institute（创新研究院） 纠错

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

AI总结 研究语言模型合并的缩放规律，发现模型大小与专家数量间存在幂律关系，揭示合并收益随专家数量增加而递减的规律，为模型合并提供可预测的规划方法。

Comments ICML 2026

GenioSim: A Novel Simulation Platform for Edge Computing over Optical Networks

GenioSim：一种用于光网络边缘计算的新型仿真平台

Carmine Cesarano, Alessio Foggia, Roberto Natella

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

AI总结 本文提出GenioSim仿真平台，用于模拟光网络赋能的边缘基础设施，支持容器和虚拟机混合虚拟化，评估资源管理策略，为工业场景中的容量规划和任务卸载策略提供洞察。

Journal ref Future Generation Computer Systems (2026)

From Single-Step Edit Response to Multi-Step Molecular Optimization

从单步编辑响应到多步分子优化

Haojie Rao, Kun Li, Yida Xiong, Jiameng Chen, Wenbin Hu, Yizhen Zheng, Jiajun Yu, Duanhua Cao

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； Department of Data Science and Artificial Intelligence, Monash University（墨尔本大学数据科学与人工智能系） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Life Sciences and Technology, Tongji University（同济大学生命科学与技术学院） 纠错

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

AI总结 本文提出响应导向的离散编辑优化方法，通过单步分子编辑响应预测器和多步规划器结合，提升分子优化效率与数据效率。

Multi-scale Predictive Representations for Goal-conditioned Reinforcement Learning

多尺度预测表示用于目标条件强化学习

Valliappan Chidambaram Adaikkappan, David Meger, Sai Rajeswar, Pietro Mazzaglia

机构 * Mila, McGill University（蒙特利尔大学Mila实验室） ； ServiceNow Research（ServiceNow研究） ； Qualcomm Research（高通研究） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文探讨了离线目标条件强化学习中鲁棒表示学习问题，提出多尺度预测监督框架Ms.PR，通过多尺度预测提升潜在空间中目标导向对齐，提升表示质量和任务性能。

Dsat: A Native SAT Solver for Discrete Logic

Dsat：用于离散逻辑的原生SAT求解器

Yaofang Zhang, Ken Zhou, Adnan Darwiche

机构 * Department of Computer Science, University of California, Los Angeles（加州大学洛杉矶分校计算机科学系） 纠错

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

AI总结 本文提出一种用于离散逻辑的原生SAT求解器，通过扩展布尔逻辑，允许变量取任意值，并通过与CSP求解器、布尔SAT求解器等的比较验证其有效性。

Comments To Appear at The International Conferences on Theory and Applications of Satisfiability Testing (SAT), 2026

DocSeeker: Structured Visual Reasoning with Evidence Grounding for Long Document Understanding

DocSeeker：基于证据 grounding 的结构化视觉推理用于长文档理解

Hao Yan, Yuliang Liu, Xingchen Liu, Yuyi Zhang, Minghui Liao, Jihao Wu, Wei Chen, Xiang Bai

机构 * Huazhong University of Science and Technology（华中科技大学） ； Huawei Inc.（华为公司） 纠错

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

AI总结 本文提出DocSeeker，通过结构化分析、定位和推理流程解决长文档理解中的信号噪声比低和监督不足问题，实现对超长文档的鲁棒泛化。

Comments CVPR 2026 Highlight

Auction-Based Online Policy Adaptation for Evolving Objectives

基于拍卖的在线策略适应用于演化的目标

Guruprerana Shabadi, Kaushik Mallik

机构 * University of Pennsylvania（宾夕法尼亚大学） ； IMDEA Software Institute（IMDEA软件研究所） 纠错

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

AI总结 本文提出基于拍卖的模块化框架，通过自利局部策略和动态拍卖机制实现多目标强化学习中目标变化时的策略适应，证明了纳什均衡的存在性和有效性。

Comments 22 pages, 8 figures

Metacognitive Behavioral Tuning of Large Language Models for Multi-Hop Question Answering

元认知行为调节用于多跳问答的大型语言模型

Ik-hwan Kim, Hyeongrok Han, Mingi Jung, Sangwon Yu, Jinseok Hong, Sang Hun Kim, Yoonyoung Choi, Sungroh Yoon

机构 * Dept. of ECE Seoul Nat’l Univ.（首尔国立大学电子工程系） ； AI Center Samsung Elec. Korea（三星电子韩国人工智能中心） ； AIIS, ASRI, INMC, ISRC, Interdisc. Prog. in AI Seoul Nat’l Univ.（首尔国立大学人工智能研究所、高级研究机构、人工智能中心、国际研究所以及人工智能跨学科研究计划） 纠错

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

AI总结 本文提出元认知行为调节（MBT）框架，通过五阶段结构提升多跳问答任务的准确性和效率，减少冗余并保持推理轨迹稳定。

Comments 41 pages

LLM-Enhanced Reinforcement Learning for Long-Term User Satisfaction in Interactive Recommendation

基于大语言模型的强化学习用于交互推荐中的长期用户满意度

Chongjun Xia, Yanchun Peng, Xianzhi Wang

机构 * University of Technology Sydney, Sydney, Australia（新南威尔士大学悉尼分校） ； University of Shanghai for Science and Technology（上海科学技术大学） 纠错

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

AI总结 本文提出LLM-Enhanced Reinforcement Learning框架，通过结合大语言模型的语义规划能力与强化学习的细粒度适应性，解决推荐系统中内容同质化和过滤气泡问题，提升长期用户满意度。

Journal ref In: Jung, H., Wang, T., Toyoda, M., Kwon, HY., Lee, Jw. (eds) Database Systems for Advanced Applications. DASFAA 2026. Lecture Notes in Computer Science, vol 16535. Springer, Singapore

Language Conditioned Multi-Finger Dexterous Manipulation Enabled by Physical Compliance and Switching of Controllers

通过物理合规性和控制器切换实现语言条件下的多指灵巧操作

Cheng Pan, Kai Junge, Benhui Dai, Qinghua Guan, Josie Hughes

机构 * Embodied AI（具身人工智能） 纠错

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

AI总结 本文提出一种结合高层视觉语言动作模型与小型控制模型的切换控制器，通过事件驱动机制实现多指灵巧操作的鲁棒控制，验证了硬件级合规性在提升接触稳定性方面的有效性。

AlphaExploitem: Going Beyond the Nash Equilibrium in Poker by Learning to Exploit Suboptimal Play

AlphaExploitem：超越纳什均衡的扑克博弈

Vlad Murgoci, Matthijs Spaan, Yaniv Oren

机构 * Delft University of Technology（代尔夫特理工大学） ； Department of Intelligent Systems（智能系统系） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 AlphaExploitem通过引入层次变压器编码器和多样化对手池，提升了扑克博弈中对非最优策略的利用能力，同时保持对纳什均衡对手的性能稳定。

Re$^2$Math: Benchmarking Theorem Retrieval in Research-Level Mathematics

Re²Math：研究级数学中的定理检索基准测试

Zicheng Lyu, Wenjie Yang, Shengzhong Zhang, Zengfeng Huang

机构 * Fudan University（复旦大学） ； Fudan University Shanghai Innovation Institute（复旦大学上海创新研究院） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） 纠错

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

AI总结 Re²Math基准测试旨在评估从部分数学证明中检索工具的能力，通过构建包含层级上下文和可选泄漏控制锚点提示的实例，评估系统在检索文献支持的数学工具时的准确性与适用性。

Data-driven transport modelling without overfit

基于数据的运输建模无需过拟合

Peter Vanya, Katarína Šimková, Rastislav Farkaš

机构 * Sev.en Global Investments（Sev.en全球投资） ； Vrije Universiteit Brussels（布鲁塞尔自由大学） ； Université Libre de Bruxelles（布鲁塞尔自由大学） ； Ministry of Finance of the Slovak Republic（斯洛伐克共和国财政部） 纠错

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

AI总结 本文提出一种基于交通流量计数的数据驱动建模方法，通过可解释的模型权重和受控路径提升模型复杂度与准确性，用于预测公共政策干预后的交通流。

Comments 6 pages, 6 figures

ProcVLM: Learning Procedure-Grounded Progress Rewards for Robotic Manipulation

ProcVLM：基于学习的程序导向进度奖励用于机器人操作

Youhe Feng, Hansen Shi, Haoyang Li, Xinlei Guo, Yang Wang, Chengyang Zhang, Jinkai Zhang, Xiaohan Zhang, Jie Tang, Jing Zhang

机构 * School of Information, Renmin University of China（中国人民大学信息学院） ； Zhipu AI（智谱AI） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） 纠错

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

AI总结 ProcVLM通过程序结构和阶段内视觉变化学习密集的进度奖励，提升机器人操作的程序推理能力，优于现有基线方法。

UserGPT Technical Report

UserGPT 技术报告

Yunyi Xuan, Hao Yi, Fengling Mao, Daye Cai, Leikun Liang, Xingsheng He, Jiangnan Xie, Guoshuai Wang, Yushan Han, Wenwen Guo, Xiaoxiao Xu, Lin Qu

机构 * Alibaba Group（阿里巴巴集团） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.CL

AI总结 本文提出UserGPT框架，通过属性生成和摘要生成提升LLM的人格理解能力，结合行为模拟引擎和数据导向语义化模块，实现对长行为历史的高效推理。

Slipstream: Trajectory-Grounded Compaction Validation for Long-Horizon Agents

Slipstream: 长时间跨度智能体的轨迹引导压缩验证

Zhuofu Chen, Rui Pan, Yinwei Dai, Ravi Netravali

机构 * Princeton University（普林斯顿大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 Slipstream通过异步压缩验证提升长时间跨度智能体的任务准确性，减少端到端延迟，适用于代码编写和网页浏览任务。

Comments 9 pages (16 pages counting references, appendix), 6 figures, 2 tables

NARRA-Gym for Evaluating Interactive Narrative Agents

NARRA-Gym用于评估交互叙事代理

Yue Huang, Yuchen Ma, Jiayi Ye, Wenjie Wang, Zipeng Ling, Xingjian Hu, Yuexing Hao, Zichen Chen, Zhangchen Xu, Yunhong He, Zhengqing Yuan, Yujun Zhou, Kehan Guo, Chaoran Chen, Toby Jia-Jun Li, Stefan Feuerriegel, Xiangliang Zhang

机构 * University of Notre Dame（诺丁汉大学） ； LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； University of Pennsylvania（宾夕法尼亚大学） ； Lehigh University（莱恩大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Bake AI UC Santa Barbara（加州大学圣芭芭拉分校） ； University of Washington（华盛顿大学） 纠错

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

AI总结 本文提出NARRA-Gym，一个可执行评估环境，用于评估LLM在多轮交互中生成连贯故事的能力，通过模拟情感种子生成完整故事并记录完整模型在环轨迹，验证了不同模型在故事质量、鲁棒性和用户适应性上的差异。

Reducing the Costs of Proof Synthesis on Rust Systems by Scaling Up a Seed Training Set

通过扩大种子训练集来降低Rust系统证明合成的成本

Nongyu Di, Tianyu Chen, Shan Lu, Shuai Lu, Yeyun Gong, Peng Cheng, Jacob R. Lorch, Yuan Yao, Xiaoxing Ma

专题命中 规划决策 ：agent(abstract)；分类 cs.SE

AI总结 本文提出VeruSyn数据合成管道，通过自合成和教程合成扩大Verus验证工具的数据集，生成690万Rust程序及其形式化规格证明，提升代码生成模型的性价比和性能。

Constraint-Aware Reinforcement Learning via Adaptive Action Scaling

通过自适应动作缩放实现约束感知强化学习

Murad Dawood, Usama Ahmed Siddiquie, Shahram Khorshidi, Maren Bennewitz

机构 * Humanoid Robots Lab University of Bonn（人类机器人实验室 柏林洪堡大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出一种模块化成本感知调节器，通过预测约束违反来缩放智能体动作，与SAC和TD3等off-policy方法无缝集成，显著提升安全性和回报率。

Comments Accepted in 8th Annual Learning for Dynamics & Control Conference (L4DC)

Projection-Free Functional Constrained Optimization for Risk Aversion and Sparsity Control

无投影函数约束优化用于风险规避和稀疏性控制

Yi Cheng, Guanghui Lan, Saeed Masiha, H. Edwin Romeijn

机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（赫尔曼·米利顿·斯图尔特工业与系统工程学院，佐治亚理工学院） ； College of Management of Technology, EPFL（技术管理学院，苏黎世联邦理工学院） 纠错

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

AI总结 本文提出无投影方法解决函数约束优化问题，针对凸和非凸目标，提出LCG和IPP-LCG方法，展示了迭代复杂度并验证了在投资组合选择和IMRT中的稀疏性与风险平衡。

CoCoDA: Co-evolving Compositional DAG for Tool-Augmented Agents

CoCoDA：用于工具增强代理的共进化组合DAG

Ziyang Yu, Qiyue Li, Liang Zhao

机构 * Emory University（埃默里大学） ； Beijing Normal-Hong Kong Baptist University（北京师范大学-香港 Baptist大学） 纠错

专题命中 规划决策 ：tool-use(abstract)；分类 cs.AI

AI总结 CoCoDA通过共进化规划器和工具库，利用组合代码DAG结构提升工具库检索效率和规划效果，实现在数学推理和代码任务中的性能提升。

SkillLens: Adaptive Multi-Granularity Skill Reuse for Cost-Efficient LLM Agents

SkillLens: 适应性多粒度技能重用以实现成本高效的LLM代理

Yongliang Miao, Ziyang Yu, Liang Zhao, Bowen Zhu, Hasibul Haque

机构 * Emory University（埃默里大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 SkillLens通过分层技能进化框架实现多粒度技能重用，解决技能重用中的相关性与成本矛盾，提升LLM代理在MuLocbench和ALFWorld中的性能。

Reflective Prompted Policy Optimization: Trajectory-Grounded Revision and Salience Bias

反思引导的策略优化：轨迹 grounded 的修订与显著性偏差

Rahaf Abu Hara, Vaibbhav Murarri, Claudio Zito

机构 * Laboratory of AI and Robotics Research (LAIRR)（人工智能与机器人研究实验室） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出R2PO框架，通过轨迹级证据改进策略搜索，解决传统方法仅依赖标量奖励的不足，通过分离全局搜索与行为修订，提升策略优化效果。

Learning the Channel Gain from Anywhere to Anywhere via Cross-environment Transformer Estimators

通过跨环境变压器估计器学习任意地点到任意地点的信道增益

Prasenjit Dhara, Daniel Romero

机构 * Dept. of Information and Communication Technology, University of Agder（信息与通信技术系，阿格德大学） 纠错

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

AI总结 本文提出基于Transformer的估计器，利用跨环境的空间模式学习信道增益地图，减少测量次数，提升学习效率。

C-CoT: Counterfactual Chain-of-Thought with Vision-Language Models for Safe Autonomous Driving

C-CoT：基于视觉-语言模型的反事实链式推理用于安全自动驾驶

Kefei Tian, Yuansheng Lian, Kai Yang, Xiangdong Chen, Shen Li

机构 * College of Transportation, Tongji University（同济大学交通运输学院） ； Department of Civil Engineering, Tsinghua University（清华大学土木工程系） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动系统学院） ； Department of Civil and Environmental Engineering, National University of Singapore（新加坡国立大学土木与环境工程系） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出C-CoT框架，利用视觉-语言模型将驾驶决策分解为五个阶段，通过反事实推理提升自动驾驶在复杂环境中的安全性和鲁棒性。

Quantifying System Level KPI Deviations of Sionna RT: Material and Near-Field Error Analysis Using a 5G OAI Testbed

对Sionna RT系统级KPI偏差的量化：利用5G OAI测试平台进行材料和近场误差分析

Faizan Rauf, Srijita Sanyal, Markus Heinrichs, Aydin Sezgin

专题命中 规划决策 ：planning(abstract)

AI总结 本文通过5G OAI测试平台对比Sionna RT模拟信道与VNA测量信道，分析近场过渡效应和材料属性不匹配对5G系统级KPI的影响，提供数字孪生网络规划的量化基准。

Transmission Topology Optimization using accelerated MapElites

利用加速MapElites进行传输拓扑优化

Nico Westerbeck, Leonard Hilfrich, Dirk Witthaut

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种利用GPU加速的优化方法，通过并行评估多个优化准则，高效生成Pareto前沿的多样化候选解，并结合AC验证步骤，实现传输拓扑优化在15分钟内完成。

Comparing Analytical Approaches for Bike Station Expansion: A Location-Allocation Study in Trondheim, Norway

比较自行车站点扩展的分析方法：挪威特罗姆瑟市的选址-分配研究

M. Tsaqif Wismadi, Oluwaleke Yusuf, Adil Rasheed, Yngve Karl Frøyen, Thomas Alexander Sick Nielsen

专题命中 规划决策 ：planning(abstract)

AI总结 本文通过对比三种选址分配方法，探讨了不同模型对城市空间优先级的影响，发现方法选择对空间决策结果有根本性影响。

Comments 28 pages, 12 figures

On-Line Policy Iteration with Trajectory-Driven Policy Generation

在线策略迭代与轨迹驱动的策略生成

Yuchao Li, Fei Chen, Yingke Li, Chuchu Fan, Dimitri Bertsekas

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种在线策略迭代方法，通过轨迹数据逐步改进策略，适用于重复性任务的优化问题，提供了一种基于轨迹的策略训练框架。