AI Agent

FIFA World Cup 2026 as a Contamination-Free Benchmark for LLM Forecasting Agents: Four Models, a Bookmaker, and 104 Matches

2026年国际足联世界杯作为语言模型预测代理的无污染基准：四个模型、一个博彩公司和104场比赛

Jiacheng Ding, Cong Guo, Jason Xu

机构 * University of Memphis（孟菲斯大学） ； QuantaInsight（量子洞察） 纠错

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

AI总结 介绍WC2026-Agents基准和数据集，用于评估大语言模型作为世界杯预测代理。四个前沿模型对104场比赛运行相同循环，与博彩市场数据配对。揭示模型预测虽有相同首选，但在决策质量等方面差异大，可衡量校准等方面。

A Systematic Evaluation of Trajectory Data Curation for LoRA Fine-Tuning of Code Agents

代码智能体LoRA微调的轨迹数据管理系统评估

Yunze Han

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

AI总结 研究代码智能体LoRA微调中轨迹数据管理，提出效率和风格两轴质量评分框架，经16个控制实验评估，揭示规模依赖的质量-数量权衡及错误重试率是主要子维度，为代码智能体监督微调提供可行手段与评估协议。

Comments 12 pages, 2 figures. Author's accepted manuscript of a paper published in the ICIC 2026 proceedings (oral presentation)

Journal ref In: Huang, D.S., Li, B., Zhang, Q., Bao, W. (eds) Advanced Intelligent Computing Technology and Applications. ICIC 2026. Lecture Notes in Computer Science, vol 16669, pp. 39-50. Springer, Singapore (2027)

Short-Term Electricity Demand Forecasting for New England: A Comprehensive Machine Learning Benchmark with Weather, Calendar, and COVID-19 Indicators

基于混合Transformer-XGBoost框架的新英格兰短期电力需求预测：融合天气、日历和COVID-19指标

Reza Ghanavati, Behrooz Mosallaei

机构 * Department of Chemical and Materials Engineering, New Mexico State University（新墨西哥州立大学化学与材料工程系） ； Department of Electrical and Communications Engineering, New Jersey Institute of Technology（新泽西理工学院电气与通信工程系） 纠错

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

AI总结 提出混合Transformer-XGBoost框架，集成天气、日历和COVID-19变量，用于新英格兰短期电力需求预测，测试RMSE为8876 MWh，MAPE为2.05%，并发现COVID-19特征在疫情后成为噪声。

FETS Benchmark: Foundation Models Enable Scalable and Generalizable Energy Time Series Forecasting

FETS基准：基础模型在能源时间序列预测中优于数据集特定的机器学习

Marco Obermeier, Marco Pruckner, Florian Haselbeck, Andreas Zeiselmair

机构 * Julius-Maximilians-Universität Würzburg, Modeling and Simulation Lab（乌尔姆-马克斯·普朗克大学，建模与仿真实验室） ； Weihenstephan-Triesdorf University of Applied Sciences, Smart Farming（魏因施泰因-特里尔夫应用科学大学，智能农业） ； Weihenstephan-Triesdorf University of Applied Sciences, Digital Energy Transition（魏因施泰因-特里尔夫应用科学大学，数字能源转型） 纠错

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

AI总结 本文通过FETS基准展示了基础模型在能源时间序列预测中优于传统机器学习方法，揭示了基础模型在不同数据集和场景下的优越性能及应用潜力。

Thermodynamic Limits of Physical Intelligence

物理智能的热力学极限

Koichi Takahashi, Yusuke Hayashi

机构 * AI Alignment Network (ALIGN)（AI对齐网络） ； RIKEN Advanced General Intelligence for Science (AGIS) Program（RIKEN先进通用科学智能计划） 纠错

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

AI总结 本文提出两个每焦耳指标，用于衡量物理智能的热力学极限，涵盖识别与控制两个方面，并提供统一的效率框架以支持一致的比较。

Comments 16 pages. Accepted at the 19th Annual Conference on Artificial General Intelligence (AGI-26)

Journal ref Artificial General Intelligence (AGI 2026), Lecture Notes in Computer Science, Springer, 2026, pp. 339-354

(Over)Reliance on Test Agents in AI-Assisted Software Testing

人工智能辅助软件测试中对测试代理的（过度）依赖

Eduard Paul Enoiu

专题命中 Agent评测 ：agent(abstract)；分类 cs.SE

AI总结 探讨人工智能辅助软件测试中对测试代理的过度依赖问题，通过软件测试作为认知问题解决等三个理论视角阐述，提出收集过度依赖数据的框架及识别模式，旨在支持加速测试且不削弱测试判断与证据价值。

Comments Accepted @ ORCAS'2026, co-located with SAFECOMP 2026

ProEvent: An Event-centric Benchmark for Proactive Agents

ProEvent：面向主动智能体的以事件为中心的基准测试

Guanzhen Li, Liangming Pan, Leye Wang

机构 * School of Computing, Peking University（北京大学计算机学院） 纠错

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

AI总结 针对主动智能体研究忽视事件中心协助及评估难的问题，引入ProEvent基准测试，基于即时通讯聊天评估智能体维护用户时间表能力，实验发现当前智能体存在过度反应和事件取消处理难等问题，揭示了大语言模型的根本局限。

EvolvingWorld: An Open-Schema Framework for Co-Evolving Role-Play Agents and World Model in Interactive Literary World

EvolvingWorld：用于交互式文学世界中角色与世界模型协同进化的开放架构框架

Qing Zong, Yue Guo, Mengxin Yang, Yiwen Guo, Yangqiu Song

机构 * Hong Kong University of Science and Technology（香港科技大学） ； LIGHTSPEED（光速） ； Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 Agent评测 ：agent(abstract)；分类 cs.CL

AI总结 研究交互式文学世界中角色与世界协同进化问题，提出EvolvingWorld框架，含角色智能体和世界模型两个耦合模块，制定7个可训练任务，构建数据集并引入评估协议，实验证明其能有效改进长期模拟。

Privacy-Aware Synthetic Video Benchmarking and Relational Evaluation for Worker-Under-Suspended-Load Detection

用于悬吊负载下工人检测的隐私感知合成视频基准测试与关系评估

Anshu Singh, Alejandro Seif

机构 * Government Technology Agency of Singapore（新加坡政府科技局） 纠错

专题命中 Agent评测 ：workflow(abstract)；分类 cs.AI

AI总结 研究悬吊负载下工人检测的隐私问题，引入SynthSite合成视频基准测试及隐私感知混合生成工作流程，在五种隐私条件下评估相关指标，发现保留结构的模糊处理效用更好，强调建筑安全分析隐私评估需兼顾外观抑制和几何线索保留。

Comments Accepted at the 3rd Workshop on Synthetic Data for Computer Vision (SynData4CV), CVPR 2026. OpenReview: https://openreview.net/forum?id=dMfhFmDWsg . Dataset and code: https://huggingface.co/datasets/govtech/SynthSite

Reinforcement Learning-Guided NSGA-II Enhanced with Gray Relational Coefficient for Multi-Objective Optimization: Application to NASDAQ Portfolio Optimization

基于灰色关联系数增强的强化学习引导的NSGA-II在多目标优化中的应用：以纳斯达克投资组合优化为例

Zhiyuan Wang, Qinxu Ding, Ding Ding, Siying Zhu, Jing Ren, Yue Wang, Chong Hui Tan

专题命中 Agent评测 ：agent(abstract)；分类 cs.LG

AI总结 本文针对投资组合优化中的约束多目标优化问题，提出RL-NSGA-II-GRC方法，结合强化学习智能体与灰色关联系数，通过自适应控制参数及设计综合指标引导搜索，在基准测试和纳斯达克案例中提升收敛性，得到密集前沿及有效投资组合。

Journal ref Mathematics 14(2), 296 (2026)

Schema-Bound LLM Control of Scientific Instrumentation through Model Context Protocol Skills

通过模型上下文协议技能对科学仪器进行模式绑定的大语言模型控制

Roberto dos Reis, Vinayak P. Dravid

专题命中 Agent评测 ：agentic(abstract)；分类 cs.SE

AI总结 研究如何通过模型上下文协议将本地大语言模型与科学仪器相连，结合多种技术实现连接，开源服务器展示相关工具等，通过软件验证，为闭环智能仪器研究提供基础。

Comments 36 pages, 8 figures, 7 tables. Open-source reference implementation, physics-plausible simulator, and validation suite. Software-only validation; live-instrument validation is not reported

Autoregressive Diffusion World Models for Off-Policy Evaluation of LLM Agents

自回归扩散世界模型用于LLM智能体的离线评估

Kaixuan Liu, Guojun Xiong, Weinan Zhang, Shengpu Tang

机构 * Department of Computer Science, Emory University（埃默里大学计算机科学系） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） 纠错

专题命中 Agent评测 ：agent(abstract)；分类 cs.LG

AI总结 提出ADWM框架，通过自回归扩散世界模型从预收集轨迹中模拟环境响应，实现无需在线交互的LLM智能体策略离线评估。

Choosing the Lens: Strategic Perspective Activation in Context-Dependent Argumentation

选择视角：上下文相关论证中的策略性视角激活

Albert Sadowski, Jarosław A. Chudziak

机构 * Warsaw University of Technology（华沙技术大学） 纠错

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

AI总结 本文提出上下文相关论证框架（CDAF），通过击败函数和视角标记特化，研究代理如何通过选择相关性集和优先级来策略性地影响论证结果。

Comments Accepted to LAMAS&SR workshop at FLoC 2026

When Benchmarks Lie: Evaluating Malicious Prompt Classifiers Under True Distribution Shift

当基准谎言：在真实分布偏移下评估恶意提示分类器

Max Fomin

机构 * Zenity 纠错

专题命中 Agent评测 ：agentic(abstract)；分类 cs.LG

AI总结 研究通过LODO评估揭示了现有方法在真实分布偏移下的局限性，并展示了SAE特征在提升分类器解释性方面的潜力。

Comments v2: extended version of the AIWILD @ ICLR 2026 workshop paper; adds multi-model replication and additional analyses

Li-ViP3D++: Query-Gated Deformable Camera-LiDAR Fusion for End-to-End Perception and Trajectory Prediction

Li-ViP3D++：基于查询的可变形相机-激光雷达融合用于端到端感知与轨迹预测

Matej Halinkovic, Nina Masarykova, Alexey Vinel, Marek Galinski

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Slovak University of Technology（斯洛伐克技术大学） ； Halmstad University（哈马比大学） 纠错

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

AI总结 Li-ViP3D++通过引入查询门控可变形融合技术，实现了端到端感知与轨迹预测，提升了自动驾驶系统的鲁棒性和效率。

Comments Published in IEEE Access. The version of record is available at DOI: 10.1109/ACCESS.2026.3709080

Journal ref IEEE Access, vol. 14, pp. 102999-103012, 2026

Too Human to Model:The Uncanny Valley of LLMs in Social Simulation -- When Generative Language Agents Misalign with Modelling Principles

过于人性化的模型：LLM在社交模拟中的怪诞谷--当生成语言代理与建模原则不一致时

Yongchao Zeng, Calum Brown, Mark Rounsevell

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

AI总结 本文探讨了LLM在社交模拟中因过于人性化的特性导致的抽象与自然性矛盾，指出其在建模原则下的局限性，并提出重新定位LLM代理以适应不同应用场景的建议。

Regret Minimization for Piecewise Linear Rewards: Contracts, Auctions, and Beyond

分段线性奖励的遗憾最小化：合同、拍卖及其他

Francesco Bacchiocchi, Matteo Castiglioni, Alberto Marchesi, Nicola Gatti

专题命中 Agent评测 ：agent(abstract)；分类 cs.LG

AI总结 研究在相关模型参数未知且由概率分布确定时，如何优化未知随机分段线性奖励函数。提出通用在线学习框架，设计算法达\(\widetilde{O}(\sqrt{nT})\)遗憾值，解决了微观经济学习文献中的两个开放问题。

Mean-field equilibrium price formation under single-default risk

单一违约风险下的均值场均衡价格形成

Masashi Sekine

专题命中 Agent评测 ：agent(abstract)

AI总结 研究不完全金融市场中单一违约风险下的均衡价格形成，通过二次增长倒向随机微分方程刻画参与者最优策略，推导出均值场二次增长BSDE，量化相关因素对风险溢价的影响，建立短时可解性并证明风险溢价渐近使市场出清。

Comments 46 pages

Honest Reporting in Scored Oversight: True-KL0 Property via the Prekopa Principle

评分监督中的诚实报告：通过普雷科帕原理的真KL0属性

Lauri Lovén

专题命中 Agent评测 ：agent(abstract)

AI总结 研究评分激励机制中异构评分规则的真KL0属性，通过特定替换和对数凹性等工具证明，得出诚实报告是占优策略最优及相关定量结果，刻画了不同维度下真KL0属性的边界情况

Comments 30 pages. Manuscript prepared for Annals of Applied Probability. Certificate scripts and reference outputs archived at Zenodo, doi:10.5281/zenodo.21440507

1-out-of-5 Maximin-Share Allocations Always Exist for Four Agents

对于四个代理，五选一最大最小份额分配总是存在

Christoph Schwerdtfeger

专题命中 Agent评测 ：agent(abstract)

AI总结 研究四个具有非负加法估值代理的五选一最大最小份额分配问题，通过平衡剩余划分引理证明其总是存在并改进了保证，刻画了该情况下的条件，且定理经机器验证。

Comments 8 pages. The complete Lean 4 formalization (kernel-checked; axioms: propext, Classical.choice, Quot.sound) is included in the ancillary files

When One Good Is Not Enough: EF1 and Pareto Optimality Are Not Compatible for Submodular Valuations

当一种商品不够用时：对于次模估值，EF1与帕累托最优不兼容

Simon Mackenzie, Mashbat Suzuki

专题命中 Agent评测 ：agent(abstract)

AI总结 研究离散公平分配中EF1与PO对于次模估值是否兼容的问题，通过构建反例表明二者不兼容，确定不可能边界，找到恢复兼容性的条件，量化坚持EF1时的效率损失。

A Digital Twin-Based Method for Evaluating Local Collective Tariffs in Distribution-Level Energy Systems

一种基于数字孪生的配电网级能源系统局部集体电价评估方法

Kristoffer Christensen, Bo Nørregaard Jørgensen, Zheng Grace Ma

专题命中 Agent评测 ：agent(abstract)

AI总结 针对配电网级能源系统电价机制评估需求，提出基于数字孪生的方法，整合多种建模与抽象，应用于丹麦局部集体电价评估，揭示其对成本及时间对齐的影响，为分析比较电价结构提供基础。

TimeLens2: Generalist Video Temporal Grounding with Multimodal LLMs

TimeLens2：使用多模态大语言模型进行通用视频时间定位

Yuhan Zhu, Changlian Ma, Xiangyu Zeng, Xinhao Li, Zhiqiu Zhang, Songze Li, Jun Zhang, Tianxiang Jiang, Yuandong Yang, Ziang Yan, Zikang Wang, Xinyu Chen, Haoran Chen, Shaowei Zhang, Limin Wang

机构 * Nanjing University（南京大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； Fudan University（复旦大学） 纠错

专题命中 Agent评测 ：agent(abstract)

AI总结 研究通用视频时间定位问题，TimeLens2将时间证据视为区间集，通过多种策略构建多跨度监督，其时间瓦瑟斯坦奖励等方法提供反馈，在多个基准测试中表现出色，不同变体均有性能提升。

Comments Technical Report

From Optimal Policies to Individual Differences: Rethinking Reinforcement Learning for Biology

从最优策略到个体差异：重新思考用于生物学的强化学习

Patrick Govoni, Palina Bartashevich, Clémence Bergerot, Valerii Chirkov, Valentin Lecheval, Pawel Romanczuk

专题命中 Agent评测 ：agent(abstract)

AI总结 研究指出强化学习虽用于解释生物行为，但存在个体间行为变异性差距，当前模型多呈现单一最佳个体或群体平均。通过研究强化学习各子领域方法，探索利用生物学合理机制产生行为多样性、缩小生物与模拟差距的潜在路径。

CutBackdoor: A Circuit Cut Triggered Backdoor Attack on Variational Quantum Algorithms

CutBackdoor：一种对变分量子算法的电路切割触发后门攻击

Ahatesham Bhuiyan, Hoang Ngo, Cheng Chu, Qian Lou, Lei Jiang, My T. Thai, Mengxin Zheng

专题命中 Agent评测 ：workflow(abstract)

AI总结 研究针对变分量子算法，提出CutBackdoor这一参数供应链后门攻击方法，利用CutQC的切割电路执行触发，在有限次电路切割执行下，中毒参数增加切割路径重建误差，经多基准测试验证，放大切割路径能量，划定攻击结构边界。

A Mean-Field Game Model For Large-Scale Attrition in Attacker-Defender Systems

大规模攻击-防御系统中的均场博弈模型

Avetik Arakelyan, Tigran Bakaryan, Davit Alaverdyan, Naira Hovakimyan, Isaac Kaminer

专题命中 Agent评测 ：agent(abstract)

AI总结 本文提出一种新的均场博弈框架，用于保护一个或多个高价值目标，通过统计距离建模群体性消耗，分析攻击-防御互动的最优策略与人口分布演化。

Comments keywords: Mean-field games, attacker-defender systems, attrition modeling, optimal transport, autonomous defense

Where Do We Poop? City-Wide Simulation of Defecation Behavior for Wastewater-Based Epidemiology

我们在哪里排便？基于废水流行病学的城市范围排便行为模拟

Hossein Amiri, Akshay Deverakonda, Yuke Wang, Andreas Züfle

专题命中 Agent评测 ：agent(abstract)

AI总结 研究基于现有生活模式模型，引入地理空间模拟框架，结合传染病模型，考虑人口流动、厕所使用等因素，模拟废水病原体负荷时空动态，以佐治亚州富尔顿县为例进行研究，展示其对废水监测等方面的支持作用。

Particle Image Velocimetry Refinement via Consensus ADMM for Active Fluid Control

基于共识交替方向乘子法的粒子图像测速细化用于主动流体控制

Alan Bonomi, Francesco Banelli, Antonio Terpin

机构 * ETH Zürich（苏黎世联邦理工学院） 纠错

专题命中 Agent评测 ：agent(abstract)

AI总结 研究针对传统粒子图像测速法及机器学习方法在流量量化中的不足，提出将其作为多估计器融合问题，采用基于交替方向乘子法的共识框架，经实验验证该方法能提升性能，并成功应用于实际主动流体控制中。

Comments Accepted for presentation at, and publication in the proceedings of, the 2026 65th IEEE Conference on Decision and Control (CDC). Code available at https://github.com/antonioterpin/flowgym

Kernel Metrics and Learning for Borel MDPs: Identifiability and Adaptive Control

博雷尔马尔可夫决策过程的核度量与学习：可识别性与自适应控制

Omar Mrani-Zentar, Serdar Yüksel

专题命中 Agent评测 ：agent(abstract)

AI总结 研究标准博雷尔空间下未知转移核的马尔可夫决策过程，通过建立核拓扑关系等进行正则性分析，给出贝叶斯和经验的可识别性结果，用于设计近最优自适应控制策略，解决无先验参数表示的问题。

Group Steering: Approaches Based on Power Moments

群体转向：基于幂矩的方法

Guangyu Wu, Anders Lindquist

专题命中 Agent评测 ：agent(abstract)

AI总结 研究一大群由离散时间渐近稳定一阶线性系统控制的智能体的转向问题，提出用幂矩表征其密度函数或占有测度，通过矩系统表示、凸优化等实现控制，终端密度收敛，仿真验证算法。

Comments 11 pages, 6 figures. Portions of this work have been accepted by the IFAC World Congress 2023