AI Agent

Wireless Intelligence Needs a Cerebellum: Score-Based Foundation Models Toward Real-Time Physical-Layer Inference

无线智能需要一个小脑：基于分数的基础模型实现实时物理层推理

Chang Cai, Boyu Teng, Xiaojun Yuan, Ying-Jun Angela Zhang

专题命中 规划决策 ：planning(abstract)

AI总结 研究针对无线智能中物理层快速精确推理需求，提出轻量级ScoreFM基础模型。它学习可重复使用分数函数，推理时嵌入特定任务算法作去噪器，支持多样下游任务，案例研究验证其灵活性与有效性。

Model Predictive Planner for UAV Navigation in Non-Convex Air Corridors

非凸空中走廊中无人机导航的模型预测规划器

Henrique Silva, Marcelo A. Santos, Guilherme V. Raffo

机构 * Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学） ； University of Bergamo（贝加莫大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究无人机在非凸空中走廊的导航规划，核心方法是基于混合整数跟踪模型预测控制公式，嵌入特定成本与约束，主要贡献是生成满足约束且收敛目标的动态有效轨迹，无需外部全局规划。

Comments Accepted for publication at the 23rd IFAC World Congress (Busan, Korea)

Quality-Adaptive Multi-UAV 3D Reconstruction with Sparse Workload Redistribution

基于稀疏工作负载重新分配的质量自适应多无人机三维重建

Benjamin Sportich, Kenza Boubakri, Olivier Simonin, Alessandro Renzaglia

机构 * Inria, INSA Lyon, CITI（法国国家信息与自动化研究所、里昂国立应用科学学院、CITI） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 针对无人机三维重建中计算和能量受限及协调难问题，提出质量自适应分散决策策略，集成质量导向准则，采用两级协调，仿真显示该方法提高路径效率且实现更高保真度重建，代码公开。

BC-NMPC: Battery-Constrained NMPC with Propulsion Prediction and Replanning for High-Speed Flight

BC-NMPC：用于高速飞行的具有推进预测和重新规划的电池约束非线性模型预测控制

Parakh M. Gupta, Matej Mihulka, Matej Novosad, Robert Penicka, Martin Saska

机构 * Czech Technical University in Prague（捷克技术大学（布拉格）） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 针对高速飞行中无人机因电池问题致轨迹跟踪性能下降的问题，提出将电池和推进系统模型集成到NMPC框架的方法，能实时预测相关参数，通过轨迹规划算法提高性能，实验验证了模型准确性和算法有效性。

Comments [Submitted to Elsevier RAS]

Sensitivity Analysis of Dynamic Line Rating for ACSR Conductors using IEEE-738

使用IEEE - 738对ACSR导线动态线路额定值的灵敏度分析

Shashank Singh, Ashish Kumar Mishra, Vinod M. P., Christian Romeis

专题命中 规划决策 ：planning(abstract)

AI总结 研究利用IEEE - 738标准对795 kcmil ACSR Drake导线的DLR进行参数灵敏度分析，涵盖多运行点。分析了风与温度对DLR的影响，通过皮尔逊相关分析和回归模型得出相关结论，为基于DLR的输电系统规划和评估提供指导。

MOJITO: Modal Joint Learning for Unified End-to-End Autonomous Driving

MOJITO：用于统一端到端自动驾驶的模态联合学习

Zhijing Cheng, Xuancheng Zhang, Donglin Di, Lei Fan, Baorui Ma, Hao Li, Xun Yang

机构 * University of Science and Technology of China（中国科学技术大学） ； Li Auto（理想汽车） ； University of New South Wales（新南威尔士大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究针对端到端自动驾驶系统问题，提出基于模态联合学习的MOJITO框架，去除级联接口，执行逐块模态联合注意力更新多模态特征，在数据集上取得新的最优成绩，展现出强大能力。

The Curse of Precision: A Data Scaling Law for High-Precision Robotic Manipulation

精度的诅咒：高精度机器人操作的数据缩放定律

Cuijie Xu, Yuanfan Xu, Min Xue, Jianjie Lin, Jian Wang, Xudong Zhang, Yu Wang, Jincheng Yu

机构 * Tsinghua University（清华大学） ； OpenMind (WuHu) Robotics Co., Ltd.（芜湖悟灵机器人有限公司） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 研究机器人装配等封闭世界任务中数据与精度的关系，提出新缩放定律log(N) ∝ 1/(P - c)，揭示极限精度c是系统涌现属性，经实验验证，为精度提供理论框架和评估指标，指导高精度操作系统开发调试。

Comments 8 pages, 4 figures. Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)

The Semantic Least-Energy Principle: A Hypothesis for Intelligence

语义最小能量原理：一种关于智能的假设

Jie Zhang, Haoyuan Zhu, James Jinheng Zhang, Haonan Hu

专题命中 规划决策 ：planning(abstract)

AI总结 针对智能系统潜在语义状态组织缺乏合理解释的问题，提出语义最小能量原理，通过变分框架阐述，统一语义相关过程并产生理论预测，为研究语义智能提供第一性原理基础，虽有待验证但意义重大。

SDE Guided Monte Carlo Reinforcement Learning: A Stochastic Maximum Principle Approach for Robust Decision Making in Noisy Environments

随机微分方程引导的蒙特卡罗强化学习：一种用于噪声环境中稳健决策的随机最大值原理方法

Juncai Wang

专题命中 规划决策 ：agent(abstract)

AI总结 研究探讨SMP定性最优条件能否指导稳健表格型强化学习算法，提出SDE-MC-AC框架，通过建立对应关系及自适应温度调度整合多种方法，经实验验证了相关假设，揭示导航模式，为随机最优控制与强化学习搭建桥梁。

SuperFIRE: Concept evolution of a seeing-limited broadband spectrograph for the GMT

SuperFIRE：用于盖亚大望远镜的视场受限宽带光谱仪的概念演变

Gustav M. Pettersson, Gábor Fűrész, Nathan P. Lourie, F. Elio Angile, Jill Juneau, Gerardo Berlanga Molina, Robert A. Simcoe

专题命中 规划决策 ：planning(abstract)

AI总结 介绍了为盖亚大望远镜开发的SuperFIRE概念，它基于FIRE光谱仪传统，是宽带中等分辨率单次拍摄自然视场光谱仪。设计因对微弱瞬变等的快速跟踪及与JWST观测互补而演变，利用相关技术实现高吞吐量等，将成实用跟踪光谱仪。

Comments 13 pages, 7 figures, SPIE Astronomical Telescopes + Instrumentation 2026

On Some Problems from the Kourovka Notebook

关于《库罗夫卡笔记本》中的一些问题

Wouter van Doorn, Elias Judin, Pietro Monticone, Daniel Morrison

专题命中 规划决策 ：agent(abstract)

AI总结 本文解决《库罗夫卡笔记本》中八个群论问题，包括构建特定群、证明元素乘积取值情况、说明群阶与统计量不能确定单性、构造算子，还涉及确定生成群、证明幂图性质、探讨子群格情况及反驳秩不等式，且由形式推理主体在Lean中完成。

Comments 21 pages. Lean 4 formalisation: https://github.com/pitmonticone/Kourovka. v2: Expands the appendix with an account on problem selection and adds the MathOverflow provenance of Problem 18.50

Session-Level Optimization for Large-Scale Retrieval using REINFORCE with Multi-Step Off-Policy Correction

基于离策略强化学习的大规模生成式检索长期优化

Artem Matveev, Sergei Makeev, Aleksei Krasilnikov, Vladimir Baikalov, Sergei Liamaev, Kirill Khrylchenko

专题命中 规划决策 ：agent(abstract)

AI总结 将推荐视为会话级序贯决策问题，用离策略REINFORCE在预收集数据上训练生成式检索器，提出多步重要性权重近似，训练用户反馈模型用于离线评估，引入测试时缩放程序，实验表明方法能改进离线估计。

Comments Accepted at the 5th Workshop on End-End Customer Journey Optimization at KDD 2026

Imitation Learning for Robot Assistance in Open Surgery: A Multi-Policy Evaluation on Suture Following

开放手术中机器人辅助的模仿学习：针对缝合跟随的多策略评估

Xucheng Wang, Zhizhou Yang, Xiaoman Zhang, Sung Eun Kim, Romain Hardy, Pranav Rajpurkar

机构 * Harvard Medical School（哈佛医学院） ； Massachusetts General Hospital（麻省总医院） 纠错

专题命中 规划决策 ：workflow(abstract)

AI总结 本研究首次评估通用模仿学习在开放手术中用于外科医生-机器人协作辅助的可行性，以缝合跟随（每次缝合时助手执行的抓取-拉动-释放动作）为任务，通过比较四种策略（ACT、Diffusion Policy、SmolVLA、π₀）在28个训练模型上的表现，发现π₀在数据效率、背景鲁棒性和轨迹平滑性上最优，并在机器人缝合试验中达到92%的缝合完成率。

Time-Varying Environmental and Polygenic Predictors of Substance Use Initiation in Youth: A Survival and Causal Modeling Study in the ABCD Cohort

青少年物质使用启动的时变环境与多基因预测研究：基于ABCD队列的生存与因果建模研究

Mengman Wei, Qian Peng

专题命中 规划决策 ：planning(abstract)

AI总结 本研究通过整合时变环境因素与多基因风险评分，探讨青少年物质使用启动的决定因素，发现冲动性、父母监控和健康因素是关键风险因素，且多基因风险评分与早期使用显著相关。

Low-Latency Quasi-Static Modeling of UAV Tether Aerodynamics

无人机缆线气动学的实时准静态建模

Max Beffert, Andreas Zell

机构 * Cognitive Systems Group, University of Tübingen（图宾根大学认知系统组） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出两种互补方法用于实时准静态缆线建模，分析法基于悬链线理论，计算速度快；数值法将缆线分段并离散化，通过CasADi和IPOPT求解平衡方程，实现实时性能，适用于离线优化和在线任务。

Comments Accepted at ICUAS2026

Journal ref 2026 International Conference on Unmanned Aircraft Systems (ICUAS) 1231-1238

Real-world energy data of 200 feeders from low-voltage grids with metadata in Germany over two years

德国两年内200个低压电网的现实能源数据及元数据

Manuel Treutlein, Pascal Bothe, Marc Schmidt, Roman Hahn, Oliver Neumann, Ralf Mikut, Veit Hagenmeyer

专题命中 规划决策 ：planning(abstract)

AI总结 FeederBW数据集提供了德国两年内200个低压电网的现实能源数据及元数据，用于支持负载预测、非侵入式监测和低碳技术影响分析。

Comments 20 pages, 6 Figures, 6 Tables. Data is available on Zenodo: https://zenodo.org/records/19550073 (Version update on July 27, 2026: we clarified that the weather data are forecasts of one to three hours)

VL-LN Bench: Towards Long-horizon Goal-oriented Navigation with Active Dialogs

VL-LN基准：通过主动对话实现长视界目标导向导航

Wensi Huang, Shaohao Zhu, Meng Wei, Siqi Zhang, Jinming Xu, Xihui Liu, Hanqing Wang, Tai Wang, Feng Zhao, Jiangmiao Pang

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 VL-LN基准通过引入主动对话机制，提升长视界目标导向导航任务的性能和可靠性。

Mechanical behaviour of brain-skull interface (meninges) under shear loading through experiment and finite element modelling: Preliminary results

剪切载荷下脑颅界面（硬脑膜）的机械行为：通过实验和有限元建模的初步研究

Sajjad Arzemanzadeh, Karol Miller, Tim Rosenow, Sjoerd B. Vos, Adam Wittek

专题命中 规划决策 ：planning(abstract)

AI总结 本研究通过实验和有限元建模确定剪切载荷下脑颅界面的机械特性，采用粘合层模型揭示其力-位移和损伤起始行为，为提升计算头模型的生物相似性提供基础。

Comments Computational Biomechanics for Medicine (CBM) XX - accepted

Toward Human-Centered Multi-Agent Systems: Integrating Cognition, Culture, Values, and Cooperation in AI Agents

迈向以人为中心的多智能体系统：在AI智能体中整合认知、文化、价值观与合作

Safia Baloch, Rahemeen Khan

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

AI总结 本文综述了从认知科学、文化对齐、价值学习到多智能体协调的研究，指出现有系统缺乏整合认知、文化、价值观和社会行为的统一框架，并提出了构建文化感知、价值对齐、认知基础与合作的多智能体系统的方向。

Comments 14 pages

Focus Is All You Need: Adaptive Goal-aware Attention Orchestration for Multi-Agent Graph Systems

你所需要的只是专注：多智能体图系统的自适应目标感知注意力编排

Mingzhou Fan, Siyuan Xu, Mingxuan Yuan

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

AI总结 研究多智能体图系统中注意力分配问题，提出自适应目标感知注意力编排框架AGAO，结合目标、拓扑、资源感知注意力，将静态图转变为自适应系统，经实验验证其能提高任务有效性并减少计算等消耗，确立注意力工程方向。

From Proprietary to Open-Source: Bridging the Distribution Gap via Multi-Agent Protocol Distillation in Agentic Search

从专有模型到开源模型：通过智能体搜索中的多智能体协议蒸馏弥合分布差距

Junlin Liu, Jiangwang Chen, Zixin Song, Shuaiyu Zhou, Chunji Lv, Hank Wu, Kailin Jiang, Jinyang Wu, Bohan Yu, Chenxi Zhou

机构 * Beijing Institute of Technology（北京理工大学） ； East China Normal University（华东师范大学） ； University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；agentic(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 研究旨在弥合专有与开源模型分布差距，提出多智能体协议蒸馏（MAPD）框架，利用结构化协议作中间表示，结合蒸馏与强化学习，在问答基准测试中表现出色，有效减轻学生策略问题，优于其他竞争方法。

TRUAV: Distributed Multi-Agent Reinforcement Learning for Trajectory Planning and Routing Enhancement in UAV-Aided IoT-Enabled VANETs

TRUAV：无人机辅助的物联网支持的车联网中用于轨迹规划和路由增强的分布式多智能体强化学习

Muhammad Umar Farooq Qaisar, Lin Zhang, Zhen Chen, Wajdy Othman, Shehzad Ashraf Chaudhry, Chang Liu

专题命中 多智能体 ：agent(title,abstract)；planning(title,abstract)；multi-agent(title,abstract)；分类 cs.LG

AI总结 研究无人机辅助车联网中轨迹规划与路由增强问题，提出基于独立表格Q学习的分布式多智能体强化学习框架TRUAV，其智能体依局部信息运行，奖励设计兼顾多种因素，模拟显示该框架在多方面表现良好，还讨论了相关挑战与方向。

Comments 7 pages, 3 figures, submitted to IEEE Internet of Things Magazine

Bridging MARL to SARL: An Order-Independent Multi-Agent Transformer via Latent Consensus

将MARL连接到SARL：一种通过潜在共识的顺序无关多智能体Transformer

Zijian Zhao, Jing Gao, Sen Li

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Hong Kong Polytechnic University（香港理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

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

AI总结 本文提出CMAT框架，通过Transformer编码器处理联合观测空间，利用层次决策机制生成共识向量，实现顺序无关的联合决策，优于传统MARL方法。

Tree-Based Formalization of Multi-Agent Complementarity in Human-AI Interactions

基于树的人机交互中多智能体互补性形式化

Andrea Ferrario

机构 * Institute of Biomedical Ethics and History of Medicine, University of Zurich（伦理与医学史研究所，苏黎世大学） ； SUPSI, Dalle Molle Institute for Artificial Intelligence (IDSIA)（SUPSI，达勒莫利人工智能研究所） ； ETH Zurich（苏黎世联邦理工学院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；workflow(abstract)；分类 cs.AI

AI总结 本文提出一种基于树的形式化框架，通过有序智能体角色配置和平面二叉树表示人机交互协议，证明互补性在回归中可实现，但在分类中受限于局部聚合和损失函数的自然条件。

Comments 31 pages, 10 figures. Improved notation and added Figure 8 w.r.t. the original submission

PD$^3$: A Project Duplication Detection Framework via Adapted Multi-Agent Debate

PD$^3$：一种通过适应性多智能体辩论的项目重复检测框架

Dezheng Bao, Yueci Yang, Chutian Yu, Xin Chen, Zeguo Fei, Xiang Yuan, Lijun Zhang, Jiangqian Huang, Zhengxuan Jiang, Daoze Zhang, Junru Chen, Yang Yang

机构 * Zhejiang University（浙江大学） ； State Grid Power Supply Co. Ltd.（国网电力供应有限公司） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 研究项目重复检测问题，提出PD$^3$框架，通过适应性多智能体辩论，结合局部多智能体辩论与全局循环调度检索项目集，能保证公平比较并产生相关分数和反馈，在真实项目上优于基线，还部署平台节省资金。

Comments 17 pages, 9 figures

Multi-Agent Privacy Game in Federated Learning: A Unified Mean-Field View

联邦学习中的多智能体隐私博弈：统一的平均场视角

Kun Zhao, Xu Chen

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

AI总结 研究联邦学习中隐私问题，提出将其表述为平均场隐私博弈的方法，每个客户端通过平均场统计量选隐私预算，该框架能产生可处理均衡，适应异构偏好，继承隐私保证，实验表明其实现隐私 - 效用权衡并提供个性化保证。

AutoWorld: Learning Multi-Agent Traffic Simulation with Self-Supervised World Models

AutoWorld: 通过自监督世界模型扩展多智能体交通仿真

Mozhgan Pourkeshavarz, Tianran Liu, Nicholas Rhinehart

机构 * University of Toronto（多伦多大学） 纠错

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

AI总结 本文提出AutoWorld框架，利用未标记的LiDAR数据自监督学习世界模型，提升多智能体交通仿真的真实感与性能，实验表明未标记数据能有效提升仿真效果。

CoopReflect: Towards Natural Language Communication for Cooperative Autonomous Driving via Multi-Agent Learning

CoopReflect：通过多智能体学习实现协同自动驾驶的自然语言通信

Jiaxun Cui, Chen Tang, Jarrett Holtz, Janice Nguyen, Alessandro G. Allievi, Hang Qiu, Peter Stone

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Robert Bosch LLC（罗伯特·博世有限公司） ； University of California, Riverside（加州大学河滨分校） ； Sony AI（索尼人工智能） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI；autonomous agent(journal_ref)

AI总结 研究探索自然语言用于车对车通信的潜力，开发基于大语言模型的驾驶智能体，引入CoopReflect多智能体学习框架，通过试错等为智能体配备相关知识，实验表明其能生成更优消息，实现跨场景泛化并降低决策延迟。

Journal ref Proc. 25th Int. Conf. Autonomous Agents and Multiagent Systems (AAMAS), 744-752 (2026)

The Hitchhiker's Guide to Agentic AI: From Foundations to Systems

《智能体AI的搭车指南：从基础到系统》

Haggai Roitman

机构 * Haggai Roitman 纠错

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

AI总结 本文为构建自主AI系统提供全面实践参考，覆盖从Transformer架构、训练优化到对齐、推理、检索增强生成、记忆系统、智能体设计模式及多智能体协调的完整技术栈。

Comments version 1.3

Grading the Narrators: An Isnad-Rijal Framework for Claim-Level Provenance in Multi-Agent Knowledge Systems

评估叙述者：多智能体知识系统中声明级来源的伊纳德-里贾尔框架

Ali Zahid Raja

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

AI总结 研究多智能体知识系统声明级来源问题，借鉴经典伊斯兰圣训科学方法，贡献形式映射、关系模式、决策矩阵等，对20000条声明评估，验证部分方法，也发现等级恢复循环部分失败及两次分析无定论。

Comments 25 pages. Code, data, and analysis: https://github.com/alizahidraja/isnad (v2.0.4). Software archived at doi:10.5281/zenodo.21216873