AI Agent

Scalable Voltage-Stability Dataset Generation Via Boundary-Proximity Indicators Clustering

基于边界邻近指标聚类的可扩展电压稳定数据集生成

Rock Agon, Robin Preece, Jovica V. Milanović

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种基于边界邻近指标聚类的可扩展电压稳定数据集生成框架，结合多种采样与聚类技术，可减少95.45%的连续潮流评估量，且能保持高准确率，适用于电力系统运行与规划优化。

Comments Submitted to MedPower Conference 2026

Probabilistic Multi-Robot Gas Source Localization with Uncalibrated Sensors: A Distributed Estimation Approach

采用未校准传感器的概率多机器人气源定位：一种分布式估计方法

Wanting Jin, Marc Zoel Arias Mitjà, Alcherio Martinoli

机构 * Distributed Intelligent Systems and Algorithms Laboratory（分布式智能系统与算法实验室） ； School of Architecture, Civil and Environmental Engineering（建筑、土木与环境工程学院） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文针对多机器人异构传感器未校准的气源定位问题，提出分布式概率框架，结合秩特征与专家乘积融合，并引入信息区域分配策略，经仿真验证其性能优于基准方法。

Comments 14 pages, 6 figures, accepted by The 18th International Symposium on Distributed Autonomous Robotic Systems (DARS)

Picking Bins Empty: A Hierarchical Hybrid Approach with Online Self-Learning of Grasp Points for Reliable Industrial Bin-Picking

空料箱拣选：一种结合抓取点在线自学习的分层混合方法用于可靠的工业料箱拣选

Florian Töper, Samarth Kishor Yelvande, Jan Niklas Ewertz, Rudolph Triebel, Peter Ohlhausen

机构 * University of Stuttgart（斯图加特大学） ； Mercedes-Benz AG（梅赛德斯-奔驰公司） ； Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院） ； DLR Institute of Robotics and Mechatronics（德国航空航天中心机器人与机电一体化研究所） ； Fraunhofer Institute for Industrial Engineering (IAO)（弗劳恩霍夫工业工程研究所） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 本文针对工业料箱拣选需完全清空且无人工干预的挑战，提出四层分层混合方法，结合基于模型与无模型技术，通过在线自学习提升抓取性能，在汽车零件实验中实现100%料箱清空率，优于基线方法。

Comments Accepted at IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026. 8 pages, 7 figures

ROPE: Routed Origin Policy Enforcement against Indirect Prompt Injection

ROPE：针对间接提示注入的路由来源策略执行

Xinhang Ma, Chaowei Xiao, William Yeoh, Ning Zhang, Yevgeniy Vorobeychik

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出ROPE防御间接提示注入，通过确定性来源检查实现可证明的安全保证，在低攻击成功率的同时保留高智能体效用，优于现有系统级防御。

Horizon-Independent Contraction for Continuous-Time Discounted Regularized Mean-Field Games

连续时间带正则化的平均场博弈的与时域无关的收缩性质

Junji Yan, Uğur Aydın, Tamer Başar

专题命中 规划决策 ：agent(abstract)

AI总结 该研究针对带折扣和熵正则化的非平稳连续时间平均场博弈，证明大折扣率下有限时域MFG满足与时域无关的收缩条件，推导了有限与无限时域均衡的收敛率及相关误差界。

Comments 34 pages. Full version including complete proofs

Reinforcement-learning control of turbulence transition in the modified Hasegawa-Wakatani system

改进型长谷川-若菜系统中湍流转变的强化学习控制

Luning Sun, Ben Zhu, Xin-Yang Liu, Deepak Akhare, Jian-Xun Wang

专题命中 规划决策 ：agent(abstract)

AI总结 该研究将强化学习方法应用于改进型长谷川-若菜系统的湍流-带状流双向控制，通过耦合CNN智能体与JAX求解器，在湍流抑制和逆带状流破坏任务中均取得优于基线的效果，证明了强化学习用于等离子体湍流控制的可行性。

Comments 28 pages, 12 figures

Reasoning models do not yet follow their reasoning in autonomous driving: The KITScenes LongTail Dataset

长尾驾驶场景与推理轨迹：KITScenes长尾数据集

Royden Wagner, Omer Sahin Tas, Jaime Villa, Felix Hauser, Yinzhe Shen, Marlon Steiner, Dominik Strutz, Carlos Fernandez, Quentin Delfosse, Christoph Weinhuber, Christian Kinzig, Guillermo S. Gutierrez-Cabello, Hendrik Königshof, Fabian Immel, Richard Schwarzkopf, Nils Alexander Rack, Kevin Rösch, Kaiwen Wang, Jan-Hendrik Pauls, Martin Lauer, Igor Gilitschenski, Holger Caesar, Christoph Stiller

机构 * Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院） ； FZI Research Center for Information Technology（FZI信息技术研究中心） ； University Charles III of Madrid（马德里卡洛斯三世大学） ； Technical University of Madrid（马德里理工大学） ； University of Toronto（多伦多大学） ； Delft University of Technology（代尔夫特理工大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出KITScenes长尾数据集，通过多视角视频、轨迹、指令和推理轨迹提升模型在长尾驾驶场景下的泛化能力，评估指令遵循与语义连贯性。

Comments 27 pages; v2: update MMS values (bugfix); v3: more focus on reasoning

Fast Relax-and-Round Unit Commitment with Economic Horizons

快速放松与舍入单位调度与经济时间 horizon

Shaked Regev, Evan J. R. Brody, Charles Foltz, Eve Tsybina, Slaven Peles

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种快速算法，用于解决具有长时间规划的单位调度问题，通过引入针对UC问题的启发式方法，实现大规模水电调度问题的高效求解，显著降低运营成本。

Comments 9 pages, 9 figures

Bringing SAM to new heights: Leveraging elevation data for tree crown segmentation from drone imagery

将SAM提升至新高度：利用高程数据从无人机影像中进行树冠分割

Mélisande Teng, Arthur Ouaknine, Etienne Laliberté, Yoshua Bengio, David Rolnick, Hugo Larochelle

机构 * Mila – Quebec AI Institute（魁北克AI研究所） ； Université de Montréal（蒙特利尔大学） ； McGill University（麦吉尔大学） ； Rubisco AI（Rubisco人工智能） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本研究针对无人机影像树冠实例分割任务，对比不同SAM方法，提出整合DSM的BALSAM模型，发现SAM端到端调优与DSM整合具应用潜力。

Near-Optimal Mechanisms for Resource Allocation Without Monetary Transfers

Moïse Blanchard, Patrick Jaillet

专题命中 规划决策 ：agent(abstract)

Agentic-Kube: A Graph-Enhanced Multi-Agent Reinforcement Learning Framework for Multi-Objective Kubernetes Scheduling

AGMARL-DKS: 一种适应性图增强多智能体强化学习用于动态Kubernetes调度

Hamed Hamzeh

机构 * University of Westminster Computer Science（威斯敏斯特大学计算机科学） ； University of Westminster（威斯敏斯特大学） 纠错

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

AI总结 本文提出AGMARL-DKS，通过多智能体强化学习解决动态Kubernetes调度问题，引入图神经网络和应力感知策略，提升容错性和资源利用率。

CoCoBench: A Cooperative Coordination Benchmark for Embodied Multi-Agent Task Planning

CoCoBench：用于具身多智能体任务规划的协作协调基准

Yang Chen, Ye-Xin Xie, Lirong Che, Danyang Peng, Yuzhe Yang, Peiwen Lin, Xu Cao, Chuang Wang, Lei Yuan, Jian Su, Lan-Zhe Guo

机构 * Nanjing University（南京大学） ； AgiBot ； Tsinghua University（清华大学） 纠错

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

AI总结 研究人员提出CoCoBench这一家庭任务多智能体具身协调基准，评估11种MLLM后发现协调能力具构造特异性，为相关模型设计提供新方向。

PhenoIntel: A Lifecycle-Aligned Multi-Agent Web Application for Verified, Accessible Plant Phenotype Analysis

PhenoIntel：一种生命周期对齐的多智能体Web应用，用于经过验证、易于使用的植物表型分析

Narendren S V, Soumyashree Kar

机构 * VIT Bhopal University（维特博帕尔大学） ； Centre of Studies in Resources Engineering（资源工程研究中心） ； Indian Institute of Technology Bombay（印度理工学院孟买分校） 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 PhenoIntel是一款生命周期对齐的多智能体Web平台，通过分阶段的专用智能体实现可靠易用的植物表型分析，具备校准不确定性、验证统计等优势，模型性能优异且可在标准硬件上运行。

Comments 32 pages, 11 figures, 9 tables. Submitted to Engineering Applications of Artificial Intelligence (Elsevier)

Securing Multi-Agent GIS Systems: Risk Evaluation and Prompt Hardening Optimization

保护多智能体GIS系统：风险评估与提示硬化优化

Kyle Gao, Pranavi Kotta, Linlin Xu, Jonathan Li, David A. Clausi

机构 * Department of Systems Design Engineering, University of Waterloo（系统设计工程系，滑铁卢大学） ； Department of Mechatronics Engineering, University of Waterloo（机电工程系，滑铁卢大学） ； Department of Geomatics Engineering, University of Calgary（测绘工程系，卡尔加里大学） ； Department of Geography and Environmental Management, University of Waterloo（地理与环境管理系，滑铁卢大学） 纠错

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

AI总结 针对多智能体GIS系统的安全风险，提出基于模块化状态机编排和提示优化的安全框架，通过红队测试和对抗演示提升系统鲁棒性。

Comments Kyle Gao and Pranavi Kotta contributed equally to this work. Accepted for publication in IEEE Geoscience and Remote Sensing Letters

Finding Where the Buck Stops: An Automated Failure Attribution-Based Reflection Framework for Multi-Agent Collaboration

查明责任归属：面向多智能体协作的自动化失败归因式自动反思框架

Xiaoqing Wang, Keman Huang, Bin Liang, Hongyu Li, Xiaoyong Du, Wuqiong Pan

机构 * Renmin University of China（中国人民大学） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 该研究针对大语言模型驱动多智能体系统的高失败率问题，提出DoCtOR框架，通过自动化失败归因识别决定性错误智能体，仅让其针对性反思，在多个数据集上提升成功率且优于基线方法。

Comments Accepted by EMNLP 2026 main

Automated Analysis Framework for Multilingual Climate-Health Literature Based on Multi-Agent Large Language Model

基于多智能体大语言模型的多语言气候-健康文献自动分析框架

Yuze Sun, Shihui Zhang, Jiancheng Pan, Yunjia Ye, Wentao Luo, Jiahao Li, Quan Zhang, Wenjia Cai, Xiaomeng Huang

机构 * Tsinghua University（清华大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） ； Renmin University of China（中国人民大学） ； Beijing Forestry University（北京林业大学） ； National Institute of Natural Hazards, Ministry of Emergency Management of China（中国应急管理部国家自然灾害防治研究院） 纠错

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

AI总结 针对多语言气候-健康文献分析痛点，提出多智能体大语言模型自动分析框架，经双语语料验证核心信息提取F1值达0.92，可支撑该领域大规模证据挖掘。

When Evidence Shapes Collaboration: Knowledge-Conditioned Topology Generation for Multi-Agent Systems

当证据塑造协作：面向多智能体系统的知识条件拓扑生成

Yangxiao Jiang, Jiarun Fan, Mingcong Xu, Yanxi Guo, Jiwen Feng, Shanqing Xu, Mengchen Qian, Wei Chen, Xiaojin Zhang

机构 * Huazhong University of Science and Technology（华中科技大学） 纠错

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

AI总结 该研究针对多智能体系统拓扑生成的结构-知识错位问题，提出K-GAT框架，在GPQA数据集上较LLM-Debate基线准确率提升15.7%且计算开销更低。

Low-Altitude Fluid Antenna Network with Multi-Agent Reinforcement Learning

基于多智能体强化学习的低空流体天线网络

Tong Zhang, Yanfei Su, Shuai Wang, Wanli Ni, Chengzhong Xu, Huseyin Arslan

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

AI总结 本文针对低空无线网络的信道与干扰挑战，提出电磁数字孪生辅助的多智能体强化学习框架，结合两阶段迁移学习，实现流体天线的快速高性能重构，使系统总速率较固定位置基线提升118.5%。

Comments Accepted by IEEE Communications Magazine

Toward Secure Communications for a UAV Swarm with Movable Antennas in SAGIN: CKM-Enabled Multi-Agent Reinforcement Learning Framework

面向SAGIN中带移动天线的无人机集群的安全通信：基于CKM的多智能体强化学习框架

Jiayang Wan, Yafei Wang, Jiawei Zhuang, Wenjin Wang, Tony Q.S. Quek

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

AI总结 针对SAGIN中无人机集群通信易受窃听问题，提出CKM辅助的多智能体强化学习框架，联合优化MA位置、无人机轨迹与链路选择以提升保密能效。

Comments This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible

Distributed Model Predictive Control for Optimal Consensus of Constrained Heterogeneous Multi-agent Systems

约束异构多智能体系统最优一致性的分布式模型预测控制

Nan Bai, Tao Liu, Qishao Wang, Zhisheng Duan

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

AI总结 本文针对约束异构多智能体系统，在MPC框架下同时优化控制输入序列与一致性平衡点，开发分布式原始-对偶算法并建立终端条件，经数值仿真验证了所提分布式最优一致性控制方法的有效性。

AcCoRD: Evaluating User-Agent Collaboration Under Realistic User Preference Dynamics

AcCoRD：评估现实用户偏好动态下的用户-智能体协作

Tejas Srinivasan, Shikib Mehri, Nandita Shankar Naik, Anirban Das, William M. Campbell, Jesse Thomason

机构 * University of Southern California（南加州大学） ； Contextual AI（Contextual AI公司） ； Capital One（第一资本金融公司） ； Georgia Tech University（佐治亚理工大学） 纠错

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

AI总结 研究针对现有用户-智能体协作基准无法捕捉偏好动态的问题，推出AcCoRD基准，评估前沿LLM处理偏好动态的能力，发现模型难应对交互中出现/演变的偏好，仅提示无法实现所需不确定性识别。

SETU: An Agentic Ecosystem for Multilingual, Persona-Aware Communication Coaching

SETU：面向多语言、角色感知沟通指导的智能体生态系统

Jonnalagadda Maruthi Tejas, Uponika Barman Roy, Tilottama Goswami, Samir Goswami, Mousita Dhar

机构 * Quanta People Solutions Pvt. Ltd.（Quant People Solutions私人有限公司） ； Panorama AI Solutions（全景人工智能解决方案公司） ； University College of Engineering, Osmania University（奥萨马尼亚大学工程学院） 纠错

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

AI总结 SETU是面向企业沟通指导的智能体生态系统，针对多语言场景设计，通过多模态智能体协调生成指导报告，仅针对销售推介场景验证效果，旨在弥合沟通差距。

Comments 6 pages, 1 figure

Transformer-Based Autonomous Driving Models and Deployment-Oriented Compression: A Survey

基于Transformer的自动驾驶模型与面向部署的压缩：综述

Juan Zhong, Yuhang Shi, Zukang Xu, Xi Chen

机构 * Renmin University of China（中国人民大学） ； Artificial Intelligence Innovation and Incubation Institute, Fudan University（复旦大学人工智能创新与孵化院） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Department of houmo.ai（houmo.ai部门） 纠错

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

AI总结 本文综述了基于Transformer的自动驾驶模型，并从部署角度分析了压缩与加速策略（如量化、剪枝、知识蒸馏等）如何影响模型设计、部署性、鲁棒性和安全性。

Class-Based Heuristic Selection for Solving the Flying Block Puzzle

求解飞行方块谜题的基于类的启发式选择

Sanyar Ahmadi, Pedram Asadzadeh, Amanj Khorramian

机构 * Faculty of Computer Engineering（计算机工程学院） ； University of Tehran（德黑兰大学） ； K. N. Toosi University of Technology（霍加·纳绥尔·丁·图西大学） ； Department of Electrical and Computer Engineering（电气与计算机工程学院） ； University of Kurdistan（库尔德斯坦大学） 纠错

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

AI总结 针对启发式搜索在空间规划中的性能问题，提出CBHA*算法，在146个飞行方块谜题基准实例上大幅提升成功率、减少节点扩展，为高效空间规划提供了可推广的自适应启发式机制。

Comments 27 pages, 15 figures, 2 tables

COVER: Identifiable Evaluation of Coalition Routing

COVER：联盟路由的可识别评估

Raghul Sugumar, Amrit Gopinath

机构 * Sri Sivasubramaniya Nadar College of Engineering（斯里·西瓦苏布拉马尼亚·纳达尔工程学院） 纠错

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

AI总结 研究针对多智能体系统路由效应无法通过端到端准确率识别的问题，提出可审计的COVER评估方法，在MuSiQue、HotpotQA等数据集及Llama模型上验证其可准确测量联盟路由遗憾，暴露选择空间且不人为制造路由胜利。

Comments 17 pages, 2 figures, 13 tables

PCBnet: A Dataset and Automatic Construction of SPICE Netlists from Schematic Images

PCBnet：用于从原理图图像自动生成SPICE网表的数据集

Zhen Huang, Yuhao Gao, Yuzhi Liu, Daian Cheng, Chengyuan Shao, Yucheng Chen, Yongjian Jia, Futing Zhang, Yichen Shi, Wenhao Wang, Zuyan He, Yangbo Wei, Zhanfei Chen, Jinlong Yan, Yu Zhang, Haoying Wu, Ting-Jung Lin, Lei He

机构 * Eastern Institute of Technology（东方理工大学） ； Ningbo Institute of Digital Twin（宁波数字孪生研究院） ； University of Science and Technology of China（中国科学技术大学） ； Wuhan University of Technology（武汉理工大学） 纠错

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

AI总结 该研究构建了含300余个真实PCB设计的PCBnet数据集，开发了结合视觉识别等的自动化原理图转网表流程，实现了高检测与连接准确率，为PCB设计自动化提供了基准。

Comments Accepted at the 2026 IEEE International Conference on LLM-Aided Design (ICLAD 2026)

Vis-Poison: Poisoning Visual Knowledge in Multimodal Retrieval-Augmented Generation

Vis-Poison：多模态检索增强生成中的视觉知识投毒攻击

Rujin Liang, Zhongpu Chen, Yuhao Lei, Xin Miao

机构 * Southwestern University of Finance and Economics（西南财经大学） ； Nanjing University of Science and Technology（南京理工大学） 纠错

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

AI总结 本文提出Vis-Poison攻击，通过自动化多智能体方法构建视觉合理的被投毒图像，在黑盒设置下对多模态RAG系统实现40.16%-65.40%的攻击成功率，且对仅依赖参数知识的MLLM平均成功率超60%。

Comments Findings of EMNLP, 2026

AutoDRI: Bridging the Semantic Gap for Automated Design Rule Integration in CP-SAT-Based Cell Synthesis under Multi-Patterning

AutoDRI：弥合基于CP-SAT的多图案化单元综合中自动设计规则集成的语义鸿沟

Yuhao Ren, Yucheng Wang, Zihao Chen, Chung-Kuan Cheng, Zhiang Wang

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 AutoDRI作为多智能体框架，结合多种技术弥合自然语言设计规则与CP-SAT约束的语义鸿沟，在41个单元基准及10余项复杂规则下实现高正确率，运行时间接近人工硬编码且通过相关验证。

Graphon Design for Human-Machine Coordination under Bounded Rationality: Optimality of Stochastic Block Models

有限理性下人机协同的图设计：随机块模型的最优性

Zhewei Wang, Vu Anh Phi, Marcos M. Vasconcelos

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 本文针对有限理性下异质智能体的协同问题，采用平均场方法将图优化问题提升至图空间，证明双峰理性系统的最优图可在随机块模型集合中搜索，并提出注水算法求解局部最优图以规避组合复杂性。

Comments Accepted for presentation at the IEEE Conference on Decision and Control 2026

Distributed Model-Based Diffusion: Finite Horizon Contraction under Bounded Delay

分布式基于模型的扩散：有界延迟下的有限时间收缩

Seth Golembeski, Keith L. Gibson, Alexander Gross, Shreyas Kousik, Anirban Mazumdar

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 本文针对多智能体轨迹优化难题，提出分布式基于模型的扩散算法，证明其在有界延迟下的收缩性与鲁棒性，在circleswap和空战任务中性能优于集中式算法。

Comments 8 pages, 3 figures