AI Agent

ADRA-Bank: A Modular Benchmark for Academic Deep Research Agents

ADRA-Bank：面向学术深度研究智能体的模块化基准

Zhihan Guo, Feiyang Xu, Yifan Li, Muzhi Li, Shuai Zou, Jiele Wu, Han Shi, Haoli Bai, Ho-fung Leung, Irwin King

机构 * The Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学） ； Hong Kong Polytechnic University, Hong Kong SAR, China（香港理工大学） ； National University of Singapore, Singapore, Singapore（新加坡国立大学） ； Huawei Technologies, Hong Kong SAR, China（华为技术有限公司） ； Independent（独立） 纠错

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

AI总结 针对现有基准侧重检索而忽视规划与推理、且缺乏学术领域覆盖的问题，提出ADRA-Bank模块化基准，包含10个学术领域的200个人工标注实例，并设计ADRA-Eval评估范式，通过端到端和隔离评估两种模式测试规划、检索和推理能力，揭示智能体在跨源检索和跨领域一致性上的不足，并指出提升高层规划能力是释放基础LLM推理潜力的关键。

Make a Video Call with LLM: A Measurement Campaign over Six Mainstream Apps

用LLM进行视频通话：对六个主流应用的测量活动

Jiayang Xu, Xiangjie Huang, Zijie Li, Antariksh Verma, Zili Meng

机构 * Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 本文通过自定义测试平台和在线平台，从质量、延迟、内部机制和系统开销四个维度对六个主流AI视频聊天应用进行基准测试，发现AI视频通话的网络延迟影响小于人类视频通话，AI代理能力对用户体验影响最大。

A Unified and Reproducible Experimentation Framework for Speech Understanding

语音理解的统一可复现实验框架

Jing Peng, Junhao Du, Chenghao Wang, Hanqi Li, Yi Yang, Yixuan Wang, Xiaoyu Gu, Guanyu Chen, Yucheng Wang, Jiang Li, Zhangjie Zhao, Haoran Wang, Wenming Tu, Haoyu Li, Duo Ma, Lirong Qian, Yu Xi, Wen Wen, Jiaqi Guo, Hui Zhang, Shuai Fan, Wenbin Jiang, Shuai Wang, Kai Yu

机构 * X-LANCE Lab, Department of Computer Science and Engineering, Shanghai Jiao Tong University（上海交通大学计算机科学与工程系X-LANCE实验室） ； MoE Key Lab of Artificial Intelligence（人工智能MOE重点实验室） ； Jiangsu Key Lab of Language Computing（江苏省语言计算重点实验室） ； AISpeech Ltd（AISpeech有限公司） ； ETH Zürich（苏黎世联邦理工学院） ； Nanjing University（南京大学） ； Hangzhou Dianzi University（杭州电子科技大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

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

AI总结 提出SURE框架，通过标准化预测格式、归一化和评分，以及代理辅助的训练转换流程，提高语音理解模型在部署场景下的可比性和可复现性。

Comments This paper is submitted to INTERSPEECH 2026

MosaicLeaks:Privacy Risks in Querying-in-the-Open for Deep Research Agents

MosaicLeaks：深度研究代理的开放查询中的隐私风险

Alexander Gurung, Spandana Gella, Alexandre Drouin, Issam H. Laradji, Perouz Taslakian, Rafael Pardinas

机构 * ServiceNow AI Research（ServiceNow AI研究院） ； University of Edinburgh（爱丁堡大学） ； Mila - Quebec AI Institute（魁北克AI研究所） ； McGill University（麦吉尔大学） ； University of British Columbia（不列颠哥伦比亚大学） 纠错

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

AI总结 针对深度研究代理在查询外部工具时可能泄露本地敏感信息的问题，提出MosaicLeaks基准测试和隐私感知深度研究（PA-DR）框架，通过强化学习降低信息泄露风险。

PInVerify: An Offline Embodied Benchmark for Active Instance Verification

PInVerify：面向主动实例验证的离线具身基准

Yuhang Jiang

机构 * University of Trento（特伦托大学） 纠错

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

AI总结 提出主动实例验证任务，构建离线具身基准PInVerify，通过多视角导航和细粒度属性匹配评估具身智能体，并基于多模态大语言模型建立基线。

Comments Accepted as a poster at the Foundation Models Meet Embodied Agents (FMEA) Workshop, CVPR 2026. 44 pages including appendix. Code: https://github.com/Avalon-S/PInVerify

The Surface You Test Is Not the Surface That Breaks

测试的表面并非断裂的表面

Shifat E Arman, Syed Nazmus Sakib, Nafiul Haque, Shahrear Bin Amin

机构 * Department of Robotics and Mechatronics Engineering, University of Dhaka（达卡大学机器人与机电工程系） ； Department of Computer Science and Engineering, University of Dhaka（达卡大学计算机科学与工程系） 纠错

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

AI总结 本文发现工具增强的LLM代理对提示注入的脆弱性依赖于攻击表面（工具输出 vs 工具描述），提出自适应攻击率并强调评估需报告每个表面的脆弱性。

Comments 8 Figures, 8 Tables, Under Review at EMNLP

ClimAgent: LLM as Agents for Autonomous Open-ended Climate Science Analysis

ClimAgent：基于大语言模型的自主开放式气候科学分析智能体

Hao Wang, Jindong Han, Wei Fan, Hao Liu

专题命中 Agent评测 ：tool-use(abstract)；分类 cs.AI

AI总结 提出ClimAgent框架，通过统一工具使用环境和严格推理协议，实现端到端建模与分析，在ClimaBench基准上相比原始LLM方案提升40.21%。

Comments It was submitted without the full consent of all co-authors

From Weak Cues to Real Identities: Evaluating Inference-Driven De-Anonymization in LLM Agents

从弱线索到真实身份：评估LLM代理中推理驱动的去匿名化

Myeongseob Ko, Jihyun Jeong, Sumiran Singh Thakur, Gyuhak Kim, Ruoxi Jia

机构 * Department of Electrical and Computer Engineering, Virginia Tech, Blacksburg, VA, USA（弗吉尼亚理工学院计算机工程系） ； Center for Advanced AI, Accenture（Accenture高级人工智能中心） 纠错

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

AI总结 研究通过LLM代理结合分散的非识别线索与公开证据重建真实身份的能力，揭示了即使在没有明确标识符的情况下，代理也能以高成功率实现去匿名化，并提出了新的隐私评估维度。

Comments Accepted at ICML 2026

Journal ref ICML 2026

Towards a Humanized Social-Media Ecosystem: AI-Augmented HCI Design Patterns for Safety, Agency & Well-Being

迈向人性化的社交媒体生态系统：面向安全、自主与福祉的AI增强人机交互设计模式

Mohd Ruhul Ameen, Akif Islam

机构 * College of Engineering（工程学院） ； Computer Sciences Marshall University Huntington, WV, USA（计算机科学马歇尔大学亨廷顿州威斯康星州） ； Department of Computer Science（计算机科学系） ； Engineering University of Rajshahi Rajshahi 6205, Bangladesh（工程 Rajshahi 大学 Rajshahi 6205 巴基斯坦） 纠错

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

AI总结 提出Human-Layer AI（HL-AI）框架，通过浏览器端用户拥有的可解释中介，在不依赖平台合作的情况下赋予用户实时控制权，实现内容重写、完整性检测、信息流定制、行为中断和恢复模式等五种设计模式，以提升社交媒体安全性与用户福祉。

Comments 6 pages, 5 tables, 7 figures, and 2 algorithm tables. Accepted at International Conference on Signal Processing, Information, Communication and Systems (SPICSCON 2025)

Journal ref 2025 IEEE International Conference on Signal Processing, Information, Communication and Systems (SPICSCON)

PhyGenHOI: Physically-Aware 4D Generation of Dynamic Human-Object Interactions

PhyGenHOI：物理感知的动态人-物交互4D生成

Omer Benishu, Gal Fiebelman, Sagie Benaim

机构 * Hebrew University of Jerusalem（耶路撒冷希伯来大学） 纠错

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

AI总结 提出PhyGenHOI框架，结合运动扩散模型和物质点方法，通过窗口吸引损失、接触驱动重模拟和掩码视频SDS目标，生成物理一致且视觉逼真的4D人-物交互动态场景。

PokerSkill: LLMs Can Play Expert-Level Poker without Training or Solvers

PokerSkill: 无需训练或求解器，大语言模型可达到专家级扑克水平

Boning Li, Baoxiang Wang, Longbo Huang

机构 * IIIS, Tsinghua University（清华大学人工智能研究院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

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

AI总结 提出PokerSkill框架，通过规则驱动的技能库约束大语言模型动作，无需训练或求解器即可在扑克中达到接近GTO水平的性能。

Comments 45 pages, 3 figures

CityGen: Structure-Guided City-Style Synthesis for Cross-City Autonomous Driving

CityGen: 结构引导的城市风格合成用于跨城市自动驾驶

Zezhong Qian, Zhao Yang, Lu Tan, Zhihao Yan, Weiyi Hong, Haizhuang Liu, Yawei Jueluo

机构 * Jiangsu Cytoderm Intelligent Technology Co., Ltd., China（江苏细胞膜智能科技有限公司，中国） ； Xi'an Jiaotong University, Xi'an, China（西安交通大学，中国） ； Tsinghua University, Beijing, China（清华大学，中国） ； University of Science and Technology of China, Hefei, China（中国科学技术大学，中国） 纠错

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

AI总结 提出CityGen，一种基于扩散模型的生成框架，通过高清地图条件和城市级视觉提示实现零标签城市适应，提升跨城市自动驾驶在感知、分割和规划任务上的鲁棒性。

Envy-Free Allocation of Indivisible Goods via Noisy Queries

通过噪声查询实现不可分割物品的无嫉妒分配

Zihan Li, Yan Hao Ling, Jonathan Scarlett, Warut Suksompong

机构 * Meta ； National University of Singapore（国立新加坡大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 针对不可直接观测估值、仅能通过噪声查询获取信息的不可分割物品分配问题，在双智能体高斯噪声和有界估值设定下，推导了实现无嫉妒分配所需查询次数的上下界，并证明了当最优分配负嫉妒值Δ不太小时最优查询次数与m^{2.5}/Δ^2成比例。

Comments ICML 2026

Agent4Edu: Generating Learner Response Data by Generative Agents for Intelligent Education Systems

Agent4Edu：通过生成式智能体为智能教育系统生成学习者响应数据

Weibo Gao, Qi Liu, Linan Yue, Fangzhou Yao, Rui Lv, Zheng Zhang, Hao Wang, Zhenya Huang

机构 * State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室） ； University of Science and Technology of China（中国科学技术大学） ； Institute of Artificial Intelligence（人工智能研究院） ； Hefei Comprehensive National Science Center（合肥综合性国家科学中心） 纠错

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

AI总结 提出Agent4Edu，一种利用大语言模型构建生成式智能体模拟学习者行为，以解决智能教育系统中离线指标与在线性能差异的问题，并支持个性化学习算法评估与优化。

Comments Accepted by AAAI2025

Benchmarking Large Vision-Language Models on CFMME: A Comprehensive Chinese Financial Multimodal Evaluation Dataset

大型视觉语言模型在CFMME上的基准测试：一个全面的中文金融多模态评估数据集

Qian Chen, Xianyin Zhang, Yanzhi Liu, Lifan Guo, Feng Chen, Chi Zhang

机构 * Qwen DianJin Team, Alibaba Cloud Computing（文言金团队，阿里云计算） 纠错

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

AI总结 提出CFMME，一个包含6052个实例的中文金融多模态评估基准，涵盖八种主要金融图像模态和四项核心多模态任务，用于评估LVLMs在金融业务全流程中的感知、理解、推理和认知能力。

Revisiting Observation Reduction for Web Agents: Comprehensive Evaluation with a Lightweight Framework

重新审视Web智能体的观察缩减：基于轻量级框架的综合评估

Masafumi Enomoto, Ryoma Obara, Haochen Zhang, Masafumi Oyamada

机构 * NEC Corporation（日本电报电话公司） 纠错

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

AI总结 针对LLM Web智能体中HTML观察过长的问题，提出基于最小失败集（MFS）的轻量级评估框架，通过覆盖率代理指标大幅加速评估，并优化剪枝程序实现2.2-3.1倍延迟降低同时保持84-89%成功率。

Comments 22 pages, 8 figures, 4 tables

BenchTrace: A Benchmark for Testing Reflection Ability and Controlled Evolution in LLM Agents

BenchTrace: 用于测试LLM智能体反思能力和受控进化的基准

Jiahao Huang, Fei Cheng, Junfeng Jiang, Zefan Yu, Akiko Aizawa

机构 * University of Tokyo（东京大学） ； Kyoto University（京都大学） ； National Institute of Informatics（日本信息处理学会） 纠错

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

AI总结 提出BenchTrace基准，通过反思评估和进化评估两个任务，结合失败避免率(FAR)指标，系统评估LLM智能体的自我进化能力，实验发现当前模型在反思诊断和泛化上存在显著瓶颈。

Ask Now, Use Later: Benchmarking the Proactivity Gap in Long-Lived LLM Agents

现在询问，以后使用：评估长期 LLM 代理中的主动性差距

Bin Wu, Guanyun Zou, Bingbing Wang, Huan Zhao, Chuan Shi

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Noumena AI 纠错

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

AI总结 针对长期 LLM 代理在跨会话中未能主动获取用户偏好而导致的主动性差距，提出 Ask-to-Remember (ATR) 基准 ATRBench，通过隐藏用户偏好作为真实值来量化该差距，并诊断出获取环节是瓶颈。

PipeMFL-240K: A Large-scale Dataset and Benchmark for Object Detection in Pipeline Magnetic Flux Leakage Imaging

PipeMFL-240K：管道磁通量泄漏成像中目标检测的大规模数据集与基准

Tianyi Qu, Songxiao Yang, Haolin Wang, Huadong Song, Xiaoting Guo, Wenguang Hu, Guanlin Liu, Honghe Chen, Yafei Ou

机构 * SINOMACH Sensing Technology \ ., Ltd Shenyang Liaoning China ； Institute of Science Tokyo Tokyo Japan ； Hokkaido University Sapporo Hokkaido Japan ； SINOMACH Sensing Technology \ ., Ltd ； Institute of Science Tokyo ； Hokkaido University 纠错

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

AI总结 为解决管道磁通量泄漏检测中缺乏大规模公开数据集和基准的问题，构建了包含249,320张图像和200,020个边界框标注的PipeMFL-240K数据集，并评估了现有目标检测器，揭示了其在长尾分布、小目标和类内变异等挑战下的性能不足。

Comments Accepted by ACM KDD 2026 Datasets and Benchmarks Track

Dynamic Mixture of Progressive Parameter-Efficient Expert Library for Lifelong Robot Learning

动态渐进式参数高效专家库混合用于终身机器人学习

Yuheng Lei, Sitong Mao, Shunbo Zhou, Hongyuan Zhang, Xuelong Li, Ping Luo

机构 * The University of Hong Kong（香港大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） ； Huawei Cloud Computing Technologies（华为云计算技术） ； Ola Dimensions ； HKU Shanghai Intelligent Computing Research Center（香港大学上海智能计算研究中心） 纠错

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

AI总结 针对终身学习中任务标识不可用和知识隔离问题，提出动态渐进式参数高效专家库混合（DMPEL），通过构建低秩专家库和轻量路由器实现灵活的前向迁移，并引入专家系数回放缓解遗忘，在LIBERO基准上以最少可训练参数和存储超越现有方法。

Comments Accepted to Transactions on Machine Learning Research (TMLR) at https://openreview.net/forum?id=MHVBrjS8cG . Code is available at https://github.com/HarryLui98/DMPEL

Are LLMs Socially Adaptive? Contrasting Belief Evolution in Large Language Models and Humans

大型语言模型是否具有社会适应性？对比大型语言模型与人类的信念演化

Yu Lei, Hao Liu, Chengxing Xie, Songjia Liu, Zhiyu Yin, Canyu Chen, Guohao Li, Philip Torr, Zhen Wu

机构 * Tsinghua University（清华大学） ； Department of Psychological and Cognitive Sciences（心理与认知科学系） ； College AI（人工智能学院） ； School of Management（管理学院） ； Fudan University（复旦大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Northwestern University（西北大学） ； University of Oxford（牛津大学） 纠错

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

AI总结 本研究提出基于社会心理学的仿真基准FairMindSim和信念-奖励对齐行为演化模型BREM，通过连续经济游戏对比人类与LLM的决策动态，发现中等能力模型表现出过度惩罚的刚性攻击性，而前沿模型随推理能力提升趋向人类式的克制与宽容。

Comments KDD 2026 Oral

From Knowing to Doing: A Memory-Controlled Benchmark for LLM Trading Agents on Stock Markets

从知道到做到：面向LLM股票市场交易智能体的记忆控制基准

Taojie Zhu, Wentao Zhao, Rui Sun, Beidi Luan, Jiacheng Lu, Sinuo Wang, Jing Li, Daxin Jiang, Yonghong He, Zuo Bai

机构 * Tsinghua University（清华大学） ； Stepfun ； FinStep ； Shanghai Jiao Tong University（上海交通大学） ； Adelaide University（阿德莱德大学） 纠错

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

AI总结 针对LLM交易智能体评估中的知识泄露和收益归因问题，提出KTD-Fin基准，通过数据掩码和Barra风格归因框架，分离市场记忆与投资决策，并揭示收益主要来自被动市场暴露而非选股能力。

AtomComposer: Discovering Chemical Space from First Principles with Reinforcement Learning

AtomComposer: 基于强化学习从第一性原理发现化学空间

Bjarke Hastrup, Francois Cornet, Tejs Vegge, Arghya Bhowmik

机构 * Dept. of Energy Conversion and Storage, Technical University of Denmark（丹麦技术大学能源转换与存储系） ； Dept. of Applied Mathematics and Computer Science, Technical University of Denmark（丹麦技术大学应用数学与计算机科学系） ； Pioneer Center for Accelerating P2X Materials Discovery (CAPeX), Kgs. Lyngby, Denmark（加速P2X材料发现的先锋中心（CAPeX），Lyngby，丹麦） 纠错

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

AI总结 提出AtomComposer，一种无需预训练数据、通过在线强化学习自主构建有效3D异构体的智能体，在未见化学式上发现的异构体数量比现有方法多一个数量级。

Skill-as-Pseudocode: Refactoring Skill Libraries to Pseudocode for LLM Agents

技能即伪代码：将技能库重构为面向LLM智能体的伪代码

Xinze Li, Yuhang Zang, Yixin Cao, Aixin Sun

机构 * Nanyang Technological University（南洋理工大学） ； Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

AI总结 提出Skill-as-Pseudocode (SaP)方法，自动将Markdown技能库转换为带类型伪代码，通过确定性质量检查解决LLM智能体在检索技能时产生的混淆循环问题，在ALFWorld任务上显著优于基线。

Comments Preprint. Code: https://github.com/InternLM/Skill-as-Pseudocode

Escher-Loop: Mutual Evolution by Closed-Loop Self-Referential Optimization

Escher-Loop：通过闭环自我指涉优化的共同进化

Ziyang Liu, Xinyan Guo, Xuchen Wei, Han Hao, Liu Yang

机构 * Shenzhen X-Institute（深圳X研究所） ； Soochow University（苏州大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 提出Escher-Loop框架，通过任务代理和优化代理的闭环共同进化及动态基准机制，实现超越静态基线的持续性能提升。

Comments The first three authors contributed equally. Corresponding Authors: Han Hao, Liu Yang

Segment to Focus: Guiding Latent Action Models in the Presence of Distractors

聚焦分割：在干扰物存在下引导潜在动作模型

Marcus Fechner, Hamza Adnan, Constantin C. Lüth, Matthew T. Jackson, Alexey Zakharov, J. Marius Zöllner

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； University of Oxford（牛津大学） 纠错

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

AI总结 针对动作相关视觉干扰导致潜在动作模型失效的问题，提出MaskLAM方法，利用分割基础模型（如SAM）零样本获取智能体掩码，限制重建目标于智能体像素，迫使潜在动作编码内源动态，显著提升下游策略性能。

Memory Architectures for Multi-Turn Text-to-SQL: A Benchmark and Empirical Study

多轮文本到SQL的记忆架构：基准测试与实证研究

Ravi Kumar Tummalapenta, Suman Addanki

机构 * LLM Suite Engineering Team, JP Morgan Chase & Co.（JP摩根大通公司LLM套件工程团队） 纠错

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

AI总结 针对多轮Text-to-SQL任务，提出EnterpriseMem-Bench基准并评估五种前沿模型，发现无状态方法在第三轮后执行准确率归零，且记忆架构复杂度并不单调提升准确率。

Comments 18 pages, 4 figures, 14 tables; includes appendices with verbatim prompts, example session, and full ablation tables; prepared by the LLM Suite Engineering Team, JP Morgan Chase & Co

Query-Adaptive Semantic Chunking for Retrieval-Augmented Generation: A Dynamic Strategy with Contextual Window Expansion

查询自适应语义分块用于检索增强生成：一种具有上下文窗口扩展的动态策略

Mudit Rastogi

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 提出查询自适应语义分块（QASC）方法，通过将查询融入分块过程，利用句子-查询嵌入余弦相似度、上下文窗口扩展和分块级分数聚合，动态构建相关且连贯的文档块，在F1分数上比固定分块提升18-27%，比语义和智能体分块提升8-12%。

Learning to Predict Future-Aligned Research Proposals with Language Models

学习用语言模型预测未来对齐的研究提案

Heng Wang, Pengcheng Jiang, Jiashuo Sun, Zhiyi Shi, Haofei Yu, Jiawei Han, Heng Ji

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文提出将研究提案生成重构为时间切片科学预测问题，通过未来对齐分数（FAS）评估模型能否预测截止时间后发表的论文方向，并构建时间一致数据集和推理轨迹进行训练，实验表明未来对齐微调显著提升提案质量。

Disentangled Representation Learning through Unsupervised Symmetry Group Discovery

通过无监督对称群发现实现解缠表示学习

Barthélémy Dang-Nhu, Louis Annabi, Sylvain Argentieri

机构 * Sorbonne Université, CNRS, Institut des Systèmes Intelligents et de Robotique, ISIR（索邦大学，国家科学研究中心，智能系统与机器人研究所，ISIR） 纠错

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

AI总结 提出一种具身智能体通过与环境的无监督交互自主发现动作空间的群结构的方法，证明了在最小假设下真实对称群分解的可识别性，并推导出两种算法以学习线性对称基解缠表示。