University of Chinese Academy of Sciences（中国科学院大学）

Heterogeneity in Multi-Agent Reinforcement Learning

多智能体强化学习中的异质性

Tianyi Hu, Zhiqiang Pu, Yuan Wang, Tenghai Qiu, Min Chen, Xin Yu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； National Key Laboratory of Cognition and Decision Intelligence for Complex Systems（复杂系统认知与决策智能国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

AI总结 本文提出了一种多智能体动态参数共享算法，通过定义异质性距离和量化方法，提升MARL中对异质性的理解和应用能力。

KANO: Kolmogorov-Arnold Neural Operator for Image Super-Resolution

KANO：Kolmogorov-Arnold神经算子用于图像超分辨率

Chenyu Li, Danfeng Hong, Bing Zhang, Zhaojie Pan, Jocelyn Chanussot

机构 * Southeast University（东南大学） ； Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空信息研究所） ； College of Resources and Environment, University of Chinese Academy of Sciences（中国科学院大学资源与环境学院） ； Univ. Grenoble Alpes, Inria, CNRS, Grenoble INP, LJK（格勒诺布尔阿尔卑斯大学、法国国家科研机构（Inria）、法国国家科学研究中心（CNRS）、格勒诺布尔INP、LJK） 纠错

AI总结 KANO利用Kolmogorov-Arnold定理提出可解释性神经算子，用于图像超分辨率，通过结构化方法捕捉频谱特征，提升结果的物理可解释性。

From Indoor to Open World: Revealing the Spatial Reasoning Gap in MLLMs

从室内到开放世界：揭示MLLMs中的空间推理差距

Mingrui Wu, Zhaozhi Wang, Fangjinhua Wang, Jiaolong Yang, Marc Pollefeys, Tong Zhang

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； ETH Zürich（苏黎世联邦理工学院） ； Microsoft Research Asia（微软亚洲研究院） 纠错

AI总结 本文提出了一种大规模基准测试，通过户外数据集揭示MLLMs在空间推理方面的不足，并证明其依赖语言先验而非真实视觉推理。

Comments Project page: https://mingrui-wu.github.io/openbench/

GRAN-TED: Generating Robust, Aligned, and Nuanced Text Embedding for Diffusion Models

GRAN-TED: 生成稳健、对齐且细腻的文本嵌入以用于扩散模型

Bozhou Li, Sihan Yang, Yushuo Guan, Ruichuan An, Xinlong Chen, Yang Shi, Pengfei Wan, Wentao Zhang, Yuanxing zhang

机构 * Peking University（北京大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； Xi’an Jiaotong University（西安交通大学） ； School of Artificial Intelligence, UCAS（清华大学人工智能学院） 纠错

AI总结 GRAN-TED提出了一种生成稳健、对齐且细腻的文本嵌入以用于扩散模型的范式，通过TED-6K基准提升文本编码器性能，显著加快扩散模型训练速度。

The Gray Zone of Faithfulness: Taming Ambiguity in Unfaithfulness Detection

信仰的灰色地带：在不忠检测中消除歧义

Qiang Ding, Lvzhou Luo, Yixuan Cao, Ping Luo

机构 * Key Lab of Intelligent Information Processing, Institute of Computing Technology, Chinese Academy of Sciences (CAS)（中国科学院信息处理重点实验室） ； State Key Lab of Al Safety（人工智能安全国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 本文提出了一种新的忠实性注释框架和VeriGray基准，用于解决摘要任务中因外部知识边界不明确导致的注释歧义问题，并展示了其对现有方法的挑战。

Comments Update the evaluation results due to the annotation updates; revise the citation to Seo et al., 2025; add the acknowledgements

Never too Cocky to Cooperate: An FIM and RL-based USV-AUV Collaborative System for Underwater Tasks in Extreme Sea Conditions

从不自大合作：一种基于FIM和强化学习的USV-AUV协作系统用于极端海况下的水下任务

Jingzehua Xu, Guanwen Xie, Jiwei Tang, Yimian Ding, Weiyi Liu, Junhao Huang, Shuai Zhang, Yi Li

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； Department of Data and Systems Engineering, The University of Hong Kong（数据与系统工程系，香港大学） ； School of Engineering Science, University of Chinese Academy of Sciences（工程科学学院，中国科学院大学） ； Department of Data Science, New Jersey Institute of Technology（数据科学系，新泽西理工学院） 纠错

AI总结 本文提出一种基于FIM和强化学习的USV-AUV协作系统，用于提升极端海况下水下任务的性能。

Comments This paper has been accepted by IEEE Transactions on Mobile Computing

Constraint Decoupled Latent Diffusion for Protein Backmapping

约束解耦的潜在扩散用于蛋白质反向映射

Xu Han, Yuancheng Sun, Kai Chen, Yuxuan Ren, Kang Liu, Qiwei Ye

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

AI总结 CODLAD通过约束解耦的潜在扩散方法，实现了蛋白质反向映射中高精度、多样化的构象生成。

Comments v2: Title changed. Major revision with new experiments. Accepted by JCTC

Journal ref J. Chem. Theory Comput. 2025

TPTU: Large Language Model-based AI Agents for Task Planning and Tool Usage

TPTU：基于大型语言模型的AI代理用于任务规划和工具使用

Jingqing Ruan, Yihong Chen, Bin Zhang, Zhiwei Xu, Tianpeng Bao, Guoqing Du, Shiwei Shi, Hangyu Mao, Ziyue Li, Xingyu Zeng, Rui Zhao

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； SenseTime Research（商汤科技研究院） ； HKUST（香港科技大学） 纠错

AI总结 本文提出基于大型语言模型的AI代理框架，设计两种代理类型以提升任务规划和工具使用能力，并通过实验验证其在复杂任务中的有效性。

Comments Accepted in NeurIPS-2023 Workshop on Foundation Models for Decision Making

Never-Ending Behavior-Cloning Agent for Robotic Manipulation

永不终止的行为克隆代理用于机器人操作

Wenqi Liang, Gan Sun, Yao He, Yu Ren, Jiahua Dong, Yang Cong

机构 * State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences（机器人国家重点实验室，沈阳自动化研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Automation Science and Engineering, South China University of Technology（自动化科学与工程学院，华南理工大学） ； Mohamed bin Zayed University of Artificial Intelligence（马斯达尔大学人工智能学院） 纠错

AI总结 本文提出NBAgent，通过持续学习技能共享和特定属性，解决具身机器人中3D场景表示和人类水平任务学习的挑战。

Comments 17 pages, 6 figures, 9 tables