University of California, Los Angeles（加州大学洛杉矶分校）

From Diagnosis to Redesign: Using Quantitative Ethnography to Improve Multi-Agent LLM Reasoning

从诊断到重新设计：使用定量人种志改进多智能体大语言模型推理

Vedant Khatri, Anthony Cusimano, Zachari Swiecki, Zhen Xu, Xiner Liu, Renzhe Yu

机构 * University of California, Irvine（加利福尼亚大学欧文分校） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； Monash University（莫纳什大学） ； Columbia University（哥伦比亚大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本研究提出定量人种志方法，以自动作文评分为例，通过分析五智能体辩论系统的交互模式诊断问题并修改提示词，使多智能体LLM的评分准确率从27.78%提升至40.28%。

Comments Accepted at ICQE 2026 (to appear in Springer CCIS)

Meta-Ctrl: Guaranteed Plan Generation by Decoupling Syntactic and Semantic Constraints

Meta-Ctrl：通过分离句法与语义约束实现带保证的规划生成

Gwen Yidou-Weng, Edward Sun, Tianyi Ma, Metin Alp Dogan, Benjie Wang, Allen Peng, Guy Van den Broeck, Yuchen Cui

机构 * Michigan State University（密歇根州立大学） ； University of California Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

AI总结 Meta-Ctrl是一种约束解码框架，通过引入元标记分离句法与语义约束，在保证规划满足约束的同时保留语言模型的规划质量，在WAH-NL数据集和真实桌面机器人上均取得优于GPT-4的效果。

The Price of Decentralization in Top-$K$ Arm Identification

去中心化在Top-K臂识别中的代价

Larissa Xu, Jasmine Nguyen, William Chang

机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

AI总结 该研究针对多智能体多臂老虎机的Top-K联合臂识别问题，设计无通信的UCB-Intervals算法，量化分析了去中心化移除通信的统计代价，证明完全非对称下样本复杂度有4倍固定惩罚。

A Physics-informed Neural Network Approach for Robust Buckling Load Prediction and Reliability-Based Design of Thin Truncated Conical Shells

用于薄壁截锥壳的鲁棒屈曲载荷预测及基于可靠性的设计的物理信息神经网络方法

Devasmit Dutta, Budhaditya De, Rohan Majumder, Sudip Kumar Mishra

机构 * University of California Los Angeles（加州大学洛杉矶分校） ； Adani University（阿达尼大学） ； Indian Institute of Technology Kanpur（印度理工学院坎普尔分校） 纠错

AI总结 本研究开发PiNN框架预测薄壁截锥壳临界屈曲载荷，结合RBD公式，经133次实验验证，其精度与物理一致性优于DNN，可用于不确定性感知的壳体结构设计。