AAAI

Towards Adaptive Environment Generation for Training Embodied Agents

面向训练具身智能体的自适应环境生成

Teresa Yeo, Dulaj Weerakoon, Dulanga Weerakoon, Archan Misra

AI总结 本文提出一种闭环环境生成方法，通过反馈驱动调整环境难度，提升具身智能体的训练效率和泛化能力。

Comments Accepted to AAAI-26 Bridge Program B10: Making Embodied AI Reliable with Testing and Formal Verification

Harnessing the Unseen: The Hidden Influence of Intrinsic Knowledge in Long-Context Language Models

挖掘未见：内在知识在长上下文语言模型中的隐性影响

Yu Fu, Haz Sameen Shahgir, Hui Liu, Xianfeng Tang, Qi He, Yue Dong

AI总结 本文研究了长上下文语言模型中参数知识的影响，提出混合针在 haystack 测试以评估模型的双重能力，发现 Qwen-2.5 模型在结合多种能力方面表现更优。

Comments 17 pages,11figures (accepted to AAAI 2026)

IsUMap: Manifold Learning and Data Visualization leveraging Vietoris-Rips filtrations

IsUMap：利用Vietoris-Rips过滤的流形学习与数据可视化

Lukas Silvester Barth, Fatemeh, Fahimi, Parvaneh Joharinad, Jürgen Jost, Janis Keck

机构 * Max Planck Institute for Mathematics in the Sciences（马克斯·普朗克数学研究所） ； Center for Scalable Data Analytics and Artificial Intelligence (ScaDS,AI)（可扩展数据分析与人工智能中心） ； Santa Fe Institute for the Sciences of Complexity（复杂性科学圣达菲研究所） ； Max Planck Institute for Human Cognitive and Brain Sciences（人类认知与脑科学马克斯·普朗克研究所） 纠错

AI总结 IsUMap结合UMAP、Isomap与Vietoris-Rips过滤，提升数据表示质量，适用于复杂数据结构的流形学习与可视化。

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 39(17), 17699-17706 (2025)

Do It for HER: First-Order Temporal Logic Reward Specification in Reinforcement Learning (Extended Version)

为HER做这件事：在强化学习中使用一阶时间逻辑奖励规范（扩展版）

Pierriccardo Olivieri, Fausto Lasca, Alessandro Gianola, Matteo Papini

机构 * DEIB, Politecnico di Milano（博洛尼亚工程学院，米兰理工大学） ； Politecnico di Milano（米兰理工大学） ； INESC-ID/Instituto Superior Técnico Universidade de Lisboa（里斯本大学超级学院/葡萄牙信息科学与技术研究所） ； Dipartimento di Informatica Università degli Studi di Milano（米兰大学信息学院） 纠错

AI总结 本文提出了一种基于LTLfMT的一阶时间逻辑奖励规范框架，结合奖励机和HER解决奖励稀疏性问题，适用于连续控制任务。

Comments This is the extended version of a paper accepted at AAAI 2026