今日速览
| 序号 | 标题 | 来源 | 日期 | 主题 | 推荐等级 |
|---|---|---|---|---|---|
| 1 | Form and Void: Entangled Composition through an Autonomous AI Agent | arXiv | 2026-10-01 | AI-Agent | 高 |
| 2 | Mimir: Physics-Grounded LLM Agents for Long-Horizon Irrigation Control | arXiv | 2026-10-01 | AI-Agent | 高 |
重点论文与技术动态
1. Form and Void: Entangled Composition through an Autonomous AI Agent
- 来源：arXiv
- 日期：2026-10-01
- 作者/机构：Shiwen Wang, Jian Yang, Xu Wang, Xincan Wang, Weiming Dong
- 主题标签：
AI-Agent,arXiv - 推荐等级：高
- 分类：cs.CV, cs.MA
一句话结论
本文提出多模态智能体FaV-A，通过分阶段工作流生成视觉连贯且语义对齐的正负空间构图，优于直接零样本MLLM基线。
核心内容
- 正负空间是视觉构图基本原则，需协调共享边界的两个语义概念以形成连贯形式与分层语义。
- 现有文本到图像模型与MLLM虽强，但单次提示下正负空间生成仍困难。
- FaV-A先生成基础物体，再分析形状与空间结构识别候选负空间语义，最后产出构图指令。
方法与数据
- 采用渐进多模态智能体流程完成分阶段生成，实验与消融显示优于零样本基线。
- 摘要未明确具体数据集与评价指标。
价值判断
- 值得关注：将正负空间生成建模为自主智能体分阶段任务。
- 可复用点：形状分析与负空间语义识别的渐进工作流。
- 局限/待核查：定量结果、数据规模与实现细节摘要未给出。
摘要
Positive and negative space is a fundamental principle in visual composition, supporting visually coherent forms and layered semantic relationships. Generating such compositions is challenging because it requires coordinated control over two semantic concepts that share a common boundary. Although recent text-to-image models and multimodal large language models (MLLMs) have achieved strong performance in image generation and visual understanding, positive-negative space generation remains difficult, particularly under direct single-pass prompting. In this work, we present the \textbf{F}orm \textbf{a}nd \textbf{V}oid \textbf{A}gent (\textbf{FaV-A}), a multimodal agent designed for staged positive-negative space generation. FaV-A follows a progressive workflow: it first generates a base object, then analyzes its shape and spatial structure to identify candidate negative-space semantics, and finally produces compositional instructions for the final image generation stage. Experimental results and ablation analyses suggest that FaV-A provides a more effective framework than direct zero-shot MLLM baselines for producing visually coherent and semantically aligned positive-negative space compositions.2. Mimir: Physics-Grounded LLM Agents for Long-Horizon Irrigation Control
- 来源：arXiv
- 日期：2026-10-01
- 作者/机构：Yimeng Liu, Mi Zhang, Younsuk Dong, Zhichao Cao
- 主题标签：
AI-Agent,arXiv - 推荐等级：高
- 分类：cs.AI
一句话结论
Mimir 展示了物理基础 LLM 代理在长期物理控制中的潜力，通过两个时间尺度结合语义推理与数值约束实现安全自改进。
核心内容
- Mimir 是一种物理基础的 LLM 代理，组织在两个修复时间尺度上。
- 快速时间尺度使用结构化物理接口和确定性模拟器将 LLM 输出转化为提案，数值检查、修订并进行有界确定性动作选择。
- 慢时间尺度将反复失败模式整合成持久上下文原则，物理模型、评估器和执行约束保持不变。
方法与数据
- 评估在多个站点、作物和年份上进行，Mimir 达到最低聚合控制成本，使用约 51% 更少灌溉。
- 消融研究显示移除前向模拟、验证修订或持久上下文会增加控制成本，模型规模和家族研究显示无单调增益。
价值判断
- 值得关注：物理基础 LLM 代理在长期控制中的应用，特别是通过两个时间尺度实现自改进。
- 可复用点：两个时间尺度的代理架构和物理模拟器接口。
- 局限/待核查：模型大小增加未带来收益。