AI Agent

Reasoning-Driven Design of Single Atom Catalysts via a Multi-Agent Large Language Model Framework

通过多智能体大语言模型框架进行基于推理的单原子催化剂设计

Dong Hyeon Mok, Seoin Back, Victor Fung, Guoxiang Hu

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG

AI总结 本文提出一种多智能体大语言模型框架，用于基于推理的单原子催化剂设计，通过迭代推理和上下文学习发现高性能催化剂并突破传统缩放关系。

A Hierarchical Multi-Agent System for Autonomous Discovery in Geoscientific Data Archives

面向地质数据档案的分层多智能体系统

Dmitrii Pantiukhin, Ivan Kuznetsov, Boris Shapkin, Antonia Anna Jost, Thomas Jung, Nikolay Koldunov

机构 * Alfred Wegener Institute for Polar and Marine Research（阿尔弗雷德·韦格ener极地和海洋研究所） 纠错

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 PANGAEA-GPT通过分层多智能体框架实现地质数据自动发现与分析，具备复杂工作流执行能力，减少人工干预。

Comments 20 pages, 6 figures, 7 tables, supplementary material included

1-2-3 Check: Enhancing Contextual Privacy in LLM via Multi-Agent Reasoning

1-2-3 Check: 通过多智能体推理增强LLM的上下文隐私

Wenkai Li, Liwen Sun, Zhenxiang Guan, Xuhui Zhou, Maarten Sap

机构 * Language Technologies Institute Carnegie Mellon University（语言技术研究所卡内基梅隆大学） 纠错

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 通过多智能体推理，有效减少LLM中的私有信息泄露，提升上下文隐私保护效果。

Comments Accepted at the International Association for AI Safety and Ethics AI (IASEAI) 2026

ADM-DP: Adaptive Dynamic Modality Diffusion Policy through Vision-Tactile-Graph Fusion for Multi-Agent Manipulation

ADM-DP: 通过视觉-触觉-图融合的自适应动态模态扩散策略用于多智能体操作

Enyi Wang, Wen Fan, Dandan Zhang

机构 * Department of Bioengineering, Imperial-X Initiative, Imperial College London（生物工程系、Imperial-X计划、帝国理工学院伦敦分校） 纠错

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 ADM-DP通过视觉-触觉-图融合的自适应动态模态扩散策略，提升多智能体操作的协调性、抓取稳定性和碰撞避免性能。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA 2026)

Adversarial Intent is a Latent Variable: Stateful Trust Inference for Securing Multimodal Agentic RAG

对抗意图是潜在变量：用于安全多模态代理RAG的状态信任推断

Inderjeet Singh, Vikas Pahuja, Aishvariya Priya Rathina Sabapathy, Chiara Picardi, Amit Giloni, Roman Vainshtein, Andrés Murillo, Hisashi Kojima, Motoyoshi Sekiya, Yuki Unno, Junichi Suga

机构 * Fujitsu Research of Europe, UK（富士通欧洲研究机构，英国） ； Fujitsu Limited, Japan（富士通株式会社，日本） 纠错

专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；planning(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 本文提出MMA-RAG^T框架，通过状态化信任推断提升多模态代理RAG的安全性，实验显示攻击成功率显著降低。

Comments 13 pages, 2 figures, 5 tables

Quantifying the Expectation-Realisation Gap for Agentic AI Systems

量化代理AI系统的期望-现实差距

Sebastian Lobentanzer

专题命中 规划决策 ：agentic(title,abstract)；planning(abstract)；workflow(abstract)；分类 cs.AI、cs.SE

AI总结 本文量化了代理AI系统在实际应用中与预期之间的差距，揭示了工作流整合、验证负担和测量不匹配等因素的影响，并提出需考虑人类监督成本的规划框架。

Comments 10 pages, no figures; added glossary

Stabilizing Off-Policy Training for Long-Horizon LLM Agent via Turn-Level Importance Sampling and Clipping-Triggered Normalization

通过回合级重要性采样和触发式归一化稳定长时程LLM代理的离策略训练

Chenliang Li, Adel Elmahdy, Alex Boyd, Zhongruo Wang, Siliang Zeng, Alfredo Garcia, Parminder Bhatia, Taha Kass-Hout, Cao Xiao, Mingyi Hong

机构 * Texas A&M University（德克萨斯A&M大学） ； GE HealthCare（通用电气医疗） ； University of Minnesota（明尼苏达大学） 纠错

专题命中 规划决策 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 SORL通过回合级重要性采样和触发式归一化稳定长时程LLM代理的离策略训练，减少梯度方差并防止优化崩溃。

Budget-Aware Agentic Routing via Boundary-Guided Training

基于边界引导的预算感知代理路由

Caiqi Zhang, Menglin Xia, Xuchao Zhang, Daniel Madrigal, Ankur Mallick, Samuel Kessler, Victor Ruehle, Saravan Rajmohan

机构 * University of Cambridge（剑桥大学） ； M365 Research, Microsoft（微软M365研究） 纠错

专题命中 规划决策 ：agentic(title,abstract)；autonomous agent(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出基于边界引导的预算感知代理路由方法，通过动态选择廉价和昂贵模型以优化成本-成功率，并在稀疏奖励下实现高效训练和泛化能力。

Think like a Scientist: Physics-guided LLM Agent for Equation Discovery

像科学家一样思考：基于物理的LLM代理用于方程发现

Jianke Yang, Ohm Venkatachalam, Mohammad Kianezhad, Sharvaree Vadgama, Rose Yu

专题命中 规划决策 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI、cs.LG

AI总结 KeplerAgent通过模拟科学家的推理过程，利用物理知识和符号回归引擎，在方程发现任务中实现了更高的准确性和鲁棒性。

ABM-UDE: Developing Surrogates for Epidemic Agent-Based Models via Scientific Machine Learning

ABM-UDE：通过科学机器学习开发用于流行病代理模型的替代方案

Sharv Murgai, Utkarsh Utkarsh, Kyle C. Nguyen, Alan Edelman, Erin C. S. Acquesta, Christopher Vincent Rackauckas

机构 * Monta Vista High School（蒙塔维斯塔高中） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Sandia National Laboratories（桑塔纳国家实验室） 纠错

专题命中 规划决策 ：agent(title,abstract)；planning(abstract)；分类 cs.LG

AI总结 ABM-UDE通过科学机器学习开发流行病代理模型的替代方案，利用UDEs学习接触率参数化，提升预测精度与可靠性，实现快速、可解释的流行病模拟。

Comments 25 pages, 4 figures

V-Retrver: Evidence-Driven Agentic Reasoning for Universal Multimodal Retrieval

V-Retrver: 以证据驱动的代理推理用于通用多模态检索

Dongyang Chen, Chaoyang Wang, Dezhao Su, Xi Xiao, Zeyu Zhang, Jing Xiong, Qing Li, Yuzhang Shang, Shichao Kan

机构 * Tsinghua University（清华大学） ； University of Central Florida（中央佛罗里达大学） ； Fudan University（复旦大学） ； The Australian National University（澳大利亚国立大学） ； The University of Hong Kong（香港大学） ； Pengcheng Laboratory（鹏城实验室） ； Central South University（中南大学） 纠错

专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)

AI总结 V-Retrver通过引入证据驱动的代理推理机制，提升多模态检索的准确率和推理可靠性。

Comments Project page: https://github.com/chendy25/V-Retrver

MIRA: Multimodal Iterative Reasoning Agent for Image Editing

MIRA: 多模态迭代推理代理用于图像编辑

Ziyun Zeng, Hang Hua, Jiebo Luo

机构 * University of Rochester（罗切斯特大学） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） 纠错

专题命中 规划决策 ：agent(title,abstract)；tool-use(abstract)

AI总结 MIRA通过多模态迭代推理代理提升图像编辑的语义一致性和感知质量，结合自研数据集和训练流程，实现与专有系统相当的性能。

Visual Milestone Planning in a Hybrid Development Context

混合开发环境中的可视化里程碑规划

Eduardo Miranda

专题命中 规划决策 ：planning(title,abstract)；分类 cs.SE

AI总结 本文提出了一种混合开发环境中的可视化里程碑规划方法，通过协作和可视化手段促进团队对开发计划的共同理解。

Comments 15 pages, Presented at QUATIC 2023

Journal ref Visual Milestone Planning in a Hybrid Development Context. In: Fernandes, J.M., Travassos, G.H., Lenarduzzi, V., Li, X. (eds) Quality of Information and Communications Technology, 2023

Petri Net Relaxation for Infeasibility Explanation and Sequential Task Planning

Petri网松弛用于不可行性解释和顺序任务规划

Nguyen Cong Nhat Le, John G. Rogers, Claire N. Bonial, Neil T. Dantam

机构 * Colorado School of Mines（科罗拉多矿业学院） ； DEVCOM Army Research Laboratory（陆军研究实验室） 纠错

专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI

AI总结 本文提出基于Petri网松弛的方法，用于提升计划更新中不可行性的检测与解释能力，同时在顺序任务规划中表现更优。

Comments 16 pages, 5 figures. Submitted to 17th World Symposium on the Algorithmic Foundations of Robotics (WAFR) on 01/14/2026

Beyond Refusal: Probing the Limits of Agentic Self-Correction for Semantic Sensitive Information

超越拒绝：探求代理自我校正对语义敏感信息的极限

Umid Suleymanov, Zaur Rajabov, Emil Mirzazada, Murat Kantarcioglu

机构 * Department of Computer Science, Virginia Tech（弗吉尼亚理工大学计算机科学系） ； School of IT and Engineering, ADA University（ADA大学信息科技与工程学院） 纠错

专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI

AI总结 本文提出SemSIEdit框架，通过代理代理迭代批评和重写敏感信息，减少泄露并平衡隐私与效用，揭示规模依赖的安全分歧和推理悖论。

Comments Under Review

SPACeR: Self-Play Anchoring with Centralized Reference Models

SPACeR：基于集中参考模型的自我对战锚定

Wei-Jer Chang, Akshay Rangesh, Kevin Joseph, Matthew Strong, Masayoshi Tomizuka, Yihan Hu, Wei Zhan

机构 * Applied Intuition ； University of California, Berkeley（加州大学伯克利分校） ； New York University（纽约大学） ； Stanford University（斯坦福大学） 纠错

专题命中 规划决策 ：agent(abstract)；planning(abstract)；multi-agent(abstract)；分类 cs.AI、cs.LG

AI总结 SPACeR通过集中参考模型指导自我对战，实现高效、可扩展的自动驾驶策略生成。

Comments Accepted at ICLR 2026. Project page: https://spacer-ai.github.io/

Enhancing Cellular-enabled Collaborative Robots Planning through GNSS data for SAR Scenarios

通过GNSS数据增强细胞使能协作机器人在SAR场景中的规划

Arnau Romero, Carmen Delgado, Jana Baguer, Raúl Suárez, Xavier Costa-Pérez

机构 * Pompeu Fabra University, UPF（庞培法布拉大学） ； NEC Laboratories Europe GmbH（NEC欧洲实验室） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种基于GNSS数据优化SAR场景中协作机器人规划的框架，通过考虑环境因素和通信需求，提升救援任务的效率和响应速度。

Comments arXiv admin note: substantial text overlap with arXiv:2403.09177

SPOC: Safety-Aware Planning Under Partial Observability And Physical Constraints

SPOC：在部分可观测性和物理约束下安全意识的规划

Hyungmin Kim, Hobeom Jeon, Dohyung Kim, Minsu Jang, Jeahong Kim

机构 * 1 ETRI School, University of Science ； Technology, South Korean 2 Social Robotics Laboratory, Electronics 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 SPOC是一个用于评估安全意识具身任务规划的基准测试，通过整合部分可观测性、物理约束和逐步规划，解决现实环境中安全与可行性评估的问题。

Comments Accepted to IEEE ICASSP 2026

Unified Complementarity-Based Contact Modeling and Planning for Soft Robots

基于互补性的统一接触建模与规划方法用于软机器人

Milad Azizkhani, Yue Chen

机构 * Woodruff School of Mechanical Engineering and the Institute for Robotics and Intelligent Machines (IRIM), Georgia Institute of Technology（伍德鲁夫机械工程学院和机器人与智能机器研究所（IRIM）、佐治亚理工学院） ； Coulter Department of Biomedical Engineering (Georgia Tech and Emory University) and the Institute for Robotics and Intelligent Machines (IRIM), Georgia Institute of Technology（库勒生物医学工程系（佐治亚理工学院和埃默里大学）和机器人与智能机器研究所（IRIM）、佐治亚理工学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种统一的基于互补性的框架，用于软机器人接触建模与规划，通过解决冗余接触、尺度差异和病态问题，实现了物理一致的接触建模和动态轨迹优化。

Comments 9 pages, 4 figures

Transformer-based cardiac substructure segmentation from contrast and non-contrast computed tomography for radiotherapy planning

基于变换器的心脏亚结构从对比和非对比计算机断层扫描进行放疗规划

Aneesh Rangnekar, Nikhil Mankuzhy, Jonas Willmann, Chloe Min Seo Choi, Abraham Wu, Maria Thor, Andreas Rimner, Harini Veeraraghavan

专题命中 规划决策 ：planning(title,abstract)

AI总结 本研究提出基于变换器的SMIT模型，通过平衡课程学习实现高效训练，准确分割心脏亚结构，提升放疗规划的鲁棒性。

OptiRepair: Closed-Loop Diagnosis and Repair of Supply Chain Optimization Models with LLM Agents

OptiRepair：基于LLM代理的闭环供应链优化模型诊断与修复

Ruicheng Ao, David Simchi-Levi, Xinshang Wang

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 规划决策 ：AI agent(abstract)；planning(abstract)；分类 cs.AI、cs.LG

AI总结 OptiRepair通过训练LLM代理实现供应链优化模型的闭环诊断与修复，显著提升修复效率和合理性，解决求解器交互和运营合理性两大难题。

SWE-Protégé: Learning to Selectively Collaborate With an Expert Unlocks Small Language Models as Software Engineering Agents

SWE-Protégé: 通过选择性协作专家解锁小型语言模型作为软件工程代理

Patrick Tser Jern Kon, Archana Pradeep, Ang Chen, Alexander P. Ellis, Warren Hunt, Zijian Wang, John Yang, Samuel Thompson

机构 * Meta ； University of Michigan（密歇根大学） ； Stanford University（斯坦福大学） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 SWE-Protégé通过选择性协作专家，使小型语言模型在软件工程任务中取得显著提升，实现42.4%的Pass@1成绩。

Self-Correcting VLA: Online Action Refinement via Sparse World Imagination

自校正视觉-语言-动作模型：通过稀疏世界想象实现在线动作细化

Chenyv Liu, Wentao Tan, Lei Zhu, Fengling Li, Jingjing Li, Guoli Yang, Heng Tao Shen

机构 * Tongji University（同济大学） ； University of Technology Sydney（技术悉尼大学） ； University of Electronic Science（电子科学大学） ； Advanced Institute of Big Data（大数据高级研究所） 纠错

专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI

AI总结 SC-VLA通过稀疏世界想象实现自校正，提升机器人操作任务的效率和成功率。

Fairness for Workers Who Pull the Arms: An Index Based Policy for Allocation of Restless Bandit Tasks

为拉臂的工人公平性：一种基于指数的分配 restless 带机任务政策

Arpita Biswas, Jackson A. Killian, Paula Rodriguez Diaz, Susobhan Ghosh, Milind Tambe

机构 * Harvard University（哈佛大学） 纠错

专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG；autonomous agent(comments)

AI总结 本文提出了一种基于指数的分配策略，用于在资源受限条件下公平分配异质工人的 restless 带机任务，以提高干预计划的公平性和效率。

Comments 22nd International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2023), 10 pages

Understanding Artificial Theory of Mind: Perturbed Tasks and Reasoning in Large Language Models

理解人工智能理论 of mind：受扰任务和大语言模型中的推理

Christian Nickel, Laura Schrewe, Florian Mai, Lucie Flek

机构 * Bonn-Aachen International Center for Information Technology (b-it)（波恩-埃森国际信息科技中心） ； University of Bonn（波恩大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习与人工智能研究所） ； Research Center Trustworthy Data Science and Security (RC-Trust)（可信数据科学与安全研究中心） ； University of Duisburg-Essen（埃森-杜伊斯堡大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.CL

AI总结 本研究通过扰动任务和链式推理提示探讨大语言模型的理论 of mind能力，发现其鲁棒性受扰动影响显著，CoT提示虽提升整体表现，但对某些扰动类别却降低准确性。

Evolutionary System Prompt Learning for Reinforcement Learning in LLMs

强化学习中大语言模型的进化系统提示学习

Lunjun Zhang, Ryan Chen, Bradly C. Stadie

机构 * Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Department of Statistics（统计学系） ； Data Science, Northwestern University（数据科学，西北大学） ； Bridgewater AIA Labs（布里奇沃特AIA实验室） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.AI、cs.LG

AI总结 E-SPL通过结合强化学习和系统提示进化，提升大语言模型在推理和智能任务中的性能。

Comments 39 pages, 22 figures

Heuristic Adaptation of Potentially Misspecified Domain Support for Likelihood-Free Inference in Stochastic Dynamical Systems

潜在不规范领域支持的启发式适应用于随机动态系统中的似然自由推断

Georgios Kamaras, Craig Innes, Subramanian Ramamoorthy

机构 * School of Informatics, The University of Edinburgh（信息学院，爱丁堡大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出三种启发式方法，用于改进随机动态系统中似然自由推断的支持适应，提升参数推断和策略学习的鲁棒性。

Comments 20 pages, 18 figures

Two-Stage Active Distribution Network Voltage Control via LLM-RL Collaboration: A Hybrid Knowledge-Data-Driven Approach

通过LLM-RL协作的两阶段主动配电网电压控制：一种混合知识-数据驱动方法

Xu Yang, Chenhui Lin, Xiang Ma, Dong Liu, Ran Zheng, Haotian Liu, Wenchuan Wu

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 本文提出一种混合知识-数据驱动方法，通过LLM与RL协作实现主动配电网两阶段电压控制，提升电压调节效率与电网质量。

AkiraRust: Re-thinking LLM-aided Rust Repair Using a Feedback-guided Thinking Switch

AkiraRust：重新思考利用反馈引导的思考开关的LLM辅助Rust修复

Renshuang Jiang, Yichong Wang, Pan Dong, Xiaoxiang Fang, Zhenling Duan, Tinglue Wang, Yuchen Hu, Jie Yu, Zhe Jiang

专题命中 规划决策 ：agent(abstract)；分类 cs.SE

AI总结 AkiraRust通过反馈引导的思考开关机制，实现Rust修复的语义正确性和效率提升。

Comments 7 pages, 11 figures, accepted to DAC

Geometric Priors for Generalizable World Models via Vector Symbolic Architecture

基于向量符号架构的几何先验用于通用世界模型

William Youngwoo Chung, Calvin Yeung, Hansen Jin Lillemark, Zhuowen Zou, Xiangjian Liu, Mohsen Imani

机构 * University of California Irvine（加州大学伊文斯分校） ； University of California San Diego（加州大学圣地亚哥分校） 纠错

专题命中 规划决策 ：planning(abstract)；分类 cs.LG

AI总结 本文提出基于向量符号架构的几何先验方法，通过学习复数空间的群结构，实现高效且可解释的世界模型，提升多步组合和泛化能力。

Comments 9 pages, accepted to Neurips 2025 Workshop Symmetry and Geometry in Neural Representations