AI Agent

Hierarchical LLM-Based Multi-Agent Framework with Prompt Optimization for Multi-Robot Task Planning

分层基于大语言模型的多智能体框架与提示优化用于多机器人任务规划

Tomoya Kawabe, Rin Takano

机构 * Data Science Laboratories, NEC Corporation（日本电气株式会社数据科学实验室） 纠错

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

AI总结 本文提出一种分层多智能体框架，结合提示优化提升多机器人任务规划的准确性和效率。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2026. 8 pages, 2 figures

ESAA: Event Sourcing for Autonomous Agents in LLM-Based Software Engineering

基于大语言模型的自主代理的事件溯源：ESAA

Elzo Brito dos Santos Filho

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

AI总结 ESAA架构通过事件溯源技术提升自主代理在软件工程中的状态管理和任务执行能力，支持多代理并发调度和异构LLM的协同工作。

Comments 13 pages, 1 figure, 4 tables. Includes 5 technical appendices

Hierarchy-of-Groups Policy Optimization for Long-Horizon Agentic Tasks

长周期代理任务的分层组策略优化

Shuo He, Lang Feng, Qi Wei, Xin Cheng, Lei Feng, Bo An

机构 * Nanyang Technological University（南洋理工大学） ； Southeast University（东南大学） 纠错

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

AI总结 HGPO通过分层组策略优化解决长周期代理任务中分步优势估计的上下文不一致问题，提升策略优化效果。

Comments Accepted at ICLR 2026

Assessing Deanonymization Risks with Stylometry-Assisted LLM Agent

通过风格学辅助LLM代理评估去匿名化风险

Boyang Zhang, Yang Zhang

机构 * CISPA Helmholtz Center for Information Security（CISPA海德堡信息安全中心） 纠错

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

AI总结 本文提出SLA方法，通过风格学与LLM推理结合，评估和缓解文本去匿名化风险，实验表明其在各类场景中具有高推断准确性，并提出引导重组成策略以降低作者身份可识别性。

FactGuard: Agentic Video Misinformation Detection via Reinforcement Learning

FactGuard：通过强化学习进行代理视频虚假信息检测

Zehao Li, Hongwei Yu, Hao Jiang, Qiang Sheng, Yilong Xu, Baolong Bi, Yang Li, Zhenlong Yuan, Yujun Cai, Zhaoqi Wang

机构 * Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学） ； University of Science and Technology Beijing（北京科技大学） ； The University of Queensland, Brisbane, Australia（昆士兰大学） 纠错

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

AI总结 FactGuard通过强化学习和代理框架，提升视频虚假信息检测的鲁棒性和泛化能力。

Sparse Imagination for Efficient Visual World Model Planning

稀疏想象用于高效的视觉世界模型规划

Junha Chun, Youngjoon Jeong, Taesup Kim

机构 * Graduate School of Data Science, Seoul National University（数据科学研究生院，首尔国立大学） ； Department of Electrical and Computer Engineering, Seoul National University（电气与计算机工程系，首尔国立大学） 纠错

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

AI总结 本文提出稀疏想象方法，通过减少标记处理数量提升视觉世界模型规划效率，同时保持高控制保真度。

Comments Accepted to ICLR 2026; Project Page: https://nikriz1.github.io/sparse_imagination/

Instruction-based Image Editing with Planning, Reasoning, and Generation

基于指令的图像编辑与规划、推理和生成

Liya Ji, Chenyang Qi, Qifeng Chen

机构 * HKUST（香港科技大学） 纠错

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

AI总结 本文提出一种多模态模型，通过链式思考规划、编辑区域推理和编辑，提升基于指令的图像编辑能力，以应对更复杂的真实场景。

Comments 10 pages, 7 figures

Journal ref Proceedings of the IEEE/CVF International Conference on Computer Vision, 2025, Page 17506--17515

ArchAgent: Agentic AI-driven Computer Architecture Discovery

ArchAgent: 由人工智能驱动的计算机架构发现

Raghav Gupta, Akanksha Jain, Abraham Gonzalez, Alexander Novikov, Po-Sen Huang, Matej Balog, Marvin Eisenberger, Sergey Shirobokov, Ngân Vũ, Martin Dixon, Borivoje Nikolić, Parthasarathy Ranganathan, Sagar Karandikar

机构 * University of California, Berkeley（加州大学伯克利分校） ； Google（谷歌） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 ArchAgent利用人工智能驱动的自动化方法，快速发现并优化计算机架构中的缓存替换策略，显著提升性能并展示出在模拟器中的新发现。

Comments 13 pages, 5 figures, 2 tables

Considering Perspectives for Automated Driving Ethics: Collective Risk in Vehicular Motion Planning

考虑自动驾驶伦理的视角：车辆运动规划中的集体风险

Leon Tolksdorf, Arturo Tejada, Christian Birkner, Nathan van de Wouw

机构 * Eindhoven University of Technology（埃因霍温理工大学） ； CARISSMA Institute of Safety in Future Mobility（未来移动安全研究所） ； Technische Hochschule Ingolstadt（因戈尔施塔特技术大学） ； TNO（荷兰代尔夫特理工大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种考虑多视角风险的自动驾驶运动规划策略，通过平衡所有道路使用者的风险来提高整体交通安全性和效率，同时体现人类驾驶行为的伦理考量。

Comments 17 pages, 6 figures, 2 tables

SmartChunk Retrieval: Query-Aware Chunk Compression with Planning for Efficient Document RAG

SmartChunk检索：具有规划的查询感知分块压缩以实现高效的文档RAG

Xuechen Zhang, Koustava Goswami, Samet Oymak, Jiasi Chen, Nedim Lipka

机构 * University of Michigan（密歇根大学） ； Adobe Research（Adobe研究） 纠错

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

AI总结 SmartChunk通过查询自适应框架和强化学习方案提升长文档问答效率与准确性。

Comments 26 pages, 10 figures

Interface Framework for Human-AI Collaboration within Intelligent User Interface Ecosystems

人机协作界面框架在智能用户界面生态系统中的应用

Shruthi Andru, Shrut Kirti Saksena

专题命中 规划决策 ：agent(abstract)；AI agent(abstract)；workflow(abstract)

AI总结 本文提出基于工作流程复杂性、AI自主性和推理的框架，用于设计可扩展的AI接口，平衡AI自主性与人类监督。

Comments 22 pages, 8 figures

VolleyBots: A Testbed for Multi-Drone Volleyball Game Combining Motion Control and Strategic Play

VolleyBots: 多无人机乒乓球竞技测试平台，结合运动控制与战略博弈

Zelai Xu, Ruize Zhang, Chao Yu, Huining Yuan, Xiangmin Yi, Shilong Ji, Chuqi Wang, Wenhao Tang, Feng Gao, Wenbo Ding, Xinlei Chen, Yu Wang

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 VolleyBots通过结合运动控制与战略博弈，测试多无人机乒乓球竞技，展示了强化学习在复杂任务中的应用与潜力。

Comments Accepted by NeurIPS 2025

CourtGuard: A Model-Agnostic Framework for Zero-Shot Policy Adaptation in LLM Safety

CourtGuard：一种用于大语言模型安全的模型无关框架，用于零样本策略适应

Umid Suleymanov, Rufiz Bayramov, Suad Gafarli, Seljan Musayeva, Taghi Mammadov, Aynur Akhundlu, 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（信息技术学院） ； Engineering, ADA University（工程学院，ADA大学） ； School of Law, ADA University（法学院，ADA大学） 纠错

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

AI总结 CourtGuard通过证据辩论框架实现大语言模型的安全零样本适应，超越传统方法在多个安全基准测试中的表现，并具备跨领域泛化和自动数据审计能力。

Comments Under Review

Mastering Multi-Drone Volleyball through Hierarchical Co-Self-Play Reinforcement Learning

通过分层共自博弈强化学习掌握多无人机 volleyball

Ruize Zhang, Sirui Xiang, Zelai Xu, Feng Gao, Shilong Ji, Wenhao Tang, Wenbo Ding, Chao Yu, Yu Wang

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 本文提出分层共自博弈强化学习框架，通过三阶段训练流水线实现多无人机volleyball任务的高水平战略协调与低水平敏捷控制，实验显示其在胜率和团队行为涌现方面的优越性能。

Comments Accepted by CoRL 2025

SEGB: Self-Evolved Generative Bidding with Local Autoregressive Diffusion

SEGB: 自适应生成性竞价与局部自回归扩散

Yulong Gao, Wan Jiang, Mingzhe Cao, Xuepu Wang, Zeyu Pan, Haonan Yang, Ye Liu, Xin Yang

机构 * Beijing China（中国北京） 纠错

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

AI总结 SEGB通过自适应生成性竞价与局部自回归扩散，实现动态市场中的高效竞价策略，显著提升广告效果与商业价值。

WaterVideoQA: ASV-Centric Perception and Rule-Compliant Reasoning via Multi-Modal Agents

WaterVideoQA: 以ASV为中心的感知与符合规则的推理 via 多模态智能体

Runwei Guan, Shaofeng Liang, Ningwei Ouyang, Weichen Fei, Shanliang Yao, Wei Dai, Chenhao Ge, Penglei Sun, Xiaohui Zhu, Tao Huang, Ryan Wen Liu, Hui Xiong

机构 * Thrust of Artificial Intelligence, The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）人工智能研究所） ； Hubei Key Laboratory of Inland Shipping Technology (Wuhan University of Technology)（湖北内河航运技术重点实验室（武汉理工大学）） ； School of Navigation, Wuhan University of Technology（武汉理工大学航海学院） ； School of Advanced Technology, Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学先进科技学院） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； School of Information Engineering, Yancheng Institute of Technology（盐城职业技术学院信息工程学院） ； School of Engineering, Stanford University（斯坦福大学工程学院） ； Centre for AI and Data Science Innovation and the School of Science and Engineering, James Cook University（詹姆斯库克大学人工智能与数据科学创新中心及科学与工程学院） 纠错

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

AI总结 WaterVideoQA通过多模态智能体系统，实现ASV在复杂水域环境中的感知与规则合规推理，提升自主航行的安全性和精确性。

Comments 11 pages,8 figures

The Tool Decathlon: Benchmarking Language Agents for Diverse, Realistic, and Long-Horizon Task Execution

工具十项全能：评估语言代理在多样化、真实和长周期任务执行中的基准测试

Junlong Li, Wenshuo Zhao, Jian Zhao, Weihao Zeng, Haoze Wu, Xiaochen Wang, Rui Ge, Yuxuan Cao, Yuzhen Huang, Wei Liu, Junteng Liu, Zhaochen Su, Yiyang Guo, Fan Zhou, Lueyang Zhang, Juan Michelini, Xingyao Wang, Xiang Yue, Shuyan Zhou, Graham Neubig, Junxian He

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

AI总结 工具十项全能提出了一种新的语言代理基准测试，通过多样化的真实任务和工具评估代理在复杂长周期任务中的表现。

Comments ICLR 2026, Website: https://toolathlon.xyz/

RAIN-Merging: A Gradient-Free Method to Enhance Instruction Following in Large Reasoning Models with Preserved Thinking Format

RAIN-Merging: 一种无梯度方法，用于在保持推理格式的前提下提升大推理模型的指令遵循能力

Zhehao Huang, Yuhang Liu, Baijiong Lin, Yixin Lou, Zhengbao He, Hanling Tian, Tao Li, Xiaolin Huang

机构 * Institute of Image Processing and Pattern Recoginition, School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（图像处理与模式识别研究所，自动化与智能感知学院，上海交通大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； MoE Key Laboratory of System Control and Information Processing (Shanghai)（系统控制与信息处理国家重点实验室（上海）） 纠错

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

AI总结 RAIN-Merging通过无梯度方法提升大推理模型的指令遵循能力，同时保持推理格式和性能。

Comments 41 pages, ICLR 2026 Oral

Learning Rewards, Not Labels: Adversarial Inverse Reinforcement Learning for Machinery Fault Detection

学习奖励，而非标签：面向机械故障检测的对抗性逆强化学习

Dhiraj Neupane, Richard Dazeley, Mohamed Reda Bouadjenek, Sunil Aryal

机构 * Deakin University（德肯大学） 纠错

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

AI总结 本文提出对抗性逆强化学习方法，用于机械故障检测，通过学习奖励动态实现无需标签的故障识别。

Comments This article is accepted to be published in AAMAS2026. The doi is listed below but the production is on the way as of now (26/02/2026)

Towards LLM-Empowered Knowledge Tracing via LLM-Student Hierarchical Behavior Alignment in Hyperbolic Space

基于大语言模型的知识追踪：通过超几何空间中的LLM-学生层次行为对齐

Xingcheng Fu, Shengpeng Wang, Yisen Gao, Xianxian Li, Chunpei Li, Qingyun Sun, Dongran Yu

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 本文提出L-HAKT框架，通过超几何空间中的层次行为对齐，提升知识追踪对认知状态层次演化和个性化问题难度感知的建模能力。

Comments 9 pages, 6 figures, Accepted to AAAI 2026

Diffusion Model in Latent Space for Medical Image Segmentation Task

用于医学图像分割任务的潜在空间扩散模型

Huynh Trinh Ngoc, Toan Nguyen Hai, Ba Luong Son, Long Tran Quoc

机构 * Ngoc Huynh Trinh1（Ngoc Huynh Trinh） ； Hai Toan Nguyen ； Son Ba Luong ； Quoc Long Tran2（Quoc Long Tran） 纠错

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

AI总结 MedSegLatDiff结合VAE和潜在扩散模型，通过加权交叉熵损失提升医学图像分割的精度与可靠性，适用于临床部署。

PARL: Prompt-based Agents for Reinforcement Learning

PARL：基于提示的强化学习智能体

Yarik Menchaca Resendiz, Roman Klinger

机构 * Fundamentals of Natural Language Processing, University of Bamberg, Germany（自然语言处理基础，巴姆伯格大学，德国） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.CL

AI总结 PARL是一种基于提示的强化学习智能体，利用预训练语言模型在无需微调的情况下完成RL任务，适用于简单环境但受限于复杂数学运算任务。

LinGuinE: Longitudinal Guidance Estimation for Volumetric Tumour Segmentation

LinGuinE：纵向引导估计用于体积肿瘤分割

Nadine Garibli, Mayank Patwari, Bence Csiba, Yi Wei, Kostantinos Sidiropoulos

机构 * AstraZeneca（阿斯利康） 纠错

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

AI总结 LinGuinE通过结合图像配准和引导分割，实现单个放射科医生提示下的纵向肿瘤分割与跟踪，适用于多扫描的体积掩码生成。

Comments 10 pages, 2 figures

AHBid: An Adaptable Hierarchical Bidding Framework for Cross-Channel Advertising

AHBid: 一种适用于跨渠道广告的可适应分层竞价框架

Xinxin Yang, Yangyang Tang, Yikun Zhou, Yaolei Liu, Yun Li, Bo Yang

机构 * OPPO Shenzhen Guangdong China（OPPO深圳广东中国） 纠错

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

AI总结 AHBid通过整合生成规划与实时控制，提升跨渠道广告竞价的适应性和效率，实验显示其投资回报率提升了13.57%。

Comments 11 pages, 6 figures, accepted by WWW'2026

Requesting Expert Reasoning: Augmenting LLM Agents with Learned Collaborative Intervention

请求专家推理：通过学习的协作干预增强LLM代理

Zhiming Wang, Jinwei He, Feng Lu

机构 * State Key Laboratory of VR Technology and Systems, School of CSE, Beihang University（虚拟现实技术与系统国家重点实验室，计算机科学与工程学院，北京航空航天大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 通过学习协作干预框架，提升LLM代理在需要专家推理任务中的表现，显著提高任务成功率。

Signal Temporal Logic Verification and Synthesis Using Deep Reachability Analysis and Layered Control Architecture

基于深度可达性分析和分层控制架构的信号时间逻辑验证与综合

Joonwon Choi, Kartik Anand Pant, Youngim Nam, Henry Hellmann, Karthik Nune, Inseok Hwang

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种基于深度可达性分析和分层控制架构的信号时间逻辑验证与综合框架，通过高效计算后向可达管和结合混合整数线性规划与模型预测控制，实现安全可靠的任务执行。

STELLAR: Storage Tuning Engine Leveraging LLM Autonomous Reasoning for High Performance Parallel File Systems

STELLAR：利用LLM自主推理的存储调优引擎用于高性能并行文件系统

Chris Egersdoerfer, Philip Carns, Shane Snyder, Robert Ross, Dong Dai

专题命中 规划决策 ：agentic(abstract)

AI总结 STELLAR利用LLM自主推理实现高性能并行文件系统的存储调优，通过多代理设计和检索增强生成技术提升调优效率与准确性。

Comments Published in the Proceedings of the 2025 International Conference for High Performance Computing, Networking, Storage, and Analysis (SC25)

Social Welfare in Budget Aggregation

预算聚合中的社会福利

Javier Cembrano, Rupert Freeman, Ulrike Schmidt-Kraepelin, Markus Utke

专题命中 规划决策 ：agent(abstract)

AI总结 本文研究了在ℓ₁效用下的预算聚合问题，提出了一种新的单心智比例和诚实机制UtilProp，并证明其在比例性和福利之间取得了最优平衡。

Robust Helicopter Ship Deck Landing With Guaranteed Timing Using Shrinking-Horizon Model Predictive Control

具有保证时间的鲁棒直升机舰船甲板着陆使用缩减时间模型预测控制

Philipp Schitz, Paolo Mercorelli, Johann C. Dauer

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种基于SHMPC的高效算法，实现鲁棒直升机在移动舰船甲板上的着陆，确保时间约束和高精度着陆性能。

Comments This version was submitted to the American Control Conference 2026 and has been accepted

SCOPE: Skeleton Graph-Based Computation-Efficient Framework for Autonomous UAV Exploration

SCOPE：基于骨架图的计算高效框架用于自主无人机探索

Kai Li, Shengtao Zheng, Linkun Xiu, Yuze Sheng, Xiao-Ping Zhang, Dongyue Huang, Xinlei Chen

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 SCOPE通过基于骨架图的高效框架，实现了自主无人机探索中的计算效率提升，减少86.9%的计算成本，同时保持与先进全局规划器相当的探索性能。

Comments This paper has been accepted for publication in the IEEE ROBOTICS AND AUTOMATION LETTERS (RA-L). Please cite the paper using appropriate formats