AI Agent

VideoChat-M1: Collaborative Policy Planning for Video Understanding via Multi-Agent Reinforcement Learning

VideoChat-M1: 通过多智能体强化学习实现视频理解的协作策略规划

Boyu Chen, Zikang Wang, Zhengrong Yue, Kainan Yan, Chenyun Yu, Yi Huang, Zijun Liu, Yafei Wen, Xiaoxin Chen, Yang Liu, Peng Li, Yali Wang

机构 * Shenzhen Key Lab of Computer Vision and Pattern Recognition（深圳计算机视觉与模式识别重点实验室） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； VIVO AI Lab（VIVO人工智能实验室） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shenzhen Campus of Sun Yat-sen University（孙逸仙大学深圳校区） ； Shanghai Jiao Tong University（上海交通大学） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Dept. of Comp. Sci. & Tech., Institute for AI, Tsinghua University（清华大学计算机科学与技术系，人工智能研究院） 纠错

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

AI总结 VideoChat-M1通过多智能体强化学习实现视频理解的协作策略规划，显著提升复杂视频任务的性能。

Comments Accepted by CVPR 2026

The Controllability Trap: A Governance Framework for Military AI Agents

可控性陷阱：军事AI代理的治理框架

Subramanyam Sahoo

机构 * MARS (Mentorship for Alignment Researchers) 4.0 Fellow（MARS（对齐研究导师计划）4.0 Fellow） ； Cambridge AI Safety Hub (CAISH) University of Cambridge（剑桥AI安全中心（CAISH）剑桥大学） 纠错

专题命中 规划决策 ：AI agent(title)；agent(abstract)；tool use(abstract)；planning(abstract)

AI总结 本文提出AMAGF框架，通过预防、检测和纠正三个支柱，解决军事AI代理中的控制失效问题，通过控制质量评分实现持续控制管理。

Comments Accepted at ICLR 2026 Workshop on Agents in the Wild. 20 Pages and 3 Figures

Robustness of Agentic AI Systems via Adversarially-Aligned Jacobian Regularization

通过对抗性对齐雅可比正则化提升代理AI系统的鲁棒性

Furkan Mumcu, Yasin Yilmaz

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

AI总结 本文提出对抗性对齐雅可比正则化方法，通过严格控制敏感性方向提升代理AI系统的鲁棒性，解耦极小极大稳定性与全局表达性限制。

AudAgent: Automated Auditing of Privacy Policy Compliance in AI Agents

AudAgent: AI代理隐私政策合规性自动审计

Ye Zheng, Yimin Chen, Yidan Hu

机构 * Rochester Institute of Technology（罗切斯特技术学院） ； University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校） 纠错

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

AI总结 AudAgent通过自动化隐私审计工具，实时监控AI代理的数据实践，确保其符合声明的隐私政策，并可视化检测到的隐私违规行为。

Comments Accepted by PETS'26 (issue 3)

IntPro: A Proxy Agent for Context-Aware Intent Understanding via Retrieval-conditioned Inference

IntPro：一种通过检索条件推理的代理代理，用于基于情境的意图理解

Guanming Liu, Meng Wu, Peng Zhang, Yu Zhang, Yubo Shu, Xianliang Huang, Kainan Tu, Ning Gu, Liuxin Zhang, Qianying Wang, Tun Lu

机构 * Fudan University（复旦大学） ； Lenovo Group Ltd（联想集团有限公司） 纠错

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

AI总结 IntPro通过检索条件推理学习适应个体用户，提升基于情境的意图理解性能。

IPD: Boosting Sequential Policy with Imaginary Planning Distillation in Offline Reinforcement Learning

IPD: 通过离线规划蒸馏提升序列策略

Yihao Qin, Yuanfei Wang, Hang Zhou, Peiran Liu, Hao Dong, Yiding Ji

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Peking University（北京大学） 纠错

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

AI总结 IPD通过引入离线规划蒸馏技术，提升离线强化学习中序列策略的决策稳定性和性能。

Freezing of Gait Prediction using Proactive Agent that Learns from Selected Experience and DDQN Algorithm

基于主动智能体与DDQN算法的步态冻结预测

Septian Enggar Sukmana, Sang Won Bae, Tomohiro Shibata

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

AI总结 本文提出基于DDQN与优先经验回放的强化学习框架，用于预测帕金森病患者的步态冻结，实现提前8.72秒的预测能力，为辅助设备提供及时干预方案。

Comments Accepted on Activity and Behavior Computing (ABC) 2026 Conference (https://autocare.ai/abc2026) and will be published on International Journal of Activity and Behavior Computing (IJABC) (International Journal of Activity and Behavior Computing)

Perfect score on IPhO 2025 theory by Gemini agent

2025年国际物理奥林匹克竞赛理论部分完美得分的Gemini代理

Yichen Huang

机构 * Santa Clarita, California 91350, USA（美国加利福尼亚州圣克拉拉） 纠错

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

AI总结 本研究利用Gemini 3.1 Pro Preview代理在2025年IPhO理论部分取得完美分数，展示了AI在复杂物理问题上的卓越能力。

Perception-Aware Time-Optimal Planning for Quadrotor Waypoint Flight

四旋翼航点飞行的感知感知时间最优规划

Chao Qin, Jiaxu Xing, Rudolf Reiter, Angel Romero, Yifan Lin, Hugh H. -T. Liu, Davide Scaramuzza

机构 * University of Toronto Institute for Aerospace Studies (UTIAS)（多伦多大学航空航天研究所在加拿大） ； Robotics and Perception Group（机器人与感知组） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种感知意识时间最优轨迹优化框架，结合动力学、视觉约束和环境几何，提升四旋翼飞行的感知可靠性与效率。

OmniPlanner: Universal Exploration and Inspection Path Planning across Robot Morphologies

OmniPlanner: 跨机器人形态的通用探索与检查路径规划

Angelos Zacharia, Mihir Dharmadhikari, Mohit Singh, Kostas Alexis

机构 * Department of Engineering Cybernetics, Norwegian University of Science and Technology (NTNU)（工程 cybernetics 系，挪威科学与技术大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 OmniPlanner是一种跨机器人形态的通用路径规划框架，通过统一架构实现探索与检查任务，适用于空中、地面和水下环境，提升了跨领域的适应性和效率。

Comments The code for this paper is open-sourced and released at: https://github.com/ntnu-arl/gbplanner_ros/tree/gbplanner3

ViterbiPlanNet: Injecting Procedural Knowledge via Differentiable Viterbi for Planning in Instructional Videos

ViterbiPlanNet: 通过可微Viterbi注入过程性知识以在教学视频中进行规划

Luigi Seminara, Davide Moltisanti, Antonino Furnari

机构 * University of Catania（卡塔尼亚大学） ； University of Bath（巴斯大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 ViterbiPlanNet通过可微Viterbi层整合过程性知识，实现高效的教学视频规划，提升样本效率和鲁棒性。

Comments Accepted at CVPR 2026

H-WM: Robotic Task and Motion Planning Guided by Hierarchical World Model

H-WM：由分层世界模型引导的机器人任务和运动规划

Jinbang Huang, Wenyuan Chen, Zhiyuan Li, Oscar Pang, Xiao Hu, Lingfeng Zhang, Yuanzhao Hu, Zhanguang Zhang, Mark Coates, Tongtong Cao, Xingyue Quan, Yingxue Zhang

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Toronto（多伦多大学） ； University of British Columbia（不列颠哥伦比亚大学） ； McGill University（麦吉尔大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 H-WM通过结合逻辑和视觉世界模型，实现机器人任务和运动规划中的鲁棒长视界推理与稳定引导。

Comments 8 pages, 4 figures

Sampling-Based Motion Planning with Scene Graphs Under Perception Constraints

基于场景图的采样运动规划在感知约束下的应用

Qingxi Meng, Emiliano Flores, Thai Duong, Vaibhav Unhelkar, Lydia E. Kavraki

机构 * Department of Computer Science, Rice University（计算机科学系，莱斯大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出MOPS-PRM，一种基于场景图的运动规划方法，通过整合多物体感知成本以提升高自由度机器人在复杂环境中的任务执行效率。

Comments 8 pages, 5 figures, Accepted to R-AL

Trustworthy AI Posture (TAIP): A Framework for Continuous AI Assurance of Agentic Systems at Horizontal and Vertical scale

可信AI姿态（TAIP）：一种用于在横向和纵向规模上持续确保代理系统AI可信度的框架

Guy Lupo, Bao Quoc Vo, Natania Locke

专题命中 规划决策 ：agentic(title,abstract)

AI总结 TAIP框架通过将可信度定义为持续生成的信号，提供了一种在横向和纵向尺度上持续确保代理系统AI可信度的方法，结合本体模型和证据门限基准，实现可重用的AI保证对象。

Comments 40 Pages, 13 Figures, 7 Tables,

A Self-Supervised Learning Approach with Differentiable Optimization for UAV Trajectory Planning

一种结合可微优化的自监督学习方法用于无人机轨迹规划

Yufei Jiang, Yuanzhu Zhan, Harsh Vardhan Gupta, Chinmay Borde, Junyi Geng

机构 * Department of Aerospace Engineering, Pennsylvania State University（宾夕法尼亚州立大学航空航天工程系） ； Department of Engineering and Applied Science, University at Buffalo（布法罗大学工程与应用科学系） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种结合可微优化的自监督学习方法，用于在三维环境中提升无人机轨迹规划的效率和鲁棒性。

Comments Accepted by ICRA 2026

Mozi: Governed Autonomy for Drug Discovery LLM Agents

Mozi：用于药物发现LLM代理的受控自主性

He Cao, Siyu Liu, Fan Zhang, Zijing Liu, Hao Li, Bin Feng, Shengyuan Bai, Leqing Chen, Kai Xie, Yu Li

机构 * International Digital Economy Academy (IDEA)（国际数字经济学院） 纠错

专题命中 规划决策 ：autonomous agent(abstract)；tool-use(abstract)；workflow(abstract)；分类 cs.AI

AI总结 Mozi通过双层架构实现药物发现LLM代理的受控自主性，提升科学推理的可靠性与可控性。

Training High-Level Schedulers with Execution-Feedback Reinforcement Learning for Long-Horizon GUI Automation

通过执行反馈强化学习训练高阶调度器以实现长周期GUI自动化

Zehao Deng, Tianjie Ju, Zheng Wu, Zhuosheng Zhang, Gongshen Liu

机构 * School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） 纠错

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

AI总结 本文提出CES多代理框架，通过训练高阶调度器解决GUI代理在长周期任务中的责任耦合和状态管理问题，提升任务规划与执行效率。

Comments Accepted to CVPR 2026

Hybrid Belief Reinforcement Learning for Efficient Coordinated Spatial Exploration

混合信念强化学习用于高效协调空间探索

Danish Rizvi, David Boyle

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

AI总结 本文提出混合信念-强化学习框架，通过双通道知识转移提升多代理空间探索效率，实验显示在无线服务任务中累计奖励和收敛速度均优于基线。

Review Beats Planning: Dual-Model Interaction Patterns for Code Synthesis

Review Beats Planning: 双模型交互模式用于代码合成

Jan Miller

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

AI总结 通过双模型交互模式提升代码生成性能，审查优于规划，增强规范质量可进一步提高效果。

Comments 10 pages, 5 figures, 4 tables. Code and results: https://github.com/miller-itsec/review-beats-planning

$τ$-Knowledge: Evaluating Conversational Agents over Unstructured Knowledge

τ-知识：在无结构知识中评估对话代理

Quan Shi, Alexandra Zytek, Pedram Razavi, Karthik Narasimhan, Victor Barres

机构 * princeton（普林斯顿大学） 纠错

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

AI总结 τ-知识旨在通过模拟真实金融科技客户支持流程，评估代理在协调外部自然语言知识与工具输出以产生可验证状态变化方面的能力。

Comments 29 pages (10 main + 19 appendix)

Vision-Zero: Scalable VLM Self-Improvement via Strategic Gamified Self-Play

Vision-Zero: 通过战略化游戏化自play实现可扩展的VLM自改进

Qinsi Wang, Bo Liu, Tianyi Zhou, Jing Shi, Yueqian Lin, Yiran Chen, Hai Helen Li, Kun Wan, Wentian Zhao

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

AI总结 Vision-Zero通过战略化游戏化自play框架，实现无标注数据下的多模态模型自改进，提升推理与跨领域任务性能。

Comments ICLR 2026

Social Norm Reasoning in Multimodal Language Models: An Evaluation

多模态语言模型中的社会规范推理：一项评估

Oishik Chowdhury, Anushka Debnath, Bastin Tony Roy Savarimuthu

机构 * School of Computing, University of Otago, New Zealand（奥塔哥大学计算机学院） 纠错

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

AI总结 本文评估了多模态大语言模型在社会规范推理中的能力，发现GPT-4o在文本和图像模态中表现最佳，但所有模型在处理复杂规范时仍有困难。

Comments to be published in ICAART 2026 post proceedings

Sleeper Cell: Injecting Latent Malice Temporal Backdoors into Tool-Using LLMs

睡眠细胞：将潜在恶意时间后门注入工具使用的大语言模型

Bhanu Pallakonda, Mikkel Hindsbo, Sina Ehsani, Prag Mishra

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

AI总结 本研究提出SFT-then-GRPO方法，通过多阶段PEFT框架在工具使用LLM中植入隐蔽的恶意后门，揭示了强化学习在掩盖灾难性漏洞中的潜在风险。

Comparative Study of Ultrasound Shape Completion and CBCT-Based AR Workflows for Spinal Needle Interventions

超声形状补全与基于CBCT的AR工作流在脊柱穿刺干预中的比较研究

Tianyu Song, Feng Li, Felix Pabst, Miruna-Alexandra Gafencu, Yuan Bi, Ulrich Eck, Nassir Navab

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

AI总结 本研究比较了超声形状补全与CBCT在脊柱穿刺中的AR工作流，发现CBCT在效率和精度上更优，而超声在无辐射成像中表现良好但受限于深度区域的形状补全。

Memex(RL): Scaling Long-Horizon LLM Agents via Indexed Experience Memory

Memex(RL): 通过索引经验记忆扩展长周期LLM代理

Zhenting Wang, Huancheng Chen, Jiayun Wang, Wei Wei

机构 * Center for Advanced AI, Accenture（先进人工智能中心，埃森哲） 纠错

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

AI总结 Memex(RL)通过索引经验记忆机制，实现长周期LLM代理的高效记忆管理，减少信息损失并提升任务成功率。

Fairness Begins with State: Purifying Latent Preferences for Hierarchical Reinforcement Learning in Interactive Recommendation

公平始于状态：在交互推荐中通过净化潜在偏好进行分层强化学习

Yun Lu, Xiaoyu Shi, Hong Xie, Xiangyu Zhao, Mingsheng Shang

机构 * Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences（中国科学院重庆绿色智能技术研究所） ； Chongqing School, University of Chinese Academy of Sciences（中国科学院大学重庆学院） ； The First Affiliated Hospital, University of Science and Technology of China（中国科学技术大学第一附属医院） ； City University of Hong Kong（香港城市大学） 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DSRM-HRL框架，通过净化潜在偏好解决交互推荐中的公平与准确冲突，实现推荐效用与曝光公平的平衡。

MIND: Unified Inquiry and Diagnosis RL with Criteria Grounded Clinical Supports for Psychiatric Consultation

MIND: 一种基于临床标准的统一探究与诊断强化学习框架用于精神病咨询

Guoyi Li, Shihao Xu, Jiatong Ma, Yunyun Han, Jianhua Chen, Yafeng Deng

机构 * EverMind AI Inc.（EverMind AI公司） ； EverMind AI Inc., Tianqiao and Chrissy Chen Institute（EverMind AI公司、田桥与克里斯西·陈研究所） ； Shanghai Mental Health Center, Shanghai Jiao Tong University School of Medicine（上海精神卫生中心、上海交通大学医学院） 纠错

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

AI总结 MIND通过基于临床标准的推理框架提升精神病咨询的诊断准确性和互动质量。

A Review of Reward Functions for Reinforcement Learning in the context of Autonomous Driving

强化学习在自动驾驶领域的奖励函数综述

Ahmed Abouelazm, Jonas Michel, J. Marius Zoellner

机构 * FZI Research Center for Information Technology（弗劳恩霍夫研究所信息技术研究中心） ； Karlsruhe Institute of Technology（卡尔斯鲁厄大学） 纠错

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

AI总结 本文综述了强化学习在自动驾驶中奖励函数的设计，分析了不同方法的优缺点，并提出了未来研究方向，如奖励验证框架和情境感知奖励。

Comments Accepted at the 35th IEEE Intelligent Vehicles Symposium (IV 2024)

GarmentPile++: Affordance-Driven Cluttered Garments Retrieval with Vision-Language Reasoning

GarmentPile++: 基于视觉-语言推理的基于 affordance 的杂乱衣物检索

Mingleyang Li, Yuran Wang, Yue Chen, Tianxing Chen, Jiaqi Liang, Zishun Shen, Haoran Lu, Ruihai Wu, Hao Dong

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

AI总结 GarmentPile++通过结合视觉-语言推理和视觉affordance感知，实现基于语言指令的杂乱衣物安全检索，确保每次检索一件衣物，提升家庭助理机器人任务执行能力。

Comments ICRA2026 Accepted

Right in Time: Reactive Reasoning in Regulated Traffic Spaces

即时响应：受规制交通空间中的反应性推理

Simon Kohaut, Benedict Flade, Julian Eggert, Kristian Kersting, Devendra Singh Dhami

机构 * Artificial Intelligence and Machine Learning Lab, Department of Computer Science, TU Darmstadt（人工智能与机器学习实验室，计算机科学系，图林根大学） ； Konrad Zuse School of Excellence in Learning and Intelligent Systems（Konrad Zuse 学校，卓越学习与智能系统） ； Honda Research Institute Europe GmbH（本田欧洲研究院） ； Hessian Center for Artificial Intelligence (hessian.AI)（黑森人工智能中心） ； Centre for Cognitive Science（认知科学中心） ； German Center for Artificial Intelligence (DFKI)（德国人工智能中心） ； Uncertainty in Artificial Intelligence Group, Department of Mathematics and Computer Science, TU Eindhoven（人工智能不确定性小组，数学与计算机科学系，埃因霍温理工大学） 纠错

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

AI总结 本文提出了一种结合概率任务设计与反应性推理的框架，用于在受规制交通空间中实现高效的实时推断与合规性保障。