AI Agent

In-Context Reinforcement Learning for Tool Use in Large Language Models

上下文强化学习用于大型语言模型中的工具使用

Yaoqi Ye, Yiran Zhao, Keyu Duan, Zeyu Zheng, Kenji Kawaguchi, Cihang Xie, Michael Qizhe Shieh

机构 * National University of Singapore（新加坡国立大学） ； Salesforce AI Research（Salesforce AI研究） ； University of California Berkeley（加州大学伯克利分校） ； University of California, Santa Cruz（加州大学圣克ruz分校） 纠错

专题命中 工具调用 ：tool use(title)；tool-use(abstract)；分类 cs.AI

AI总结 本文提出ICRL框架，通过强化学习无需微调即可实现大型语言模型的工具使用能力，实验显示其在推理和工具任务中表现优异。

Agent Hunt: Bounty Based Collaborative Autoformalization With LLM Agents

Agent Hunt: 基于奖金的协作自动形式化与LLM代理

Chad E. Brown, Cezary Kaliszyk, Josef Urban

专题命中 工具调用 ：agent(title)；planning(abstract)；分类 cs.AI

AI总结 基于奖金的协作自动形式化方法，利用LLM代理在交互式定理证明环境中进行去中心化证明搜索与理论构建。

Accelerating Robotic Reinforcement Learning with Agent Guidance

通过代理引导加速机器人强化学习

Haojun Chen, Zili Zou, Chengdong Ma, Yaoxiang Pu, Haotong Zhang, Yuanpei Chen, Yaodong Yang

机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； PKU-PsiBot Joint Lab（北京大学- PsiBot 联合实验室） 纠错

专题命中 工具调用 ：agent(title,abstract)；分类 cs.AI

AI总结 AGPS通过多模态代理替代人类监督，提升机器人强化学习的样本效率和可扩展性。

AutoAdapt: An Automated Domain Adaptation Framework for LLMs

AutoAdapt：一种用于大语言模型的自动化领域适应框架

Sidharth Sinha, Anson Bastos, Xuchao Zhang, Akshay Nambi, Chetan Bansal, Saravan Rajmohan

专题命中 工具调用 ：agent(abstract)；planning(abstract)；multi-agent(abstract)；分类 cs.LG

AI总结 AutoAdapt通过多代理辩论系统和AutoRefine方法，实现高效可靠的LLM领域适应，提升领域适应性能25%。

SynPlanResearch-R1: Encouraging Tool Exploration for Deep Research with Synthetic Plans

SynPlanResearch-R1: 通过合成计划鼓励深度研究中的工具探索

Hansi Zeng, Zoey Li, Yifan Gao, Chenwei Zhang, Xiaoman Pan, Tao Yang, Fengran Mo, Jiacheng Lin, Xian Li, Jingbo Shang

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Amazon（亚马逊） ； University of Montreal（蒙特利尔大学） ； University of San Diego（圣地亚哥大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 工具调用 ：tool use(abstract)；tool-use(abstract)；分类 cs.AI、cs.CL

AI总结 SynPlanResearch-R1通过合成计划促进工具探索，提升模型在多跳和开放网络基准测试中的性能，为后续强化学习提供有效初始化。

A Lightweight Traffic Map for Efficient Anytime LaCAM*

一种轻量级交通图用于高效任何时间LaCAM*

Bojie Shen, Yue Zhang, Zhe Chen, Daniel Harabor

机构 * Monash University, Faculty of Information Technology（莫纳什大学信息科技学院） 纠错

专题命中 工具调用 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 本文提出了一种基于动态轻量级交通图的改进方法，用于提升LaCAM*在多智能体路径寻找中的解决方案质量。

The Neural Compass: Probabilistic Relative Feature Fields for Robotic Search

神经罗盘：基于概率相对特征场的机器人搜索

Gabriele Somaschini, Adrian Röfer, Abhinav Valada

机构 * Department of Computer Science, University of Freiburg（弗赖堡大学计算机科学系） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.LG

AI总结 本文提出ProReFF模型，通过概率相对特征场实现机器人搜索任务中的高效物体定位，实验表明其在模拟环境中比基线方法更高效，接近人类水平性能。

Comments 9 pages, 7 figures, 2 tables, submitted to IROS 2026

HarmonyCell: Automating Single-Cell Perturbation Modeling under Semantic and Distribution Shifts

HarmonyCell: 在语义和分布偏移下自动化单细胞扰动建模

Wenxuan Huang, Mingyu Tsoi, Yanhao Huang, Xinjie Mao, Xue Xia, Hao Wu, Jiaqi Wei, Yuejin Yang, Lang Yu, Cheng Tan, Xiang Zhang, Zhangyang Gao, Siqi Sun

机构 * Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Xi'an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； Shanghai Innovation Institute（上海创新研究院） ； University of British Columbia（不列颠哥伦比亚大学） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.AI

AI总结 HarmonyCell通过语义统一和自适应搜索机制，在语义和分布偏移下实现单细胞扰动建模的自动化，有效执行率达95%并超越专家基线。

Comments 18 pages total (8 pages main text + appendix), 6 figures

Rethinking Deep Research from the Perspective of Web Content Distribution Matching

从网页内容分布匹配视角重新思考深度研究

Zixuan Yu, Zhenheng Tang, Tongliang Liu, Chengqi Zhang, Xiaowen Chu, Bo Han

机构 * School of Computer science and engineering, Sun Yat-sen University（计算机科学与工程学院，中山大学） ； CSE, The Hong Kong University of Science and Technology（计算机科学与工程系，香港科学与技术大学） ； Sydney AI Centre, The University of Sydney（悉尼人工智能中心，悉尼大学） ； Department of Data Science and Artificial Intelligence, The Hong Kong Polytechnic University（数据科学与人工智能系，香港理工大学） ； DSA Thrust, The Hong Kong University of Science and Technology (GuangZhou)（数据科学与技术 thrust，香港科学与技术大学（广州）） ； TMLR Group, Department of Computer Science, Hong Kong Baptist University（TMLR 组，计算机科学系，香港 Baptist 大学） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.LG

AI总结 WeDas通过引入网页内容分布感知机制，改进深度搜索代理的查询-结果对齐能力，提升子目标完成和准确性。

Task-Oriented Robot-Human Handovers on Legged Manipulators

面向任务的腿式机械臂人机交接

Andreea Tulbure, Carmen Scheidemann, Elias Steiner, Marco Hutter

专题命中 工具调用 ：tool use(abstract)

AI总结 本文提出AFT-Handover框架，通过结合大语言模型和纹理转移实现零样本、可泛化的面向任务的人机交接，提升交接成功率和泛化能力。

Comments Accepted to 21st ACM/IEEE International Conference on Human-Robot Interaction (HRI) 2026

Two-Stage Path Following for Mobile Manipulators via Dimensionality-Reduced Graph Search and Numerical Optimization

基于维度约简图搜索与数值优化的双阶段路径跟随

Fuyu Guo, Yuting Mei, Yuyao Zhang, Qian Tang

机构 * College of Mechanical and Vehicle Engineering, ChongQing University（机械与车辆工程学院，重庆大学） 纠错

专题命中 工具调用 ：planning(abstract)

AI总结 本文提出基于维度约简图搜索与数值优化的双阶段路径跟随方法，解决移动机械手高维配置空间和运动学约束问题，通过离散化与连续优化提升路径规划的精度和鲁棒性。

Stability-Guided Exploration for Diverse Motion Generation

为多样化运动生成的稳定性引导探索

Eckart Cobo-Briesewitz, Tilman Burghoff, Denis Shcherba, Armand Jordana, Marc Toussaint

机构 * Technische Universität Berlin（技术大学柏林） ； LAAS-CNRS ； Robotics Institute Germany (RIG)（德国机器人研究所） 纠错

专题命中 工具调用 ：tool use(abstract)

AI总结 本文提出一种基于黑盒模拟的稳定性引导探索方法，用于发现多样化的机器人操纵策略，适用于不同机器人形态，无需任务特定指导。

ELHPlan: Efficient Long-Horizon Task Planning for Multi-Agent Collaboration

ELHPlan: 为多智能体协作的高效长周期任务规划

Shaobin Ling, Yun Wang, Chenyou Fan, Tin Lun Lam, Junjie Hu

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； City University of Hong Kong（香港城市大学） ； South China Normal University（华南师范大学） 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 ELHPlan通过引入意图绑定的动作链，实现多智能体协作中的高效长周期任务规划，提升适应性与效率，实验表明其在任务成功率与令牌消耗方面表现优异。

Adaptive Collaboration with Humans: Metacognitive Policy Optimization for Multi-Agent LLMs with Continual Learning

适应性协作与人类：多智能体大语言模型的元认知策略优化与持续学习

Wei Yang, Defu Cao, Jiacheng Pang, Muyan Weng, Yan Liu

机构 * University of Southern California（南加州大学） 纠错

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

AI总结 HILA框架通过元认知策略优化与持续学习，实现多智能体与人类的协同协作，提升复杂任务处理能力。

MAS-H2: A Hierarchical Multi-Agent System for Holistic Cloud-Native Autoscaling

MAS-H2：一种用于整体云原生自动扩展的分层多智能体系统

Hamed Hamzeh, Parisa Vahdatian

机构 * University of Westminster（威斯敏斯特大学） ； University of York（约克大学） 纠错

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

AI总结 MAS-H2通过分层多智能体系统实现云原生自动扩展的前瞻性管理，减少资源浪费和性能下降，提升系统稳定性与资源利用效率。

Agentic Planning with Reasoning for Image Styling via Offline RL

基于推理的图像风格化代理规划 via 离线强化学习

Subhojyoti Mukherjee, Stefano Petrangeli, Branislav Kveton, Trung Bui, Franck Dernoncourt, Arko Mukherjee

机构 * Adobe Research（Adobe研究） 纠错

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

AI总结 本文提出基于推理的代理规划框架，通过结构化规划和工具链提升图像风格化效果，采用合成数据生成和离线强化学习方法，验证在视觉质量和指令遵循上的优越性。

Comments 85 pages

Learning to Reflect: Hierarchical Multi-Agent Reinforcement Learning for CSI-Free mmWave Beam-Focusing

学习反射：面向无CSI毫米波波束聚焦的分层多智能体强化学习

Hieu Le, Oguz Bedir, Mostafa Ibrahim, Jian Tao, Sabit Ekin

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

AI总结 本文提出一种无CSI的分层多智能体强化学习框架，用于毫米波波束聚焦，通过用户定位数据替代CSI估计，实现高效且鲁棒的反射表面控制。

InsightX Agent: An LMM-based Agentic Framework with Integrated Tools for Reliable X-ray NDT Analysis

InsightX Agent: 一种基于LMM的智能框架，集成工具用于可靠X射线无损检测分析

Jiale Liu, Huan Wang, Yue Zhang, Xiaoyu Luo, Jiaxiang Hu, Zhiliang Liu, Min Xie

机构 * School of Physics and Astronomy, The University of Edinburgh（物理学与天文学学院，爱丁堡大学） ； Glasgow College, University of Electronic Science and Technology of China（电子科技大学成都学院） ； School of Mechanical and Electrical Engineering, University of Electronic Science and Technology of China（机械与电子工程学院，电子科技大学） ； Department of Systems Engineering, City University of Hong Kong（系统工程系，香港城市大学） 纠错

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

AI总结 InsightX Agent基于LMM构建智能框架，集成工具提升X射线检测的可靠性与可解释性，实现主动推理与高质量分析。

Generalized Per-Agent Advantage Estimation for Multi-Agent Policy Optimization

多智能体策略优化中的通用 per-智能体优势估计

Seongmin Kim, Giseung Park, Woojun Kim, Jiwon Jeon, Seungyul Han, Youngchul Sung

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

AI总结 本文提出了一种多智能体策略优化框架，通过通用 per-智能体优势估计器提升样本效率和协调性，实验表明其在复杂场景中表现优异。

Comments Accepted at the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026)

LLM-FK: Multi-Agent LLM Reasoning for Foreign Key Detection in Large-Scale Complex Databases

LLM-FK：多智能体LLM推理用于大规模复杂数据库中的外键检测

Zijian Tang, Ying Zhang, Sibo Cai, Ruoxuan Wang

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

AI总结 LLM-FK通过多智能体框架解决大规模复杂数据库中外键检测的三大挑战，实现高精度和高效搜索。

Comments 28 pages, 13 figures

From LLM Reasoning to Autonomous AI Agents: A Comprehensive Review

从大语言模型推理到自主AI代理：全面综述

Mohamed Amine Ferrag, Norbert Tihanyi, Merouane Debbah

机构 * Department of Computer and Network Engineering（计算机与网络工程系） ； United Arab Emirates University（阿联酋大学） ； Technology Innovation Institute（技术创新研究院） ； Eötvös Loránd University（埃斯特哈齐·洛朗大学） ； Research Institute for Digital Future（数字未来研究院） ； Khalifa University（卡塔尔大学） 纠错

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

AI总结 本文综述了大语言模型和自主AI代理的发展，提出了涵盖多种任务的基准分类法，并讨论了未来研究方向。

M$^3$-ACE: Rectifying Visual Perception in Multimodal Math Reasoning via Multi-Agentic Context Engineering

M$^3$-ACE: 通过多智能体上下文工程校正多模态数学推理中的视觉感知

Peijin Xie, Zhen Xu, Bingquan Liu, Baoxun Wang

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

AI总结 M3-ACE 通过多智能体上下文工程校正多模态数学推理中的视觉感知问题，提升推理性能。

AI Agents, Language, Deep Learning and the Next Revolution in Science

人工智能代理、语言、深度学习与科学的下一次革命

Ke Li, Beijiang Liu, Bruce Mellado, Changzheng Yuan, Zhengde Zhang

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

AI总结 本文提出基于深度学习的智能代理作为科学方法的下一次进化，通过多代理推理框架在粒子物理中实现科学发现的扩展与知识生产的革新。

Comments This perspective paper is accepted by Frontier of Physics

Journal ref Front. Phys., 2026, 21(9): 096401

aCAPTCHA: Verifying That an Entity Is a Capable Agent via Asymmetric Hardness

aCAPTCHA：通过非对称难度验证实体是否为有能力的代理

Zuyao Xu, Xiang Li, Fubin Wu, Yuqi Qiu, Lu Sun, FaSheng Miao

机构 * Nankai University（南开大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 aCAPTCHA通过非对称难度验证机制，为需要实体类型验证的服务提供一个无需基础设施的准入解决方案。

Comments 17 pages, 3 figures

Scaling Agentic Capabilities, Not Context: Efficient Reinforcement Finetuning for Large Toolspaces

在大规模工具空间中扩展代理能力，而非上下文：用于大规模工具空间的高效强化微调

Karan Gupta, Pranav Vajreshwari, Yash Pandya, Raghav Magazine, Akshay Nambi, Ahmed Awadallah

机构 * Microsoft Research（微软研究院） 纠错

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

AI总结 ATLAS通过强化微调框架使小型语言模型在大规模工具空间中更高效地执行任务，通过学习上下文获取和动作执行，提升长周期工作流程的稳定性与效率。

CRAwDAD: Causal Reasoning Augmentation with Dual-Agent Debate

基于双智能体辩论的因果推理增强：CRAwDAD

Finn G. Vamosi, Nils D. Forkert

机构 * Department of Computer Science, University of Calgary（卡莱尔大学计算机科学系） ； Department of Radiology, Hotchkiss Brain Institute, and Alberta Children’s Hospital Research Institute, University of Calgary（卡莱尔大学放射学系、霍奇基斯脑研究所及阿尔伯塔儿童医院研究所在卡莱尔大学） 纠错

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

AI总结 CRAwDAD通过双智能体辩论框架提升因果推理准确性，利用推理语言模型在因果推理和辩论中实现性能提升。

Comments 12 pages, 8 figures. Code available at https://github.com/finnvamosi/CRAwDAD

Context Matters! Relaxing Goals with LLMs for Feasible 3D Scene Planning

情境至关重要！利用LLMs进行可行的3D场景规划

Emanuele Musumeci, Michele Brienza, Francesco Argenziano, Abdel Hakim Drid, Vincenzo Suriani, Daniele Nardi, Domenico D. Bloisi

机构 * Department of Computer, Automation and Management Engineering, Sapienza University of Rome（Sapienza大学计算机、自动化与管理工程系） ； Department of Electronics and Automation, Mohamed Khider University of Biskra（Mohamed Khider大学电子与自动化系） ； International University of Rome UNINT, Rome（罗马国际大学UNINT） 纠错

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

AI总结 ContextMatters结合LLMs与经典规划，通过分层目标放松提升3D场景规划的成功率

STRUCTUREDAGENT: Planning with AND/OR Trees for Long-Horizon Web Tasks

STRUCTUREDAGENT：基于AND/OR树的长周期网络任务规划

ELita Lobo, Xu Chen, Jingjing Meng, Nan Xi, Yang Jiao, Chirag Agarwal, Yair Zick, Yan Gao

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Amazon（亚马逊） ； Virginia Commonwealth university（弗吉尼亚 Commonwealth 大学） ； University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 STRUCTUREDAGENT通过动态AND/OR树和结构化记忆模块提升长周期网络任务的规划能力，实现更高效的搜索与约束满足。

MoMaStage: Skill-State Graph Guided Planning and Closed-Loop Execution for Long-Horizon Indoor Mobile Manipulation

MoMaStage：基于技能-状态图的规划与闭环执行的长时域室内移动操作

Chenxu Li, Zixuan Chen, Yetao Li, Jiapeng Xu, Hongyu Ding, Jieqi Shi, Jing Huo, Yang Gao

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

AI总结 MoMaStage通过结构化视觉-语言框架和闭环执行机制，实现长时域室内移动操作的高效规划与执行。

Comments 8 pages

Reasoning Knowledge-Gap in Drone Planning via LLM-based Active Elicitation

通过基于大语言模型的主动获取解决无人机规划中的推理知识缺口

Zeyu Fang, Beomyeol Yu, Cheng Liu, Zeyuan Yang, Rongqian Chen, Yuxin Lin, Mahdi Imani, Tian Lan

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

AI总结 本文提出基于大语言模型的主动信息获取框架，用于解决无人机规划中的推理知识缺口问题，通过结构化知识缺口和最小化人机交互提升复杂任务的成功率。