AI Agent

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。

IMPACT: Intelligent Motion Planning with Acceptable Contact Trajectories via Vision-Language Models

IMPACT: 通过视觉-语言模型实现可接受接触轨迹的智能运动规划

Yiyang Ling, Karan Owalekar, Oluwatobiloba Adesanya, Erdem Bıyık, Daniel Seita

机构 * Thomas Lord Department of Computer Science, Viterbi School of Engineering, University of Southern California（托马斯·劳德计算机科学系，维特里比工程学院，南加州大学） 纠错

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

AI总结 IMPACT通过视觉-语言模型实现高效的接触丰富运动规划，在杂乱环境中优于其他方法。

VORL-EXPLORE: A Hybrid Learning Planning Approach to Multi-Robot Exploration in Dynamic Environments

VORL-EXPLORE: 多机器人在动态环境中的混合学习规划方法

Ning Liu, Sen Shen, Zheng Li, Sheng Liu, Dongkun Han, Shangke Lyu, Thomas Braunl

机构 * The University of Western Australia（西澳大学） ； The Chinese University of Hong Kong（香港中文大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄大学） ； Nanjing University（南京大学） 纠错

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

AI总结 VORL-EXPLORE通过混合学习和规划方法，解决多机器人在动态环境中探索时的执行保真度问题，提升路径效率与安全交互。

NaviDriveVLM: Decoupling High-Level Reasoning and Motion Planning for Autonomous Driving

NaviDriveVLM：解耦高层推理与运动规划用于自动驾驶

Ximeng Tao, Pardis Taghavi, Dimitar Filev, Reza Langari, Gaurav Pandey

机构 * J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University, College Station, TX 77843, USA（杰米·沃克’66机械工程系，德克萨斯A&M大学，学院站，TX 77843，美国） ； The Department of Engineering Technology and Industrial Distribution Texas A&M University, College Station, TX 77843, USA（工程技术与工业分配系，德克萨斯A&M大学，学院站，TX 77843，美国） 纠错

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

AI总结 NaviDriveVLM通过解耦高层推理与运动规划，提升自动驾驶中的推理能力与效率

Ego-Vision World Model for Humanoid Contact Planning

人形机器人接触规划的视角世界模型

Hang Liu, Yuman Gao, Sangli Teng, Yufeng Chi, Yakun Sophia Shao, Zhongyu Li, Maani Ghaffari, Koushil Sreenath

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 本文提出了一种结合学习世界模型与MPC的框架，用于提升人形机器人在复杂环境中的接触规划能力，实现更高效和稳健的多任务执行。

RoboPARA: Dual-Arm Robot Planning with Parallel Allocation and Recomposition Across Tasks

RoboPARA: 双臂机器人任务并行规划的平行分配与重组

Shiying Duan, Pei Ren, Nanxiang Jiang, Zhengping Che, Jian Tang, Zhaoxin Fan, Yifan Sun, Wenjun Wu

机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, School of Artificial Intelligence, Beihang University（北京未来区块链与隐私计算先进创新中心，人工智能学院，北航） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Center for Applied Statistics, School of Statistics, Renmin University of China（应用统计中心，统计学院，中国人民大学） 纠错

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

AI总结 RoboPARA通过双臂任务并行规划框架，提升复杂多任务场景下的效率和可靠性，引入首个评估双臂任务并行性的数据集。

Comments Accepted to ICLR 2026

Dynamic Targeting of Satellite Observations Using Supplemental Geostationary Satellite Data and Hierarchical Planning

利用补充静止轨道卫星数据和分层规划实现卫星观测的动态瞄准

Akseli Kangaslahti, Itai Zilberstein, Alberto Candela, Steve Chien

机构 * Jet Propulsion Laboratory, California Institute of Technology, Pasadena, CA（喷气推进实验室，加州理工学院，帕萨迪纳，CA） ； Harvard University, Cambridge, MA（哈佛大学，剑桥，MA） ； Department of Computer Science, Carnegie Mellon University, Pittsburgh, PA（计算机科学系，卡内基梅隆大学，匹兹堡，PA） 纠错

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

AI总结 本文提出了一种利用静止轨道卫星数据和分层规划方法，提升动态瞄准任务中观测规划效率的解决方案，实验表明其在特定场景下性能提升达41%。

Comments Appears in the proceedings of the 2026 IEEE International Conference on Robotics and Automation

Bilevel Planning with Learned Symbolic Abstractions from Interaction Data

基于交互数据学习的符号抽象的双层规划

Fatih Dogangun, Burcu Kilic, Serdar Bahar, Emre Ugur

机构 * Bogazici University（博雅大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种双层神经符号框架，利用学习的概率符号规则和连续效应模型，在多目标操作任务中实现高效且可靠的规划。

PhaForce: Phase-Scheduled Visual-Force Policy Learning with Slow Planning and Fast Correction for Contact-Rich Manipulation

PhaForce: 基于慢规划与快修正的相位调度视觉-力政策学习用于接触密集 manipulation

Mingxin Wang, Zhirun Yue, Renhao Lu, Yizhe Li, Zihan Wang, Guoping Pan, Kangkang Dong, Jun Cheng, Yi Cheng, Houde Liu

专题命中 规划决策 ：planning(title,abstract)

AI总结 PhaForce 通过慢规划与快修正机制，实现接触密集 manipulation 中力与视觉的协同控制，提升任务成功率与接触质量。

Hierarchical Multi-Modal Planning for Fixed-Altitude Sparse Target Search and Sampling

分层多模态规划用于固定高度稀疏目标搜索与采样

Lingpeng Chen, Yuchen Zheng, Apple Pui-Yi Chui, Junfeng Wu, Ziyang Hong

专题命中 规划决策 ：planning(title,abstract)

AI总结 HIMoS通过分层多模态规划提高稀疏目标搜索与采样任务的效率，结合全局与局部规划器优化路径，平衡多种传感任务。

Comments 8 pages, 9 figures, conference

Underwater Embodied Intelligence for Autonomous Robots: A Constraint-Coupled Perspective on Planning, Control, and Deployment

水下具身智能：一种约束耦合视角下的规划、控制与部署

Jingzehua Xu, Guanwen Xie, Jiwei Tang, Shuai Zhang, Xiaofan Li

机构 * Department of Mechanical Engineering, The University of Hong Kong（香港大学机械工程系） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生学院） ； Department of Data and Systems Engineering, The University of Hong Kong（香港大学数据与系统工程系） ； Department of Data Science, New Jersey Institute of Technology（新泽西理工学院数据科学系） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种约束耦合视角下的水下具身智能方法，探讨了规划、控制与部署中的紧密耦合约束，旨在实现更可靠和可扩展的自主性。

Comments This article is currently under review

Multi-Agentic AI for Conflict-Aware rApp Policy Orchestration in Open RAN

多智能体AI用于冲突感知的rApp策略编排在开放RAN中

Haiyuan Li, Yulei Wu, Dimitra Simeonidou

专题命中 规划决策 ：agentic(title,abstract)

AI总结 本文提出多智能体AI框架，用于实现开放RAN中冲突感知的rApp策略自动生成与编排，实验表明其在部署准确性和推理成本上有显著提升。

Route, Retrieve, Reflect, Repair: Self-Improving Agentic Framework for Visual Detection and Linguistic Reasoning in Medical Imaging

路由、检索、反思、修复：一种自改进的代理框架，用于医学影像中的视觉检测和语言推理

Md. Faiyaz Abdullah Sayeedi, Rashedur Rahman, Siam Tahsin Bhuiyan, Sefatul Wasi, Ashraful Islam, Saadia Binte Alam, AKM Mahbubur Rahman

机构 * 1 Center for Computational \& Data Sciences (CCDS), Independent University, Bangladesh (IUB) 纠错

专题命中 规划决策 ：agentic(title,abstract)

AI总结 R^4框架通过路由、检索、反思和修复四个代理提升医学影像分析的准确性和可靠性。