AI Agent

Mobile-Agent-RAG: Driving Smart Multi-Agent Coordination with Contextual Knowledge Empowerment for Long-Horizon Mobile Automation

移动代理-RAG：通过上下文知识增强驱动智能多代理协调以实现长周期移动自动化

Yuxiang Zhou, Jichang Li, Yanhao Zhang, Haonan Lu, Guanbin Li

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

AI总结 本文提出Mobile-Agent-RAG框架，通过双层检索增强实现智能多代理协调，提升长周期移动自动化任务的完成率和效率。

Agentic AI for Embodied-enhanced Beam Prediction in Low-Altitude Economy Networks

面向低空经济网络的具身增强型波束预测的代理AI

Min Hao, Zhizhuo Li, Zirui Zhang, Maoqiang Wu, Han Zhang, Rong Yu

机构 * School of Electronic Science and Engineering, South China Normal University（南方科技大学电子科学与工程学院） ； School of Intelligent Engineering, Shaoguan university（韶关大学智能工程学院） ； School of Automation, Guangdong University of Technology（广东工业大学自动化学院） 纠错

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

AI总结 本文提出了一种基于多代理协作推理的混合波束预测模型，通过整合时序建模、视觉编码和多模态融合，提升低空经济网络中UAV通信的波束预测精度与鲁棒性。

Novelty Adaptation Through Hybrid Large Language Model (LLM)-Symbolic Planning and LLM-guided Reinforcement Learning

通过混合大语言模型（LLM）符号规划和LLM引导的强化学习实现新颖性适应

Hong Lu, Pierrick Lorang, Timothy R. Duggan, Jivko Sinapov, Matthias Scheutz

机构 * Department of Computer Science, Tufts University（塔夫茨大学计算机科学系） ； Austrian Institute of Technology GmbH（奥地利技术研究所） 纠错

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

AI总结 本文提出一种融合大语言模型、符号规划和强化学习的神经符号架构，用于在动态开放环境中处理新颖物体，通过LLM识别缺失操作符并生成计划，提升机器人在连续领域中的操作符学习能力。

Let It Flow: Agentic Crafting on Rock and Roll, Building the ROME Model within an Open Agentic Learning Ecosystem

让它流动：在摇滚与铁中进行代理创造，构建ROME模型于一个开放的代理学习生态系统中

Weixun Wang, XiaoXiao Xu, Wanhe An, Fangwen Dai, Wei Gao, Yancheng He, Ju Huang, Qiang Ji, Hanqi Jin, Xiaoyang Li, Yang Li, Zhongwen Li, Shirong Lin, Jiashun Liu, Zenan Liu, Tao Luo, Dilxat Muhtar, Yuanbin Qu, Jiaqiang Shi, Qinghui Sun, Yingshui Tan, Hao Tang, Runze Wang, Yi Wang, Zhaoguo Wang, Yanan Wu, Shaopan Xiong, Binchen Xu, Xander Xu, Yuchi Xu, Qipeng Zhang, Xixia Zhang, Haizhou Zhao, Jie Zhao, Shuaibing Zhao, Baihui Zheng, Jianhui Zheng, Suhang Zheng, Yanni Zhu, Mengze Cai, Kerui Cao, Xitong Chen, Yue Dai, Lifan Du, Tao Feng, Tao He, Jin Hu, Yijie Hu, Ziyu Jiang, Cheng Li, Xiang Li, Jing Liang, Xin Lin, Chonghuan Liu, ZhenDong Liu, Zhiqiang Lv, Haodong Mi, Yanhu Mo, Junjia Ni, Shixin Pei, Jingyu Shen, XiaoShuai Song, Cecilia Wang, Chaofan Wang, Kangyu Wang, Pei Wang, Tao Wang, Wei Wang, Ke Xiao, Mingyu Xu, Tiange Xu, Nan Ya, Siran Yang, Jianan Ye, Yaxing Zang, Duo Zhang, Junbo Zhang, Boren Zheng, Wanxi Deng, Ling Pan, Lin Qu, Wenbo Su, Jiamang Wang, Wei Wang, Hu Wei, Minggang Wu, Cheng Yu, Bing Zhao, Zhicheng Zheng, Bo Zheng

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

AI总结 本文提出了一种基于代理学习生态系统（ALE）的开源代理ROME，通过数据合成协议和交互感知策略优化算法，在多个基准测试中展现出优异性能，验证了ALE的有效性。

Comments 36 pages, 15 figures

DeepSport: A Multimodal Large Language Model for Comprehensive Sports Video Reasoning via Agentic Reinforcement Learning

DeepSport: 一种基于代理强化学习的多模态大语言模型，用于通过主动推理实现综合体育视频理解

Junbo Zou, Haotian Xia, Zhen Ye, Shengjie Zhang, Christopher Lai, Vicente Ordonez, Weining Shen, Hanjie Chen

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Rice University（Rice大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of California, Irvine（加州大学 Irvine分校） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） 纠错

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

AI总结 DeepSport通过代理强化学习实现多运动视频理解，首次端到端训练多任务模型，显著提升性能与泛化能力。

SceneAssistant: A Visual Feedback Agent for Open-Vocabulary 3D Scene Generation

SceneAssistant: 一种用于开放词汇3D场景生成的视觉反馈代理

Jun Luo, Jiaxiang Tang, Ruijie Lu, Gang Zeng

机构 * Peking University（北京大学） ； NVIDIA（英伟达） 纠错

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

AI总结 SceneAssistant通过视觉反馈驱动代理实现开放词汇3D场景生成，结合3D物体生成模型和视觉-语言模型的空间推理能力，生成高质量且多样化的3D场景。

Comments Code: https://github.com/ROUJINN/SceneAssistant

Safe and Stylized Trajectory Planning for Autonomous Driving via Diffusion Model

通过扩散模型实现自动驾驶的安全且风格化的轨迹规划

Shuo Pei, Yong Wang, Yuanchen Zhu, Chen Sun, Qin Li, Yanan Zhao, Huachun Tan

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

AI总结 本文提出SDD Planner，通过结合多源风格感知编码器和风格引导动态轨迹生成器，实现自动驾驶中安全与风格化轨迹规划的平衡，实验表明其在多个基准测试中表现优异。

Comments 12 pages, 7 figures, submitted to IEEE Transactions on Intelligent Transportation Systems

Social, Legal, Ethical, Empathetic and Cultural Norm Operationalisation for AI Agents

社会、法律、伦理、共情和文化规范的AI代理操作化

Radu Calinescu, Ana Cavalcanti, Marsha Chechik, Lina Marsso, Beverley Townsend

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

AI总结 本文提出了一种系统性的SLEEC规范操作化过程，旨在解决AI代理行为与社会、法律、伦理、共情和文化规范一致的工程挑战，并定义了研究和政策议程。

Comments 12 pages

Quality-Driven Agentic Reasoning for LLM-Assisted Software Design: Questions-of-Thoughts (QoT) as a Time-Series Self-QA Chain

以质量为导向的代理推理用于大语言模型辅助软件设计：问题-思考（QoT）作为时间序列自我QA链

Yen-Ku Liu, Yun-Cheng Tsai

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

AI总结 本文提出QoT框架，通过时间序列自我QA链提升大语言模型辅助软件设计的质量，通过多领域实验验证其在不同模型规模和复杂度下的效果。

Compiling Temporal Numeric Planning into Discrete PDDL+: Extended Version

将时间数值规划编译为离散PDDL+：扩展版

Andrea Micheli, Enrico Scala, Alessandro Valentini

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

AI总结 本文提出了一种将时间数值规划编译为离散PDDL+的方法，该方法在多项式时间内运行，保留计划长度至常数因子，并在实际应用中有效解决复杂的时间数值问题。

Comments This paper is an extended version of the homonymous appearing in the ICAPS 2026 proceedings. This version provides the proofs and addidional explanations of the compilation

LABSHIELD: A Multimodal Benchmark for Safety-Critical Reasoning and Planning in Scientific Laboratories

LABSHIELD：一种多模态基准，用于科学实验室中的安全关键推理和规划

Qianpu Sun, Xiaowei Chi, Yuhan Rui, Ying Li, Kuangzhi Ge, Jiajun Li, Sirui Han, Shanghang Zhang

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

AI总结 LABSHIELD是一个多模态基准，用于评估MLLM在科学实验室中的安全关键推理和规划能力，揭示了现有模型在专业实验室场景中的性能差距。

DocSage: An Information Structuring Agent for Multi-Doc Multi-Entity Question Answering

DocSage：一个多文档多实体问答的信息结构代理

Teng Lin, Yizhang Zhu, Zhengxuan Zhang, Yuyu Luo, Nan Tang

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

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

AI总结 DocSage通过动态模式发现、结构化信息提取和模式感知推理，解决多文档多实体问答中的跨文档证据链构建和实体关系推断问题，实现超过27%的准确率提升。

Taming OpenClaw: Security Analysis and Mitigation of Autonomous LLM Agent Threats

驯服OpenClaw：自主LLM代理威胁的分析与缓解

Xinhao Deng, Yixiang Zhang, Jiaqing Wu, Jiaqi Bai, Sibo Yi, Zhuoheng Zou, Yue Xiao, Rennai Qiu, Jianan Ma, Jialuo Chen, Xiaohu Du, Xiaofang Yang, Shiwen Cui, Changhua Meng, Weiqiang Wang, Jiaxing Song, Ke Xu, Qi Li

机构 * Ant Group & Tsinghua University（蚂蚁集团与清华大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文分析了自主LLM代理OpenClaw的安全威胁，提出五层安全框架，揭示现有防御机制的不足，并提出包括插件审查、上下文过滤等在内的综合防御策略。

OA-NBV: Occlusion-Aware Next-Best-View Planning for Human-Centered Active Perception on Mobile Robots

OA-NBV：面向移动机器人人类中心主动感知的遮挡感知下一步最佳视角规划

Boxun Hu, Chang Chang, Jiawei Ge, Man Namgung, Xiaomin Lin, Axel Krieger, Tinoosh Mohsenin

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

AI总结 OA-NBV是一种面向移动机器人人类中心主动感知的遮挡感知下一步最佳视角规划方法，通过目标为中心的可见性模型提高遮挡环境下视角选择的成功率和观察质量。

Emergency-Aware and Frequency-Constrained HVDC Planning for A Multi-Area Asynchronously Interconnected Grid

面向多区域异步互联电网的紧急意识与频率约束的高压直流规划

Yiliu He, Haiwang Zhong, Grant Ruan, Yan Xu, Chongqing Kang

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种考虑紧急情况和频率约束的HVDC规划方法，用于优化多区域异步互联电网中区域间HVDC联络线的容量，以提升频率安全性和经济效率。

Coupling Tensor Trains with Graph of Convex Sets: Effective Compression, Exploration, and Planning in the C-Space

张量张量与凸集图的耦合：在C空间中实现有效的压缩、探索与规划

Gerhard Reinerth, Riddhiman Laha, Marcello Romano

机构 * Technical University of Munich（慕尼黑技术大学） ； Northeastern University（东北大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 TANGO通过结合张量压缩与图优化，在C空间中实现高效、几何感知的运动规划，提升轨迹生成的质量和效率。

Comments 8 pages, 10 figures, accepted paper for ICRA2026

SVLL: Staged Vision-Language Learning for Physically Grounded Embodied Task Planning

SVLL：分阶段视觉-语言学习用于物理基础的具身任务规划

Yuyuan Yang, Junkun Hong, Hongrong Wang, Honghao Cai, Xunpeng Ren, Ge Wang, Mingcong Lei, Shenhao Yan, Jiahao Yang, Chengsi Yao, Xi Li, Yiming Zhao, Yatong Han, Jinke Ren

机构 * FNii-Shenzhen, CUHKSZ（FNii深圳，CUHKSZ） ； SSE, CUHKSZ（SSE，CUHKSZ） ； SAI, CUHKSZ（SAI，CUHKSZ） ； Shenzhen University（深圳大学） ； University of Sydney（悉尼大学） ； Harbin Engineering University（哈尔滨工程大学） ； Ising AI 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 SVLL 通过分阶段学习和 Bias-DPO 对齐目标，实现稳健的物理基础具身任务规划，提升任务成功率并减少物理约束违规。

Senna-2: Aligning VLM and End-to-End Driving Policy for Consistent Decision Making and Planning

Senna-2：对齐视觉语言模型与端到端驾驶策略以实现一致的决策与规划

Yuehao Song, Shaoyu Chen, Hao Gao, Yifan Zhu, Weixiang Yue, Jialv Zou, Bo Jiang, Zihao Lu, Yu Wang, Qian Zhang, Xinggang Wang

机构 * Huazhong University of Science & Technology（华中科技大学） ； Horizon Robotics 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 Senna-2通过三阶段训练范式对齐视觉语言模型与端到端驾驶策略，提升决策与规划的一致性，增强驾驶安全性和效率。

Comments 15 pages, 8 figures. Project page: https://ambitious-idiot.github.io/senna2-project

IDSelect: A RL-Based Cost-Aware Selection Agent for Video-based Multi-Modal Person Recognition

IDSelect: 一种基于强化学习的成本感知选择代理用于基于视频的多模态人识别

Yuyang Ji, Yixuan Shen, Kien Nguyen, Lifeng Zhou, Feng Liu

专题命中 规划决策 ：agent(title,abstract)

AI总结 IDSelect 通过强化学习选择最优模型提升多模态人识别的效率与准确度，实验显示其在计算资源上显著优于现有方法。

From Debate to Deliberation: Structured Collective Reasoning with Typed Epistemic Acts

从辩论到 deliberation：基于类型化认知行为的结构化集体推理

Sunil Prakash

机构 * Indian School of Business（印度管理学院） 纠错

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

AI总结 本文提出DCI框架，通过结构化集体推理提升复杂任务决策质量，但指出其成本较高，需在过程问责性与效率间权衡。

Comments 26 pages, 6 tables, 2 figures, 2 listings

Scaling Reasoning Efficiently via Relaxed On-Policy Distillation

通过放松的在线策略蒸馏高效扩展推理能力

Jongwoo Ko, Sara Abdali, Young Jin Kim, Tianyi Chen, Pashmina Cameron

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

AI总结 REOPOLD通过放松在线策略蒸馏的约束，提升模型训练效率和推理扩展能力，尤其在视觉推理任务中表现突出。

Comments Code will be available soon

MANSION: Multi-floor lANguage-to-3D Scene generatIOn for loNg-horizon tasks

MANSION: 多楼层语言到3D场景生成用于长周期任务

Lirong Che, Shuo Wen, Shan Huang, Chuang Wang, Yuzhe Yang, Gregory Dudek, Xueqian Wang, Jian Su

机构 * Tsinghua University（清华大学） ； AgiBot ； McGill University, MILA - Quebec AI Institute（麦吉尔大学，魁北克人工智能研究所） 纠错

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

AI总结 MANSION是首个多楼层语言驱动的3D场景生成框架，能生成真实可导航的建筑环境，支持跨楼层长周期任务的开发与评估，同时配套发布MansionWorld数据集和任务语义编辑代理，为空间推理和规划提供关键测试平台。

Deep Tabular Research via Continual Experience-Driven Execution

通过持续经验驱动执行进行深度表格研究

Junnan Dong, Chuang Zhou, Zheng Yuan, Yifei Yu, Qiufeng Wang, Yinghui Li, Siyu An, Di Yin, Xing Sun, Feiyue Huang

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

AI总结 本文提出深度表格研究（DTR）框架，通过闭环决策过程解决复杂表格分析问题，利用分层元图和期望感知策略实现持续优化，验证了战略规划与低层执行分离的重要性。

Comments 23 pages, 6 tables, 6 figures

MM-CondChain: A Programmatically Verified Benchmark for Visually Grounded Deep Compositional Reasoning

MM-CondChain: 一种可编程验证的视觉基础深度组合推理基准

Haozhan Shen, Shilin Yan, Hongwei Xue, Shuaiqi Lu, Xiaojun Tang, Guannan Zhang, Tiancheng Zhao, Jianwei Yin

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

AI总结 MM-CondChain提出了一种可编程验证的视觉基础深度组合推理基准，通过多层推理链评估多模态大语言模型在复杂视觉任务中的表现，实验表明深度组合推理仍是重大挑战。

Comments Project Page: https://accio-lab.github.io/MM-CondChain

Kraken*: Architecting Generative, Semantic, and Goal-Oriented Network Management for 6G Wireless Systems

Kraken*：为6G无线系统构建生成、语义和目标导向的网络管理

Ian F. Akyildiz, Tuğçe Bilen

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

AI总结 Kraken*通过整合语义通信、生成式推理和目标导向优化，为6G无线系统提供生成、语义和目标导向的网络管理架构，推动向知识原生6G系统演进。

Time as a Control Dimension in Robot Learning

时间作为机器人学习中的控制维度

Yinsen Jia, Boyuan Chen

机构 * Department of Electrical and Computer Engineering, Duke University（杜克大学电气与计算机工程系） ； Department of Mechanical Engineering and Materials Science, Duke University（杜克大学机械工程与材料科学系） ； Department of Computer Science, Duke University（杜克大学计算机科学系） 纠错

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

AI总结 本文提出时间感知策略学习框架，将时间作为机器人行为的控制维度，通过时间信号调节策略执行策略，提升效率、鲁棒性和可控性。

Slow-Fast Inference: Training-Free Inference Acceleration via Within-Sentence Support Stability

慢-快推理：通过句内支持稳定性实现无需训练的推理加速

Xingyu Xie, Zhaochen Yu, Yue Liao, Tao Wang, Kim-Chuan Toh, Shuicheng Yan

机构 * National University of Singapore（新加坡国立大学） ； ByteDance（字节跳动） 纠错

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

AI总结 SFI通过利用句内支持稳定性，将生成过程分为快速低成本步骤和偶尔的密集注意力慢步骤，从而提高解码吞吐量并保持质量。

RefTr: Recurrent Refinement of Confluent Trajectories for 3D Vascular Tree Centerlines

RefTr: 基于连通轨迹的3D血管树中心线递归细化

Roman Naeem, David Hagerman, Jennifer Alvén, Fredrik Kahl

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

AI总结 RefTr通过递归细化连通轨迹生成3D血管树中心线，采用Transformer架构提升精度并减少参数，实验显示其在性能、速度和参数数量上均优于现有方法。

Can Theoretical Physics Research Benefit from Language Agents?

理论物理研究能否从语言代理中受益？

Sirui Lu, Zhijing Jin, Terry Jingchen Zhang, Pavel Kos, J. Ignacio Cirac, Bernhard Schölkopf

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

AI总结 本文探讨了语言代理在理论物理研究中的潜力，指出需专门训练和工具支持，以实现多模态数据处理、物理假设提出和理论验证的AI代理。

Comments 8+2 pages + references

RouteNet-Gauss: Hardware-Enhanced Network Modeling with Machine Learning

RouteNet-Gauss：利用机器学习的硬件增强网络建模

Carlos Güemes-Palau, Miquel Ferriol-Galmés, Jordi Paillisse-Vilanova, Albert López-Brescó, Pere Barlet-Ros, Albert Cabellos-Aparicio

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

AI总结 RouteNet-Gauss通过结合测试床网络与机器学习模型，利用硬件加速提升网络仿真效率和准确性，减少预测误差达95%，推理速度提升488倍，支持动态构建模块化架构和时间聚合性能估计。

Comments This article has been accepted for publication in IEEE Transactions on Networking. This is the author's version which has not been fully edited, content may change prior to final publication. Citation information: DOI 10.1109/TON.2026.3668972 \c{opyright} 2026 IEEE. All rights reserved. Personal use is permitted, permission from IEEE must be obtained for all other uses

Journal ref IEEE Transactions on Networking. 34 (2026) 3840-3853