AI Agent

ToolTree: Efficient LLM Agent Tool Planning via Dual-Feedback Monte Carlo Tree Search and Bidirectional Pruning

ToolTree: 通过双反馈蒙特卡洛树搜索与双向剪枝实现高效的LLM代理工具规划

Shuo Yang, Soyeon Caren Han, Yihao Ding, Shuhe Wang, Eduard Hoy

机构 * School of Computing and Information Systems, The University of Melbourne（墨尔本大学计算与信息学院） ； School of Physics, Mathematics and Computing, The University of Western Australia（西澳大学物理、数学与计算学院） 纠错

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

AI总结 本文提出ToolTree，一种基于蒙特卡洛树搜索的工具规划方法，通过双阶段LLM评估和双向剪枝机制，提升工具使用序列的适应性和效率，实验表明其在多种基准测试中性能提升约10%。

Comments ICLR 2026

AEGIS: No Tool Call Left Unchecked -- A Pre-Execution Firewall and Audit Layer for AI Agents

AEGIS：无一工具调用未被检查——面向AI代理的预执行防火墙和审计层

Aojie Yuan, Zhiyuan Su, Yue Zhao

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

AI总结 本文提出AEGIS，一种面向AI代理的预执行防火墙和审计层，通过三阶段流程拦截工具调用，实现高风险调用的人工审批和不可篡改的审计轨迹，验证了预执行调解的实用性与低开销。

Comments 4 pages, 15 figures, demo paper

Test-Time Strategies for More Efficient and Accurate Agentic RAG

测试时策略用于更高效和准确的代理RAG

Brian Zhang, Deepti Guntur, Zhiyang Zuo, Abhinav Sharma, Shreyas Chaudhari, Wenlong Zhao, Franck Dernoncourt, Puneet Mathur, Ryan Rossi, Nedim Lipka

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

AI总结 本文提出测试时改进Search-R1流程，通过上下文模块和去重模块提升RAG系统在复杂多跳问题中的效率和准确性，实验表明在HotpotQA和Natural Questions数据集上EM得分提高5.6%，检索次数减少10.5%。

Human-AI Collaborative Autonomous Experimentation With Proxy Modeling for Comparative Observation

人机协作自主实验与代理建模用于比较观察

Arpan Biswas, Hiroshi Funakubo, Yongtao Liu

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

AI总结 本文提出代理建模贝叶斯优化方法，通过人机协作提升材料空间探索效率，结合人类判断与AI代理实现更精确的实验优化。

Comments 14 pages, 7 figures

The Role of A-priori Information in Networks of Rational Agents

在理性代理网络中先验信息的作用

Yehuda Afek, Yishay Mansour, Shaked Rafaeli, Moshe Sulamy

专题命中 工具调用 ：agent(abstract)；tool use(abstract)

AI总结 本文研究了在理性代理网络中，先验信息对均衡的影响，通过分析复制行为和先验分布，得出了在不同分布式计算问题中达到均衡所需的先验知识界限。

Comments This paper is the full version of the DISC 2018 paper. arXiv admin note: substantial text overlap with arXiv:1711.04728

Spend Less, Reason Better: Budget-Aware Value Tree Search for LLM Agents

少花钱，多思考：基于预算的值树搜索用于大语言模型代理

Yushu Li, Wenlong Deng, Jiajin Li, Xiaoxiao Li

机构 * University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） 纠错

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

AI总结 本文提出一种无需训练的推理时框架，通过单个LLM骨干模型将多跳推理建模为动态搜索树，并引入预算条件的节点选择机制，以在预算耗尽时实现从广度探索到贪婪利用的平稳过渡。

The Perfection Paradox: From Architect to Curator in AI-Assisted API Design

完美悖论：从架构师到策展人的人工智能辅助API设计

Mak Ahmad, Andrew Macvean, JJ Geewax, David Karger

机构 * Google San Francisco CA USA（谷歌圣弗朗西斯科分校） ； Google Seattle USA（谷歌西雅图分校） ； Google Singapore（谷歌新加坡） ； MIT Cambridge MA USA（麻省理工学院剑桥分校） 纠错

专题命中 工具调用 ：workflow(abstract)；分类 cs.AI、cs.SE

AI总结 本文研究了AI辅助API设计中快速功能交付与用户体验标准维护之间的矛盾，通过工业案例研究发现AI生成的API在11个可用性维度中表现优异，但专家误认为AI设计是人类创作且描述其为'完美'，揭示了过度一致性导致的'完美悖论'，建议设计师角色从制定者转向模式策展人。

Comments 6 pages, 2 figures, 3 tables; Poster paper at CHI EA 2026 (Extended Abstracts of the ACM CHI Conference on Human Factors in Computing Systems)

Journal ref Extended Abstracts of the 2026 CHI Conference on Human Factors in Computing Systems (CHI EA '26), April 13--17, 2026, Barcelona, Spain

Asynchronous Verified Semantic Caching for Tiered LLM Architectures

异步验证语义缓存用于分层大语言模型架构

Asmit Kumar Singh, Haozhe Wang, Laxmi Naga Santosh Attaluri, Tak Chiam, Weihua Zhu

专题命中 工具调用 ：agentic(abstract)；分类 cs.AI

AI总结 本文提出Krites异步缓存策略，通过LLM判断扩展静态缓存覆盖范围，提升静态缓存命中率，减少推理成本和延迟。

AI Planning Framework for LLM-Based Web Agents

基于大语言模型的网络代理的AI规划框架

Orit Shahnovsky, Rotem Dror

机构 * Faculty of Computer and Information Science, University of Haifa（计算机与信息科学学院，海法大学） 纠错

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

AI总结 本文提出一种将网络任务视为序列决策过程的AI规划框架，通过将现代代理架构映射到传统规划范式，提出五种新的评估指标，验证了全计划提前代理在技术指标上的优势。

Uncovering Security Threats and Architecting Defenses in Autonomous Agents: A Case Study of OpenClaw

揭示自主代理中的安全威胁并构建防御体系：以OpenClaw为例

Zonghao Ying, Xiao Yang, Siyang Wu, Yumeng Song, Yang Qu, Hainan Li, Tianlin Li, Jiakai Wang, Aishan Liu, Xianglong Liu

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

AI总结 本文分析了自主代理在安全领域的挑战，提出三层次风险分类和FASA架构，旨在提升自主代理的安全性。

Feynman: Knowledge-Infused Diagramming Agent for Scalable Visual Designs

Feynman: 一种融合知识的图表生成代理，用于可扩展的视觉设计

Zixin Wen, Yifu Cai, Kyle Lee, Sam Estep, Josh Sunshine, Aarti Singh, Yuejie Chi, Wode Ni

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出Feynman代理，通过知识组件枚举和代码规划生成高质量图表-描述对，构建了可扩展的图表生成流水线，并创建了视觉语言基准Diagramma。

Comments A previous version was submitted to ICLR 2025

Aligning Large Language Model Agents with Rational and Moral Preferences: A Supervised Fine-Tuning Approach

对齐大型语言模型代理的理性与道德偏好：一种监督微调方法

Wei Lu, Amit Dhanda, Daniel L. Chen, Christian B. Hansen

机构 * Zicklin School of Business, CUNY Baruch College（纽约大学法学院） ； Amazon（亚马逊） ； Toulouse School of Economics（图卢兹经济学院） 纠错

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

AI总结 本文通过监督微调方法对齐LLM代理的理性与道德偏好，揭示了代理在经济游戏中的系统性偏差，并展示了不同偏好结构对均衡结果的影响。

Route Fragmentation Based on Resource-centric Prioritisation for Efficient Multi-Robot Path Planning in Agricultural Environments

基于资源优先的路线碎片化方法用于农业环境中高效多机器人路径规划

James R. Heselden, Gautham P. Das

机构 * Lincoln Centre for Autonomous Systems, University of Lincoln, UK（林肯自主系统中心，林肯大学，英国） ； Lincoln Institute for Agri-food Technology, University of Lincoln, UK（林肯农业食品技术研究所，林肯大学，英国） 纠错

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

AI总结 本文提出基于资源优先的路线碎片化方法，用于农业环境中高效多机器人路径规划，通过部分路线进展减少二进制等待影响，提升任务吞吐量。

Comments This work has been submitted to the IEEE for possible publication

Large Language Models as Delivery Rider: Generating Instant Food Delivery Riders' Routing Decision with LLM Agent Framework

大语言模型作为配送骑手：利用LLM代理框架生成即时食品配送骑手的路线决策

Chengbo Zhang, Zuopeng Xiao

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

AI总结 本文提出LLM-DR框架，通过基于经验的骑手人设和基于推理的路线过程，模拟配送骑手的异质决策，以研究骑手劳动力战略对系统出行模式的影响。

Comments Proceedings of the 3rd International Conference on Urban Science and Intelligence

Evaluating VLMs' Spatial Reasoning Over Robot Motion: A Step Towards Robot Planning with Motion Preferences

评估VLMs在机器人运动中的空间推理能力：迈向具有运动偏好的机器人规划的一步

Wenxi Wu, Jingjing Zhang, Martim Brandão

机构 * King’s College London（伦敦国王学院） ； University College London（伦敦大学学院） 纠错

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

AI总结 本文评估了四种先进VLMs在机器人运动中的空间推理能力，探讨了运动偏好（如物体接近性和路径风格）的处理，并分析了准确率与计算成本的权衡。

Comments Accepted to the First Workshop on Efficient Spatial Reasoning at ICLR 2026

CarPLAN: Context-Adaptive and Robust Planning with Dynamic Scene Awareness for Autonomous Driving

CarPLAN: 基于动态场景感知的上下文自适应与鲁棒规划

Junyong Yun, Jungho Kim, ByungHyun Lee, Dongyoung Lee, Sehwan Choi, Seunghyeop Nam, Kichun Jo, Jun Won Choi

机构 * Department of Artificial Intelligence, Hanyang University（翰林大学人工智能系） ； Interdisciplinary Program in Artificial Intelligence, Seoul National University（首尔国立大学人工智能跨学科项目） ； Department of Electrical and Computer Engineering, Seoul National University（首尔国立大学电子与计算机工程系） ； Department of Automotive Engineering, Hanyang University（翰林大学汽车工程系） 纠错

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

AI总结 CarPLAN通过位移感知预测编码和上下文自适应多专家解码器，提升自动驾驶在复杂场景中的鲁棒性和适应性规划能力。

Comments 10 pages, 6 figures. Under review at IEEE Transactions on Intelligent Transportation Systems

FAPE-IR: Frequency-Aware Planning and Execution Framework for All-in-One Image Restoration

FAPE-IR：面向全场景图像修复的频率感知规划与执行框架

Jingren Liu, Shuning Xu, Qirui Yang, Yun Wang, Xiangyu Chen, Zhong Ji

机构 * Tianjin University（天津大学） ； University of Macau（澳门大学） ； City University of Hong Kong（香港城市大学） ； Institute of Artificial Intelligence (TeleAI)（人工智能研究所（TeleAI）） 纠错

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

AI总结 本文提出FAPE-IR框架，通过频率感知规划与执行模块，结合多模态大语言模型和LoRA-MoE架构，实现统一且可解释的全场景图像修复，实验显示其在七项任务中表现优异。

ThreatGPT: An Agentic AI Framework for Enhancing Public Safety through Threat Modeling

ThreatGPT: 一个通过威胁建模增强公共安全的代理AI框架

Sharif Noor Zisad, Ragib Hasan

机构 * Department of Computer Science（计算机科学系） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） 纠错

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

AI总结 ThreatGPT通过整合AI与人类判断，帮助工程师、安全官和政策制定者分析公共安全系统的威胁，利用STRIDE、MITRE ATT&CK等框架生成智能威胁模型，提升安全防护能力。

Unifying Decision Making and Trajectory Planning in Automated Driving through Time-Varying Potential Fields

通过时变势场统一决策与轨迹规划在自动驾驶中

David Costa, Francesco Cerrito, Massimo Canale, Carlo Novara

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出基于时变人工势场的统一决策与局部轨迹规划框架，通过建模动态障碍物的预测运动来实现安全轨迹生成。

Agent-based macroeconomics for the UK's Seventh Carbon Budget

基于代理的英国第七碳预算宏观经济研究

Tom Youngman, Tim Lennox, M. Lopes Alves, Pirta Palola, Brendon Tankwa, Emma Bailey, Emilien Ravigne, Thijs Ter Horst, Benjamin Wagenvoort, Harry Lightfoot Brown, Jose Moran, Doyne Farmer

专题命中 规划决策 ：agent(title,abstract)

AI总结 本文基于数据驱动的宏观经济代理模型，研究英国第七碳预算对经济增长、就业、通胀和不平等的影响，通过三个工作包推进政策制定工作。

Generalized Recognition of Basic Surgical Actions Enables Skill Assessment and Vision-Language-Model-based Surgical Planning

基本手术动作的通用识别促进技能评估和基于视觉-语言模型的手术规划

Mengya Xu, Daiyun Shen, Jie Zhang, Hon Chi Yip, Yujia Gao, Cheng Chen, Dillan Imans, Yonghao Long, Yiru Ye, Yixiao Liu, Rongyun Mai, Kai Chen, Hongliang Ren, Yutong Ban, Guangsuo Wang, Francis Wong, Chi-Fai Ng, Kee Yuan Ngiam, Russell H. Taylor, Daguang Xu, Yueming Jin, Qi Dou

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出包含10种基本手术动作的大型数据集，开发了新的基础模型以实现基本动作的通用识别，并展示了其在手术技能评估和手术规划中的应用。

Comments 34 pages, 8 figures

COAD: Constant-Time Planning for Continuous Goal Manipulation with Compressed Library and Online Adaptation

COAD：基于压缩库和在线适应的连续目标操纵的常数时间规划

Adil Shiyas, Zhuoyun Zhong, Constantinos Chamzas

机构 * Department of Robotics Engineering, Worcester Polytechnic Institute (WPI)（机器人工程系，沃斯特理工学院（WPI）） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 COAD通过压缩库和在线适应实现连续目标参数化任务空间的常数时间规划，减少运动库规模并提升规划效率与路径质量。

Comments Adil Shiyas and Zhuoyun Zhong contributed equally to this work

CalliMaster: Mastering Page-level Chinese Calligraphy via Layout-guided Spatial Planning

CalliMaster：通过布局引导的空间规划掌握页面级中文书法

Tianshuo Xu, Tiantian Hong, Zhifei Chen, Fei Chao, Ying-cong Chen

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Faculty of Engineering and IT, University of Technology Sydney（悉尼大学工程与信息学院） ； Xiamen University（厦门大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出CalliMaster框架，通过解耦空间规划与内容合成，解决页面级书法生成中精度与布局的平衡问题，支持可控生成与编辑，扩展至文物修复与鉴定。

A Neuro-Symbolic Framework Combining Inductive and Deductive Reasoning for Autonomous Driving Planning

一种结合归纳推理与演绎推理的神经符号框架用于自动驾驶规划

Hongyan Wei, Wael AbdAlmageed

机构 * Clemson University（克莱姆森大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种神经符号框架，结合归纳与演绎推理提升自动驾驶规划的透明性和安全性，在nuScenes基准中优于现有方法。

Comments Under review. 16 pages, 2 figures

NavForesee: A Unified Vision-Language World Model for Hierarchical Planning and Dual-Horizon Navigation Prediction

NavForesee: 一种统一的视觉-语言世界模型用于分层规划和双时间尺度导航预测

Fei Liu, Shichao Xie, Minghua Luo, Zedong Chu, Junjun Hu, Xiaolong Wu, Mu Xu

机构 * Alibaba Group（阿里巴巴集团） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 NavForesee通过统一的视觉-语言模型实现分层规划和双时间尺度导航预测，结合任务分解与环境预测，提升复杂场景下的导航能力。

Scaling Generalist Data-Analytic Agents

放大通用数据分析代理

Shuofei Qiao, Yanqiu Zhao, Zhisong Qiu, Xiaobin Wang, Jintian Zhang, Zhao Bin, Ningyu Zhang, Yong Jiang, Pengjun Xie, Fei Huang, Huajun Chen

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

AI总结 本文提出DataMind，通过细粒度任务分类和递归易难任务组合机制，解决开源数据分析代理的数据不足、训练策略不当和代码多轮滚动不稳定问题，构建出性能优异的DataMind-14B和DataMind-7B代理。

Comments ICLR 2026

Towards AI Search Paradigm

迈向人工智能搜索范式

Yuchen Li, Hengyi Cai, Rui Kong, Xinran Chen, Jiamin Chen, Jun Yang, Haojie Zhang, Jiayi Li, Jiayi Wu, Yiqun Chen, Changle Qu, Wenwen Ye, Lixin Su, Xinyu Ma, Lingyong Yan, Long Xia, Daiting Shi, Junfeng Wang, Xiangyu Zhao, Jiashu Zhao, Haoyi Xiong, Shuaiqiang Wang, Dawei Yin

机构 * Baidu Search（百度搜索） 纠错

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

AI总结 本文提出AI搜索范式，通过四个LLM驱动代理动态适应各类信息需求，结合任务规划、工具集成和高效推理方法，构建可信赖、适应性强的下一代搜索系统。

Deep Reinforcement Learning for URLLC data management on top of scheduled eMBB traffic

基于调度eMBB流量的深度强化学习用于URLLC数据管理

Fabio Saggese, Luca Pasqualini, Marco Moretti, Andrea Abrardo

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出深度强化学习算法，用于在调度eMBB流量的物理层资源上切分URLLC和eMBB流量，通过动态分配URLLC流量来满足其严格要求。

Comments This work has been submitted to the IEEE for possible publication

Motion Dreamer: Boundary Conditional Motion Reasoning for Physically Coherent Video Generation

Motion Dreamer：基于物理一致视频生成的边界条件运动推理

Tianshuo Xu, Zhifei Chen, Leyi Wu, Hao Lu, Yuying Chen, Lihui Jiang, Bingbing Liu, Yingcong Chen

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

AI总结 本文提出Motion Dreamer框架，通过分离运动推理与视觉合成，解决视频生成中边界条件运动推理的问题，提升运动合理性与视觉真实性。

Comments The authors have decided to withdraw this article due to the following reasons identified after publication: Experimental Errors: Significant inaccuracies were discovered in the experimental results concerning segmentation and depth estimation. Authorship Disputes: In addition to the technical issues, there are unresolved disagreements regarding the author sequence and contributions

Motion-Specific Battery Health Assessment for Quadrotors Using High-Fidelity Battery Models

四旋翼运动特定电池健康评估的高保真电池模型

Joonhee Kim, Sanghyun Park, Donghyeong Kim, Eunseon Choi, Soohee Han

机构 * Department of Convergence IT Engineering, Pohang University of Science and Technology（convergence IT工程系，釜山科学技术大学） ； Department of Electrical Engineering, Pohang University of Science and Technology（电气工程系，釜山科学技术大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种四旋翼运动感知电池健康评估框架，通过高保真电池模型分析不同飞行姿态对电池降解的影响，强调运动感知电池管理的重要性。

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