AI Agent

From What to Why: A Multi-Agent System for Evidence-based Chemical Reaction Condition Reasoning

从何到为何：一个用于基于证据的化学反应条件推理的多智能体系统

Cheng Yang, Jiaxuan Lu, Haiyuan Wan, Junchi Yu, Feiwei Qin

机构 * Hangzhou Dianzi University（杭州电子科技大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； University of Oxford（牛津大学） 纠错

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

AI总结 本文提出ChemMAS多智能体系统，通过机制 grounding、多通道回忆、约束感知辩论和理由聚合，提升化学反应条件推荐的可解释性，实验表明其在准确率和可解释性上优于现有方法。

Comments Accepted by ICLR 2026

TRACE: A Multi-Agent System for Autonomous Physical Reasoning for Seismology

TRACE：一种用于地震学自主物理推理的多智能体系统

Feng Liu, Jian Xu, Xin Cui, Xinghao Wang, Zijie Guo, Jiong Wang, S. Mostafa Mousavi, Xinyu Gu, Hao Chen, Ben Fei, Lihua Fang, Fenghua Ling, Zefeng Li, Lei Bai

机构 * School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电子信息与电气工程学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； School of Earth and Space Sciences, University of Science and Technology of China（中国科学技术大学地球和空间科学学院） ； Department of Earth and Planetary Sciences, Harvard University（哈佛大学地球与行星科学系） ； Institute of Earthquake Forecasting, China Earthquake Administration（中国地震局地震预报研究所） 纠错

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

AI总结 TRACE通过结合大语言模型规划与正式地震学约束，从原始观测中推导出可审计的物理机制，解决了地震序列物理机制推断的挑战，推动了地球科学从专家依赖分析向知识引导的自主发现发展。

Comments 25 pages for main text and 164 pages for appendices

Agentic RAG with Knowledge Graphs for Complex Multi-Hop Reasoning in Real-World Applications

具有知识图谱的代理RAG用于现实世界应用中的复杂多跳推理

Jean Lelong, Adnane Errazine, Annabelle Blangero

机构 * Ekimetrics 纠错

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

AI总结 INRAExplorer通过多工具架构和知识图谱实现复杂多跳推理，提升专业领域知识交互能力。

Comments ECAI 2025 demo track, 4 pages

Journal ref ECAI 2025, Frontiers in Artificial Intelligence and Applications, vol. 413, pp. 5163-5166, IOS Press

Agentic Trust Coordination for Federated Learning through Adaptive Thresholding and Autonomous Decision Making in Sustainable and Resilient Industrial Networks

面向可持续和抗灾工业网络的联邦学习代理信任协调

Paul Shepherd, Tasos Dagiuklas, Bugra Alkan, Jonathan Rodriguez

机构 * London South Bank University（伦敦南岸大学） ； Instituto de Telecomunicações（电信研究所） 纠错

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

AI总结 本文提出一种轻量级代理信任协调方法，通过自适应阈值和自主决策提升联邦学习在可持续和抗灾工业网络中的可靠性。

Temporally Decoupled Diffusion Planning for Autonomous Driving

时间解耦的扩散规划用于自动驾驶

Xiang Li, Bikun Wang, John Zhang, Jianjun Wang

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

AI总结 本文提出时间解耦扩散模型(TDDM)，通过噪声掩码方法解决动态城市环境中即时安全与长期目标的平衡问题，改进轨迹生成并提升复杂场景下的规划性能。

Comments icaps

AD-CARE: A Guideline-grounded, Modality-agnostic LLM Agent for Real-world Alzheimer's Disease Diagnosis with Multi-cohort Assessment, Fairness Analysis, and Reader Study

AD-CARE：一种基于指南、模态无关的LLM代理，用于多队列评估、公平性分析和读者研究的阿尔茨海默病诊断

Wenlong Hou, Sheng Bi, Guangqian Yang, Lihao Liu, Ye Du, Hanxiao Xue, Juncheng Wang, Yuxiang Feng, Yue Xun, Nanxi Yu, Ning Mao, Mo Yang, Yi Wah Eva Cheung, Ling Long, Kay Chen Tan, Lequan Yu, Xiaomeng Ma, Shaozhen Yan, Shujun Wang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Xuanwu Hospital, Capital Medical University（首都医科大学宣武医院） ； Amazon（亚马逊） ； Zhejiang University（浙江大学） ； Sany AI（三一人工智能） ； Yantai Yuhuangding Hospital, Qingdao University（青岛大学烟台毓璜顶医院） ； The University of Hong Kong（香港大学） ； The Third Affiliated Hospital of Sun Yat-sen University（中山大学附属第三医院） 纠错

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

AI总结 AD-CARE通过整合临床指南和多模态数据，实现了多队列中84.9%的诊断准确率，显著提升诊断效率和公平性，适用于阿尔茨海默病的临床决策支持。

Constant-Time Motion Planning with Manipulation Behaviors

具有操纵行为的常时间运动规划

Nayesha Gandotra, Itamar Mishani, Maxim Likhachev

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

AI总结 本文提出B-CTMP算法，通过预计算紧凑数据结构，在固定时间内完成两步操纵任务，确保在半结构化环境中实现安全高效的操纵。

Comments In submission

SafeGuard ASF: SR Agentic Humanoid Robot System for Autonomous Industrial Safety

SafeGuard ASF：基于SR代理的人形机器人自主工业安全系统

Thanh Nguyen Canh, Thang Tran Viet, Thanh Tuan Tran, Ben Wei Lim

专题命中 规划决策 ：agentic(title,abstract)

AI总结 本文提出SafeGuard ASF系统，利用人形机器人结合多模态感知与ReAct代理推理框架，实现工业环境中的火灾烟雾、管道异常温度及禁区入侵检测，通过训练多种运动策略实现自主巡逻与避障。

Connectivity-Aware Representations for Constrained Motion Planning via Multi-Scale Contrastive Learning

基于连接性意识的表示方法用于受限运动规划的多尺度对比学习

Suhyun Jeon, Yumin Lim, Woo-Jeong Baek, Hyeonseo Kim, Suhan Park, Jaeheung Park

机构 * Seoul National University（首尔大学） ； Artificial Intelligence Institute (AIIS), Seoul National University（首尔大学人工智能研究所） ； Department of Mechanical Engineering, Seoul National University（首尔大学机械工程系） ； Kwangwoon University（光云大学） ； ASRI, AIIS, Seoul National University（首尔大学ASRI、AIIS） ； Advanced Institutes of Convergence Technology（先进融合技术研究所） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种多尺度对比学习方法，通过学习连接性意识的表示，选择连接区域的起始和目标配置，提高运动规划的成功率并减少规划时间。

Comments 8 pages, 5 figures, ICRA 2026

Trading robustness: a scenario-free approach to robust Multi-Criteria Optimization for Treatment Planning

交易稳健性：一种无需场景的稳健多准则优化方法用于治疗计划

Remo Cristoforetti, Philipp Süss, Tobias Becher, Niklas Wahl

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种无需场景的稳健多准则优化方法，用于治疗计划，通过预计算概率量实现快速优化，评估了稳健性与剂量学质量之间的权衡。

Comments 25 Pages, 4 Figures

Approximating CCCV charging using SOC-dependent tapered charging power constraints in long-term microgrid planning

利用SOC依赖性渐变充电功率约束近似CCCV充电

Hassan Zahid Butt, Xingpeng Li

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种可扩展的方法，通过SOC依赖性渐变充电功率约束近似CCCV充电，以提高长周期微电网规划中电池储能系统效率和可靠性。

Enhancing Optimal Microgrid Planning with Adaptive BESS Degradation Costs and PV Asset Management: An Iterative Post-Optimization Correction Framework

通过自适应BESS退化成本和光伏资产管理模式增强最优微电网规划：一种迭代后优化校正框架

Hassan Zahid Butt, Xingpeng Li

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种集成自适应退化成本建模的微电网规划模型，通过迭代后优化校正框架解决BESS和光伏退化成本问题，提升资源分配效率和系统可靠性。

DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents

DRIFT: 基于注入隔离的动态规则防御以保障LLM代理安全

Hao Li, Xiaogeng Liu, Hung-Chun Chiu, Dianqi Li, Ning Zhang, Chaowei Xiao

机构 * Washington University in St. Louis（圣路易斯华盛顿大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Independent Researcher（独立研究者） 纠错

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

AI总结 DRIFT通过动态安全策略和注入隔离技术，有效防御LLM代理中的提示注入攻击，验证了其在多个基准测试中的高安全性和高实用性。

Comments Accepted to NeurIPS 2025

Bridging the Gap Between Agility and Planning

弥合敏捷与规划之间的鸿沟

Eduardo Miranda

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

AI总结 本文提出一种混合管理框架，通过战略里程碑计划驱动项目执行，保留敏捷开发的经验控制组件，支持灵活的开发方法选择。

Comments 28 pages, 15 figures

Journal ref Miranda, E. (2020). Bridging the Gap Between Agility and Planning; PM World Journal, Vol. IX, Issue XI, November

Traffic Scene Generation from Natural Language Description for Autonomous Vehicles with Large Language Model

基于大语言模型的自然语言描述生成交通场景用于自动驾驶车辆

Bo-Kai Ruan, Hao-Tang Tsui, Yung-Hui Li, Hong-Han Shuai

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； Carnegie Mellon University（卡内基梅隆大学） ； AI Research Center, Hon Hai Research Institute（鸿海研究院人工智能研究中心） 纠错

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

AI总结 本文提出TTSG框架，通过自然语言生成可控交通场景，解决文本到空间布局、无预设位置场景构建及多智能体行为规划问题，实验表明其在安全关键场景中碰撞率低且提升驾驶 captioning 模型性能。

Comments Accepted by WAD@CVPR2026

Learning When to Act: Interval-Aware Reinforcement Learning with Predictive Temporal Structure

学习何时行动：具有预测时间结构的区间感知强化学习

Davide Di Gioia

机构 * University College London（伦敦大学学院） 纠错

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

AI总结 本文提出了一种轻量级自适应时间控制系统，通过学习认知周期间的最优间隔，改进了传统定时器，同时引入了空间时间嵌入方法以提升效率。

Working Paper: Active Causal Structure Learning with Latent Variables: Towards Learning to Detour in Autonomous Robots

工作稿：带有潜在变量的主动因果结构学习：迈向自主机器人中的绕道学习

Pablo de los Riscos, Fernando J. Corbacho

机构 * Computer Engineering Department, Universidad Autónoma de Madrid（马德里自治大学计算机工程系） 纠错

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

AI总结 本文提出通过带有潜在变量的主动因果结构学习（ACSLWL）使自主机器人能主动构建因果模型，以应对环境变化，通过学习绕道行为提升效率。

Comments 44 pages, 12 figures

How Far Are Vision-Language Models from Constructing the Real World? A Benchmark for Physical Generative Reasoning

视觉-语言模型距离构建现实世界还有多远？一个物理生成推理的基准测试

Luyu Yang, Yutong Dai, An Yan, Viraj Prabhu, Ran Xu, Zeyuan Chen

机构 * Salesforce AI Research（Salesforce 人工智能研究院） 纠错

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

AI总结 本文提出DreamHouse基准测试，评估视觉-语言模型在物理生成推理能力上的不足，通过住宅木构架建造领域验证模型在结构、施工可行性等约束下的生成能力。

Composer 2 Technical Report

Composer 2 技术报告

Cursor Research, :, Aaron Chan, Ahmed Shalaby, Alexander Wettig, Aman Sanger, Andrew Zhai, Anurag Ajay, Ashvin Nair, Charlie Snell, Chen Lu, Chen Shen, Emily Jia, Federico Cassano, Hanpeng Liu, Haoyu Chen, Henry Wildermuth, Jacob Jackson, Janet Li, Jediah Katz, Jiajun Yao, Joey Hejna, Josh Warner, Julius Vering, Kevin Frans, Lee Danilek, Less Wright, Lujing Cen, Luke Melas-Kyriazi, Michael Truell, Michiel de Jong, Naman Jain, Nate Schmidt, Nathan Wang, Niklas Muennighoff, Oleg Rybkin, Paul Loh, Phillip Kravtsov, Rishabh Yadav, Sahil Shah, Sam Kottler, Alexander M Rush, Shengtong Zhang, Shomil Jain, Sriram Sankar, Stefan Heule, Stuart H. Sul, Sualeh Asif, Victor Rong, Wanqi Zhu, William Lin, Yuchen Wu, Yuri Volkov, Yury Zemlyanskiy, Zack Holbrook, Zhiyuan Zhang

机构 * Cursor Research 纠错

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

AI总结 Composer 2 是一种专为智能软件工程设计的模型，通过两阶段训练提升长期规划和编码能力，其在真实软件问题上的表现优于前代模型。

Optimality and annealing path planning of dynamical analog solvers

动态类比求解器的最优性与退火路径规划

Shu Zhou, K. Y. Michael Wong, Juntao Wang, David Shui Wing Hui, Daniel Ebler, Jie Sun

专题命中 规划决策 ：planning(title)

AI总结 本文提出动态均场框架分析Ising机动态，揭示其在寻找Sherrington-Kirkpatrick模型地面态能量时的最优性机制，展示温度退火对Coherent Ising Machine的显著优势，并提出优化参数调度框架以提升求解性能。

Calibrating Resident Surveys with Operational Data in Community Planning

通过运营数据校准居民调查用于社区规划

Irene S. Gabashvili

专题命中 规划决策 ：planning(title)

AI总结 本文通过校准居民调查结果与运营数据，揭示了社区中感知拥堵与实际容量的关系，提出更准确的系统诊断方法。

Comments 13 pages, 2 figures, 1 table

MIGHTY: Hermite Spline-based Efficient Trajectory Planning

MIGHTY：基于Hermite样条的高效轨迹规划

Kota Kondo, Yuwei Wu, Vijay Kumar, Jonathan P. How

机构 * Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（航空航天系，麻省理工学院） ； Department of Electrical and Systems Engineering, University of Pennsylvania（电气与系统工程系，宾夕法尼亚大学） 纠错

专题命中 规划决策 ：planning(title)

AI总结 MIGHTY通过Hermite样条实现时空优化，利用连续搜索空间提升效率，仿真中计算时间与旅行时间分别减少9.3%和13.1%，硬件测试中实现高速飞行和动态障碍物应对。

Comments 10 pages, 12 figures

EcoThink: A Green Adaptive Inference Framework for Sustainable and Accessible Agents

EcoThink: 一种绿色自适应推理框架，用于可持续和可及的智能体

Linxiao Li, Zhixiang Lu

机构 * The University of Sydney（悉尼大学） ； University of Liverpool（利物浦大学） 纠错

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

AI总结 本文提出EcoThink框架，通过轻量级路由器动态评估查询复杂度，减少推理能耗40.4%，提升AI可持续性和可及性。

Comments Accepted by WWW 2026

Drive My Way: Preference Alignment of Vision-Language-Action Model for Personalized Driving

Drive My Way: 为个性化驾驶的视觉-语言-动作模型偏好对齐

Zehao Wang, Huaide Jiang, Shuaiwu Dong, Yuping Wang, Hang Qiu, Jiachen Li

机构 * University of California, Riverside（加州大学河滨分校） ； University of Michigan（密歇根大学） 纠错

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

AI总结 本文提出Drive My Way框架，通过学习用户驾驶习惯和自然语言指令，实现个性化驾驶，提升对用户意图的适应能力。

Comments IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2026); Project website: https://dmw-cvpr.github.io/

T-SKM-Net: Trainable Neural Network Framework for Linear Constraint Satisfaction via Sampling Kaczmarz-Motzkin Method

T-SKM-Net：基于采样Kaczmarz-Motzkin方法的可训练神经网络框架用于线性约束满足

Haoyu Zhu, Yao Zhang, Jiashen Ren, Qingchun Hou

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

AI总结 本文提出T-SKM-Net框架，通过将混合约束问题转化为纯不等式问题，并结合采样Kaczmarz-Motzkin方法进行迭代求解，实现神经网络在约束满足中的高效处理，同时保证了端到端的可训练性。

Do Language Models Follow Occam's Razor? An Evaluation of Parsimony in Inductive and Abductive Reasoning

语言模型遵循奥卡姆剃刀吗？对归纳和反向推理中简约性的评估

Yunxin Sun, Abulhair Saparov

机构 * Purdue University（普渡大学） 纠错

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

AI总结 本文评估大型语言模型在归纳和反向推理中是否遵循奥卡姆剃刀原则，通过生成综合推理问题测试其在简单和复杂场景中的表现，发现模型在复杂世界模型中难以生成高质量假设。

Scalable Multi-Objective Reinforcement Learning with Fairness Guarantees using Lorenz Dominance

基于洛伦兹支配的可扩展多目标强化学习与公平性保证

Dimitris Michailidis, Willem Röpke, Diederik M. Roijers, Sennay Ghebreab, Fernando P. Santos

机构 * University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 本文提出一种结合公平性保证的多目标强化学习算法，通过洛伦兹支配识别公平奖励分布，提升多目标问题的可扩展性，在西安和阿姆斯特丹两个大型城市中展示出优于传统方法的性能。

Comments 32 pages. Published in Journal of Artificial Intelligence Research, Vol. 85, Article 31

Journal ref Journal of Artificial Intelligence Research, Vol. 85, Article 31. Publication date: March 2026

Pixelis: Reasoning in Pixels, from Seeing to Acting

Pixelis：在像素中推理，从看见到行动

Yunpeng Zhou

机构 * University of Reading（雷丁大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 Pixelis通过在像素空间中直接操作图像和视频，结合执行操作和学习后果，提升视觉智能的通用性和物理基础，实现基于行动的多模态感知。

Comments 28pages, 16figures, 18tables

LLM-Driven Reasoning for Constraint-Aware Feature Selection in Industrial Systems

基于大语言模型的约束感知特征选择方法用于工业系统

Yuhang Zhou, Zhuokai Zhao, Ke Li, Spilios Evmorfos, Gökalp Demirci, Mingyi Wang, Qiao Liu, Qifei Wang, Serena Li, Weiwei Li, Tingting Wang, Mingze Gao, Gedi Zhou, Abhishek Kumar, Xiangjun Fan, Lizhu Zhang, Jiayi Liu

机构 * Meta AI 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.CL

AI总结 本文提出MoFA框架，利用大语言模型进行序列推理特征选择，解决工业系统中标注数据有限和多约束问题，通过结构化提示和可解释推理提升模型精度与效率。

Comments 11 pages, 2 tables

Multi-LLM Query Optimization

多LLM查询优化

Arlen Dean, Zijin Zhang, Stefanus Jasin, Yuqing Liu

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

AI总结 本文研究如何在异构模型间优化查询分配，通过建立鲁棒的离线查询规划问题，结合联合界限分解与Chernoff型集中界，提出闭式表达式并设计近似方案。