AutoMIA: Improved Baselines for Membership Inference Attack via Agentic Self-Exploration
AutoMIA：通过代理自我探索改进的成员推断攻击基线
专题命中 工具调用 ：agentic(title,abstract)
AI总结 AutoMIA通过代理自我探索和策略进化，改进成员推断攻击基线，实现模型无关的攻击空间系统遍历，优于现有方法且无需手动特征工程。
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. 工具调用 4 篇
A Visionary Look at Vibe Researching
对Vibe研究的前瞻性展望
专题命中 工具调用 ：agent(abstract)；tool use(abstract)；multi-agent(abstract)
AI总结 本文探讨了Vibe研究范式，结合人类指导与AI代理，提出多智能体架构、记忆、工具使用等方法，分析其技术限制与社会影响，为负责任的采用提供路线图。
Execution-Verified Reinforcement Learning for Optimization Modeling
可验证执行的强化学习用于优化建模
机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
专题命中 工具调用 ：agentic(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出EVOM框架，通过将数学规划求解器作为确定性验证器，利用强化学习生成并执行求解代码，实现高效的优化建模。实验表明EVOM在多个数据集上表现优异，支持零样本求解器迁移和低成本适应。
Solving Problems of Unknown Difficulty
解决未知难度的问题
专题命中 工具调用 ：agent(abstract)
AI总结 本文研究了问题难度不确定性如何影响问题解决策略，提出动态模型分析探索与利用的平衡，探讨主代理环境中的道德风险与学习作用，揭示创新与组织设计的洞察。
2. 规划决策 59 篇
Collaborative Task and Path Planning for Heterogeneous Robotic Teams using Multi-Agent PPO
异构机器人团队协同任务与路径规划的多智能体PPO方法
机构 * Robotic Systems Lab (RSL), ETH Zürich（苏黎世联邦理工学院机器人系统实验室（RSL））
专题命中 规划决策 ：agent(title,abstract)；planning(title,abstract)；multi-agent(title,abstract)
AI总结 本文提出基于多智能体PPO的协同规划策略，用于解决复杂的目标分配与调度问题，通过对比穷举搜索得到的单目标最优解，评估其在行星探索场景中的在线重规划能力。
Comments 8 pages, 3 figures, associated code on https://github.com/leggedrobotics/multi_robot_global_planner
Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG
代理检索增强生成：关于代理RAG的综述
机构 * Cleveland State University（克利夫兰州立大学） ； Kent State University（肯特州立大学） ； Northeastern University（东北大学） ； Roux Institute at Northeastern University（东北大学鲁克斯研究所） ； University of Agder (UiA)（阿格德尔大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；AI agent(abstract)；tool use(abstract)
AI总结 本文综述了代理RAG系统，分析了其架构分类、设计权衡及应用，指出其在灵活性、可扩展性和上下文感知方面的优势，并探讨了未来研究方向。
$\texttt{YC-Bench}$: Benchmarking AI Agents for Long-Term Planning and Consistent Execution
YC-Bench：评估长期规划和一致执行的AI代理基准测试
专题命中 规划决策 ：planning(title,abstract)；AI agent(title)；agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出YC-Bench基准测试，评估AI代理在长期任务中维持战略一致性的能力，通过模拟一年初创公司运营，测试代理在不确定环境中的规划、学习与适应能力，发现仅三模型能持续超越初始资金，Scratchpad使用是成功关键，对抗性客户检测是主要失败模式。
Comments 16 pages, 10 figures
HiMA-Ecom: Enabling Joint Training of Hierarchical Multi-Agent E-commerce Assistants
HiMA-Ecom：面向电商场景的分层多智能体助手联合训练
机构 * JD Retail, JD.com, Inc.（京东零售，京东集团） ； Faculty of Engineering and Information Technology, The University of Melbourne（墨尔本大学工程与信息技术学院） ； School of Mathematical Sciences, University of Chinese Academy of Sciences（中国科学院大学数学科学学院）
专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 本文提出HiMA-Ecom电商多智能体基准，通过VR-GRPO算法实现多智能体联合训练，基于3B/7B开源模型在电商场景中取得优于DeepSeek-V3的性能。
Comments 39 pages, 10 figures, under review
Agentic AI and Occupational Displacement: A Multi-Regional Task Exposure Analysis of Emerging Labor Market Disruption
代理AI与职业替代：新兴劳动力市场破坏的多地区任务暴露分析
机构 * BigCommerce ； University at Buffalo, The State University of New York（纽约州立大学布法罗分校）
专题命中 规划决策 ：agentic(title,abstract)；AI agent(abstract)；planning(abstract)；workflow(abstract)
AI总结 本文扩展了Acemoglu-Restrepo的任务暴露框架，分析代理AI系统对劳动力市场的影响，提出Agentic Task Exposure（ATE）评分，揭示职业替代风险及新兴职业领域。
Comments 26 pages, 2 figures, 6 tables. Submitted to IMF-OECD-PIIE-World Bank Conference on Labor Markets and Structural Transformation 2026
Curriculum Guided Massive Multi Agent System Solving For Robust Long Horizon Tasks
课程引导的大规模多智能体系统解决稳健长周期任务
机构 * Wipro Innovation Networks（威普罗创新网络）
专题命中 规划决策 ：agent(title,abstract)；planning(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出一种分层多智能体架构，通过空间课程逐步扩展网格区域，使智能体先掌握中央任务再处理外围任务，提升长周期任务的稳定性和推理能力。
Comments 22 pages, 2 tables, 9 figures
A Player Selection Network for Scalable Game-Theoretic Prediction and Planning
一种用于可扩展博弈论预测与规划的玩家选择网络
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；multi-agent(abstract)
AI总结 本文提出PSN Game框架，通过学习玩家选择网络减少博弈规模，提升预测准确性和规划安全性，同时利用目标推断网络处理信息不完全场景。
View-oriented Conversation Compiler for Agent Trace Analysis
面向视角的对话编译器用于代理轨迹分析
机构 * Stanford University（斯坦福大学）
专题命中 规划决策 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文提出VCC编译器，将原始代理JSONL日志转换为结构化视角，提升轨迹分析质量，减少token消耗并提升模型性能。
Comments Code: https://github.com/lllyasviel/VCC
RoboClaw: An Agentic Framework for Scalable Long-Horizon Robotic Tasks
RoboClaw：一个用于可扩展长周期机器人任务的代理框架
机构 * AgiBot ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； MoE Key Lab of Artificial Intelligence, AI Institute, SJTU（上海交通大学人工智能研究院教育部人工智能重点实验室）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 RoboClaw通过统一数据收集、策略学习和任务执行，提高长周期机器人任务的稳定性和可扩展性，减少人工干预，提升多策略鲁棒性。
Comments Code available at: https://github.com/RoboClaw-Robotics/RoboClaw
The Persistent Vulnerability of Aligned AI Systems
对齐AI系统持续的脆弱性
机构 * University College London（伦敦大学学院）
专题命中 规划决策 ：agent(abstract)；AI agent(abstract)；planning(abstract)；agentic(abstract)
AI总结 本文探讨了自主AI代理在文件系统访问、电子邮件控制和多步骤规划中的部署问题，提出ACDC、LAT等方法以解决AI安全四大难题，通过实验展示对抗性攻击的成功率及模型对齐测试结果。
Comments PhD thesis, University College London, 2025. 157 pages. Supervised by Ricardo Silva
Battery Electric Truck Infrastructure Co-design via Joint Optimization and Agent-based Simulation
通过联合优化和基于代理的仿真设计电池电动卡车基础设施
专题命中 规划决策 ：agent(title,abstract)；planning(abstract)
AI总结 本文通过联合优化和基于代理的仿真，研究了物流配送网络中充电基础设施与调度的协同设计，验证了优化框架在荷兰案例中的有效性，展示了优化策略在降低成本和减少排队时间方面的优势。
Journal ref IEEE Transactions on Transportation Electrification, vol. 11, no. 5, pp. 11296-11306, 2025
Hierarchical Motion Planning and Control under Unknown Nonlinear Dynamics via Predicted Reachability
通过预测可达性在未知非线性动力学下进行分层运动规划与控制
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)
AI总结 本文提出一种分层规划-控制框架，通过分步逼近未知非线性系统，利用可达性理论和预测可达性条件保证运动规划的正式可达性。
Preference Guided Iterated Pareto Referent Optimisation for Accessible Route Planning
基于偏好迭代帕累托参考优化的无障碍路线规划
机构 * Gemeente Amsterdam（阿姆斯特丹市政府）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文提出PG-IPRO算法，通过用户反馈优化路线规划，提高交互直观性并提升计算效率
CARE: Privacy-Compliant Agentic Reasoning with Evidence Discordance
CARE：具有证据不一致性的隐私合规代理推理
机构 * University of Cambridge（剑桥大学） ； McGill University（麦吉尔大学） ； MBZUAI - Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Columbia University（哥伦比亚大学） ； Mila - Quebec AI Institute（米拉-魁北克人工智能研究所）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.CL
AI总结 针对医疗领域中症状与体征矛盾的问题，CARE框架通过多阶段隐私合规的代理推理，在不访问敏感数据的情况下提升冲突证据处理能力。
Comments Preprint
Gradient-Based Data Valuation Improves Curriculum Learning for Game-Theoretic Motion Planning
基于梯度的数据估值改进博弈式运动规划的课程学习
专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG
AI总结 本文通过梯度基于的数据估值方法改进博弈式运动规划的课程学习，证明其在训练效果上优于元数据启发式方法，通过TracIn评分构建课程，显著降低验证损失，提升规划性能。
Can LLMs Perceive Time? An Empirical Investigation
大语言模型能感知时间吗？一项实证研究
机构 * TCS Research（塔塔咨询服务公司研究院）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 研究探讨大语言模型在时间估计上的局限性，通过68项任务和四类模型进行实验，发现模型在预任务估计、相对排序和事后回忆中均存在显著误差，表明模型缺乏对自身推理时间的体验性认知。
Comments ICLR 2026 I Can't Believe It's Not Better Workshop
A 4D Representation for Training-Free Agentic Reasoning from Monocular Laparoscopic Video
一种用于无训练代理推理的4D表示
机构 * Computer Aided Medical Procedures, TU Munich（慕尼黑工业大学计算机辅助医疗程序研究所） ； Hospital of the LMU Munich, Ludwig-Maximilians-Universität (LMU)（慕尼黑大学医院） ； Munich Center for Machine Learning（慕尼黑机器学习中心）
专题命中 规划决策 ：agentic(title)；agent(abstract)
AI总结 本文提出一种基于显式4D表示的框架，利用多模态大语言模型实现无训练的手术代理推理，提升时空理解能力。
Sampling-based Task and Kinodynamic Motion Planning under Semantic Uncertainty
基于采样的任务与运动学动态运动规划在语义不确定性下
机构 * Kevin T. Crofton Department of Aerospace and Ocean Engineering, Virginia Tech（弗吉尼亚理工大学凯文·T·克罗夫顿航空航天与海洋工程系） ； Smead Department of Aerospace Engineering Sciences, University of Colorado Boulder（科罗拉多大学博尔德分校斯米德航空航天工程科学系）
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文研究了在不确定环境中集成任务和运动学动态运动规划问题，提出了一种结合决策技术和采样运动规划的 anytime 算法，证明了算法的正确性和渐进最优性。
Behavioral Score Diffusion: Model-Free Trajectory Planning via Kernel-Based Score Estimation from Data
行为得分扩散：通过核基得分估计实现无模型轨迹规划
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文提出行为得分扩散（BSD），通过核加权估计直接从轨迹数据中计算扩散得分函数，无需学习模型或动力学模型，在停车场景中实现高效轨迹规划。
Motion Planning with Precedence Specifications via Augmented Graphs of Convex Sets
通过凸集增强图进行具有优先级规格的运动规划
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文提出一种算法，用于规划避开障碍物并满足关键门优先级规格的轨迹。方法通过精确的凸集划分编码自由空间连通性，并构建增强图以精确编码优先级规格，通过求解最短路径问题提供精确解。
From Skew to Symmetry: Node-Interconnect Multi-Path Balancing with Execution-time Planning for Modern GPU Clusters
从倾斜到对称：节点-互连多路径平衡与执行时间规划用于现代GPU集群
专题命中 规划决策 ：planning(title)
AI总结 本文提出NIMBLE系统，通过动态重分布流量平衡节点内和节点间路径的利用率，提升GPU集群的通信性能。
When Users Change Their Mind: Evaluating Interruptible Agents in Long-Horizon Web Navigation
当用户改变主意：在长周期网络导航中评估可中断代理
机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； McGill University（麦吉尔大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； University of California Santa Barbara（加州大学圣塔芭芭拉分校） ； University of Southern California（南加州大学）
专题命中 规划决策 ：agent(abstract)；agentic(abstract)；分类 cs.CL
AI总结 本文首次系统研究长周期环境感知网络导航中可中断代理的表现，通过InterruptBench基准测试六种强大LLM，在单轮和多轮中断设置中分析其适应性和恢复效率。
Scenario theory for multi-criteria data-driven decision making
多标准数据驱动决策的场景理论
机构 * Dipartimento di Elettronica Informazione e Bioingegneria, Politecnico di Milano（米兰理工大学电子、信息与生物工程系） ； Dipartimento di Ingegneria dell’Informazione, Università degli studi di Brescia（布雷西亚大学信息工程系）
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 本文提出多标准数据驱动决策的场景理论，通过集体处理各标准违反风险，提升鲁棒性认证精度，为不确定性下的决策设计提供理论基础。
Internal State-Based Policy Gradient Methods for Partially Observable Markov Potential Games
基于内部状态的策略梯度方法用于部分可观测马尔可夫势博弈
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 本文提出基于内部状态的策略梯度方法，用于解决部分可观测马尔可夫势博弈中的多智能体强化学习问题，通过压缩累积信息以保证可扩展性，并建立非渐近收敛界。
Comments 6 pages, 2 figures. Submitted to IEEE Control Systems Letters (L-CSS) with CDC option
Cross-Context Verification: Hierarchical Detection of Benchmark Contamination through Session-Isolated Analysis
跨上下文验证：通过会话隔离分析进行层次化基准污染检测
机构 * Daejeon Jungang Cheonggua Co., Ltd.（大田中央青果有限公司）
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.CL
AI总结 本文提出跨上下文验证方法，通过多会话分析检测基准污染，发现污染二元性及信息限制机制，验证了结构复杂性非关键。
Comments 11 pages, 3 figures, 4 tables
Teaching AI to Handle Exceptions: Supervised Fine-Tuning with Human-Aligned Judgment
教AI处理例外：基于人类对齐判断的监督微调
机构 * Harvard Business School（哈佛商学院） ； Johns Hopkins University（约翰霍普金斯大学） ； MIT Sloan School of Management（麻省理工学院斯隆管理学院）
专题命中 规划决策 ：AI agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 研究探讨了如何通过监督微调使AI处理例外，发现使用人类解释的微调能显著提升模型决策能力，揭示了对齐人类判断需明确训练决策过程而非仅决策结果。
