AI Agent

MM-WebAgent: A Hierarchical Multimodal Web Agent for Webpage Generation

MM-WebAgent：一种用于网页生成的分层多模态网络代理

Yan Li, Zezi Zeng, Yifan Yang, Yuqing Yang, Ning Liao, Weiwei Guo, Lili Qiu, Mingxi Cheng, Qi Dai, Zhendong Wang, Zhengyuan Yang, Xue Yang, Ji Li, Lijuan Wang, Chong Luo

机构 * Shanghai Jiao Tong University（上海交通大学） ； Xi'an Jiaotong University（西安交通大学） ； Tongji University（同济大学） ； Microsoft Corporation（微软公司） 纠错

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

AI总结 本文提出MM-WebAgent，一种分层多模态网页生成框架，通过分层规划和迭代自反思协调AIGC元素生成，提升网页全局布局与视觉一致性。

LLMOrbit: A Circular Taxonomy of Large Language Models -From Scaling Walls to Agentic AI Systems

LLMOrbit：大型语言模型的圆形分类法——从扩展壁垒到智能体AI系统

Badri N. Patro, Vijay S. Agneeswaran

机构 * Microsoft（微软） 纠错

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

AI总结 本文提出LLMOrbit，通过八个维度分析2019-2025年50余种大型语言模型，揭示数据稀缺、成本激增和能源消耗三大危机，并提出六种突破扩展壁垒的范式，推动生成AI和智能体系统的发展。

SGA-MCTS: Decoupling Planning from Execution via Training-Free Atomic Experience Retrieval

SGA-MCTS：通过无训练原子经验检索解耦规划与执行

Xin Xie, Dongyun Xue, Wuguannan Yao, Mingxiao Feng, Wengang Zhou, Xiang Qi, Houqiang Li, Peng Zhang

机构 * Ant Digital Technologies, Ant Group（蚂蚁集团数字技术部） ； Hefei Comprehensive National Science Center（合肥国家科学中心） 纠错

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

AI总结 SGA-MCTS通过无训练原子经验检索解耦规划与执行，利用MCTS探索解空间并生成SGA原子，结合检索增强机制实现高效推理，使冻结模型在无需微调的情况下达到SOTA系统性能。

A hierarchical spatial-aware algorithm with efficient reinforcement learning for human-robot task planning and allocation in production

一种具有高效强化学习的分层空间感知算法用于生产中的人机任务规划与分配

Jintao Xue, Xiao Li, Nianmin Zhang

机构 * Department of Civil Engineering, The University of Hong Kong（香港大学土木工程系） 纠错

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

AI总结 本文提出了一种分层空间感知算法，结合高效强化学习解决复杂动态生产环境中的人机任务规划与分配问题，通过分解任务和实时规划分配提升生产效率。

Comments This is the accepted manuscript of a journal article accepted for publication in Robotics and Computer-Integrated Manufacturing (Elsevier)

Journal ref Volume 98, April 2026, 103159

Learning to Plan, Planning to Learn: Adaptive Hierarchical RL-MPC for Sample-Efficient Decision Making

学习与规划：自适应分层RL-MPC用于样本高效决策

Toshiaki Hori, Jonathan DeCastro, Deepak Gopinath, Avinash Balachandran, Guy Rosman

机构 * Toyota Research Institute（丰田研究院） ； Learning to Plan, Planning to Learn: Adaptive Hierarchical RL-MPC for Sample-Efficient Decision Making（学习规划，规划学习：自适应分层RL-MPC用于样本高效决策） 纠错

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

AI总结 本文提出了一种融合强化学习和MPC规划的分层方法，通过自适应聚合MPPI样本提升策略鲁棒性，实现在复杂规划问题中提高样本效率和任务成功率。

Comments 27 pages, 10 figures, 8th Annual Learning for Dynamics & Control Conference (L4DC)

Benchmarking Classical Coverage Path Planning Heuristics on Irregular Hexagonal Grids for Maritime Coverage Scenarios

在不规则六边形网格上评估经典覆盖路径规划启发式方法的基准测试：用于海洋覆盖场景

Carlos S. Sepúlveda, Gonzalo A. Ruz

机构 * Facultad de Ingeniería y Ciencias, Universidad Adolfo Ibáñez（工程与科学学院，阿道弗·伊巴涅斯大学） ； Dirección de Programas, Investigación y Desarrollo, Armada de Chile（智利海军计划、研究与开发 Directorate） ； Millennium Nucleus for Social Data Science (SODAS)（社会科学数据科学千年核基金（SODAS）） ； Millennium Nucleus in Data Science for Plant Resilience (PhytoLearning)（植物韧性数据科学千年核基金（PhytoLearning）） 纠错

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

AI总结 本文提出一个可重复的基准测试，评估经典单车覆盖路径规划启发式方法在不规则六边形网格上的性能，包含10000个哈密顿可行实例和17种启发式方法，揭示实现细节对稀疏几何图性能的影响。

NEAT-NC: NEAT guided Navigation Cells for Robot Path Planning

NEAT-NC：基于生物导航细胞的NEAT引导机器人路径规划

Hibatallah Meliani, Khadija Slimani, Samira Khoulji

机构 * ISI Laboratory, National School of Applied Sciences (ENSA), Abdelmalek Essaadi University（阿德莱尔梅萨迪大学应用科学学院智能研究所） ； EsieaLab LDR, Higher School of Computer Science, Electronics and Automation (ESIEA)（高等计算机科学、电子与自动化学校） 纠错

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

AI总结 本文提出NEAT-NC算法，利用导航细胞和递归神经网络提升动态环境中的路径规划性能，展示其在复杂环境中的适应性。

Comments To appear in short form in Genetic and Evolutionary Computation Conference (GECCO '26), 2026

Journal ref Genetic and Evolutionary Computation Conference (GECCO '26), July 13--17, 2026, San Jose, Costa Rica

Blazing the trails before beating the path: Sample-efficient Monte-Carlo planning

在铺设道路之前击败路径：样本高效的蒙特卡洛规划

Jean-Bastien Grill, Michal Valko, Rémi Munos

机构 * SequeL team, INRIA Lille - Nord Europe（SequeL团队，INRIA里尔-北欧分校） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 本文提出TrailBlazer算法，通过高效样本探索近优状态结构，实现样本效率高的蒙特卡洛规划，兼顾策略优化与计算效率。

Comments Published in Neural Information Processing Systems 2016

IE as Cache: Information Extraction Enhanced Agentic Reasoning

信息提取作为缓存：增强代理推理

Hang Lv, Sheng Liang, Hongchao Gu, Wei Guo, Defu Lian, Yong Liu, Hao Wang, Enhong Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） 纠错

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

AI总结 本文提出IE-as-Cache框架，将信息提取用作认知缓存以提升代理推理能力，通过查询驱动提取与缓存感知推理动态维护紧凑中间信息并过滤噪声，实验表明在多种LLM上显著提升推理准确性。

Comments 8pages, 2figures

Toward Agentic RAG for Ukrainian

迈向乌克兰的代理RAG

Marta Sumyk, Oleksandr Kosovan

机构 * Ukrainian Catholic University（乌克兰天主教大学） 纠错

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

AI总结 研究针对乌克兰语的代理RAG系统，结合两阶段检索与轻量级代理层，发现检索质量是瓶颈，代理重试提升准确率但受限于文档识别。

Comments This paper is a research report based on our participation in the UNLP 2026 Shared Task

Safe reinforcement learning with online filtering for fatigue-predictive human-robot task planning and allocation in production

Jintao Xue, Xiao Li, Nianmin Zhang

机构 * CI3 Lab, Department of Civil Engineering, The University of Hong Kong（香港大学土木工程系CI3实验室） 纠错

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

Comments This is the accepted manuscript of an article accepted for publication in \textit{Journal of Manufacturing Systems (Elsevier)

Journal ref Volume 84, February 2026, Pages 561-583

Trajectory Planning for a Multi-UAV Rigid-Payload Cascaded Transportation System Based on Enhanced Tube-RRT*

基于增强型管状RRT*的多无人机刚性载荷级联运输系统轨迹规划

Jianqiao Yu, Jia Li, Tianhua Gao

机构 * School of Aerospace Science and Technology, Beijing Institute of Technology（航天科学与技术学院，北京理工大学） ； Graduate School of Systems and Information Engineering, University of Tsukuba（系统与信息工程研究生院，筑波大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种两级轨迹规划框架，通过增强型管状RRT*算法解决密集障碍环境下的规划问题，结合主动混合采样和自适应扩展策略，生成安全可行的虚拟管，并通过轨迹平滑成本减少过度转弯，提升路径效率。

Comments 15 pages, 7 figures. Under review at IEEE Transactions on Aerospace and Electronic Systems (TAES). This work has been submitted to the IEEE for possible publication

Nodal Capacity Expansion Planning with Flexible Large-Scale Load Siting

具有灵活大规模负荷选址的节点容量扩展规划

Tomas Valencia Zuluaga, Simon Pang, Jean-Paul Watson

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出将大规模负荷选址纳入随机节点电力系统容量扩展规划模型，同时优化发电、输电和储能扩展。通过将负荷分为不同可靠性要求的多个层级，考虑其运营灵活性，并利用两阶段随机混合整数优化问题和跨场景期望约束进行求解。

Comments Updated test cases and test cases description. Improved figures and literature review

SECAdvisor: a Tool for Cybersecurity Planning using Economic Models

SECAdvisor: 一种利用经济模型进行网络安全规划的工具

Muriel Figueredo Franco, Christian Omlin, Oliver Kamer, Eder John Scheid, Burkhard Stiller

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出SECAdvisor工具，通过经济模型帮助企业优化网络安全投资，评估风险，提供预算内保护方案，并比较不同防护方案的成本效益。

Comments 12 pages, 7 figures, 2 tables, 9 equations

SWE-TRACE: Optimizing Long-Horizon SWE Agents Through Rubric Process Reward Models and Heuristic Test-Time Scaling

SWE-TRACE：通过规则过程奖励模型和启发式测试时间缩放优化长 horizon SWE代理

Hao Han, Jin Xie, Xuehao Ma, Weiquan Zhu, Ziyao Zhang, ZhiLiang Long, Hongkai Chen, Qingwen Ye

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

AI总结 本文提出SWE-TRACE框架，通过优化数据收集、强化学习和测试时间推理，提升SWE代理的长horizon推理能力，减少token消耗和推理延迟。

AI4S-SDS: A Neuro-Symbolic Solvent Design System via Sparse MCTS and Differentiable Physics Alignment

AI4S-SDS: 一种基于稀疏MCTS和可微物理对齐的神经符号溶剂设计系统

Jiangyu Chen

机构 * State Key Laboratory for Novel Software Technology at Nanjing University（南京大学新型软件技术国家重点实验室） ； School of Computer Science, Nanjing University（南京大学计算机科学学院） ； Suzhou Laboratory（苏州实验室） 纠错

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

AI总结 本文提出AI4S-SDS系统，通过稀疏MCTS和可微物理对齐，解决化学配方设计中的高维组合空间问题，提升探索多样性并实现物理约束下的有效性。

EchoAgent: Towards Reliable Echocardiography Interpretation with "Eyes","Hands" and "Minds"

EchoAgent：迈向可靠超声心动图解读的“眼、手、脑”系统

Qin Wang, Zhiqing He, Yu Liu, Bowen Guo, Zeju Li, Miao Zhao, Wenhao Ju, Zhiling Luo, Xianhong Shu, Yi Guo, Yuanyuan Wang

机构 * Fudan University（复旦大学） ； Fudan Zhongshan Hospital（复旦中山医院） ； Fuwai Yunnan Hospital（阜外云南医院） ； Fuwai Beijing Hospital（阜外北京医院） 纠错

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

AI总结 本文提出EchoAgent，通过整合视觉、手动操作与专家知识，实现端到端的超声心动图解读，提升临床可靠性与实用性。

Comments Accepted by CVPR 2026 CV4Clinical, 11 pages, 6 figures

Cornfigurator: Automated Planning for Any-to-Any Multimodal Model Serving

Cornfigurator：任意到任意多模态模型服务的自动化规划

Jeff J. Ma, Jae-Won Chung, Jisang Ahn, Yizhuo Liang, Runyu Lu, Akshay Jajoo, Myungjin Lee, Mosharaf Chowdhury

机构 * University of Michigan（密歇根大学） ； University of Southern California（南加州大学） ； Cisco Research（思科研究） 纠错

专题命中 规划决策 ：planning(title)；分类 cs.LG

AI总结 Cornfigurator是首个针对通用任意到任意模型推理服务的部署规划器，通过统计评估最大化服务吞吐量，比现有系统和专家调优方案提升1.12至6.32倍。

Comments Open-source at https://github.com/cornserve-ai/cornfigurator

Knowing When Not to Answer: Evaluating Abstention in Multimodal Reasoning Systems

在何时不回答：评估多模态推理系统中的退避

Nishanth Madhusudhan, Vikas Yadav, Alexandre Lacoste

机构 * ServiceNow Research（ServiceNow研究院） 纠错

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

AI总结 本文提出MM-AQA基准，通过视觉模态依赖性和证据充分性变换生成不可回答实例，评估三种前沿VLM和两种MAS架构，发现VLM在标准提示下 rarely 退避，MAS提升退避但引入准确率-退避权衡，序列设计表现优异，表明退避意识训练比提示或更多代理更重要。

Comments 10 pages and 4 figures (excluding appendix)

Simulating Human Cognition: Heartbeat-Driven Autonomous Thinking Activity Scheduling for LLM-based AI systems

模拟人类认知：基于心跳驱动的自主思考活动调度机制用于基于大语言模型的AI系统

Hong Su

机构 * School of Computer Science, Chengdu University of Information Technology（成都信息学院计算机科学学院） 纠错

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

AI总结 本文提出基于心跳驱动的自主思考活动调度机制，通过动态认知模块实现自适应和持续自我调节，提升LLM代理的适应性和效率。

Foresight Optimization for Strategic Reasoning in Large Language Models

为大语言模型中的战略推理进行前瞻性优化

Jiashuo Wang, Jiawen Duan, Jian Wang, Kaitao Song, Chunpu Xu, Johnny K. W. Ho, Fenggang Yu, Wenjie Li, Johan F. Hoorn

机构 * Department of Computing, Hong Kong Polytechnic University（香港理工大学计算机系） ； Department of Language Science and Technology, Hong Kong Polytechnic University（香港理工大学语言科学与技术系） ； Apple（苹果公司） ； School of Design, Hong Kong Polytechnic University（香港理工大学设计学院） ； Research Institute for Quantum Technology, Hong Kong Polytechnic University（香港理工大学量子技术研究所） ； Department of Communication Science, Vrije Universiteit Amsterdam（阿姆斯特丹自由大学传播科学系） 纠错

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

AI总结 本文提出FoPO方法，通过整合对手建模原理提升大语言模型的战略推理能力，验证了其在不同规模和来源的LLM中的有效性及泛化能力。

Comments ACL 2026 Main Conference

Touching Space: Accessible Map Exploration Through Conversational Audio-Haptic Interaction

触碰空间：通过对话式音频-触觉交互实现可访问的地图探索

Li Liu, Jiaming Qu, Marc Jowell Bagaoisan, David T. Lee, Leilani H. Gilpin

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

AI总结 本文提出Touching Space系统，通过触觉和音频反馈帮助视障人士构建环境认知地图，支持在普通硬件上实现空间探索。

Generalization in LLM Problem Solving: The Case of the Shortest Path

大模型问题解决中的泛化能力：最短路径问题的案例

Yao Tong, Jiayuan Ye, Anastasia Borovykh, Reza Shokri

机构 * National University of Singapore（新加坡国立大学） ； Capital Fund Management（资本基金管理公司） ； Google Research（谷歌研究） 纠错

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

AI总结 研究探讨了大模型在最短路径问题中的泛化能力，发现模型在空间迁移表现良好，但在长度扩展上因递归不稳定性而失败，分析了不同学习阶段对系统性问题解决的影响。

In Context Learning and Reasoning for Symbolic Regression with Large Language Models

在大型语言模型中进行上下文学习和推理以实现符号回归

Samiha Sharlin, Tyler R. Josephson

机构 * Department of Chemical, Biochemical, and Environmental Engineering, University of Maryland Baltimore County（化学、生物化学与环境工程系，马里兰大学巴尔的摩县分校） ； Department of Computer Science and Electrical Engineering, University of Maryland Baltimore County（计算机科学与电气工程系，马里兰大学巴尔的摩县分校） 纠错

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

AI总结 本文探讨了大型语言模型在符号回归中的潜力，通过上下文学习和推理生成并优化表达式，成功复现了吸附 Langmuir 模型和 Nikuradse 数据集，展示了提示策略对模型性能的提升作用。

CROP: Token-Efficient Reasoning in Large Language Models via Regularized Prompt Optimization

CROP：通过正则化提示优化实现大语言模型的token高效推理

Deep Shah, Sanket Badhe, Nehal Kathrotia, Priyanka Tiwari

机构 * Google LLC（谷歌公司） ； Purdue University（普渡大学） 纠错

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

AI总结 CROP通过正则化提示优化，在保持准确性的同时显著降低token消耗，适用于复杂推理任务。

Comments Accepted at ICLR 2026 Workshop on Logical Reasoning of Large Language Models

METRO: Towards Strategy Induction from Expert Dialogue Transcripts for Non-collaborative Dialogues

METRO：面向非协作对话的专家对话 transcripts 中的策略诱导

Haofu Yang, Jiaji Liu, Chen Huang, Faguo Wu, Wenqiang Lei, See-Kiong Ng

机构 * National University of Singapore（新加坡国立大学） ； Nankai University（南开大学） ； Sichuan University（四川大学） ； School of Artificial Intelligence, Beihang University（北航人工智能学院） ； Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing（北京未来区块链与隐私计算高级创新中心） ； Key Laboratory of Mathematics, Informatics and Behavioral Semantics (LMIB)（数学、信息学与行为语义学重点实验室（LMIB）） ； Engineering Research Center of Machine Learning and Industry Intelligence, Ministry of Education, China（教育部机器学习与工业智能工程研究中心，中国） 纠错

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

AI总结 METRO 通过大规模语言模型从原始 transcripts 自动诱导策略动作和规划逻辑，提出策略森林结构，实验显示其在两个基准上性能优越，具有跨任务迁移能力。

Comments ACL 2026

Blue Data Intelligence Layer: Streaming Data and Agents for Multi-source Multi-modal Data-Centric Applications

蓝色数据智能层：面向多源多模态数据导向应用的流数据与智能体

Moin Aminnaseri, Farima Fatahi Bayat, Nikita Bhutani, Jean-Flavien Bussotti, Kevin Chan, Rafael Li Chen, Yanlin Feng, Jackson Hassell, Estevam Hruschka, Eser Kandogan, Hannah Kim, James Levine, Seiji Maekawa, Jalal Mahmud, Kushan Mitra, Naoki Otani, Pouya Pezeshkpour, Nima Shahbazi, Chen Shen, Dan Zhang

专题命中 规划决策 ：agentic(abstract)；分类 cs.AI

AI总结 本文提出Blue数据智能层，通过整合异构数据源、多模态信息及上下文数据，解决多源多模态数据导向应用中的复杂查询需求，结合智能体与数据处理实现自然语言到SQL的扩展。

BarrierBench: Evaluating Large Language Models for Safety Verification in Dynamical Systems

BarrierBench: 评估大型语言模型在动态系统安全验证中的性能

Ali Taheri, Alireza Taban, Sadegh Soudjani, Ashutosh Trivedi

机构 * Isfahan University of Technology（伊斯法罕技术大学） ； Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所） ； University of Colorado Boulder（科罗拉多大学博尔德分校） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.AI

AI总结 本文提出BarrierBench基准，评估大型语言模型在动态系统安全验证中的能力，通过100个动态系统案例测试语言模型在生成安全证书和协调策略中的有效性。

Comments 8th Annual Learning for Dynamics & Control Conference

An Intelligent Robotic and Bio-Digestor Framework for Smart Waste Management

智能机器人与生物消化器框架用于智能垃圾管理

Radhika Khatri, Adit Tewari, Nikhil Sharma, M. B. Srinivas

机构 * BITS Pilani Dubai Campus（比斯帕尼迪拜校区） 纠错

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

AI总结 本文提出结合机器人分拣模块和优化生物消化器的智能垃圾管理框架，通过实时分拣和动态优化提升处理效率，适用于住宅和工业场景。

Comments 8 pages, 10 figures, submitted to 7th International Conference on Smart Systems and Inventive Technology (ICSSIT 2026)

TrigReason: Trigger-Based Collaboration between Small and Large Reasoning Models

TrigReason：基于触发的大小推理模型协作

Yi Zhao, Yajuan Peng, Cam-Tu Nguyen, Zuchao Li, Xiaoliang Wang, Xiaoming Fu, Hai Zhao

机构 * AGI Institute, School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（AGI研究院，计算机科学学院，上海交通大学，上海，中国） ； Key Laboratory of Shanghai Education Commission for Intelligent Interaction and Cognitive Engineering, Shanghai Jiao Tong University, Shanghai, China（上海市教育委员会智能交互与认知工程重点实验室，上海交通大学，上海，中国） ； Shanghai Key Laboratory for Intelligent Information Processing, Fudan University（上海市智能信息处理重点实验室，复旦大学） ； State Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； School of Artificial Intelligence, Wuhan University（人工智能学院，武汉大学） ； Institute of Computer Science, University of Göttingen, Göttingen, Germany（计算机科学研究所，哥廷根大学，哥廷根，德国） 纠错

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

AI总结 本文提出TrigReason框架，通过触发机制将大部分推理任务交给小型模型，仅在必要时调用大模型，提升推理效率与准确性。

Comments ACL 2026 Findings