AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
WebUncertainty: 双层不确定性驱动的规划与推理用于自主网络代理
机构 * Hefei University of Technology（合肥工业大学） ； Academy of Cyber, CETC Group（中国电子科技集团 Cyber 学院）
专题命中 规划决策 ：agent(title,abstract)；planning(title,abstract)；autonomous agent(abstract)；分类 cs.AI
AI总结 本文提出WebUncertainty框架，通过双层不确定性驱动的自适应规划和蒙特卡洛树搜索机制，提升自主网络代理在动态交互和长周期任务中的规划与推理能力。
基于主动推断的代理闭环ISAC系统与长周期规划
专题命中 规划决策 ：planning(title,abstract)；agentic(title,abstract)；agent(abstract)
AI总结 本文提出一种基于主动推断的无线代理闭环ISAC系统，通过因子图的反向-正向消息传递联合优化控制与传感资源分配，实现动态资源分配以提升跟踪精度、控制努力与传感资源消耗的平衡。
Comments 5 pages, 4 figures and 1 table. This work has been submitted to the IEEE for possible publication
为代理编程扩展测试时计算
机构 * Meta Superintelligence Labs（Meta超级智能实验室） ； University of Washington（华盛顿大学） ； New York University（纽约大学） ； Google DeepMind（谷歌DeepMind） ； Carnegie Mellon University（卡内基梅隆大学） ； Princeton University（普林斯顿大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract,abstract_cn)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出基于轨迹紧凑表示的代理编程测试时扩展框架，通过递归竞赛投票和并行-蒸馏-细化方法提升长周期代理性能，实验证明在SWE-Bench和Terminal-Bench上显著提升效果。
Comments 70 pages, 26 figures, 12 tables
SafetyALFRED：评估多模态大语言模型的安全意识规划
机构 * University of Michigan（密歇根大学） ； Boise State University（博伊西州立大学）
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SafetyALFRED，基于ALFRED基准测试，引入六类厨房真实世界危险，评估多模态大语言模型在安全意识规划中的表现，发现静态QA评估不足，需转向强调具身环境中的纠正行动的基准。
Comments Work accepted at ACL 2026 Findings
BAPO：面向可靠代理搜索的边界感知策略优化
机构 * Institute of Artificial Intelligence, Xiamen University（厦门大学人工智能研究院） ； Meituan Inc.（美团公司） ； School of Informatics, Xiamen University（厦门大学信息学院） ； Westlake University（西湖大学） ； Jilin University（吉林大学） ； Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan (Xiamen University), Ministry of Culture and Tourism, China（福建省和台湾非物质文化遗产数字化保护与智能处理重点实验室（厦门大学），中华人民共和国文旅部，中国）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 BAPO通过引入边界感知奖励和自适应奖励调节器，提升代理搜索的可靠性，避免过度依赖IDK响应，实验表明其显著增强可靠性。
Comments ACL 2026 Conference. Code is available at https://github.com/Liushiyu-0709/BAPO-Reliable-Search
SAGE-32B：通过迭代蒸馏实现代理推理
机构 * SAGEA ； Tribhuwan University（特里布文大学） ； Vedas College（韦达学院） ； Madan Bhandari Memorial College（马丹·班达里纪念学院） ； Fudan University（复旦大学） ； ETH Zurich（苏黎世联邦理工学院）
专题命中 规划决策 ：agentic(title,abstract)；planning(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 SAGE-32B是一种专注于代理推理和长期规划的320亿参数语言模型，通过迭代蒸馏提升推理能力，在代理推理基准测试中表现出色。
Comments 23 Pages, 3 figures, 4 tables
构建环境：通过信念-意图共演的认知规划
机构 * Shiyao Sang（桑世尧）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出基于信念-意图共演的认知规划方法，通过MBCWM和TIWM模型实现环境与现实的认知一致性，提升自动驾驶规划性能并展现类人认知行为。
Comments 12 pages, 8 figures. A paradigm shift from reconstructing the world to understanding it: planning through Belief-Intent Co-Evolution
面向便携物品寻找的个性化具身导航
机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； University of Central Florida（中央佛罗里达大学）
专题命中 规划决策 ：planning(summary_cn,abstract)；agent(abstract)
AI总结 本文提出了一种面向动态环境的个性化习惯学习方法，通过引入Transit-Aware Planning算法提升便携物品寻找的性能，在模拟和现实环境中均取得显著效果。
Comments 10 pages
Revac：一个社交推理解谜代理
机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； RV College of Engineering（RV 工程学院） ； Department of Information Science and Engineering（信息科学与工程系） ； Department of Artificial Intelligence and Machine Learning（人工智能与机器学习系）
专题命中 规划决策 ：agent(title,abstract)；AI agent(abstract)；分类 cs.AI
AI总结 Revac-8通过整合记忆玩家分析、社交图分析和动态语气选择，解决了社交推理解谜中的不确定性推理与欺骗适应问题，实现了在高风险社交环境中的卓越表现。
没有计划的愿望只是愿望：为长周期智能体任务高效且有效的全局规划器训练
机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； DeepLang AI ； 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 ：agent(title,abstract)；planning(abstract)；分类 cs.CL
AI总结 本文提出EAGLET方法，通过两步流程训练高效规划器，提升智能体规划能力，实验显示其在长周期任务中优于现有方法，且训练成本降低8倍。
Comments ACL 2026
视觉推理代理：通过推理时缩放实现遥感中的稳健视觉系统
机构 * University of West Florida（西弗吉尼亚大学） ； United States Military Academy（美国军事学院）
专题命中 规划决策 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文提出视觉推理代理（VRA），通过迭代的Think-Critique-Act循环，结合预训练的大规模视觉-语言模型和推理模型，提升遥感任务中的视觉推理能力，实现在挑战性问题上的40.67%提升。
Comments Accepted to MORS 2026 Artificial Intelligence Workshop Proceedings
MAGICIAN: 通过想象高斯分布实现高效的长期规划用于主动建图
机构 * LIGM, École Nationale des Ponts et Chaussées, IP Paris, Univ Gustave Eiffel, CNRS, France（LIGM，巴黎国立桥梁与道路学院，IP巴黎，格雷夫埃菲尔大学，法国国家科学研究中心，法国） ； École Polytechnique, France（法国高等理工学院，法国） ； Inria, École normale supérieure, CNRS, PSL Research University, France（法国国家科学研究中心，巴黎高等师范学院，法国国家信息与自动化技术研究院，法国）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)
AI总结 MAGICIAN通过想象高斯分布实现高效长期规划，提升主动建图的探索效率与重建完整性，适用于不同动作空间的室内和室外基准测试。
Comments Accepted at CVPR 2026 (Oral). Project webpage: https://shiyao-li.github.io/magician/
混合任务与运动规划与反应碰撞处理用于多机器人复杂产品拆解：应用于电动汽车电池
机构 * Extreme Robotics Laboratory, School of Metallurgy and Materials, University of Birmingham（极端机器人实验室，冶金与材料学院，伯明翰大学） ； Department of Applied Artificial Intelligence and Robotics, Aston University（应用人工智能与机器人学院，阿斯顿大学）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)
AI总结 本文提出一种基于视觉的任务与运动规划框架，用于多机器人协同拆解复杂产品，通过学习型RRT规划器和混合安全层提高路径紧凑性和安全性，实验显示在电动汽车电池拆解中显著降低路径长度和扫过体积。
表征AlphaEarth嵌入几何用于代理环境推理
机构 * Dartmouth Libraries（达特茅斯图书馆） ； Dartmouth College（达特茅斯学院）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI、cs.CL
AI总结 本文研究AlphaEarth嵌入几何结构，开发代理系统用于环境推理，发现其非欧几里得特性及检索优于线性方法。
在熵正则化马尔可夫决策过程和博弈中的规划
机构 * DeepMind ； Inria Lille（Inria里尔） ； SequeL team, Inria Lille（SequeL团队，Inria里尔） ； DeepMind Paris（DeepMind巴黎）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG
AI总结 本文提出SmoothCruiser算法，通过环境生成模型估计熵正则化马尔可夫决策过程和双人博弈的价值函数，实现问题无关的样本复杂度O~(1/epsilon^4)。
Comments NeurIPS 2019
Journal ref Advances in Neural Information Processing Systems 32 (NeurIPS 2019)
四轴决策对齐用于长周期企业AI代理
机构 * Vasundra Srinivasan
专题命中 规划决策 ：AI agent(title)；agent(abstract)；分类 cs.AI
AI总结 本文提出四轴对齐框架，用于评估长周期企业AI代理的决策行为，涵盖事实精度、推理连贯性、合规重建和校准回避，通过实验揭示了决策对齐的重要性。
Comments 21 pages, 5 figures, 8 tables. PDFLaTeX. Code and artifacts: https://github.com/vasundras/decision-alignment-long-horizon-agents
ARGUS：通过数据流不变量指导的代理GPU优化
机构 * CausalFlow Inc.（CausalFlow公司） ； HKUST（香港科技大学） ； Tsinghua University（清华大学） ； Stanford University（斯坦福大学） ； UCAS ； UC Riverside（UC河滨分校）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI
AI总结 ARGUS通过数据流不变量指导代理生成高效GPU内核，解决传统代理在关键计算任务中的性能不足问题，实现接近人工优化的性能和广泛的任务泛化能力。
QTMRL：基于多指标引导强化学习的量化交易决策代理
机构 * Guangdong University of Finance（广东金融学院） ； Jinan University（吉林大学）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.LG
AI总结 本文提出QTMRL代理，结合多维技术指标与强化学习，实现动态稳定的投资组合管理，通过实验验证其在盈利性、风险调整和下行风险控制上的优越性。
监管零二：一种以流量为中心的顺序监管规划框架，以应对预战术空交通流量管理中的监管级联
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文提出Regulation Zero 2，通过在监管空间中进行顺序规划，优化兼容现有分配系统的核心方法，解决监管级联问题，提升网络可靠性。
Comments arXiv admin note: text overlap with arXiv:2510.23402
多步高斯过程传播用于自适应路径规划
机构 * Department of Electrical Engineering and Computer Sciences, University of California, Berkeley（加州大学伯克利分校电子工程与计算机科学系） ； Department of Engineering Cybernetics, Norwegian University of Science and Technology (NTNU)（挪威科技与自然大学（NTNU）工程控制系） ； Department of Electronic Systems, Norwegian University of Science and Technology (NTNU)（挪威科技与自然大学（NTNU）电子系统系）
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文提出基于高斯过程的多步路径规划方法OLAhGP，通过融合多模态环境传感数据和状态输入约束，提升自主水面舰在藻类监测中的路径规划效率与鲁棒性。
自主骨骼标志点定位以实现智能C臂控制
机构 * University of Vermont（佛蒙特大学） ； Cleveland Clinic（克利夫兰诊所）
专题命中 规划决策 ：agentic(title,abstract)
AI总结 本文研究了利用多模态大语言模型实现C臂控制中骨骼标志点的自主定位，通过实验验证了其在准确性和推理能力上的优势，为智能C臂控制提供了新方法。
Comments Accepted at IJCARS: IPCAI 2026. Int J CARS (2026)
SAGER：面向推荐代理的自进化用户策略技能
专题命中 规划决策 ：agent(title,abstract)
AI总结 SAGER通过为每个用户分配专用策略技能，实现个性化推荐代理的自进化推理，实验表明其在四个公开基准上达到最优性能，证明个性化推理过程是推荐改进的新来源。
通过模拟进行规划：基于学习的并行场景预测用于自动驾驶的运动规划
机构 * Faculty of Electrical Engineering, Mathematics and Computer Science, University of Twente（代尔夫特理工大学电子工程、数学与计算机科学学院） ； Department of Electrical Engineering, Wright State University（威斯汀大学电气工程系）
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文提出一种基于学习的并行场景预测方法，用于自动驾驶中的运动规划，通过模拟可能场景并计算成本，平衡和剪枝不合理动作，提升安全性和规划效率。
通过辩证对齐平息代理中的行动者-观察者不对称性
机构 * National University of Singapore（国立新加坡大学） ； Sichuan University（四川大学） ； University of Minnesota Twin Cities（明尼苏达大学双城分校） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳分校） ； University of Oxford（牛津大学）
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ReTAS模型，通过辩证对齐方法减少代理中的行动者-观察者不对称性，提升故障解决能力。
Comments ACL 2026 Main Conference. Project page: https://unikcc.github.io/ReTAS/
AI科学家在没有科学推理的情况下产生结果
机构 * Laboratory of Organic and Macromolecular Chemistry (IOMC), Friedrich Schiller University Jena（有机与大分子化学实验室（IOMC），弗里德里希-席勒耶纳大学） ； Department of Civil Engineering, Indian Institute of Technology Delhi（土木工程系，印度理工学院德里） ； School of Interdisciplinary Research, Indian Institute of Technology Delhi（跨学科研究学院，印度理工学院德里） ； Yardi School of Artificial Intelligence, Indian Institute of Technology Delhi（Yardi人工智能学院，印度理工学院德里） ； Center for Energy and Environmental Chemistry Jena, Friedrich Schiller University Jena（能源与环境化学中心（耶纳），弗里德里希-席勒耶纳大学） ； Helmholtz Institute for Polymers in Energy Applications Jena (HIPOLE Jena), Lessingstraße 12–14（能源应用高分子研究所（耶纳，HIPOLE耶纳），Lessingstraße 12–14）
专题命中 规划决策 ：agent(abstract)；workflow(abstract)；分类 cs.AI、cs.LG
AI总结 研究评估了基于大语言模型的科学代理在八个领域中的表现，发现基础模型主导了性能和行为，且代理推理缺乏科学推理的 epistemic 特征。
不止是部分之和：解码多模态仇恨言论检测中的意图转变
机构 * Department of Automation, Tsinghua University（清华大学自动化系）
专题命中 规划决策 ：agent(abstract,abstract_cn)；分类 cs.AI、cs.CL
AI总结 本文提出H-VLI基准和ARCADE框架，通过模拟法庭辩论解码多模态仇恨言论中的隐含意图转变，提升检测性能。
基于推理的LLM自动定理证明方法
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.SE
AI总结 本文提出ReCent-Prover，通过引入反思验证和规划检索技术，提升自动定理证明能力，在CoqStoq基准测试中实现22.58%的定理证明提升。
注意（DH）差距！理性推理与对话LLM在风险选择中的对比
机构 * Washington University in St. Louis（华盛顿大学圣路易斯分校）
专题命中 规划决策 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 研究通过对比推理模型与对话模型在风险决策中的表现，发现前者更理性，后者更接近人类但受因素影响更大。
EVPO：用于大语言模型后训练中自适应批评者利用的解释方差策略优化
机构 * Peking University（北京大学） ； Fudan University（复旦大学） ； Shanghai Qiji Zhifeng Co., Ltd.（上海启智科技有限公司） ； Shanghai AI Lab（上海人工智能实验室）
专题命中 规划决策 ：agentic(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出EVPO，通过监控批量方差并自适应切换基于批评者或批量均值估计，证明在每一步都能达到更小的方差。在四个任务中，EVPO优于PPO和GRPO。
seneca：一个个性化的对话规划器
专题命中 规划决策 ：agent(abstract)；planning(abstract)
AI总结 本文提出seneca，一种结合对话代理、持久数据库和处理器的个性化AI规划框架，旨在解决现有工具在持续自我调节、优先级设定和反思方面的不足。
Comments accepted to the CHI '26 Workshop on Tools for Thought
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈