AI Agent

The Bitter Lesson of Diffusion Language Models for Agentic Workflows: A Comprehensive Reality Check

扩散语言模型在代理工作流中的苦涩教训：全面的现实检验

Qingyu Lu, Liang Ding, Kanjian Zhang, Jinxia Zhang, Dacheng Tao

机构 * Southeast University（东南大学） ； Alibaba（阿里巴巴） ； Southeast University Shenzhen Research Institute（东南大学深圳研究院） ； College of Computing and Data Science at Nanyang Technological University（南洋理工大学计算机与数据科学学院） 纠错

专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；planning(abstract)；multi-agent(abstract)

AI总结 本文评估了扩散语言模型在代理任务中的表现，发现其在长期规划和工具调用任务中存在系统性失败，提出需整合因果推理机制以提升代理能力。

Comments ACL 2026 - Main Conference

LARA: Validation-Driven Agentic Supercomputer Workflows for Atomistic Modeling

LARA：面向原子模拟的验证驱动代理超级计算机工作流

William Dawson, Louis Beal, Yoann Curé, Giuseppe Fisicaro, Dorian Rolland, Luigi Genovese

专题命中 工具调用 ：agentic(title,abstract)；workflow(abstract)

AI总结 本文提出LARA-HPC框架，通过验证驱动方法提升原子模拟工作流的可靠性，结合控制执行层、干运行验证和多阶段代理流程，有效解决计算资源交互中的不一致性和物理配置问题。

Comments 12 pages, 2 figures

AgentBound: Securing Execution Boundaries of AI Agents

AgentBound: 保障AI代理的执行边界安全

Christoph Bühler, Matteo Biagiola, Luca Di Grazia, Guido Salvaneschi

机构 * University of St. Gallen（圣加尔大学） ； Università della Svizzera italiana（瑞士联邦理工学院） 纠错

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

AI总结 本文提出AgentBound，首个MCP服务器访问控制框架，通过声明性策略机制和执行引擎自动从源代码生成访问控制策略，有效阻止安全威胁且无显著开销。

Journal ref Proceedings of the 34th ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering (FSE). 2026

AgentMark: Utility-Preserving Behavioral Watermarking for Agents

AgentMark：用于代理的效用保持行为水印

Kaibo Huang, Jin Tan, Yukun Wei, Wanling Li, Zipei Zhang, Hui Tian, Zhongliang Yang, Linna Zhou

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Huaqiao University（华侨大学） 纠错

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

AI总结 本文提出AgentMark，一种用于代理的行为水印方法，通过在规划决策中嵌入多比特标识符以保持效用，适用于黑盒API和动作层内容水印。

Comments Accepted to ACL 2026 (Main, Poster)

Explanation through Reward Model Reconciliation using POMDP Tree Search

通过POMDP树搜索实现奖励模型协调以进行解释

Benjamin D. Kraske, Anshu Saksena, Anna L. Buczak, Zachary N. Sunberg

机构 * Department of Aerospace Engineering Sciences, University of Colorado Boulder（科罗拉多大学博尔德分校航空航天工程科学系） ； Applied Physics Laboratory, Johns Hopkins University（约翰霍普金斯大学应用物理实验室） 纠错

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

AI总结 本文通过POMDP树搜索协调算法与用户隐式奖励模型差异，以提升用户对AI系统的信任度。

Journal ref IEEE ICAA (2023), pg. 137-140

Fast Neural-Network Approximation of Active Target Search Under Uncertainty

快速神经网络近似主动目标搜索在不确定性下的应用

Bilal Yousuf, Zsofia Lendek, Lucian Busoniu

机构 * Technical University of Cluj-Napoca（克卢日-纳波卡技术大学） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.LG

AI总结 本文提出用卷积神经网络近似主动搜索算法，以降低在线计算成本，通过多通道网格训练实现目标检测率与传统方法相当。

Listening with Time: Precise Temporal Awareness for Long-Form Audio Understanding

通过时间聆听：为长音频理解实现精确的时间意识

Mingchen Shao, Hang Su, Wenjie Tian, Bingshen Mu, Zhennan Lin, Lichun Fan, Zhenbo Luo, Jian Luan, Lei Xie

专题命中 工具调用 ：tool use(abstract)

AI总结 本文提出LAT-Audio模型，通过构建长音频数据集和基准测试，解决长音频时间意识任务中的性能下降问题，提升模型对长音频的鲁棒性。

Agentic Inequality

代理不平等

Matthew Sharp, Omer Bilgin, Iason Gabriel, Lewis Hammond

机构 * Oxford Martin AI Governance Initiative（牛津马丁人工智能治理研究所） ； Access Partnership ； University of Oxford（牛津大学） ； Google DeepMind（谷歌DeepMind） ； Cooperative AI Foundation（协作人工智能基金会） 纠错

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

AI总结 本文探讨了AI代理在政治经济中的影响，定义了代理不平等的概念，并分析了其成因与治理路径。

Sovereign Agentic Loops: Decoupling AI Reasoning from Execution in Real-World Systems

主权代理循环：在现实系统中解耦AI推理与执行

Jun He, Deying Yu

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

AI总结 本文提出Sovereign Agentic Loops，通过解耦AI推理与执行，提升系统安全性，实验显示其有效阻止93%的危险意图。

Comments 15 pages, 2 figures

AdaptEvolve: Improving Efficiency of Evolutionary AI Agents through Adaptive Model Selection

AdaptEvolve: 通过自适应模型选择提高进化AI代理的效率

Pretam Ray, Pratik Prabhanjan Brahma, Zicheng Liu, Emad Barsoum

机构 * IIT Kharagpur（印度理工学院Kharagpur分校） ； Advanced Micro Devices, Inc. (AMD)（先进微器件公司（AMD）） 纠错

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

AI总结 本文提出AdaptEvolve方法，通过自适应选择大语言模型提升进化代理效率，实验证明在保持准确性的同时降低推理成本37.9%。

Comments 9 pages, 2 Figues

Relational Archetypes: A Comparative Analysis of AV-Human and Agent-Human Interactions

关系原型：AV-人类与代理-人类互动的比较分析

Antoni Lorente, Amin Oueslati, Robin Staes-Polet

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

AI总结 本文通过分析自动驾驶车辆对交通流量的调节，探讨人类与AV及人类与AI代理的互动模式，提出关系原型分类，以促进两个研究领域间的交流与深入探讨。

Comments 4 pages, 1 table. Accepted and presented at FAST workshop, AAAI 2026

Documentless Assessments Using Nominal Group Interviews

无需文档的评估使用名义小组访谈

Eduardo Miranda

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

AI总结 本文提出一种小组访谈技术，用于支持无文档的过程评估，同时促进参与者之间的协作。该方法借鉴敏捷软件开发中的用户故事概念，将CMMI具体实践转化为具体术语，并采用Planning Poker技术替代文档审查和审计访谈进行事实发现和验证。

Journal ref Software Quality Professional, March 2017, Volume 19 Issue 2

How attention simplifies mental representations for planning

注意力如何简化心理表征以促进规划

Jason da Silva Castanheira, Nicholas Shea, Stephen M. Fleming

机构 * Department of Experimental Psychology, University College London（伦敦大学实验心理学系） ； Institute of Philosophy, School of Advanced Study, University of London（伦敦大学哲学研究所） ； Max Planck UCL Centre for Computational Psychiatry and Ageing Research, University College London（伦敦大学Max Planck UCL计算精神病学与衰老研究中心） ； Canadian Institute for Advanced Research (CIFAR), Brain, Mind and Consciousness Program（加拿大高级研究研究院（CIFAR）脑、心智与意识项目） 纠错

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

AI总结 研究探讨了空间注意力如何影响心理表征的简化过程，发现注意力的自然轮廓能提升规划效率，且个体差异显著。

V-STC: A Time-Efficient Multi-Vehicle Coordinated Trajectory Planning Approach

V-STC：一种时间高效的多车辆协同轨迹规划方法

Pengfei Liu, Jialing Zhou, Yuezu Lv, Guanghui Wen, Tingwen Huang

机构 * School of Automation, Beijing Institute of Technology（北京理工大学自动化学院） ； State Key Laboratory of CNS/ATM, Beijing Institute of Technology（北京理工大学国家空管委/民航委重点实验室） ； Beijing Key Laboratory of Lightweight Intelligent System, Beijing Institute of Technology（北京理工大学轻量化智能系统重点实验室） ； School of Automation, Southeast University（东南大学自动化学院） ； Faculty of Computer Science and Control Engineering, Shenzhen University of Advanced Technology（深圳先进技术大学计算机科学与控制工程学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出V-STC方法，通过优化模型构建每个车辆的时空走廊，以提高多车辆协同的时间效率，同时保持时空域内的无碰撞分离。

Comments 12 pages, 23 figures

Open-Ended Video Game Glitch Detection with Agentic Reasoning and Temporal Grounding

基于代理推理和时间定位的开放式视频游戏漏洞检测

Muyang Zheng, Tong Zhou, Geyang Wu, Zihao Lin, Haibo Wang, Lifu Huang

专题命中 规划决策 ：agentic(title,abstract)

AI总结 本文提出VideoGlitchBench基准和GliDe框架，通过代理推理和时间定位检测视频游戏中的漏洞，提升语义理解和时间定位能力。

Comments 16 pages, 10 figures, under review

SANDO: Safe Autonomous Trajectory Planning for Dynamic Unknown Environments

SANDO：动态未知环境中的安全自主轨迹规划

Kota Kondo, Jesús Tordesillas, Jonathan P. How

机构 * Departments of Aeronautics and Astronautics, and Mechanical Engineering, Massachusetts Institute of Technology（航空工程与机械工程系，麻省理工学院） ； Department of Electronics, Automation, and Communications, Comillas ICAI（电子、自动化与通讯系，Comillas ICAI） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 SANDO通过热图A*全局规划器、混合整数二次规划和形式安全分析，在动态未知环境中实现安全轨迹规划，提升计算效率和安全性。

Comments 20 pages, 17 figures

An Efficient Real-Time Planning Method for Swarm Robotics Based on an Optimal Virtual Tube

基于最优虚拟管的群体机器人高效实时规划方法

Pengda Mao, Shuli Lv, Chen Min, Zhaolong Shen, Quan Quan

机构 * School of Automation Science and Electrical Engineering, Beihang University（自动化科学与电气工程学院，北京航空航天大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出结合集中式最优虚拟管规划与分布式控制的群体机器人轨迹规划框架，实现低计算量高频率重规划，融合多步与反应式规划的优势。

Comments 18 pages, 21 figures

Planning Stealthy Backdoor Attacks in MDPs with Observation-Based Triggers

在MDP中基于观测的后门攻击规划

Xinyi Wei, Shuo Han, Ahmed H. Hemida, Charles A. Kamhoua, Jie Fu

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文研究了在马尔可夫决策过程建模的随机控制系统中后门攻击的规划问题，提出了一种基于切换梯度优化的算法，用于联合求解后门策略和触发器，以实现隐蔽且成功的攻击。

ActorMind: Emulating Human Actor Reasoning for Speech Role-Playing

ActorMind：模拟人类演员推理的语音角色扮演

Xi Chen, Wei Xue, Yike Guo

机构 * The Hong Kong University of Science and Technology（香港理工大学） 纠错

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

AI总结 本文提出ActorMind框架，通过多代理推理模拟人类演员在舞台上的表演，提升语音角色扮演能力。

ATRS: Adaptive Trajectory Re-splitting via a Shared Neural Policy for Parallel Optimization

ATRS: 一种通过共享神经策略实现的自适应轨迹重划分用于并行优化

Jiajun Yu, Guodong Liu, Li Wang, Pengxiang Zhou, Wentao Liu, Yin He, Chao Xu, Fei Gao, Yanjun Cao

机构 * IEEE Robotics and Automation Letters（IEEE机器人与自动化 letters） 纠错

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

AI总结 ATRS通过共享深度强化学习策略改进并行ADMM循环，实现自适应调整，提升收敛速度和计算效率，适用于大规模离线全局规划和实时在线重规划。

Comments 8 pages, submitted to IEEE Robotics and Automation Letters

QuantClaw: Precision Where It Matters for OpenClaw

QuantClaw：在OpenClaw中至关重要的精度

Manyi Zhang, Ji-Fu Li, Zhongao Sun, Xiaohao Liu, Zhenhua Dong, Xianzhi Yu, Haoli Bai, Xiaobo Xia

机构 * Huawei Technologies（华为技术有限公司） ； National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 QuantClaw通过动态分配精度优化任务性能，降低计算成本和延迟，提升多轮推理效率。

Comments Blog: https://sparkengineai.github.io/QuantClaw

Cross-Stage Coherence in Hierarchical Driving VQA: Explicit Baselines and Learned Gated Context Projectors

层次驾驶视觉问答中的跨阶段一致性：显式基线与学习门控上下文投影

Gautam Kumar Jain, Carsten Markgraf, Julian Stähler

机构 * Technische Hochschule Augsburg（亚琛工业大学） 纠错

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

AI总结 本文研究了驾驶场景中跨阶段上下文传递的两种方法，显式基线通过无额外训练的4B VLM减少矛盾，隐式基线通过门控投影提升规划阶段语义一致性，两者共同探讨了领域适应在全谱改进中的潜力。

Comments 16 pages, 8 figures, 8 tables, preprint

A Probabilistic Framework for Hierarchical Goal Recognition

基于概率的层次目标识别框架

Chenyuan Zhang, Katherine Ip, Hamid Rezatofighi, Buser Say, Mor Vered

机构 * Monash University（蒙纳士大学） ； The University of Melbourne（墨尔本大学） 纠错

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

AI总结 本文提出基于规划的概率框架，用于层次目标识别，结合层次任务网络结构与概率推理，提升目标识别性能。

Comments Accepted by KR 2026

Context-Sensitive Abstractions for Reinforcement Learning with Parameterized Actions

具有参数化动作的强化学习中的上下文敏感抽象

Rashmeet Kaur Nayyar, Naman Shah, Siddharth Srivastava

机构 * AAIR-lab（AAIR实验室） 纠错

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

AI总结 本文提出了一种能够在线自主学习状态和动作抽象的方法，以提升长周期稀疏奖励环境下参数化动作的样本效率。

DVGT-2: Vision-Geometry-Action Model for Autonomous Driving at Scale

DVGT-2：面向大规模自动驾驶的视觉-几何-动作模型

Sicheng Zuo, Zixun Xie, Wenzhao Zheng, Shaoqing Xu, Fang Li, Hanbing Li, Long Chen, Zhi-Xin Yang, Jiwen Lu

机构 * Tsinghua University（清华大学） ； Xiaomi EV（小米电动车） ； University of Macau（澳门大学） ； Peking University（北京大学） 纠错

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

AI总结 本文提出VGA范式，通过密集3D几何信息提升自动驾驶决策，引入DVGT-2实现在线处理，结合时间因果注意力和滑动窗口策略，提升效率与重建性能。

Comments Code is available at https://github.com/wzzheng/DVGT

CognitiveTwin: Robust Multi-Modal Digital Twins for Predicting Cognitive Decline in Alzheimer's Disease

CognitiveTwin: 用于预测阿尔茨海默病认知衰退的稳健多模态数字孪生

Bulent Soykan, Gulsah Hancerliogullari Koksalmis, Hsin-Hsiung Huang, Laura J. Brattain

机构 * Department of Mechanical, Industrial & Manufacturing Eng.（机械、工业与制造工程系） ； The University of Toledo（托莱多大学） ； Department of Industrial Eng. and Mngt. Systems（工业工程与管理系统系） ； University of Central Florida（中央佛罗里达大学） ； Department of Statistics and Data Science（统计与数据科学系） ； Department of Internal Medicine（内科医学系） 纠错

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

AI总结 CognitiveTwin通过融合多模态纵向数据预测个体认知轨迹，展现高准确性和公平性，对缺失数据具有鲁棒性，适用于临床试验和个性化医疗。

Comments 18 pages, 6 figures

Algorithmic Feature Highlighting for Human-AI Decision-Making

算法特征突出用于人机决策制定

Yifan Guo, Jann Spiess

机构 * Stanford University（斯坦福大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文研究了在复杂情况下通过突出少量特定特征来辅助人类决策的算法，探讨了不同人类认知模式下特征选择的优化问题，并通过实证研究验证了该方法的实用性。

An LLM-Driven Closed-Loop Autonomous Learning Framework for Robots Facing Uncovered Tasks in Open Environments

基于大语言模型的闭环自主学习框架：面向机器人在开放环境中处理未覆盖任务

Hong Su

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

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

AI总结 本文提出一种基于大语言模型的闭环自主学习框架，使机器人在开放环境中自主处理未覆盖任务，通过闭环学习减少对大语言模型的依赖，提升任务执行效率和本地知识库的利用率。

Using a generative model for out-of-sample testing of two-stage stochastic programs

利用生成模型对两阶段随机规划进行样本外测试

Ashutosh Shukla, John J. Hasenbein, Erhan Kutanoglu

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出利用NORTA生成模型在样本数据有限时提升两阶段随机规划解决方案的可靠性，通过案例研究展示其在电力系统防洪规划中的应用，验证生成场景的有效性。

Using Unwrapped Full Color Space Recording to Measure the Exposedness of Vehicle Exterior Parts for External Human Machine Interfaces

利用解缠全彩色空间记录测量车辆外部部件的暴露性以用于外部人机接口

Jose Gonzalez-Belmonte, Jaerock Kwon

机构 * Electrical and Computer Engineering（电气与计算机工程） ； University of Michigan-Dearborn（密歇根大学-迪尔伯恩分校） ； Dearborn, United States of America（美国迪尔伯恩） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文通过解缠网格面部到纹理的技术和Unity模拟，研究2015款福特F-150 King Ranch在四向路口行人过马路时车辆外部部件的暴露性，发现 bumper、grill 和 hood 虽常被看到，但其他车辆可能遮挡，建议采用风挡和前保险杠同时放置eHMI。

Comments 10 pages, 13 figures