AI Agent

AgenticCache: Cache-Driven Asynchronous Planning for Embodied AI Agents

AgenticCache: 基于缓存的异步规划用于具身AI代理

Hojoon Kim, Yuheng Wu, Thierry Tambe

机构 * Anonymous Institution, Anonymous City, Anonymous Region, Anonymous Country（匿名机构、匿名城市、匿名地区、匿名国家） 纠错

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

AI总结 本文提出AgenticCache框架，利用缓存重用计划以减少LLM调用，提升任务成功率22%并降低延迟与成本。

Comments Accepted at MLSys 2026

Thinking Like a Clinician: A Cognitive AI Agent for Clinical Diagnosis via Panoramic Profiling and Adversarial Debate

像医生一样思考：一种通过全景分析与对抗辩论的临床诊断认知AI代理

Zhiqi Lv, Duofan Tu, Jun Li, Mingyue Zhao, Heqin Zhu, Wenliang Li, Shaohua Kevin Zhou

机构 * School of Biomedical Engineering, Division of Life Sciences and Medicine, University of Science and Technology of China（中国科学技术大学生物医学工程学院，生命科学与医学系） ； Suzhou Institute for Advanced Research, University of Science and Technology of China（中国科学技术大学苏州市先进研究机构） ； Key Lab of Intelligent Information Processing of Chinese Academy of Sciences (CAS), Institute of Computing Technology, CAS（中国科学院智能信息处理重点实验室，计算技术研究所） ； Jiangsu Provincial Key Laboratory of Multimodal Digital Twin Technology（江苏省多模态数字孪生技术省级重点实验室） ； State Key Laboratory of Precision and Intelligent Chemistry, USTC（国家精密与智能化学重点实验室，中国科学技术大学） 纠错

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

AI总结 本文提出DxChain框架，通过全景患者基线建立和对抗辩论解决证据冲突，提升临床诊断准确性和逻辑一致性。

Agentic Witnessing: Pragmatic and Scalable TEE-Enabled Privacy-Preserving Auditing

代理见证：基于可信执行环境的隐私保护审计

Antony Rowstron

机构 * Advanced Research and Invention Agency (ARIA)（先进研究与发明机构） 纠错

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

AI总结 本文提出Agentic Witnessing框架，通过可信执行环境实现隐私保护审计，利用代理进行逻辑验证，避免数据泄露，验证代码库是否符合论文描述。

Agentic AI platforms for autonomous training and rule induction of human-human and virus-human protein-protein interactions

用于自主训练和人类-病毒蛋白-蛋白相互作用规则诱导的代理AI平台

Hung N. Do, Jessica Z. Kubicek-Sutherland, Oscar A. Negrete, S. Gnanakaran

机构 * Theoretical Biology and Biophysics Group, Theoretical Division（理论生物学与生物物理学组，理论 division） ； Physical Chemistry and Applied Spectroscopy Group, Chemistry Division（物理化学与应用光谱组，化学 division） ； Systems Biology Department, Sandia National Laboratories（系统生物学部门，桑迪亚国家实验室） 纠错

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

AI总结 本文提出两种代理AI平台，分别用于自主训练预测ML模型和诱导人类-病毒蛋白-蛋白相互作用的显式规则，通过数据收集、验证、特征嵌入等步骤提升预测准确率并增强可解释性。

Comments Other correspondence email: donguyenhung238@gmail.com

Scalable Agentic Reasoning for Designing Biologics Targeting Intrinsically Disordered Proteins

可扩展的代理推理用于设计针对内在无序蛋白的生物药物

Matthew Sinclair, Moeen Meigooni, Archit Vasan, Ozan Gokdemir, Xinran Lian, Heng Ma, Yadu Babuji, Alexander Brace, Khalid Hossain, Carlo Siebenschuh, Thomas Brettin, Kyle Chard, Christopher Henry, Venkatram Vishwanath, Rick L. Stevens, Ian T. Foster, Arvind Ramanathan

机构 * Argonne National Laboratory（阿贡国家实验室） ； University of Chicago（芝加哥大学） 纠错

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

AI总结 本文提出StructBioReasoner，一种可扩展的多代理系统，用于设计针对内在无序蛋白的生物药物，通过竞争生成和优化治疗假说，提高大规模计算效率，展示了在Der f 21和NMNAT-2上的优异性能。

Comments This manuscript is in press at the upcoming Proceedings of the Platform for Advanced Scientific Computing (PASC) 26 Conference

Structural Enforcement of Goal Integrity in AI Agents via Separation-of-Powers Architecture

通过分权架构在AI代理中强制实施目标完整性

Rong Xiang

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

AI总结 本文提出分权架构PEA，通过分离意图生成、授权和执行层，强制保障系统安全，解决AI代理目标不一致问题，提出五个核心贡献。

Can Compact Language Models Search Like Agents? Distillation-Guided Policy Optimization for Preserving Agentic RAG Capabilities

紧凑语言模型能否像智能体一样搜索？基于知识增强的策略优化以保持智能体RAG能力

Rikuto Kotoge, Mai Nishimura, Jiaxin Ma

机构 * The University of Osaka（大阪大学） ； OMRON SINIC X Corporation（OMRON SINIC X公司） 纠错

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

AI总结 本文提出Distillation-Guided Policy Optimization方法，通过教师示范初始化和持续教师指导，使紧凑模型实现复杂的智能体搜索行为，甚至在某些情况下超越大模型。

Comments Accepted at ACL 2026 Main

Intention-Aware Semantic Agent Communications for AI Glasses

面向AI眼镜的意图感知语义代理通信

Peiwen Jiang, Fangyu Liu, Jiajia Guo, Chao-Kai Wen, Shi Jin, Jun Zhang

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

AI总结 本文提出一种意图感知的语义代理通信框架，通过用户意图引导数据传输，减少带宽消耗并保持任务性能，适用于AI眼镜的轻量级预处理场景。

Agentic clinical reasoning over longitudinal myeloma records: a retrospective evaluation against expert consensus

基于纵向骨髓瘤记录的代理临床推理：一项回顾性评估与专家共识的对比

Johannes Moll, Jannik Lübberstedt, Christoph Nuernbergk, Jacob Stroh, Luisa Mertens, Anna Purcarea, Christopher Zirn, Zeineb Benchaaben, Fabian Drexel, Hartmut Häntze, Anirudh Narayanan, Friedrich Puttkammer, Andrei Zhukov, Jacqueline Lammert, Sebastian Ziegelmayer, Markus Graf, Marion Högner, Marcus Makowski, Florian Bassermann, Lisa C. Adams, Jiazhen Pan, Daniel Rueckert, Krischan Braitsch, Keno K. Bressem

机构 * Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM) and TUM University Hospital（人工智能在医疗与健康中的研究所，慕尼黑技术大学（TUM）及慕尼黑技术大学医院） ； Department of Diagnostic and Interventional Radiology, Klinikum rechts der Isar, TUM University Hospital, School of Medicine and Health, Technical University of Munich（诊断与介入放射科，莱茵河右岸医院，慕尼黑技术大学医院，医学与健康学院，慕尼黑技术大学） ； Department of Cardiovascular Radiology and Nuclear Medicine, German Heart Center, TUM University Hospital, School of Medicine and Health, Technical University of Munich（心血管放射学与核医学科，德国心脏中心，慕尼黑技术大学医院，医学与健康学院，慕尼黑技术大学） ； Department of Medicine III, Klinikum rechts der Isar, TUM University Hospital, School of Medicine and Health, Technical University of Munich（第三医学部，莱茵河右岸医院，慕尼黑技术大学医院，医学与健康学院，慕尼黑技术大学） 纠错

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

AI总结 本研究评估了代理推理系统在骨髓瘤长期记录中的表现，发现其在复杂问题和长记录中优于传统方法，但需进一步验证以确保临床应用的安全性。

Discovering Agentic Safety Specifications from 1-Bit Danger Signals

从1位危险信号中发现代理安全规范

Víctor Gallego

机构 * Komorebi AI 纠错

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

AI总结 本文提出EPO-Safe框架，通过经验优化使LLM在仅接收二进制危险信号的情况下发现安全规范，展示LLM能在贫乏信号中进行安全推理，并验证了安全反思需配合专用安全通道以避免奖励黑客问题。

Comments Accepted to the Adaptive and Learning Agents Workshop (ALA 2026) @ AAMAS 2026. Code is available at github.com/vicgalle/experiential-prompt-optimization-safe

Journal ref Proc. of the Adaptive and Learning Agents Workshop (ALA 2026) @ AAMAS 2026

Planning Under Observation Mismatch for Traffic Signal Control via Adaptive Modular World Models

基于观测不匹配的交通信号控制的适应性模块化世界模型规划

Zherui Huang, Yicheng Liu, Chumeng Liang, Guanjie Zheng

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出适应性模块化模型，用于解决观测不匹配下的交通信号控制问题，通过模块化规划架构提升性能和数据效率。

Comments Accepted by ICAPS 2026

Beyond the Attention Stability Boundary: Agentic Self-Synthesizing Reasoning Protocols

超越注意力稳定性边界：代理自我合成推理协议

Dahlia Shehata, Ming Li

机构 * University of Waterloo（滑铁卢大学） 纠错

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

AI总结 本文提出SSRP框架，通过分离高层规划与执行流程，解决多轮对话中注意力锁定问题，实验显示其在多任务中显著提升稳定性。

From Coarse to Fine: Self-Adaptive Hierarchical Planning for LLM Agents

从粗到细：为LLM代理设计的自适应分层规划

Haoran Tan, Zeyu Zhang, Chen Ma, Tianze Liu, Quanyu Dai, Xu Chen

机构 * Beijing Key Laboratory of Research on Large Models and Intelligent Governance（北京大模型与智能治理重点实验室） ； Engineering Research Center of Next-Generation Intelligent Search and Recommendation, MOE（下一代智能搜索与推荐工程技术研究中心，教育部） ； Gaoling School of Artificial, Renmin University of China（人大北京校区人工智能学院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

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

AI总结 本文提出AdaPlan-H，一种自适应分层规划机制，通过逐步细化策略提升复杂任务执行效率，减少过度规划，提供灵活高效的多步骤决策方案。

Probing Visual Planning in Image Editing Models

探测图像编辑模型中的视觉规划

Zhimu Zhou, Yanpeng Zhao, Qiuyu Liao, Bo Zhao, Xiaojian Ma

机构 * Shanghai Jiao Tong University（上海交通大学） ； Renmin University of China（中国人民大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） 纠错

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

AI总结 本文提出EAR框架，通过抽象谜题和生成数据集AMAZE，评估图像编辑模型的视觉规划能力，发现模型在零样本设置下表现不佳，但微调后能有效泛化。

Comments Accepted to ES-Reasoning Workshop @ ICLR 2026. Our code is available at https://github.com/spatigen/amaze

Towards Long-horizon Agentic Multimodal Search

面向长视界代理多模态搜索

Yifan Du, Zikang Liu, Jinbiao Peng, Jie Wu, Junyi Li, Jinyang Li, Wayne Xin Zhao, Ji-Rong Wen

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学 polled 智能学院） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 本文提出LMM-Searcher框架，通过文件化视觉表示和定制化图像加载工具，解决长视界多模态搜索中的信息管理与成本问题，实验证明其在长视界基准测试中表现优异。

Reasonably reasoning AI agents can avoid game-theoretic failures in zero-shot, provably

合理推理的AI代理可以在零样本情况下避免博弈论失败并得到证明

Enoch Hyunwook Kang

机构 * Foster School of Business, University of Washington（华盛顿大学福斯特商学院） 纠错

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

AI总结 本文研究了AI代理在重复博弈中的稳定性，证明了基于贝叶斯后验采样的代理能趋近纳什均衡，且在未知收益情况下仍保持收敛性。

LLM-Assisted Op-Amp Behavioral-Level Design via Agentic Human-Mimicking Reasoning

通过代理人类模拟推理的LLM辅助运算放大器行为级设计

Zihao Chen, Ziyi Sun, Jiayin Wang, Ji Zhuang, Jinyi Shen, Xiaoyue Ke, Li Shang, Xuan Zeng, Fan Yang

机构 * State Key Laboratory of Integrated Chips and Systems（集成芯片与系统国家重点实验室） 纠错

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

AI总结 本文提出White-Op框架，利用大语言模型代理的类人推理能力，实现运算放大器行为级参数设计，通过符号推理与数值求解分离方法，结合模拟验证和迭代优化，提升设计可解释性与电路功能保持性。

Hybrid A*-Based Reverse Path-Planning of a Vehicle with Trailer System

基于混合A*的带拖车车辆反向路径规划

Xincheng Cao, Haochong Chen, Bilin Aksun-Guvenc, Levent Guvenc, Brian Link, Peter J Richmond, Dokyung Yim, Shihong Fan, John Harber

机构 * Automated Driving Lab, Department of Mechanical and Aerospace Engineering, The Ohio State University（自动化驾驶实验室，机械与航空航天工程系，俄亥俄州立大学） ； Hyundai America Technical Center, Inc.（现代美国技术中心有限公司） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种改进的混合A*算法，用于解决带拖车车辆的反向停车路径规划问题，兼顾车辆-拖车系统和碰撞避障，通过适应性控制防止拖车翻转，并通过仿真验证有效性。

Flatness-based Quadcopter Trajectory Planning and Tracking with Continuous-time Safety Guarantees

基于平坦性的四旋翼轨迹规划与跟踪及连续时间安全保证

Victor Freire, Xiangru Xu

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种凸优化框架，用于四旋翼轨迹规划与跟踪，通过B样条基函数和四旋翼的微分平坦性，构建二次锥规划以生成满足连续时间安全约束的最优轨迹，并通过二次规划保证轨迹跟踪的连续时间有界性。

Comments 16 pages, 13 figures

Alert Chain and Observation Planning for Ground Wide Angle Camera Network

地面宽视场相机网络的警报链与观测规划

Xu-hui Han, Pin-pin Zhang, Yu-jie Xiao, Li-ping Xin, Ruo-song Zhang, Lei Huang, Xiao-meng Lu, Hong-bo Cai, Yang Xu, Wen-long Dong, Hua-li Li, Ya-tong Zheng, Jian-yan Wei

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

AI总结 本文提出了一种用于地面宽视场相机网络的自动化警报处理流程，通过整合FOCS和AOM系统实现多波段快速跟进观测，以发现伽马射线暴的光学对应物。

Comments Accepted for publication in the SVOM special issue in Research in Astronomy and Astrophysics, 11 pages, 6 figures

Optimal Planning and Control under Signal Temporal Logic Specifications

在信号时序逻辑规范下最优规划与控制

Zuodong Pan, Xu Fang, Wei Ren

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文研究非线性系统在信号时序逻辑规范下的规划与控制问题，通过分解任务生成局部路径并构造安全走廊，最终求解优化问题以获得满足规范的轨迹。

DataClaw: An Autonomous Data Agent with Instant Messaging Integration

DataClaw: 一个集成即时通讯功能的自主数据代理

Huahang Li, Wentao Hu, Zhuoyue Wan, Chen Jason Zhang, Haoyang Li, Xiaoyong Wei

专题命中 规划决策 ：agent(title,abstract)

AI总结 DataClaw通过集成即时通讯平台，使用户能通过自然语言请求自动执行数据分析任务，提供图表和报告，解决数据处理碎片化问题。

Comments 4 pages, 3 figures

Trajectory Planning for an Articulated Commercial Vehicle using Model Predictive Contouring Control

使用模型预测轮廓控制的 articulated 商用车轨迹规划

A. J. Aertssen, R. G. M. Huisman, I. J. M. Besselink, J. Elfring, M. J. G. van de Molengraft

机构 * Department of Mechanical Engineering, Eindhoven University of Technology（埃因霍温理工大学机械工程系） ； Safety & Driver Controls Group, Vehicle Development, DAF Trucks N.V.（DAF卡车公司安全与驾驶控制组） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种基于模型预测轮廓控制的 articulated 商用车轨迹规划方法，通过引入场景依赖的锚点权重和道路边界约束，解决了 articulated 商用车在正反向行驶中的导航问题。

Journal ref 2025 IEEE 28th International Conference on Intelligent Transportation Systems (ITSC) Gold Coast Australia 2025 pp. 421-427

Green Manufacturing Capacity Planning by Integrating Distributionally Robust Optimization and Generative AI

通过整合分布鲁尼茨优化与生成式人工智能实现绿色制造能力规划

Xin Zhou, Zhengsong Lu, Bo Zeng, Na Geng

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种多工厂、多产能、多产品的两阶段分布鲁尼茨优化模型，结合数据驱动聚类技术构建不确定性集，并利用生成式人工智能提升计算效率和解的一致性，以应对绿色制造中需求和可再生能源生成的不确定性。

A Reinforcement-learning-based Column Generation Algorithm for Integrated Operating Room Planning and Scheduling

基于强化学习的列生成算法在整合手术室规划与排程中的应用

Mahdi Dolatkhah, Hossein Hashemi Doulabi, Walter Rei, Michel Gendreau

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种混合整数规划模型，结合强化学习和遗传算法改进列生成算法，用于解决手术室规划与排程问题，实验证明其在优化和鲁棒性方面优于现有方法。

PhysNote: Self-Knowledge Notes for Evolvable Physical Reasoning in Vision-Language Model

PhysNote: 为视觉-语言模型中的可进化物理推理提供自我知识笔记

Sinin Zhang, Yunfei Xie, Yuxuan Cheng, Haoyu Zhang, Tong Zhang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Rice University（里奇大学） ； City University of Hong Kong（香港城市大学） ； Fudan University（复旦大学） 纠错

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

AI总结 本文提出PhysNote框架，通过自我生成的知识笔记提升视觉-语言模型在动态物理推理中的表现，实验显示其在PhysBench上达到56.68%的准确率，优于多智能体基线。

Comments 11 pages. Accepted by ICLR 2026 Workshop ES-Reasoning

MERIT: Modular Framework for Multimodal Misinformation Detection with Web-Grounded Reasoning

MERIT：基于网络基础推理的多模态虚假信息检测模块化框架

Mir Nafis Sharear Shopnil, Sharad Duwal, Abhishek Tyagi, Adiba Mahbub Proma

机构 * University of Rochester（罗切斯特大学） 纠错

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

AI总结 MERIT通过四个专用模块提升多模态虚假信息检测性能，采用GPT-4o-mini在MMFakeBench上取得81.65% F1得分，优于零样本基线，验证了其架构设计的有效性。

Comments 18 pages, 4 tables, 3 figures. Major revision with updated title, framing, methodology, experiments, and error analysis

Forecasting Commencing Enrolments Under Data Sparsity: A Zero-Shot Time Series Foundation Models Framework for Higher Education Planning

在数据稀疏条件下预测入学人数：一种用于高等教育规划的零样本时间序列基础模型框架

Jittarin Jetwiriyanon, Teo Susnjak, Surangika Ranathunga

机构 * School of Mathematical and Computational Sciences（数学与计算科学学院） ； Massey University（梅西大学） ； Albany, New Zealand（新西兰奥克兰） 纠错

专题命中 规划决策 ：planning(title)；分类 cs.AI

AI总结 本文探讨零样本时间序列基础模型在数据稀疏情况下对入学人数预测的可行性，通过对比经典方法验证其有效性，并提出可转移的预测协议。

Comments 30 pages, 5 figures, 3 tables

RL-Driven Sustainable Land-Use Allocation for the Lake Malawi Basin

基于强化学习的可持续土地利用分配：马拉维盆地

Ying Yao

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文提出基于深度强化学习的框架，用于优化马拉维盆地的土地利用分配以最大化生态系统服务价值，通过空间奖励塑造引导生态友好的土地利用模式。

Comments 9 pages, 11 figures; added baseline comparison under "Result" section; revised limitation and discussion

ZoFia: Zero-Shot Fake News Detection with Entity-Guided Retrieval and Multi-LLM Interaction

ZoFia：基于实体引导检索和多LLM交互的零样本假新闻检测

Lvhua Wu, Xuefeng Jiang, Sheng Sun, Yan Lei, Tian Wen, Yuwei Wang, Min Liu

机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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ZoFia框架，通过实体引导检索和多LLM交互解决假新闻检测中的知识截止和事实幻觉问题，实验表明其优于现有零样本基线和多数少样本方法。