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。
学习重写工具描述以实现可靠的LLM-代理工具使用
机构 * Intuit AI Research（Intuit AI研究院）
专题命中 工具调用 ：agent(title,abstract)；tool use(title)；workflow(abstract)；分类 cs.AI
AI总结 本文提出Trace-Free+框架，通过渐进式转移监督从轨迹丰富设置到轨迹自由部署，提升代理在大规模工具库中的鲁棒性与泛化能力，同时提高查询成功率。
Comments Preprint
野外代理搜索：从1400万次真实搜索请求中获取意图和轨迹动态
机构 * Carnegie Mellon University Pittsburgh PA US ； INESC-ID, Carnegie Mellon University Pittsburgh PA US ； INESC-ID, Instituto Superior T\'ecnico, University of Lisbon Lisbon Portugal ； NOVA LINCS\ University Lisbon Caparica Portugal ； Carnegie Mellon University ； INESC-ID, Carnegie Mellon University ； INESC-ID, Instituto Superior T\'ecnico, University of Lisbon ； NOVA LINCS\ University Lisbon
专题命中 工具调用 ：agentic(title,abstract)；分类 cs.CL
AI总结 本文分析了1400万次真实搜索请求，揭示了代理搜索会话中的行为模式，包括步骤数、时间间隔及查询重构的可追溯性，为重复敏感停止和意图适应检索预算提供信号。
Comments Accepted at SIGIR 2026. DOI: 10.1145/3805712.3809627
ToolPRM：用于函数调用的结构化输出细粒度推理扩展
机构 * Shanghai Jiao Tong University（上海交通大学） ； Longshine AI Research（长 Shine 人工智能研究院） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 工具调用 ：function calling(title,abstract)；分类 cs.AI
AI总结 本文提出ToolPRM框架，结合细粒度束搜索与过程奖励模型，提升结构化输出的推理扩展能力，并通过细粒度监督数据集改进函数调用性能。
Comments ACL 2026 (main)
自主知识图谱探索与自适应广度-深度检索
机构 * Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； Departamento de Computación, FCEyN, Universidad de Buenos Aires（布宜诺斯艾利斯大学计算机系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Oxford Suzhou Centre for Advanced Research, University of Oxford（牛津大学苏州市先进研究中心） ； ELIAS Lab, Departamento de Ingeniería, Universidad de San Andrés（圣安德鲁大学工程系ELIAS实验室） ； Kempner Institute for the Study of Natural and Artificial Intelligence, Allston, MA, USA（自然与人工智能研究所，马萨诸塞州阿利斯顿） ； Broad Institute of MIT and Harvard, Cambridge, MA, USA（MIT和哈佛大学Broad研究所） ； Harvard Data Science Initiative, Cambridge, MA, USA（哈佛大学数据科学倡议）
专题命中 工具调用 ：agent(abstract)；tool use(abstract)；tool-use(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出ARK工具，通过全局词搜索和邻域探索平衡知识图谱的广度与深度检索，提升多跳遍历效率，在STaRK上达到59.1%的平均Hit@1和67.4的平均MRR，优于其他方法。
Comments Accepted at ACL 2026 Main Conference
确定性法律代理：用于可审计时间知识图谱推理的规范性原始API
机构 * Federal Senate of Brazil（巴西联邦议会）
专题命中 工具调用 ：agent(abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出SAT-Graph API，通过确定性符号子系统与概率语言模型交互，实现法律领域可审计的时间知识图谱推理，将单次检索生成改为主动推理-行动-观察流程。
Comments Substantially revised version consolidating the paper as a formal SAT-Graph API specification: clarifies Probability Isolation and post-anchoring determinism, broadens semantic anchoring to open and thematic legal queries, refines the data models and temporal primitives, and strengthens the use cases, limitations, and bibliography
学习提问：当LLM代理遇见模糊指令
机构 * Renmin University of China（中国人民大学） ； The Chinese University of Hong Kong（香港中文大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学深圳校区） ； Johns Hopkins University（约翰霍普金斯大学） ； Xiaohongshu Inc.（小红书公司）
专题命中 工具调用 ：tool-use(abstract)；分类 cs.AI、cs.CL、cs.SE
AI总结 本文提出AwN框架，通过让LLM在遇到模糊指令时主动提问以提升工具使用性能，并设计自动化评估工具ToolEvaluator，验证了在NoisyToolBench基准下的优越性。
Comments EMNLP 2025
RepoDoc: 基于知识图谱的自动文档生成与增量更新框架
专题命中 工具调用 ：agent(abstract)；分类 cs.SE
AI总结 RepoDoc通过构建仓库知识图谱，实现代码文档的自动化生成与增量更新，提升文档覆盖率和完整性，同时提高生成效率与准确性。
glance-or-gaze: 通过强化学习激励大 multimodal 模型适应性聚焦搜索
机构 * Hong Kong University of Science and Technology（香港科技大学）
专题命中 工具调用 ：planning(abstract)；分类 cs.AI
AI总结 本文提出 glanco-or-gaze 框架，通过强化学习使大 multimodal 模型主动规划视觉搜索，通过选择性注视和复杂度自适应强化学习提升复杂视觉查询性能。
Journal ref ACL 2026 Findings
CST评估中的艺术实践机会：ArtKrit的纵向群体部署
专题命中 工具调用 ：tool use(abstract)
AI总结 本文通过ArtKrit的三周部署，探讨了CST评估中艺术实践的动态变化，揭示了工具使用与艺术感知的演变过程，强调了艺术支持网络对创作安全与表达的重要性。
Comments 17 pages, 8 figures. Accepted to DIS 2026
从假说到因素：在加密货币市场中的受约束LLM代理
专题命中 工具调用 ：agent(abstract)
AI总结 本文研究了通过加密货币因素发现使用受约束的LLM代理，在可重复的协议下进行因素发现，通过序列假说搜索框架，结合确定性引擎进行数据分割、选择门、交易成本和投资组合测试，实现了44.55%的年化收益和1.55的夏普比率。
通过压缩绝热演化实现交通网络的高效量子优化
专题命中 工具调用 ：planning(abstract)
AI总结 本文提出一种基于硬件的混合量子优化框架，利用近似量子编译压缩早期数字化绝热演化段为浅层电路，结合变分层，研究初始化、电路深度和表达性对近期量子硬件的影响，实验证明适度压缩可减少两量子比特门深度并提高可行解发现效率，尤其对路由问题有益。
AI代理如何花费你的钱？分析和预测代理编码任务中的令牌消耗
机构 * University of Michigan（密歇根大学） ； Stanford University（斯坦福大学） ； All Hands AI ； Google Deepmind（谷歌DeepMind） ； Microsoft AI（微软AI） ； Massachusetts Institute of Technology（麻省理工学院）
专题命中 规划决策 ：AI agent(title,abstract)；agentic(title,abstract)；分类 cs.AI、cs.CL、cs.SE
AI总结 本文研究了代理编码任务中令牌消耗模式，发现代理任务消耗远高于代码推理和代码聊天，且模型在任务执行前难以准确预测自身令牌使用。
软件开发生命周期中的代理AI：架构、实证证据与软件工程的重塑
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract,abstract_cn)；tool use(abstract)；planning(abstract)
AI总结 本文探讨代理AI在软件开发生命周期中的应用，提出六层参考架构，分析代理SDLC与传统SDLC的差异，并通过实证数据展示其在性能、生产力和劳动力市场的影响。
Comments 9 pages, 5 figures, 2 tables, survey paper
面向长期健康AI代理的框架
机构 * Columbia University, Biomedical Informatics（哥伦比亚大学生物医学信息学） ； Columbia University, Computer Science（哥伦比亚大学计算机科学）
专题命中 规划决策 ：AI agent(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 本文提出一个多层框架，用于支持长期健康交互的AI代理，强调适应性、连贯性、连续性和自主性，通过案例展示如何维持有意义的参与并支持个性化决策。
Comments 10 pages, 2 figures, 5 tables
探测-然后规划：面向工业电商搜索的环境感知规划
机构 * JD.com Beijing China（京东北京中国）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 本文提出环境感知搜索规划(EASP)，通过探测-规划机制解决电商搜索中盲点与延迟的矛盾，通过离线数据合成、规划器训练和在线服务适应性路由提升搜索相关召回率和UCVR、GMV。
WebAggregator：增强深度研究代理基础模型的组合推理能力
机构 * MoE Lab, The Chinese University of Hong Kong（莫埃实验室，香港中文大学） ； Tencent AI Lab（腾讯AI实验室）
专题命中 规划决策 ：agent(title,abstract)；agentic(abstract)；分类 cs.CL
AI总结 本文提出WebAggregator数据合成管道，通过主动探索和组合逻辑提案，提升深度研究代理的组合推理能力，并在多个基准测试中超越GPT-4.1和Claude-3.7-Sonnet。
电动汽车充电模式与基础设施部署对系统性能的影响：基于代理的分析
专题命中 规划决策 ：agent(title,abstract)；planning(abstract)
AI总结 研究通过基于代理的模型分析不同充电模式和基础设施部署对系统性能的影响，发现优化策略能降低总成本，尤其在混合充电模式下效果显著。
Comments 7 pages, 4 figures
EvolvingAgent: 基于持续世界模型的课程自进化代理用于长周期任务
机构 * Department of Computer Science and Technology, Beijing National Research Center for Information Science and Technology, Tsinghua University（计算机科学与技术系，北京信息科学与技术国家研究中心，清华大学） ； Department of Computer Science, University of Sydney（计算机科学系，悉尼大学） ； Department of Electronic Engineering, Tsinghua University（电子工程系，清华大学）
专题命中 规划决策 ：agent(title,abstract)；planning(abstract)
AI总结 本文提出EvolvingAgent，通过持续世界模型实现自主完成长周期任务，采用任务规划、动作控制和反思模块，提升Minecraft和Atari环境中的性能。
ChinaTravel: 一个带有组合约束验证的开放旅行规划基准，用于语言代理
机构 * State Key Laboratory of Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室） ； School of Intelligence Science and Technology, Nanjing University, China（南京大学智能科学与技术学院） ； School of Artificial Intelligence, Nanjing University, China（南京大学人工智能学院） ； Noah’s Ark Lab, Huawei, China（华为诺亚实验室）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI、cs.CL
AI总结 ChinaTravel通过开放数据集和组合通用领域语言，提升语言代理在复杂真实场景中的约束满足能力，实现37%的约束满足率，比纯神经模型提升10倍。
Comments ICLR 2026. Webpage: https://www.lamda.nju.edu.cn/shaojj/chinatravel
TCOD：探索在线蒸馏在多轮自主代理中的时间课程
机构 * Tongyi Lab（通义实验室） ； Alibaba Group（阿里巴巴集团）
专题命中 规划决策 ：autonomous agent(title)；agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出TCOD框架，通过时间课程策略缓解在线蒸馏在多轮任务中的KL不稳定性，提升代理性能，实验显示性能提升达18个百分点，甚至超越教师模型。
Comments Update code, model weight
混合扩散用于同时符号化和连续规划
机构 * Department of Mechanical and Industrial Engineering, Norwegian University of Science and Technology (NTNU)（挪威科学技术大学机械与工业工程系） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Harvard University（哈佛大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出混合扩散方法，结合离散变量扩散和连续扩散，提升机器人长周期任务规划性能，实现符号计划与连续轨迹生成的协同优化。
Comments 10 pages, 11 figures. This work has been submitted to the IEEE for possible publication. See https://sigmundhh.com/hybrid_diffusion/ for the project website
Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 4, pp. 4489-4496, April 2026
双层优化用于绳索辅助腿式机器人接触与运动规划
机构 * Dipartimento di Ingegneria e Scienza dell’Informazione (DISI), University of Trento（工程与信息科学系（DISI），特伦托大学） ； Inria, Université de Lorraine, CNRS（法国国家信息与自动化技术研究院（Inria）、洛林大学、法国国家科学研究中心（CNRS））
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文提出了一种用于绳索辅助机器人垂直表面攀爬的规划框架，采用双层优化方法解决混合整数问题，同时优化绳索张力和腿部力，验证于新型攀爬机器人平台。
基于虚拟现实的患者特异性脊柱手术模拟：一种快速、高度自动化和高保真的系统，用于手术教育和规划
机构 * Holland Bone and Joint Program, Sunnybrook Research Institute（霍尔德骨科与关节程序，圣布鲁诺研究学院） ； Division of Spine Surgery, Sunnybrook Health Sciences Centre（脊柱外科部，圣布鲁诺健康科学中心） ； Division of Orthopaedic Surgery, Department of Surgery, University of Toronto（骨科部，外科部，多伦多大学）
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文提出利用AI和计算机视觉生成患者特异性脊柱减压模拟，通过多模态融合和分割技术提高建模精度，提升手术教育和规划效率。
面向应用的联邦分裂学习无线边缘网络中的双胞胎在环规划
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文提出TiLP算法，通过跨领域数字双胞胎评估候选决策，提升联邦分裂学习任务成功率9.5个百分点，满足时间限制和能耗约束。
Comments Submitted to IEEE
弥合离散规划与连续执行以实现冗余机器人的路径规划
机构 * Thrust of Artificial Intelligence, The Hong Kong University of Science and Technology (Guangzhou)（人工智能研究所，香港科技大学（广州））
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文提出一种框架，通过规范化步骤的26邻域笛卡尔动作和几何优先机制，减少不必要的转向，消除步长振荡，并通过任务优先的阻尼最小二乘法逆运动学层，提升冗余机械臂的连续执行质量。
Comments 8 pages, 3 figures. Submitted to IFAC World Congress 2026
协调与顺序传输规划
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文比较了协调与顺序规划方法在传输规划中的效果，发现协调方法能更准确地反映发电、储能和传输之间的互动，从而降低传输升级需求和系统成本。
Comments 11 pages
因果抽象网络：一种她夫理论框架
机构 * DIET Sapienza University of Rome（Sapienza罗马大学DIET）
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出因果抽象网络（CAN）框架，通过她夫理论统一多个上下文依赖因果机制模型，解决分布式智能体间因果视角协调问题，实现因果学习与推理。
Comments Major changes: added convergence proof for CK diffusion dynamics; clarified relation with our prior work arXiv:2602.02623, removing substantial overlap; shortened background
Vibe Check: 探讨基于大语言模型的对话代理的性格和对齐对用户在目标导向任务中的感知影响
机构 * Northeastern University（东北大学）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI、cs.CL
AI总结 本研究探讨了对话代理性格表达水平和用户与代理性格对齐如何影响用户在目标导向任务中的感知，发现中等表达水平在多个维度上表现最佳，性格对齐进一步提升了结果，尤其在外向性和情绪稳定性和方面影响显著。
Comments 30 pages, CHI 2026 conference paper (article no. 371)
LLM-Flax：通过大规模语言模型的神经符号方法实现通用机器人任务规划
机构 * Department of Physical AI Engineering（物理人工智能工程系） ； Faculty of Department of Advanced Defense Technology and Industry（高级国防技术与产业学院）
专题命中 规划决策 ：planning(title)
AI总结 LLM-Flax通过神经符号方法实现通用机器人任务规划，利用本地部署的大语言模型，无需手动编写规则或训练数据，三个阶段框架显著提升了任务规划效率和准确性。
RE-MCDF：闭环多专家LLM推理用于知识驱动的临床诊断
机构 * School of Informatics, Xiamen University, China（厦门大学信息学系, 中国） ； National Institute for Data Science in Health and Medicine, Xiamen University, China（健康医学数据科学国家研究院, 厦门大学, 中国） ； Key Laboratory of Intelligent Manufacturing Equipment and Industrial Internet Technology, Fujian Provincial Universities, the School of Information Science and Technology, Xiamen University Tan Kah Kee College, and also with the Department of Informatics and Communication Engineering, Xiamen University, China（福建省智能制造装备与工业互联网技术重点实验室, 福建省高校, 厦门大学信息科学系, 厦门大学坦克 Kee 学院, 以及厦门大学信息与通信工程系, 中国） ； School of Medicine, Xiamen University, China（厦门大学医学院, 中国） ； School of Electronic and Information Engineering, Tongji University, China（同济大学电子与信息工程学院, 中国） ； department of Electrical Engineering, University at Buffalo-SUNY, Buffalo, NY, USA（University at Buffalo-SUNY 电气工程系, Buffalo, NY, 美国）
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 针对神经科电子病历异质性、稀疏性和噪声问题，提出RE-MCDF框架，通过闭环架构整合三个互补组件，强化疾病间逻辑约束，提升复杂诊断场景性能。
Comments Accepted by International Joint Conference on Neural Networks (IJCNN 2026); 9 pages, 4 figures
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