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。
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
StreamAgent：面向流视频理解的前瞻性代理
机构 * MBZUAI ； Shanghai AI Laboratory（上海人工智能实验室） ； DeepGlint ； Shanghai Jiao Tong University（上海交通大学） ； Monash University（墨尔本大学）
专题命中 规划决策 ：agent(abstract)；planning(abstract)
AI总结 本文提出StreamAgent，通过整合问题语义和历史观测，预测关键事件的时间进展，调整感知动作，提升流视频处理的响应准确性和实时效率。
基于神经聚集体的因果学习
机构 * Hellenic Open University（希腊开放大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 研究探讨神经聚集体能否学习变量间的因果方向，通过DIRECT机制实现局部可塑性学习，验证了其在多个领域中的结构恢复能力。
Comments 8 pages, 11 figures
Lyapunov引导的自对齐：用于离线安全强化学习的测试时适应
机构 * Seoul National University（首尔国立大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出SAS框架，通过自对齐机制在不重新训练的情况下实现离线安全强化学习的测试时适应，利用Lyapunov条件筛选可行轨迹并生成上下文提示，提升安全性与性能。
Comments Accepted at AISTATS 2026. First two authors contributed equally. Project page: https://seungyubhan.github.io/sas/. Code: https://github.com/seungyubhan/sas
树-文本：一种基于树的提示框架，用于体育领域中的表格到文本生成
机构 * National Yang Ming Chiao Tung University
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出Tree-of-Text框架，通过三阶段生成过程提升表格到文本生成的精度与效率，在多个体育数据集上表现优异。
Comments Accepted by ACL SRW 2025: Long Paper (Oral)
前沿人工智能风险管理中的开放问题
机构 * Oxford Martin AI Governance Initiative, University of Oxford（牛津大学人工智能治理倡议） ； MIT Computer Science and Artificial Intelligence Laboratory, MIT（麻省理工学院计算机科学与人工智能实验室） ； MIT Future Tech（麻省理工学院未来技术） ； Stanford University（斯坦福大学） ； Governance and Responsible AI Lab, Purdue University（普渡大学治理与负责任的人工智能实验室） ； University of Toronto（多伦多大学） ； Mercatus Center, George Mason University（乔治·马歇尔大学麦卡锡中心） ； Vilnius University（维尔纽斯大学） ； Vijil ； SaferAI ； AI Standards Lab（人工智能标准实验室） ； The Future Society（未来社会） ； Concordia AI（康科德人工智能） ； Pivotal Research ； Center for AI Risk Management & Alignment（人工智能风险管理和对齐中心） ； UC Berkeley Center for Long-Term Cybersecurity（伯克利大学长期网络安全中心） ； Independent（独立）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 本文探讨前沿人工智能风险管理中的核心问题，通过文献综述识别未解决的挑战，并分类问题类型以指导未来研究与治理。
Comments 81 pages, 3 figures
通过统一的辐射场桥接视觉与无线传感以实现3D无线电地图构建
机构 * Hong Kong University of Science and Technology（香港科学与技术大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出URF-GS框架，结合3D高斯散射和反渲染技术，融合多模态数据以提升3D无线电地图的空间频谱精度和样本效率。
Comments The code for this work will be publicly available at: https://github.com/wenchaozheng/URF-GS
理解高等教育机构与软件工程行业之间技能差距
专题命中 规划决策 ：planning(abstract)；分类 cs.SE
AI总结 研究通过分析300个职位描述和30所英国大学课程，发现行业对软件设计和规划的需求远高于课程中强调的编程语言和数据库管理，揭示了高等教育与行业技能需求的差距。
Comments 17 pages, 11 tables, 5 figures. In Studies in Systems, Decision and Control, Vol. 672, Kevin Daimi and Abeer Alsadoon (Eds): Emerging Trends in Computer Science and Computer Engineering Education; Springer, Cham
在对话中LLM的推理变得更难
机构 * Charles University, Faculty of Mathematics and Physics（查理大学数学与物理系） ； Institute of Formal and Applied Linguistics（形式与应用语言学研究所）
专题命中 规划决策 ：tool-use(abstract)；分类 cs.CL
AI总结 本文研究了在对话场景中LLM的推理能力，通过BOULDER基准测试发现，对话环境显著影响LLM性能，揭示了对话多轮交互对推理能力的挑战。
Comments Accepted at ACL 2026 (Main)
教LLM变得有说服力：来自异质奖励的强化学习后训练政策优化
机构 * Fliggy Alibaba（飞猪阿里）
专题命中 规划决策 ：agent(abstract)；分类 cs.CL
AI总结 本文提出REPO方法，通过结合偏好训练奖励模型、LLM作为判断者和规则奖励函数，提升在线旅行社的价格谈判对话质量，实验显示在对话评分、优秀回应比例和坏案例修复率上均有显著提升。
Comments accepted by ACL 2026 indusry track
SAGE：一种面向在线咨询的策略感知图增强生成框架
机构 * Ben-Gurion University of the Negev（贝叶特·沙瓦大学） ； University of Haifa（海法大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.CL
AI总结 SAGE通过整合心理框架和实时压力信号，提升在线咨询的策略预测与响应质量，为高风险危机咨询提供决策支持工具。
Comments Full version of the work accepted as a short paper at the 34th ACM Conference on User Modeling, Adaptation and Personalization (UMAP '26). 9 pages, 4 figures, 5 tables
Journal ref Proceedings of the 34th ACM Conference on User Modeling, Adaptation and Personalization (UMAP '26), June 08--11, 2026, Gothenburg, Sweden
面向理想格的顺序敏感序列干预
机构 * MBZUAI（穆罕默德·本·拉希德智能研究院）
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 本文研究在先决约束下序列干预的顺序敏感性，提出基于理想格的局部到全局理论，证明路径差异、路径独立性与立方一致性等核心结论，为精确规划提供理论支持。
Comments 18 pages
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