AI Agent

A Deterministic Agentic Workflow for HS Tariff Classification: Multi-Dimensional Rule Reasoning with Interpretable Decisions

一种确定性代理工作流用于HS税则分类：多维规则推理与可解释决策

Yu Zhang, Dongjiang Zhuang, Qu Zhou, Zheng Huang, Junhe Wu, Jing Cao, Kai Chen

机构 * School of Information and Electronic Engineering, Shanghai Jiao Tong University, Shanghai, China（信息与电子工程学院，上海交通大学，上海，中国） ； Nanjing Jiyun Information Technology Co., Ltd., Nanjing, China（南京吉云信息技术有限公司，南京，中国） ； School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（计算机科学学院，上海交通大学，上海，中国） 纠错

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

AI总结 本文提出确定性代理工作流，通过多维规则推理实现HS税则分类，通过结构化输出和引用注释提升可解释性，实验显示在六位和四位税则层面均取得较高准确率。

A Security Analysis of the OpenClaw AI Agent Framework

对OpenClaw AI代理框架的安全性分析

Surada Suwansathit, Yuxuan Zhang, Guofei Gu

机构 * SUCCESS Lab（SUCCESS实验室） ； Texas A&M University（德克萨斯大学） 纠错

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

AI总结 本文分析了OpenClaw AI代理框架的安全性，揭示了其在架构层和信任违反类型上的漏洞，发现三个主要问题：远程代码执行路径、执行允许列表的闭世界假设失效以及技能分发面缺乏运行时策略控制。

Computational Thinking Development in AI Agent Creation_A Mixed-Methods Study

在AI代理创建中的计算思维发展：混合方法研究

Yimeng Sun, Haiyang Xin, Qiannan Niu, Shuang Li, Lingyun Huang, Gaowei Chen

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

AI总结 研究通过混合方法探讨93名初中生在AI代理创建工作坊中计算思维的发展，发现中等初始水平学生在抽象和算法思维上有显著提升，揭示了最优发展区效应。

Nexus : An Agentic Framework for Time Series Forecasting

Nexus：一个用于时间序列预测的代理框架

Sarkar Snigdha Sarathi Das, Palash Goyal, Mihir Parmar, Nanyun Peng, Vishy Tirumalashetty, Chun-Liang Li, Rui Zhang, Jinsung Yoon, Tomas Pfister

机构 * Google（谷歌） ； Pennsylvania State University（宾夕法尼亚州立大学） 纠错

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

AI总结 Nexus框架通过分解预测任务，整合上下文信息，提升时间序列预测的准确性与可解释性，超越传统模型和LLM的局限。

Comments 30 Pages, 3 figures, 5 Tables

FlowSteer: Towards Agents Designing Agentic Workflows via Reinforced Progressive Canvas Editing

FlowSteer：通过强化递进画布编辑设计代理工作流

Mingda Zhang, Wenjin Liu, Tiesunlong Shen, Qika Lin, Rui Mao, Erik Cambria, Xiaoying Tang, Haoran Luo

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 本文提出FlowSteer，一种通过强化学习递进画布编辑设计代理工作流的新范式，解决传统工作流构建中依赖人类、缺乏图级执行反馈和无法在长周期内修复错误的问题。

Comments 51 pages, 6 figures, 5 tables. Project page: http://flowsteer.org/

Collider-Bench: Benchmarking AI Agents with Particle Physics Analysis Reproduction

Collider-Bench：通过粒子物理分析复现评估AI代理

Darius A. Faroughy, Sofia Palacios Schweitzer, Ian Pang, Siddharth Mishra-Sharma, David Shih

机构 * New High Energy Theory Center（新高能理论中心） ； Department of Physics & Astronomy（物理与天文学系） ； Rutgers University（罗格斯大学） ； Faculty of Computing & Data Sciences（计算与数据科学学院） 纠错

专题命中 规划决策 ：AI agent(title)；agent(abstract)；tool-use(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出Collider-Bench，评估AI代理能否仅通过公开论文和开源软件复现LHC实验分析，强调物理推理和领域知识的重要性，结果显示无代理能超越物理学家在环解决方案。

Comments 23 pages | 9 figures | 4 tables | Code: https://github.com/dfaroughy/Collider-Bench | Task Corpus: https://huggingface.co/datasets/Dariusfar/ColliderBench

Near-Miss: Latent Policy Failure Detection in Agentic Workflows

近似失误：代理工作流中的潜在策略失败检测

Ella Rabinovich, David Boaz, Naama Zwerdling, Ateret Anaby-Tavor

机构 * IBM Research（IBM研究院） 纠错

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

AI总结 本文提出一种新指标，用于检测代理对话轨迹中的潜在策略失败，通过分析代理工具调用决策的充分性，揭示当前评估方法的盲点。

Comments GEM@ACL2026, 13 pages

SPIN: Structural LLM Planning via Iterative Navigation for Industrial Tasks

SPIN：通过迭代导航进行工业任务的结构LLM规划

Yusuke Ozaki, Dhaval Patel

机构 * University at Albany（阿尔巴马大学） ； IBM（国际商业机器公司） ； Kwansei Gakuin University（关西大学） 纠错

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

AI总结 SPIN通过结合验证的有向无环图规划与前缀执行控制，减少任务执行次数并提高完成率，适用于工业任务规划。

Comments 31 pages, 10 figures

Resolving Action Bottleneck: Agentic Reinforcement Learning Informed by Token-Level Energy

消除行动瓶颈：由令牌级能量指导的代理强化学习

Langzhou He, Junyou Zhu, Yue Zhou, Zhengyao Gu, Junhua Liu, Wei-Chieh Huang, Henry Peng Zou, David Wipf, Philip S. Yu, Qitian Wu

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Potsdam Institute for Climate Impact Research（波茨坦气候影响研究所） ； Technical University of Berlin（柏林技术大学） ； University of Southern California（南加州大学） ； University of Hong Kong（香港大学） ； Broad Institute of MIT and Harvard（MIT和哈佛大学Broad研究所） 纠错

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

AI总结 本文提出ActFocus方法，通过令牌级能量建模解决强化学习中令牌级训练信号分配不均的问题，显著提升性能。

Comments Preprint

ATLAS: Agentic or Latent Visual Reasoning? One Word is Enough for Both

ATLAS：是代理还是潜在的视觉推理？一个词足以兼顾两者

Ziyu Guo, Rain Liu, Xinyan Chen, Pheng-Ann Heng

机构 * Meta AI ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 ATLAS结合代理推理与潜在推理，通过单一功能词实现两者结合，避免冗长中间视觉生成，保持与传统训练方法兼容。

Comments Project Page: https://atlas-oneword.github.io Code: https://github.com/ZiyuGuo99/ATLAS

Prompting Policies for Multi-step Reasoning and Tool-Use in Black-box LLMs with Iterative Distillation of Experience

多步推理和工具使用中黑盒LLM的提示策略：基于经验迭代蒸馏的强化学习框架

Krishna Sayana, Ketan Todi, Ambarish Jash

机构 * Google Research（谷歌研究） 纠错

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

AI总结 本文提出基于经验迭代蒸馏的强化学习框架，用于训练提示策略以提升黑盒LLM的多步推理和工具使用能力，实验显示在逻辑推理和工具使用任务中性能显著提升。

Comments 10 pages and reference, appendix

MoMo: Conditioned Contrastive Representation Learning for Preference-Modulated Planning

MoMo：基于偏好调节的对比表征学习用于偏好调节规划

Yusuf Syed, Viraj Parimi, Brian Williams

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 MoMo通过特征线性调制和低秩神经调制，实现基于偏好调节的对比表征学习，使规划保守性在推理时可连续调节，提升时间与偏好一致性。

ToolMol: Evolutionary Agentic Framework for Multi-objective Drug Discovery

ToolMol：多目标药物发现的进化代理框架

Andrew Y. Zhou, Sharvaree Vadgama, Sumanth Varambally, Peter Eckmann, Michael K. Gilson, Rose Yu

机构 * Department of Computer Science（计算机科学系） ； Skaggs School of Pharmacy（斯卡格斯药学院） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系） 纠错

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

AI总结 ToolMol结合多目标遗传算法与代理LLM操作符，通过迭代更新配体群体，实现多目标属性优化，发现具有更强预测结合亲和力的药物候选物。

Comments 9 pages, 5 figures

A Tutorial on Cognitive Biases in Agentic AI-Driven 6G Autonomous Networks

面向6G自主网络的智能偏差教程

Hatim Chergui, Farhad Rezazadeh, Merouane Debbah, Christos Verikoukis

机构 * i2CAT Foundation（i2CAT基金会） ； Hostelworld Group（Hostelworld集团） ； Technical University of Catalonia (UPC)（技术大学（加泰罗尼亚）） ； Khalifa University of Science and Technology（卡里玛大学） ； ISI/ATH ； University of Patras（帕特拉大学） 纠错

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

AI总结 本文探讨了在6G自主网络中因人类设计引入的认知偏差问题，通过两个案例展示如何利用智能体AI缓解锚定偏差和时间偏差，提升网络管理和边缘计算的效率与节能效果。

Comments 26 pages, 18 figures, 4 tables, link to source code available. Accepted at IEEE OJCOMS

ActivePusher: Active Learning and Planning with Residual Physics for Nonprehensile Manipulation

ActivePusher: 基于残差物理的主动学习与规划用于非抓取操作

Zhuoyun Zhong, Seyedali Golestaneh, Constantinos Chamzas

机构 * Department of Robotics Engineering, Worcester Polytechnic Institute (WPI)（机器人工程系，沃斯特理工学院（WPI）） 纠错

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

AI总结 本文提出ActivePusher框架，结合残差物理模型与不确定性主动学习，提升非抓取操作的数据效率和规划成功率。

Comments Accepted by the 2026 IEEE International Conference on Robotics & Automation (ICRA 2026)

In-IDE Toolkit for Developers of AI-Based Features

面向AI功能开发者的IDE工具包

Yaroslav Sokolov, Yury Khudyakov, Lenar Sharipov, Andrei Gasparian, Parth Tiwary, Artem Trofimov

机构 * JetBrains 纠错

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

AI总结 本文提出面向AI功能开发者的IDE工具包，通过集成追踪和评估功能，帮助软件工程师更高效地测试和调试AI功能，降低开发门槛。

Comments Published at IDE'26 co-located with ICSE'26

DermAgent: A Self-Reflective Agentic System for Dermatological Image Analysis with Multi-Tool Reasoning and Traceable Decision-Making

DermAgent: 一种用于皮肤病图像分析的自反思代理系统，具备多工具推理和可追溯决策制定

Yize Liu, Siyuan Yan, Ming Hu, Lie Ju, Xieji Li, Feilong Tang, Wei Feng, Zongyuan Ge

机构 * AIM for Health Lab, Faculty of Information Technology, Monash University, Melbourne, Australia（健康人工智能实验室，信息科技学院，墨尔本大学，澳大利亚） ； Faculty of Information Technology, Monash University, Melbourne, Australia（信息科技学院，墨尔本大学，澳大利亚） ； University College London, Institute of Ophthalmology, London, United Kingdom（伦敦大学学院，眼科研究所，英国） 纠错

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

AI总结 DermAgent通过多工具协作和反思框架，在皮肤病图像分析中实现可追溯的诊断推理，优于现有模型。

Comments MICCAI2026 early acceptance

Reactive Planning based Control for Mobile Robots in Obstacle-Cluttered Environments

基于反应规划的移动机器人在障碍物密集环境中的控制

Li Tan, Junlin Xiong, Yan Wang, Wei Ren

机构 * Department of Automation, University of Science and Technology of China（自动化系，中国科学技术大学） ； School of Intelligence Science and Engineering, Harbin Institute of Technology Shenzhen（智能科学与工程学院，哈尔滨工业大学深圳） ； School of Control Science and Engineering, Dalian University of Technology（控制科学与工程学院，大连理工大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出基于反应规划的控制策略，用于移动机器人在障碍物密集环境中避障和导航，通过局部修改参考轨迹实现安全运动。

Comments 7 pages, 7 figures

Motion Planning for Autonomous Vehicles using Optimization over Graphs of Convex Sets

使用凸集图的优化进行自动驾驶车辆的运动规划

Matheus Wagner, Antônio Augusto Fröhlich

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文研究了在自动驾驶中使用凸集图优化对非线性最优控制问题的近似能力，通过凸约束保持轨迹连续性，提升计算效率和鲁棒性。

Frequency Nadir-Constrained Power System Restoration Planning with Energy Storage

含储能的频率 nadir 约束电力系统恢复规划

Xiangyu Zou, Amir Reza Nikzad, Ilyas Farhat, John W. Simpson-Porco

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种考虑频率 nadir 的混合整数线性规划框架，用于含同步机和储能系统的黑启动恢复规划，通过预测频率 nadir 来确保恢复过程中的频率稳定性，减少恢复时间。

Comments 10 pages

Terminal Matters: Kinodynamic Planning with a Terminal Cost and Learned Uncertainty in Belief State-Cost Space

终端问题：带有终端成本和学习不确定性的动力学规划

Zhuoyun Zhong, Seyedali Golestaneh, Constantinos Chamzas

机构 * Department of Robotics Engineering, Worcester Polytechnic Institute (WPI)（机器人工程系，沃斯通理工学院（WPI）） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种终端成本形式的动力学规划方法，通过优化终端状态质量和累积轨迹成本提升目标可靠性。KiTe规划器结合学习的不确定性模型，提高了在不确定环境下的目标达成成功率。

MonoSpheres: Large-Scale Monocular SLAM-Based UAV Exploration through Perception-Coupled Mapping and Planning

MonoSpheres：通过感知耦合映射与规划实现大规模单目SLAM基于的无人机探索

Tomáš Musil, Matěj Petrlík, Martin Saska

机构 * Department of Cybernetics, Faculty of Electrical Engineering, Czech Technical University in Prague（捷克技术大学布拉格分校电子工程系控制系） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种基于单目视觉的自主探索方法，通过考虑稀疏单目SLAM前端的特性，实现大规模无结构室内和室外3D环境的安全覆盖，展示了稀疏单目深度数据在考虑视差要求和纹理缺失表面可能性下的前沿探索可行性。

Comments 8 pages, 9 figures, accepted to IEEE Robotics and Automation Letters

FutureSim: Replaying World Events to Evaluate Adaptive Agents

FutureSim：通过重放世界事件来评估适应性智能体

Shashwat Goel, Nikhil Chandak, Arvindh Arun, Ameya Prabhu, Steffen Staab, Moritz Hardt, Maksym Andriushchenko, Jonas Geiping

机构 * ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； Institute for AI, University of Stuttgart（斯图加特大学人工智能研究所） ； Tübingen AI Center（图宾根人工智能中心） ； University of Tübingen（图宾根大学） ； University of Southampton（南安普顿大学） 纠错

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

AI总结 本文提出FutureSim，通过重放真实世界事件顺序来评估智能体适应能力，测试了不同智能体在2026年1月至3月期间预测世界事件的准确性，发现最佳智能体的准确率为25%。

Comments 31 pages, 10 main

GEAR: Granularity-Adaptive Advantage Reweighting for LLM Agents via Self-Distillation

GEAR：通过自蒸馏实现的粒度自适应优势重加权用于LLM智能体

Sijia Li, Yuchen Huang, Zifan Liu, Yanping Li, Jingjing Fu, Li Zhao, Jiang Bian, Ling Zhang, Jun Zhang, Rui Wang

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

专题命中 规划决策 ：tool-use(abstract)；agentic(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 GEAR通过自蒸馏获取token和片段级信号，实现粒度自适应的优势重加权，提升长时间跨度任务中的智能体性能，实验表明在数学推理和工具使用任务中优于传统方法。

Agentic Systems as Boosting Weak Reasoning Models

代理系统作为增强弱推理模型

Varun Sunkaraneni, Pierfrancesco Beneventano, Riccardo Neumarker, Tomaso Poggio, Tomer Galanti

机构 * Texas A&M University（德克萨斯A&M大学） ； MIT（麻省理工学院） 纠错

专题命中 规划决策 ：agentic(title)；分类 cs.AI

AI总结 研究通过验证器支持的委员会搜索方法提升弱推理模型性能，证明通过多次采样可增强覆盖度，但需额外局部正确性信号以生成可靠批评者和比较者，实验显示弱模型提案池中存在大量正确补丁，关键挑战在于有效选择。

Data-Augmented Game Starts for Accelerating Self-Play Exploration in Imperfect Information Games

数据增强游戏起始用于加速不完全信息游戏的自我对战探索

JB Lanier, Nathan Monette, Pierre Baldi, Roy Fox

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

AI总结 本文提出数据增强游戏起始策略，通过离线数据采样加速策略梯度方法在不完全信息游戏中的探索，降低可利用性并提高策略效果。

Comments 17 pages, 4 figures. JB Lanier and Nathan Monette contributed equally

Driving Intents Amplify Planning-Oriented Reinforcement Learning

意图驱动强化学习放大规划导向的强化学习

Hengtong Lu, Victor Shea-Jay Huang, Chengmin Yang, Pengfei Jing, Jifeng Dai, Yan Xie, Benjin Zhu

机构 * Li Auto（力 auto） ； Tsinghua University（清华大学） ； CUHK MMLab（香港大学MMLab） 纠错

专题命中 规划决策 ：planning(title)

AI总结 本文提出DIAL框架，通过两阶段方法解决连续动作策略在偏好对齐中的模式崩溃问题，通过意图引导的采样扩展分布并提升性能。

Comments Project page: https://mind-omni.github.io/

Grounded Continuation: A Linear-Time Runtime Verifier for LLM Conversations

grounded continuation: 一种线性时间的运行时验证器用于大语言模型对话

Qisong He, Yi Dong, Xiaowei Huang

机构 * School of Computer Science and Informatics, University of Liverpool, UK（利兹大学计算机科学与信息学学院） 纠错

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

AI总结 本文提出一种线性时间的运行时验证器，用于检测大语言模型对话中基于已废弃前提的延续。通过显式依赖图验证，该方法在LongMemEval-KU和LoCoMo基准上表现出色，准确率显著高于基线模型。

Modeling Bounded Rationality in Drug Shortage Pharmacists Using Attention-Guided Dynamic Decomposition

在药物短缺情况下，利用注意力引导的动态分解建模有限理性药剂师

Yaniv Eliyahu Amiri, Noah Chicoine, Jacqueline Griffin, Stacy Marsella

机构 * Khoury College of Computer Sciences, Northeastern University, Boston, MA, USA（东北大学科里学院计算机科学系，波士顿，马萨诸塞州，美国） ； Department of Mechanical and Industrial Engineering, Northeastern University, Boston, MA, USA（东北大学机械与工业工程系，波士顿，马萨诸塞州，美国） ； Department of Psychology, Northeastern University, Boston, MA, USA（东北大学心理学系，波士顿，马萨诸塞州，美国） 纠错

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

AI总结 本文提出一种有限理性注意力引导决策框架，通过动态分解药物为高成本推理子集和低成本监控子集，模拟不同场景显示注意力引导规划能稳定决策而不需完全状态推理。

Comments Accepted at CogSci 2026. 6 pages plus references, 1 figure, 2 tables

Bidirectional Empowerment of Metamorphic Testing and Large Language Models: A Systematic Survey

双向赋能：变形测试与大语言模型的相互促进：系统综述

Zheng Zheng, Zenghui Zhou, Yinwang Xu, Daixu Ren, Tsong Yueh Chen

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

AI总结 本文系统综述了93项研究，探讨变形测试与大语言模型之间的双向赋能关系，提出分类框架，分析其在验证、评估和自动化测试中的应用。

Comments Daixu Ren is the corresponding author