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。
BCER Agent: 通过编译、工件绑定和有界局部恢复实现可靠的长期MRI工作流执行
专题命中 规划决策 ：agent(title,title_cn)；workflow(title,abstract)；planning(abstract)
AI总结 提出BCER控制器架构，通过解耦高层规划与执行、有界局部恢复机制，在长链MRI工作流上实现端到端执行一致改进，并保持输出与中间工件的可审计关联。
Comments Pre-review submitted version of a paper accepted to MICCAI 2026. The final authenticated version will be available on SpringerLink
思想即规划：通过强化规划进行思维链优化的潜在世界模型
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Columbia University（哥伦比亚大学）
专题命中 规划决策 ：planning(title,summary_cn)；分类 cs.AI、cs.CL
AI总结 提出Thoughts-as-Planning框架，将思维链优化形式化为潜在语义空间中的序贯决策过程，通过潜在世界模型模拟推理链编辑对下游输出的影响，并利用梯度下降或强化学习进行规划，在语言理解和生成任务上优于现有基线。
通过智能体工具规划进行分子先导优化
机构 * University of Michigan（密歇根大学） ； University of California, Davis（加州大学戴维斯分校） ； Michigan State University（密歇根州立大学）
专题命中 规划决策 ：planning(title)；agentic(title)；agent(abstract)；分类 cs.LG
AI总结 提出TRACE，一种轨迹感知的LLM推理智能体，将先导优化建模为序列决策问题，通过工具选择实现结构约束下的前瞻性分子优化，在ADMET任务中优于基线。
Comments 12 pages
计划方式重要吗？LLM网络代理计划表示的实证研究
机构 * Concordia University（康科德大学） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； University of Copenhagen（哥本哈根大学） ； Universite Claude Bernard Lyon（克莱尔蒙特-伯恩大学） ； McGill University（麦吉尔大学）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本研究提出PlanAhead框架，通过自动难度分类和四种计划表示（顺序子目标、叙述、伪代码、检查清单）的对比实验，发现计划表示形式和生成计划的LLM显著影响网络代理的鲁棒性和任务成功率。
Comments Extended version of paper submitted to EMNLP, waiting for acceptance
FLIP：通过点云配准实现大规模分布式集群的实时弹性编队规划
机构 * Institute of Cyber-Systems and Control, College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院智能系统与控制研究所） ； Huzhou Institute, Zhejiang University（浙江大学湖州研究院）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)
AI总结 提出将最优编队位置序列计算转化为时空点云配准问题，利用带离群点剔除的PCR方法实现大规模分布式集群的弹性、高效轨迹规划。
Loong: 一种类人长文档翻译代理，具有观察与行动的适应性上下文选择
机构 * Institute of Computing and Intelligence, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳研究院） ； NLP 2 CT Lab, Department of Computer and Information Science, University of Macau（澳门大学计算机与信息科学学院自然语言处理与CT实验室） ； Huawei Translation Services Center（华为翻译服务中心）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 提出Loong代理，通过3E记忆模块和强化学习优化上下文策略，解决长文档翻译中上下文窗口限制和冗余信息问题，在英⇄中、德、法翻译中平均提升13.0分。
训练审慎监控器用于黑箱策划检测
机构 * Independent（独立） ； MATS Research（MATS研究） ； Astra Fellowship ； Apollo Research（Apollo研究）
专题命中 规划决策 ：agent(abstract)；autonomous agent(abstract)；agentic(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出一种基于行动轨迹的审慎监控方法，通过蒸馏前沿模型的推理过程训练开源模型，以低成本高精度检测智能体的策划与破坏行为。
快门之前：3D场景中美学的且可执行的人像摄影规划
机构 * The Hong Kong Polytechnic University（香港理工大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 提出在3D场景中生成人像姿态、相机、照明和曝光方案的方法，通过构建摄影场景图实现美学引导的规划，生成视觉上引人注目且几何与光度可行的人像。
KairosAgent：融合语义推理的智能体时间序列预测
机构 * School of Information Science and Technology, ShanghaiTech University（信息科学与技术学院，上海科技大学） ； Ant Group（蚂蚁集团）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI
AI总结 提出KairosAgent框架，通过结合基于LLM的推理器和基于TSFM的预测器，并引入强化学习范式，实现跨模态时间序列的零样本预测。
Compass: 通过专家引导的LLM代理导航全球海洋铅数据整合
机构 * School of Information Science ； Electronic Engineering,\ Jiao Tong University Shanghai China ； School of Artificial Intelligence,\ Jiao Tong University Shanghai China ； State Key Laboratory of Estuarine ； Coastal Research,\ China Normal University Shanghai China ； School of Oceanography,\ Jiao Tong University Shanghai China ； Institute of Geographical Science ； Natural Resources Research,\ Academy of Sciences Beijing China ； Electronic Engineering,\ Jiao Tong University ； School of Artificial Intelligence,\ Jiao Tong University ； Coastal Research,\ China Normal University ； School of Oceanography,\ Jiao Tong University ； Natural Resources Research,\ Academy of Sciences
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI
AI总结 针对海洋铅数据分散于非结构化论文中的问题，提出专家引导的LLM代理框架Compass，结合知识树分解任务，从23万篇论文中提取3751条铅记录，构建最大海洋铅数据库，准确率达92%。
基于学习的运动规划综述：迈向数据驱动的最优控制方法
机构 * College of Transportation Key Laboratory of Road and Traffic Engineering of the Ministry of Education（交通运输学院 道路交通工程教育部重点实验室） ； Institute for Advanced Study（先进研究院） ； Tongji University（同济大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 本文系统综述了数据驱动最优控制范式，通过融合最优控制的理论保证与机器学习的自适应能力，为自动驾驶运动规划提供了三维实现路线图，并指出了四个未来研究方向。
Comments 44 pages, 14 figures
ScheduleStream: 基于采样器的时序规划用于GPU加速的多臂任务与运动规划及调度
机构 * NVIDIA Research Seattle Robotics Lab (SRL)（NVIDIA西雅图机器人实验室） ； University of Sydney（悉尼大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 提出ScheduleStream，首个通用框架，通过混合持续动作和领域无关算法，结合GPU加速采样器，实现多臂并行任务与运动规划及调度。
Comments Project website: https://schedulestream.github.io
Journal ref 2026 IEEE International Conference on Robotics and Automation (ICRA)
图增强策略优化在LLM智能体训练中的应用
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI
AI总结 提出图增强策略优化（GEPO）框架，通过状态转移图的双层结构信用分配（任务条件关键性评分），在LLM多步智能体训练中提升成功率。
协调实时约束与长视距推理：一种用于动态调度的异步智能体框架
机构 * School of Computer Science and Engineering, Beihang University, Beijing 100191, China（北京航空航天大学计算机科学与工程学院） ； Shenzhen Loop Area Institute, Shenzhen, China（深圳环形区研究所） ； Qingdao Research Institute, Beihang University（青岛研究院） ； Hangzhou Innovation Institute, Beihang University（杭州创新研究院） ； School of Artificial Intelligence, Xidian University, Xi’an 710071, Shaanxi, China（西安电子科技大学人工智能学院） ； Guangzhou Institute of Technology, Xidian University, Guangzhou 510555, Guangdong, China（广州技术研究所）
专题命中 规划决策 ：agentic(title)；agent(abstract)；分类 cs.AI
AI总结 提出RACE-Sched异步智能体框架，通过双流架构解耦策略执行与逻辑推理，利用LLM合成和验证符号启发式规则，在保证实时性的同时提升动态调度质量。
基于LLM生成启发式的层次任务网络规划
机构 * University of Aberdeen, UK（爱丁堡大学（英国）） ； PUCRS, Brazil（巴西普埃布拉联邦大学） ； University of Oxford, UK（牛津大学（英国）） ； Saarland University, Germany（萨尔大学（德国）） ； Universidade Federal do Rio Grande do Sul, Brazil（巴西里约格兰德 do 南大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 研究利用大语言模型为层次任务网络规划生成搜索启发式，通过Pytrich规划器在六个基准领域评估，结果表明LLM生成的启发式在覆盖度上接近最优HTN规划器，并在83%的共享问题上显著减少搜索开销。
Comments 9 pages, 3 figures; submitted to NeurIPS 2026
小型智能体群是数字健康的未来
机构 * State University of New York at Binghamton（纽约州立大学布inghamton分校） ； University of Pennsylvania（宾夕法尼亚大学）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI
AI总结 本文提出小型智能体群（SAG）通过协作推理替代单一大型模型，在数字健康中实现更优的有效性、可靠性和部署效率。
Comments ICML'26
KYA: 面向自主系统的框架无关信任层，具有可验证溯源和分层策略组合
机构 * Veldt Labs（Veldt实验室）
专题命中 规划决策 ：agent(abstract)；AI agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.SE
AI总结 提出KYA，一个框架无关的信任与治理层，通过五元组原语实现自主系统的授权、策略合规和事后可验证性，在跨后端矩阵上全部通过测试，检测89%的对抗性探测。
Comments 26 pages including appendix. Code available under Apache 2.0 at https://github.com/veldtlabs/veldt-kya (pip install veldt-kya). Two-domain worked examples (loan decisioning under NYDFS/ECOA/CFPB; clinical triage under HIPAA/21 CFR Part 11/FDA SaMD).Reproducibility artifacts in-tree
AnomalyAgent: 用于零样本/少样本异常检测的无训练智能体模型
机构 * Singapore Management University（新加坡国立管理学院） ； Sun Yat-sen University（中山大学）
专题命中 规划决策 ：agentic(title,abstract)
AI总结 提出一种基于多模态大语言模型的无训练智能体框架AnomalyAgent，通过定制工具集和记忆模块实现零样本/少样本异常检测，在逻辑/上下文异常等复杂场景中优于现有方法。
训练智能体而非专家：学习利用异构专家进行多轮视觉推理
机构 * Sun Yat-sen University（中山大学） ； HKUST（香港科技大学） ； Harbin Institute of Technology（哈尔滨理工大学）
专题命中 规划决策 ：agent(title,abstract)
AI总结 提出VisHarness，一种可训练的视觉智能体，通过解耦高层感知推理与低层任务执行，学习利用异构视觉专家模型，以轻量训练实现多轮交互下的通用视觉任务求解。
EvoRepair: 通过基于经验的自我进化增强漏洞修复智能体
专题命中 规划决策 ：agent(abstract,abstract_cn)；agentic(abstract)；分类 cs.SE
AI总结 提出EvoRepair框架，通过循环学习-修复过程积累和复用漏洞修复经验，在多个基准上显著提升LLM的自动漏洞修复性能。
ProtoMedAgent: 通过隐私感知的智能体工作流实现多模态临床可解释性
机构 * School of Computing and Communications（计算与通信学校） ； Lancaster University（兰卡斯特大学） ； Lancaster Medical School（兰卡斯特医学院） ； PUC-Rio（里约热内卢联邦大学） ； Puc-Behring Institute for AI（人工智能皮克林研究所）
专题命中 规划决策 ：agentic(title)；分类 cs.AI、cs.LG
AI总结 提出ProtoMedAgent框架，通过神经符号瓶颈和反射性Scribe-Critic循环约束生成过程，解决原型网络在临床报告中的语义结构缺失和检索谄媚问题，并引入k-匿名和ℓ-多样性隐私门控。
Comments CVR 2026
Eureka：面向企业AI云资源需求预测的智能特征工程
机构 * Alibaba Cloud Computing Co. Ltd, Hangzhou, China（阿里云计算有限公司，杭州，中国） ； School of Computer Science, Fudan University, Shanghai, China（复旦大学计算机学院，上海，中国） ； School of Computer Science and Technology, Tongji University, Shanghai, China（同济大学计算机科学与技术学院，上海，中国） ； Independent Researcher, United States（独立研究员，美国）
专题命中 规划决策 ：agent(abstract)；agentic(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出Eureka框架，将特征工程视为智能体代码生成问题，通过专家代理、LLM特征工厂和自演化对齐引擎三阶段，自动生成可执行特征代码，在医疗、金融、社交等7个公开基准及阿里云GPU资源需求预测中显著提升性能。
Comments accepted at NeurIPS 2025 Workshop, DASFAA 2026 (International Conference on Database Systems for Advanced Applications)
Journal ref Database Systems for Advanced Applications (DASFAA 2026), Lecture Notes in Computer Science, vol. 16540, pp. 528-540, Springer
可证明安全的智能体护栏
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 规划决策 ：agent(title)；分类 cs.AI
AI总结 针对现有语义护栏无法提供确定性安全下界的问题，提出基于逻辑推理基本限制的新安全范式，并引入可执行证明约束动作框架，通过神经符号隔离架构实现零攻击成功率和零误报率。
机器人何时应该思考？基于强化学习的资源感知推理在具身机器人决策中的应用
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Northeastern University（东北大学） ； Harvard University（哈佛大学） ； Cornell University（康奈尔大学） ； MIT（麻省理工学院） ； Fujitsu Research of America（美国富士通研究） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； University of Georgia（佐治亚大学） ； Florida International University（佛罗里达国际大学） ； EmbodyX Inc（EmbodyX公司） ； Cisco Systems（思科系统）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI、cs.LG
AI总结 提出RARRL框架，通过强化学习学习高层编排策略，使具身代理能自适应决定是否调用LLM推理、选择推理角色及分配计算预算，以平衡推理开销与任务成功率。
Causal-JEPA：通过对象级潜在掩码学习世界模型
机构 * Brown University, GalilAI（布朗大学，GalilAI） ； New York University（纽约大学）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 提出C-JEPA，一种通过对象级潜在掩码扩展联合嵌入预测的对象中心世界模型，在视觉问答和智能体控制任务中分别提升反事实推理20%和仅用1%潜在特征实现高效规划。
Comments Project Page: https://hazel-heejeong-nam.github.io/cjepa/ ICML 2026 Accepted
VisualThink-VLA：用于高效低延迟视觉-语言-动作策略的视觉中间推理
机构 * Zhejiang University（浙江大学） ； Cornell University（康奈尔大学） ； National University of Singapore（新加坡国立大学） ； Xi'an University of Electronic Science and Technology（西安电子科技大学）
专题命中 规划决策 ：agent(abstract,abstract_cn)；分类 cs.AI
AI总结 提出VisualThink-VLA框架，通过视觉中间推理和选择性路由机制，在保持高精度的同时将推理延迟从数秒降至亚秒级。
GrepSeek：训练用于直接语料库交互的搜索代理
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Princeton University（普林斯顿大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出GrepSeek，一种通过两阶段训练（冷启动数据集+GRPO优化）和语义保持的分片并行执行引擎，训练紧凑型搜索代理直接与文本语料库交互（通过shell命令），在开放域问答中取得最优F1和精确匹配。
嵌套因果赌博机的认证策略优化：基于PAC-Bayes风险
机构 * ProdAxon
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出嵌套因果汤普森采样（NCTS）算法，通过PAC-Bayes超额风险界对历史数据进行离线、任意时刻的部署策略认证，解决分层因果赌博机中的跨时间尺度因果耦合问题。
LLMs 能提前多远规划？揭示思维链推理中的潜在视界
机构 * WeChat AI, Tencent Inc（腾讯AI实验室）
专题命中 规划决策 ：planning(abstract)；分类 cs.CL、cs.LG
AI总结 通过探测方法 Tele-Lens 研究 LLMs 在思维链推理中的潜在规划能力，发现其具有短视视界，并基于此提出利用稀疏枢轴位置增强不确定性估计及自动识别 CoT 绕过的假设。
Comments Accepted to ICML 2026
大型推理模型中的层次化思维建模
机构 * University of California, Riverside（加州大学河滨分校） ； Independent Researcher（独立研究者）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出将大型推理模型（LRM）的层次化推理动态近似为有限状态机（FSM）中的轨迹，并通过Q值引导的推理时控制方法实现高效推理优化。
Comments Accepted in ICML 2026 as Oral
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