AI Agent

SIRI: Self-Internalizing Reinforcement Learning with Intrinsic Skills for LLM Agent Training

SIRI：具有内在技能的自我内化强化学习用于LLM智能体训练

Zhongyu He, Yuanfan Li, Fei Huang, Tianyu Chen, Siyuan Chen, Xingyang Li, Meng Hsuan Yu, Xiangrong Liu, Leyi Wei, Lu Pan, Ke Zeng, Xunliang Cai

机构 * Xiamen University（厦门大学） ； Meituan（美团） ； Macao Polytechnic University（澳门 polytechnic 大学） 纠错

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

AI总结 提出SIRI框架，通过自我技能挖掘、验证和内化，使LLM智能体无需外部技能生成器或推理时技能库即可提升长程任务性能，在ALFWorld和WebShop上优于基线方法。

SafeMCP: Proactive Power Regulation for LLM Agent Defense via Environment-Grounded Look-Ahead Reasoning

SafeMCP：基于环境接地前瞻推理的LLM智能体防御主动功率调节

Lichao Wang, Zhaoxing Ren, Tianzhuo Yang, Jiaming Ji, Chi Harold Liu, Yaodong Yang, Juntao Dai

机构 * Beijing Institute of Technology（北京理工大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） 纠错

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

AI总结 针对LLM智能体因动作空间扩大而面临功率寻求风险，提出SafeMCP服务器端防御插件，通过内部世界模型进行前瞻推理，实现主动工具过滤和即时干预两级防御，在保持智能体效用的同时有效降低风险。

Comments Accepted to the 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026), Main Conference

Beyond Trajectory-Level Attribution: Graph-Based Credit Assignment for Agentic Reinforcement Learning

超越轨迹级归因：基于图的智能体强化学习信用分配

Xin Cheng, Shuo He, Lang Feng, HaiYang Xu, Ming Yan, Lei Feng, Bo An

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出GraphGPO方法，通过构建状态转移图并利用全局信息估计各状态到任务目标的距离，实现步骤级信用分配，提升训练效率和性能。

Comments Accepted by ICML 2026

Beyond One-shot: AI Agents for Learning in Field Experiments

超越一次性：用于现场实验学习的AI智能体

Junjie Luo, Ritu Agarwal, Gordon Gao

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

AI总结 研究通过工具增强的智能体AI自动从实验数据中学习并生成新干预措施，在医疗处方消息现场实验中证明其优于人类+聊天机器人方法。

LLM-Evolved Pattern Generators for Optimal Classical Planning

LLM演化模式生成器用于最优经典规划

Windy Phung, Dominik Drexler, Arnaud Lequen, Jendrik Seipp

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

AI总结 提出首个通过LLM驱动的进化程序合成学习可容许启发式函数的方法，用于最优经典规划，结合饱和成本分区保证A*搜索的最优性。

From Capability Models to Automated Planning: An AAS-Native Approach for Automatic PDDL Generation

从能力模型到自动规划：一种面向AAS的自动PDDL生成方法

Hamied Nabizada, Thomas Wirt, Luis Miguel Vieira da Silva, Felix Gehlhoff, Alexander Fay

机构 * Institute of Automation Technology, Helmut Schmidt University Hamburg（海德堡-施密特大学汉堡自动化技术研究所） ； Chair of Automation Technology, Ruhr University Bochum（博尔塔伦大学博德姆自动化技术教授团） 纠错

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

AI总结 提出一种基于资产管理外壳（AAS）能力模型自动生成PDDL规划问题的方法，使工程师无需掌握PDDL语法即可进行生产系统布局验证。

Comments Accepted at the 2026 IEEE 22nd International Conference on Automation Science and Engineering (CASE 2026)

HarnessForge: Joint Harness and Policy Evolution for Adaptive Agent Systems

HarnessForge：面向自适应智能体系统的协同框架与策略进化

Mingju Chen, Can Lv, Guibin Zhang, Heng Chang, Shiji Zhou

机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, School of Artificial Intelligence, Beihang University（北京未来区块链与隐私计算先进创新中心，人工智能学院，北京航空航天大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出HarnessForge元自适应框架，通过框架-策略协同进化实现LLM智能体系统的全系统自适应，在多个基准上显著提升性能。

Comments 25 pages, 13 figures

IMWM: Intuition Models Complement World Models for Latent Planning

IMWM：直觉模型补充世界模型用于潜在规划

Baoqi Gao, Ruize Han, Miao Wang, Song Wang

机构 * Beihang University（北航） ； Shenzhen University of Advanced Technology（深圳先进技术大学） 纠错

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

AI总结 针对基于潜在世界模型的规划中搜索瓶颈问题，提出IMWM框架，通过直觉模型与三个轻量组件协作，在四个像素级任务上显著提升成功率。

Robust Asynchronous Planning via Auto-Formalization

通过自动形式化实现鲁棒的异步规划

Jiayi Zhang, Jianing Yin, Ben Zhou, Li Zhang

机构 * Drexel University（德雷塞尔大学） ； Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 针对异步规划中并发、非均匀时长和执行时间约束的挑战，提出自动形式化方法，通过CP-SAT形式化器在依赖图规模从5到100动作时保持高准确率，并引入状态感知修复策略应对执行时约束更新。

Coarse-to-Fine Compositional Diffusion for Long-Horizon Planning

粗到细的组合扩散用于长时域规划

Byoungwoo Park, Utkarsh A. Mishra, Jaemoo Choi, Juho Lee, Yongxin Chen

机构 * KAIST（韩国科学技术院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 提出Coarse-to-Fine Compositional Diffusion (CoFi)方法，通过先形成全局骨架再细化局部细节，在长时域机器人规划、全景图像生成和长视频生成中提升全局一致性和局部质量，同时减少2-8倍去噪评估次数。

Comments Project page: https://cofi-diffusion.github.io

TRACE: Trajectory Risk-Aware Compression for Long-Horizon Agent Safety

TRACE: 面向长程智能体安全的轨迹风险感知压缩

Zhepei Hong, Lin Wang, Liting Li, Haokai Ma, Junfeng Fang, Fei Shen, Dan Zhang, Xiang Wang

机构 * University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学） ； South China Normal University（华南师范大学） 纠错

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

AI总结 提出轨迹风险感知压缩方法TRACE，通过压缩器-阅读器架构将长轨迹压缩为潜在证据状态，以聚合稀疏风险信号并提升长程安全检测准确率。

SceneSmith: Agentic Generation of Simulation-Ready Indoor Scenes

SceneSmith: 面向仿真就绪室内场景的智能体生成

Nicholas Pfaff, Thomas Cohn, Sergey Zakharov, Rick Cory, Russ Tedrake

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Harvard University（哈佛大学） 纠错

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

AI总结 提出层次化智能体框架SceneSmith，通过VLM智能体协作从自然语言生成仿真就绪的室内场景，相比先前方法生成3-6倍物体且碰撞率低于2%。

Comments ICML 2026 Spotlight; Project page: https://scenesmith.github.io/

DAG-Plan: Generating Directed Acyclic Dependency Graphs for Dual-Arm Cooperative Planning

DAG-Plan：生成有向无环依赖图用于双臂协作规划

Zeyu Gao, Yao Mu, Jinye Qu, Mengkang Hu, Shijia Peng, Chengkai Hou, Lingyue Guo, Ping Luo, Shanghang Zhang, Yanfeng Lu

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences (CASIA)（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院（CASIA）） ； School of Artificial Intelligence, University of Chinese Academy of Sciences (UCAS)（中国科学院大学人工智能学院） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，北京大学计算机科学学院） ； Department of Computer Science, The University of Hong Kong（香港大学计算机科学系） ； OpenGVLab, Shanghai AI Laboratory（上海人工智能实验室，OpenGVLab） 纠错

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

AI总结 提出DAG-Plan框架，首次使用有向无环图作为双臂协调的核心表示，通过一次LLM解析生成结构化DAG，实现自适应并行执行，在双臂厨房基准测试中成功率提升48%，执行效率提升84.1%。

Comments ICRA 2026

Active Exploring like a Pigeon: Reinforcing Spatial Reasoning via Agentic Vision-Language Models

像鸽子一样主动探索：通过智能视觉语言模型强化空间推理

Wei Deng, Xianlin Zhang, Mengshi Qi

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 规划决策 ：agentic(title,abstract)

AI总结 提出一种受鸽子认知地图启发的智能视觉语言模型管道，通过动态认知地图和空间断言代码提供密集奖励信号，在MindCube基准上实现80.5%的总体准确率，在Rotation子集上相对提升53.2%。

Comments Accepted by ICML 2026

Investment and Operational Planning for electricity markets with massive entry of renewable energy

可再生能源大规模接入的电力市场投资与运行规划

Nicolás Hernández-Santibáñez, Alejandro Jofré, Matías Vera

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对可再生能源大规模接入的电力市场，提出一种连续时间随机控制模型，通过运行与投资控制的层次分析及状态约束HJB方程，求解联合成本最小化问题，并在三节点模拟中验证了短、中、长期规划向高可再生能源渗透率过渡的方案。

Agent System Operations: Categorization, Challenges, and Future Directions

智能体系统运维：分类、挑战与未来方向

Zexin Wang, Changhua Pei, Yuanhao Liu, Jingjing Li, Yintong Huo, Quan Zhou, Haotian Si, Hang Cui, Zihan Liu, Gaogang Xie, Fei Sun, Dan Pei, David Lo

专题命中 规划决策 ：agent(title,abstract)

AI总结 本文针对大型语言模型（LLM）驱动的智能体系统在运行中出现的异常问题，提出了一种名为AgentOps的运维框架，涵盖监控、异常检测、根因定位和修复四个关键阶段。

Robust Integrated Planning and Control for Quadrotors in Dynamic Environments via NMPC with CBF Penalties

动态环境中四旋翼飞行器的鲁棒集成规划与控制：基于带CBF惩罚的NMPC

Zeinab Shayan, Mohammadreza Izadi, Reza Faieghi

机构 * Autonomous Vehicles Laboratory, Department of Aerospace Engineering, Toronto Metropolitan University（自主车辆实验室，航空航天工程系，多伦多 Metropolitan 大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出一种将控制障碍函数作为指数惩罚嵌入非线性模型预测控制的鲁棒集成规划与控制策略，通过高增益扰动观测器和卡尔曼滤波器增强系统鲁棒性，实现动态环境中的安全避障。

Comments Accepted to Conference on Robots and Vision (CRV 2026), Vancouver, Canada

Make Your VLA More Robust Without More Data By Interleaving Motion Planning

通过交错运动规划使您的VLA更鲁棒而无需更多数据

Dan BW Choe, Sundhar Vinodh Sangeetha, Samuel Coogan, Shreyas Kousik

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

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出MPVI框架，将基于模型的运动规划与视觉-语言-动作模型交错结合，通过VLM完成检查和本体感受触发实现可靠切换，无需额外训练即可提升长时域移动操作任务的鲁棒性，在BEHAVIOR-1K基准上任务进度提升113%。

A Framework for Motion Planning with Temporal Logic Precedence Specifications via Augmented Graphs of Convex Sets

一种通过凸集增广图实现具有时序逻辑前置规范的运动规划框架

Shilin You, Gael Luna, Tyler H. Summers

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出一种基于凸集增广图（GCS）的框架，通过精确编码钥匙-门前置逻辑，结合信号时序逻辑（STL）片段，同时优化钥匙收集序列和连续轨迹，实现避障与逻辑约束满足。

DriveAnchor: Progressive Anchor-based Flow Learning for Autonomous Driving Planning

DriveAnchor: 用于自动驾驶规划的渐进式基于锚点的流学习

Limin Yan, Haoyun Tang, Yutao Qiu, Hongqing Liu, Haoyu Xu

机构 * Meituan Autonomous Driving（美团自动驾驶） ； Xi’an Jiaotong University（西安交通大学） ； Beijing Institute of Technology（北京理工大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出三阶段框架DriveAnchor，通过示范流预训练、引导流后训练和奖励精炼流微调，实现行为多样性、可控性和安全性，在200万场景中近距碰撞率降低89%，平均奖励提升32%。

Clustering-enhanced adaptive Benders decomposition for energy systems planning optimization

面向能源系统规划优化的聚类增强自适应Benders分解

Jun Wen Law, Dharik S. Mallapragada

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对能源系统容量扩展模型中的大规模混合整数线性规划问题，提出基于聚类的自适应Benders分解方法，通过聚合割和代表性子问题加速求解。

Provably Safe Motion Planning Under Unknown Disturbances

未知扰动下的可证明安全运动规划

Ibon Gracia, Qi Heng Ho, Luca Laurenti, Morteza Lahijanian

机构 * Department of Aerospace Engineering Sciences at the University of Colorado Boulder（科罗拉多大学博尔德分校航空航天工程科学系） ； Department of Aerospace and Ocean Engineering（航空航天与海洋工程系） ； Delft University of Technology（代尔夫特理工大学） ； Italian Institute of Artificial Intelligence（意大利人工智能研究所） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对未知分布随机扰动下的机器人系统，提出一种基于Wasserstein模糊管的学习型采样运动规划算法，实现概率完备且保守性低的安全规划。

AutoFFS: Adversarial Deformations for Facial Feminization Surgery Planning

AutoFFS: 用于面部女性化手术规划的对抗性变形

Paul Friedrich, Florentin Bieder, Florian M. Thieringer, Philippe C. Cattin

机构 * Department of Biomedical Engineering, University of Basel（巴塞尔大学生物医学工程系） ； Department of Oral and Cranio-Maxillofacial Surgery, University Hospital Basel（巴塞尔大学口腔和颅面外科系） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 提出AutoFFS框架，通过对抗性自由变形生成反事实颅骨形态，为面部女性化手术提供定量规划依据。

Comments Project Page: https://pfriedri.github.io/autoffs-io Code: https://github.com/pfriedri/autoffs

CoMIC: Collaborative Memory and Insights Circulation for Long-Horizon LLM Agents in Cloud-Edge Systems

CoMIC：云边系统中长周期LLM代理的协作记忆与洞察循环

Yannan Wang, Longli Yang, Zhen Liu, Abhishek Kumar, Carsten Maple

机构 * Beijing Jiaotong University（北京交通大学） ； The Alan Turing Institute（艾伦·图灵研究所） ； University of Warwick（沃里克大学） 纠错

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

AI总结 提出无需参数更新的云边框架CoMIC，通过集中式反思与分布式执行设计，利用语义子目标标识实现跨代理经验聚合，提升弱边缘代理在长周期任务中的进展率和动作基础。

Skill-Based Mixture-of-Experts: Adaptive Routing for Heterogeneous Reasoning via Inferred Skills

基于技能的混合专家模型：通过推断技能实现异构推理的自适应路由

Justin Chih-Yao Chen, Sukwon Yun, Elias Stengel-Eskin, Tianlong Chen, Mohit Bansal

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 提出Skill-MoE框架，通过推断查询所需技能进行实例级专家选择，并采用批推理策略降低开销，在单GPU上集成16个专家模型，在多个推理基准上平均提升8.15%。

Comments ICML 2026 (Camera-Ready). The first three authors contributed equally. Project Page: https://skill-moe.github.io/

Semantic-Geometric Task Representations for Bimanual Manipulation from Human Demonstrations to Robot Action Planning

面向双臂操作的语义-几何任务表示：从人类示范到机器人动作规划

Franziska Herbert, Vignesh Prasad, Han Liu, Dorothea Koert, Georgia Chalvatzaki

机构 * Interactive Robot Perception & Learning (PEARL) Lab, Computer Science Dept., TU Darmstadt, Germany（图腾大学达姆施塔特分校计算机科学系交互机器人感知与学习实验室） ； Hessian.AI, Darmstadt, Germany（黑森人工智能公司） ； Robotics Institute Germany (RIG)（德国机器人研究所） ； Interactive AI Algorithms & Cognitive Models for Human-AI Interaction (IKIDA), Computer Science Dept., TU Darmstadt, Germany（人机交互的交互人工智能算法与认知模型（IKIDA），图腾大学达姆施塔特分校计算机科学系） ； Center for Cognitive Science, TU Darmstadt, Germany（图腾大学达姆施塔特分校认知科学中心） 纠错

专题命中 规划决策 ：planning(title)；分类 cs.LG

AI总结 提出一种语义-几何图任务表示，通过消息传递神经网络编码器和Transformer解码器联合编码对象身份、语义关系和运动历史，实现从人类示范中学习结构化任务表示，并支持跨实体迁移和双臂操作规划。

Comments 9 pages, 7 figures, preprint

Policy and World Modeling Co-Training for Language Agents

语言智能体的策略与世界模型协同训练

Ning Lu, Baijiong Lin, Shengcai Liu, Jiahao Wu, Haoze Lv, Yanbin Wei, Lingting Zhu, Shengju Qian, Xin Wang, Ying-Cong Chen, Qi Wang, Ke Tang

机构 * Southern University of Science and Technology（南方科技大学） ； Hong Kong University of Science and Technology（香港科学大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科学大学（广州）） ； Hong Kong Polytechnic University（香港理工大学） ； LIGHTSPEED 纠错

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

AI总结 提出PaW框架，通过在强化学习过程中添加辅助世界模型监督，无需改变推理范式，提升语言智能体在多个任务上的性能。

Comments 9 pages, 6 figures

Predicting the risk of colorectal anastomotic leak based on preoperative mapping of the blood supply of the bowel

基于术前肠道血供映射预测结直肠吻合口漏风险

Zahra Tabatabaei, Jon Sporring, Mark Bremholm Ellebæk, Alaa El-Hussuna

机构 * Computer Science Department, Københavns Universitet (KU)（哥本哈根大学计算机科学系） ； University of Southern Denmark（南部丹麦大学） ； Odense University Hospital（奥登塞大学医院） ； OpenSourceResearch Collaboration（开源研究协作） 纠错

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

AI总结 提出一种基于术前CT影像的AI驱动系统，通过分析血管和组织特征量化吻合口漏风险，并结合内容检索支持临床决策。

Post-Deterministic Distributed Systems: A New Foundation for Trustworthy Autonomous Infrastructure

后确定性分布式系统：可信自主基础设施的新基础

Jun He, Deying Yu

机构 * OpenKedge Inc.（OpenKedge公司） 纠错

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

AI总结 本文提出后确定性分布式系统（PDDS）模型，以协调确定性代码、随机模型和自主代理共存的异构环境，并定义了五大架构支柱及新的故障分类。

Comments 8 pages, 1 table

LC-ERD: Mining Latent Logic for Self-Evolving Reasoning via Consistency-Regulated Reward Decomposition

LC-ERD：通过一致性调节奖励分解挖掘潜在逻辑以实现自我进化推理

Yanyu Chen, Jiyue Jiang, Dianzhi Yu, Zheng Wu, Jiahong Liu, Jiaming Han, Xiao Guo, Jinhu Qi, Yu Li, Yifei Zhang, Irwin King

机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiaotong University（上海交通大学） ； Fudan University（复旦大学） 纠错

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

AI总结 针对大语言模型推理中高质量过程数据稀缺的问题，提出LC-ERD框架，通过潜在逻辑挖掘和一致性调节的奖励分解，实现自我对齐与推理进化。

Comments Accepted in SIGKDD 2026 Research Track