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。
SkillComposer: 学习演化智能体技能以实现特化与泛化
机构 * Zhejiang University（浙江大学） ； Tongyi Lab（通义实验室） ； National University of Singapore（新加坡国立大学）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.CL
AI总结 提出SkillComposer框架，通过创建、改进和合并三种可学习操作，使语言模型在推理时自我演化技能，支持离线、在线和混合部署模式，在多个基准上提升性能。
Comments Under Review
基于生成流场代理的三维水下路径规划
机构 * Flinders University（弗林德斯大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG
AI总结 针对自主水下航行器回收过程中复杂三维螺旋桨尾流的高成本CFD仿真问题，提出用条件生成对抗网络（cGAN）作为替代，结合能量加权A*路径规划，实现快速且有效的路径规划。
Comments 41 pages, 5 figures, 11 tables
通过零样本迁移学习实现机器人操作任务的样本高效低级运动规划
机构 * School of Computer Science & Informatics, Cardiff University, Cardiff, UK（计算机科学与信息学系，卡迪夫大学，卡迪夫，英国）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 提出iCEM+TL框架，通过迁移学习和奖励重塑提高复杂操作任务的成功率，仿真中提升高达23%，并在真实机器人上验证。
Comments 12 pages, 5 figures, International Conference on Artificial Neural Networks (ICANN) 2026 conference accepted
PLAN-S：通过潜在风格动态桥接规划以实现自动驾驶世界模型
机构 * Intelligent Transportation Thrust, Systems Hub, and Center of Seamless Connectivity & Connected Intelligence, The Hong Kong University of Science and Technology (Guangzhou)（智能交通 thrust、系统中心及无缝连接与智能连接研究院，香港科学与技术大学（广州））
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 提出PLAN-S框架，通过从潜在表示解码风格条件语义成本图，解决自动驾驶中潜在世界模型规划的可控性问题，在nuScenes和NAVSIM上降低了碰撞率并提升了驾驶性能。
ProSPy: 面向企业级Text-to-SQL的剖析驱动的SQL-Python智能体框架
机构 * State Key Lab of CAD&CG（计算机辅助设计与图形学国家重点实验室） ； School of Software Technology（软件技术学院） ； Tencent TEG（腾讯科技集团） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Zhejiang University（浙江大学）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.CL
AI总结 提出ProSPy框架，通过自动剖析、模式剪枝、中间视图获取和Python分析四阶段，结合SQL高效性与Python灵活性，解决企业级数据库Text-to-SQL中的模式异构、元数据不完整和复杂分析问题。
Comments 24 pages, 12 figures
VASO：物理AI智能体的形式可验证自进化技能
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Iowa State University（爱荷华州立大学）
专题命中 规划决策 ：AI agent(title,abstract)；分类 cs.AI
AI总结 提出VASO框架，通过形式验证引导LLM生成的机器人技能合约自进化，将模型检查的反例转化为文本梯度更新技能合约，无需微调模型权重，在Jackal和四旋翼任务中达到97.2%的形式规范符合率。
Comments Project webpage: https://languagegroundedriskdetection.github.io/ProjectPage/vaso-webpage/
知识模型的智能生成与演化
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.SE
AI总结 提出TrustModel框架，通过三个智能子系统（建模、一致性、演化）实现知识模型的持续生成与演化，以支持动态环境下复杂软件系统的可信工程。
Trace2Skill: 将轨迹局部经验转化为可迁移的代理技能
机构 * ETH Zürich University of Zurich（苏黎世联邦理工学院） ； Peking University（北京大学） ； Zhejiang University（浙江大学） ； Qwen Large Model Application Team, Alibaba（阿里巴巴文心一言应用团队）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI
AI总结 本文提出Trace2Skill框架，通过归纳推理将广泛执行轨迹整合为统一的技能目录，有效提升代理技能的可迁移性和实用性，适用于多种领域。
Comments Work in Progress. May version add more experiments
A2RAG：面向成本感知和可靠推理的自适应代理图检索
机构 * University of New South Wales（新南威尔士大学） ； Euler AI ； Sigma Trading Management（Sigma 交易管理） ； Eigenflow AI ； Macquarie University（麦考瑞大学）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI
AI总结 本文提出A2RAG框架，通过自适应控制器和代理检索器解决图检索中成本和可靠性问题，提升多跳问答的准确率并减少计算开销。
MLEvolve：一种用于自动化机器学习算法发现的自我进化框架
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； East China Normal University（东华大学）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL
AI总结 提出MLEvolve框架，通过渐进式MCGS、回溯记忆和分层控制解决LLM智能体在长期任务中的信息隔离、无记忆搜索和缺乏分层控制问题，在MLE-Bench和数学算法优化任务上取得最先进性能。
统一驾驶令牌：面向驾驶世界模型和规划的表示与几何引导的离散分词器
机构 * Peking University（北京大学） ； Xiaomi EV（小米电动车）
专题命中 规划决策 ：planning(title,abstract)
AI总结 提出一种表示引导与几何增强的离散分词器，通过联合监督学习紧凑令牌，同时优化重建保真度、表示一致性和规划性能。
从风险分类到行动方案修复：一种基于护栏反馈驱动的LLM代理框架
机构 * The University of Melbourne（墨尔本大学） ； Tsinghua University（清华大学）
专题命中 规划决策 ：agent(abstract)；tool use(abstract)；planning(abstract)；分类 cs.AI
AI总结 提出TRIAD框架，通过护栏生成的言语反馈引导代理在规划步骤中保持良性目标，实现安全与效用的最佳平衡。
Comments 32 pages
当更密集的信用不足时：面向长周期LLM智能体训练的基于证据校准的策略优化
机构 * X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（X-LANCE实验室，计算机科学学院，上海交通大学，上海，中国） ； Faculty of Electronic and Information Engineering, Xi’an Jiaotong University（电子与信息工程学院，西安交通大学）
专题命中 规划决策 ：agent(title)；分类 cs.LG
AI总结 针对长周期LLM智能体在稀疏延迟奖励下的信用分配问题，提出一种无评论家的策略优化算法ECPO，通过证据校准的动作优势和方差门控信用加权来修正密集信用的统计不可靠性，在ALFWorld和WebShop上显著提升性能。
数据流控制：AI 智能体的数据安全策略
机构 * Columbia University（哥伦比亚大学）
专题命中 规划决策 ：AI agent(title)；分类 cs.AI
AI总结 提出数据流控制框架，通过声明式策略和可移植查询重写层 Passant，在 DBMS 中强制执行元组级数据安全策略，实现接近零开销。
Comments 15 pages, 12 figures
航点至关重要：基于采样的轨迹规划的系统研究
机构 * AUTOPIA Program at the Centre for Automation and Robotics, CSIC-Universidad Politécnica de Madrid（自动化与机器人中心，CSIC-马德里理工大学）
专题命中 规划决策 ：planning(title)
AI总结 本文系统研究了航点放置策略（均匀间隔、RDP*变体、曲率条件分配）对采样轨迹规划器性能的影响，发现标称航点间距是主要性能驱动因素，均匀采样在适当间距下表现最佳。
Comments 8 pages, 5 figures, 3 tables; accepted at IEEE ITSC 2026
顺序多目标输电拓扑规划的精确与进化算法
专题命中 规划决策 ：planning(title)
AI总结 针对高压电网日前拓扑控制，提出一种精确块算法和基于NSGA-III的进化启发式算法，在N-1安全约束下优化线路负载、拓扑深度、切换次数和参考拓扑外时间，精确算法可在三分钟内获得完整Pareto前沿。
Comments 27 pages, 6 figures
通过符号规划与残差算子学习的逆操作
机构 * University of Bologna（博洛尼亚大学）
专题命中 规划决策 ：planning(title)
AI总结 提出一种混合框架，结合STRIPS-like符号规划与残差强化学习，实现机器人操作任务的逆操作，在ManiSkill3 PushCube任务中验证了将近似符号逆操作转化为物理可行的逆技能。
Comments To be presented in PlanRob26
基于流的策略适应无需策略更新
机构 * Toyota Technological Institute at Chicago（芝加哥丰田技术研究所） ； Stony Brook University（石溪大学）
专题命中 规划决策 ：agent(abstract)；agentic(abstract)
AI总结 提出GLOVES方法，通过流模型将非专家动作向专家动作分布传输，实现选择性动作级适应，提升任务成功率并保持智能体意图。
SEDualVLN：一种空间增强的双系统用于视觉语言导航
机构 * Hong Kong Polytechnic University（香港理工大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
专题命中 规划决策 ：agent(abstract)；planning(abstract)
AI总结 本文提出SEDualVLN，一种空间增强的双系统框架，用于解决视觉语言导航中的长距离导航和动态推理问题，通过两个系统协同工作实现高效导航。
通过可微编程整合机制模型与数据驱动模型用于神经系统疾病
机构 * Department of Applied Mechanics, Indian Institute of Technology Delhi（印度理工学院德里应用力学系） ； Yardi School of Artificial Intelligence, Indian Institute of Technology Delhi（印度理工学院德里人工智能学院）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 本文综述了混合建模策略，通过可微编程将深度学习与基于物理的求解器结合，用于神经系统疾病的诊断、预后和治疗规划，优于纯机制或纯数据驱动方法。
LadderMan: 学习人形机器人感知爬梯
机构 * Amazon FAR（亚马逊FAR） ； USC（美国南加州大学） ； UC Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； CMU（卡内基梅隆大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 提出LadderMan系统，通过两阶段学习管道和视觉基础模型，使人形机器人能够鲁棒地攀爬多种梯子并在梯子上进行操控。
表示学习实现可扩展的多任务深度强化学习
机构 * Mila – Québec AI Institute（魁北克AI研究所） ； Université de Montréal（蒙特利尔大学） ； McGill University（麦吉尔大学） ； CIFAR AI Chair（CIFAR人工智能 chair） ； Google DeepMind（谷歌DeepMind）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出一种结合预测性表示学习与高容量值函数近似的无模型算法MR.Q，在无需规划的情况下，在多任务连续控制任务中超越基于世界模型的方法和多种深度强化学习基线，并显著降低计算开销。
物体能做什么，而非它们是什么：面向功能可供性推理的功能潜在空间
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Neurosymbolic Intelligence（神经符号智能） ； University of Colorado Boulder（科罗拉多大学博尔德分校）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 提出A4D框架，通过构建基于功能可供性的共享潜在空间，将视觉观察映射到该空间并测量与可供性的距离，实现基于物体功能而非外观的规划推理，显著提升泛化能力和推理效率。
Comments Code, videos, and data available at: https://A4Dance-reasoning.github.io
面向统一且数据高效的预测与健康管理：基于表格基础模型
机构 * IMOS Lab, EPFL（IMOS实验室，瑞士联邦理工学院）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 提出利用表格基础模型通过上下文学习处理工业时间序列，实现预测与健康管理（PHM）任务，在低数据场景下表现优异，并优于序列模型和梯度提升树。
CausalPOI：基于时空图因果建模的冷启动POI签到预测
机构 * Nanyang Technological University（南洋理工大学） ； China Agricultural University（中国农业大学） ； Meituan（美团）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 提出CausalPOI框架，利用时空功能交互图建模POI间语义和空间关系，通过结构对齐的处理和对照图模拟事实与反事实场景，解决冷启动POI签到预测问题，在真实数据集上显著优于基线。
Comments Accepted at KDD 2026
基于策略条件的反事实信用分配用于长周期语言智能体的可验证强化学习
机构 * stu.ahu.edu.cn（安徽大学）
专题命中 规划决策 ：tool use(abstract)；分类 cs.AI、cs.LG
AI总结 提出CVT-RL算法，通过策略条件反事实贡献估计和可验证奖励约束，解决长周期语言智能体在推理和工具使用中的虚假证据链、信念漂移和捷径行为问题，在多个任务上提升成功率并降低作弊率。
Comments 16 pages, 6 figures
共形风险分担：具有参与保证的认证成本分配
机构 * Ieva Kazlauskaite（伊娃·卡祖利特）
专题命中 规划决策 ：agent(abstract)；分类 cs.LG
AI总结 提出共形风险分担方法，通过可解释的分担策略与分裂共形校准相结合，从有限数据中无分布假设地分配罕见事件的财务影响，为每个参与者提供义务上限并验证无人受损。
迈向生物医学研究的世界模型
机构 * State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China（网络与交换技术国家重点实验室，北京邮电大学，北京，中国） ； Department of Engineering Science, University of Oxford, Oxford, United Kingdom（英国牛津大学工程科学系，牛津，英国） ； Institute of Medical Artificial Intelligence, South China Hospital, Medical School, Shenzhen University, Shenzhen, Guangdong, China（医学人工智能研究所，南方医院，医学学院，深圳大学，深圳，广东，中国） ； Zhongguancun Academy & Zhongguancun Institute of Artificial Intelligence, Beijing, China（中关村学院及中关村人工智能研究院，北京，中国） ； Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University, 100084, Beijing, China（北京信息科学与技术国家研究中心（BNRist），清华大学，100084，北京，中国） ； Department of Chemical and Nano Engineering, University of California, San Diego, La Jolla, CA, USA（美国加州大学圣地亚哥分校化学与纳米工程系，La Jolla，CA，美国） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） ； Monash Biomedicine Discovery Institute and Department of Biochemistry and Molecular Biology, Monash University, Melbourne, Victoria, Australia（莫纳什大学生物医学发现研究所和生物化学与分子生物学系，墨尔本，维多利亚，澳大利亚） ； David R. Cheriton School of Computer Science, University of Waterloo, Waterloo, Ontario, Canada（加拿大滑铁卢大学戴维·R·切里顿计算机科学学校，滑铁卢，安大略，加拿大） ； Department of ICT and Center for AI Research, University of Agder (UiA), Jon Lilletuns vei 9, Grimstad, Norway（挪威阿格德大学（UiA）信息与通信技术系及人工智能研究中心，Jon Lilletuns vei 9，Grimstad，挪威） ； Department of Electronic Engineering, Tsinghua University, Beijing, China（清华大学电子工程系，北京，中国）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 提出生物医学世界模型作为AI驱动发现的新范式，通过学习分子、细胞、组织和临床状态的潜在表征及干预条件动态，实现未来轨迹模拟，并探讨其在虚拟细胞、类器官、虚拟患者和手术模拟等应用中的潜力。
当工具失效时：LLM智能体动态重规划与异常恢复的基准测试
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； East China Normal University（华东师范大学） ； Sochow University（苏州大学） ； Shandong University（山东大学） ； Baidu Inc.（百度公司）
专题命中 规划决策 ：agentic(abstract)；分类 cs.AI
AI总结 本文提出ToolMaze基准，通过有向无环图拓扑复杂度和工具扰动分类法，评估LLM智能体在工具失效时的动态重规划与错误恢复能力，发现模型对隐式语义故障的恢复率下降约37%，且智能体容错性随模型规模增长的速度远慢于基本任务执行。
CASS-RTL：面向LLM的RTL生成的正确性感知子空间引导
机构 * Department of Electrical and Computer Engineering (ECE), University of Central Florida, Orlando, FL 32816, USA（电子与计算机工程系，中央佛罗里达大学，奥兰多，佛罗里达州32816，美国）
专题命中 规划决策 ：agentic(abstract)；分类 cs.LG
AI总结 提出CASS-RTL框架，通过识别LLM中与RTL正确性相关的注意力头并构建低维子空间进行轻量级干预，在无需额外监督或重训练的情况下提升RTL代码生成的功能准确性。
Comments Accepted to the IEEE International Conference on LLM-Aided Design (LAD '26)
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