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。
OOPS: 通过大语言模型自动生成REST API规范
专题命中 工具调用 ：agent(abstract)；workflow(abstract)；分类 cs.SE
AI总结 提出OOPS方法，利用LLM对服务器代码进行静态分析，通过端点方法提取和OAS生成两步工作流，自动生成高质量OpenAPI规范，无需技术特定规则或人工干预。
Journal ref Journal of Systems and Software 239 (2026) 112914
EdgeFM: 为视觉-语言模型高效边缘推理设计的框架
机构 * Go Further. AI ； School of Data Science Fudan University（复旦大学数据科学学院） ； RUYi Dynamics Co. Ltd（RUYi Dynamics有限公司） ； Independent Researcher（独立研究者）
专题命中 工具调用 ：agent(abstract)；AI agent(abstract)
AI总结 EdgeFM通过轻量级代理驱动框架，优化边缘部署的视觉-语言模型推理，提升跨平台性能和可移植性，实现比传统工具链更快的推理速度。
Comments Technique Report version
用AI驱动的形式证明搜索推进数学研究
机构 * Google DeepMind（谷歌DeepMind） ； Aarhus University（奥胡斯大学）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI
AI总结 本文研究了如何利用大型语言模型生成形式证明，以解决开放性数学问题，并展示了AI辅助形式证明搜索在数学研究中的应用和贡献。
Comments The first three authors and the last author have equal contributions. The first three authors are in random order
DRS-OSS：用于持续集成工作流的差异风险评分工具
专题命中 工具调用 ：workflow(abstract)；分类 cs.SE
AI总结 提出开源差异风险评分工具DRS-OSS，通过可部署管道结合提交信息、差异和变更指标预测风险，在ApacheJIT上达到0.895 ROC-AUC，优于基线。
Comments 5 pages, 4 figures, 4 tables. Tool demonstration paper
基于区间分支定界的逆运动学算法实现全局最优冗余度解析
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 工具调用 ：planning(abstract)
AI总结 提出一种结合快速数值IK求解器搜索启发式的区间分支定界方法，高效求解机械臂广义逆运动学问题，生成邻域解以提供自运动流形的丰富几何信息，支持最优规划和任意时间求解。
EvoIR-Agent: 通过经验驱动学习实现自进化图像修复智能体
专题命中 规划决策 ：agent(title,title_cn)；agentic(title)；planning(abstract)
AI总结 本文提出EvoIR-Agent，通过经验驱动学习解决图像修复中经验不足导致的规划失败问题，通过构建分层经验池和自进化机制提升修复性能和效率，实验表明其在全参考指标上表现优异，且在性能与效率之间取得显著平衡。
Comments Temporarily withdrawn for institutional clearance and compliance review. A revised version will be uploaded once the process is finalized
2-Step Agent: 一个用于决策者与AI决策支持交互的框架
机构 * Department of Medical Informatics, Amsterdam UMC University of Amsterdam（医学信息学系，阿姆斯特丹大学医学中心，阿姆斯特丹大学） ； Institute for Logic, Language and Computation, University of Amsterdam（逻辑、语言和计算研究所，阿姆斯特丹大学） ； Department of Mathematics and Earth Sciences, University of Trieste（数学与地球科学系，特里埃斯特大学）
专题命中 规划决策 ：agent(title,title_cn)；分类 cs.AI、cs.LG
AI总结 本文提出2-Step Agent框架，用于研究决策者如何学习和利用基于机器学习的决策支持，并揭示了即使在理想条件下，ML-DS也可能导致更严重的负面影响。
Comments 17 pages, 17 figures
面向目标的推理用于基于RAG的记忆在对话型代理LLM系统中
机构 * University of Toronto（多伦多大学） ； Vector Institute for Artificial Intelligence（向量人工智能研究所）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 本文提出Goal-Mem框架，通过目标导向的推理提升RAG记忆在复杂任务中的表现，尤其在多跳推理和隐含推理中效果显著。
HARPO：面向用户对齐的对话推荐的分层代理推理
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)
AI总结 HARPO通过分层代理推理框架优化多维推荐质量，结合上下文依赖的偏好学习、 deliberative树搜索和领域无关的推理抽象，提升推荐质量与用户对齐性。
Comments Accepted at the Annual Meeting of the Association for Computational Linguistics (ACL 2026)
从冲突到共识：通过多轮代理RAG提升医疗推理
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出MA-RAG框架，通过多轮代理循环迭代优化外部证据和内部推理历史，提升医疗复杂推理能力，实验显示在7个医疗问答基准上表现优于现有方法。
Comments 27 pages, 8 figures, 18 tables
ReSkill：在智能体强化学习中协调技能创建与策略优化
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出ReSkill框架，通过GRPO的组结构嵌入断言驱动技能创建、组内轨迹采样和自适应汤普森采样，实现技能与策略的协同进化，在多个领域超越现有方法。
收益规模塑造跨语言LLM代理的合作行为
机构 * Faculty of Information Technology, University of Science (HCMUS), Ho Chi Minh City, Vietnam（信息技术学院，科学大学（HCMUS），胡志明市，越南） ； Faculty of Computer Science and Engineering, Ho Chi Minh City University of Technology (HCMUT), Ho Chi Minh City, Vietnam（计算机科学与工程学院，胡志明市技术大学（HCMUT），胡志明市，越南） ； Vietnam National University – Ho Chi Minh City (VNU-HCM), Ho Chi Minh City, Vietnam（越南国家大学——胡志明市（VNU-HCM），胡志明市，越南） ； Luxembourg Institute of Science and Technology (LIST), Luxembourg（卢森堡科学与技术研究所（LIST），卢森堡） ； School of Computing, Engineering and Digital Technologies, Teesside University, Middlesbrough, United Kingdom（计算、工程与数字技术学院，泰赛德大学，米德尔斯布罗，英国）
专题命中 规划决策 ：agent(abstract)；autonomous agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 通过监督分类器识别重复囚徒困境中的策略，结合演化博弈论基线，发现随着收益增加，LLM反而更合作，与演化预测相反，表明对齐训练和人类推理模式的影响。
Comments 44 pages, 17 figures, 4 tables
走向健康进化：探索人机交互在自我进化系统中的作用与机制
机构 * The University of Osaka（大阪大学）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI
AI总结 提出ANCHOR框架，通过模拟人类监督的反馈机制，在自我进化系统中缓解能力退化与安全漂移，实验表明有限监督可显著提升安全性与稳定性。
NavOne: 一种基于顶部向下地图的视觉语言导航的一步全局规划
机构 * South China University of Technology（南方科技大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出了一种基于顶部向下地图的视觉语言导航方法，通过引入NavOne框架，实现多模态地图的单步全局路径规划，显著提升了导航效率和性能。
Comments 10 pages, 7 figures
SAD-Flower：用于安全、可接受和动态一致规划的流匹配
机构 * TUM School of Computation, Information and Technology, Technical University of Munich, Munich, Germany.（慕尼黑技术大学计算、信息与技术学院） ； Munich Institute of Robotics（慕尼黑机器人与智能机构研究所） ； Munich Data Science Institute (MDSI)（慕尼黑数据科学研究所） ； National University of Singapore（新加坡国立大学） ； National Taiwan University (NTU)（国立台湾大学） ； NTU Artificial Intelligence Center of Research Excellence (NTU AI-CoRE)（国立台湾大学人工智能研究中心） ； University of Utah（犹他大学） ； Beijing Institute of Technology（北京理工大学） ； McGill University（麦吉尔大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG
AI总结 提出SAD-Flower框架，通过虚拟控制输入增强流匹配，利用非线性控制理论提供状态约束、动作约束和动态一致性的形式化保证，无需重新训练即可在测试时满足未见约束。
集成化分层决策在逆运动学规划与控制中
机构 * University of Cambridge（剑桥大学）
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文提出一种高效的非线性规划框架，整合分层决策与全身逆运动学规划控制，解决逆运动学规划中同时选择端效应器位置的问题。
Comments Accepted paper to "Robotics: Science and Systems" (2026)
具有危险探索的双层路径优化与路径规划
专题命中 规划决策 ：planning(title,abstract)
AI总结 提出一种双层无人机监测策略，高层通过车辆路径问题优化访问顺序并引入基于边的质心Voronoi图分配路径预算，低层通过B样条轨迹最大化信息增益，贝叶斯推理动态更新危险概率，仿真验证了空间覆盖和危险发现率的提升。
Journal ref 2025 IEEE 64th Conference on Decision and Control (CDC)
ASH: 通过具身学习自我精炼的智能体
机构 * University of Waterloo（多伦多大学） ； National Research Council Canada（加拿大国家研究理事会）
专题命中 规划决策 ：planning(abstract)；agentic(abstract)；分类 cs.AI、cs.LG；AI agent(comments)
AI总结 提出ASH系统，通过从无标签互联网视频中学习具身策略，利用自改进循环和逆动力学模型，在长时域任务中显著超越基线方法。
Comments Published as a workshop paper at ICML 2026 Workshop on Scalable Learning and Optimization for Efficient Multimodal AI Agents
ImagineUAV：通过世界-动作建模和动力学规划实现空中视觉语言导航
机构 * Pengcheng Laboratory（鹏城实验室） ； School of Computer Science and Cyber Engineering（计算机科学与网络工程学院） ； Guangzhou University（广州大学） ； Southern University of Science and Technology（南方科技大学）
专题命中 规划决策 ：planning(title)
AI总结 针对无人机视觉语言导航中几何不一致和动力学失配问题，提出基于潜视频扩散模型的世界-动作建模框架，通过生成未来观测推断6自由度运动并规划无碰撞轨迹，以1.3B参数在基准和实际飞行中超越先前方法。
Comments Video demo: https://www.youtube.com/watch?v=Ng1alP0yhc0
分散均值场信息共享下随机团队的对称独立策略的最优性及与代表智能体的McKean-Vlasov控制的等价性
专题命中 规划决策 ：agent(title)
AI总结 研究有限和无限决策者随机可交换团队的最优策略，证明有限人口最优策略收敛到无限人口的分散对称独立策略，并建立与McKean-Vlasov控制的关系。
huff：用于市场区域分析的Python包
专题命中 规划决策 ：planning(abstract)；workflow(abstract)；分类 cs.SE
AI总结 huff包提供市场区域分析的完整流程，包括数据导入、OD矩阵构建、模型分析、参数估计和可视化，适用于经济地理学和健康地理学研究。
Comments v1.2.1; added references, update of scientific usage and PyPI usage statistics
PLAGUE：面向多轮利用的终身自适应生成的即插即用框架
机构 * A10 Networks, Inc.（A10网络公司） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校）
专题命中 规划决策 ：agentic(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出PLAGUE框架，通过终身学习启发的三阶段设计（Primer、Planner、Finisher）实现高效多轮越狱攻击，在o3和Opus 4.1等强安全模型上ASR提升超30%。
Comments Accepted in ICLR 2026
最优返利设计：拍卖市场中的激励、竞争与效率
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)
AI总结 研究拍卖市场中交易所通过返利政策激励做市商、缩小清算价与资产价值价差以提升市场效率的最优设计问题，采用主从博弈框架和深度BSDE方法求解。
RetroReasoner：一种用于战略 retrosynthesis 预测的推理 LLM
机构 * Department of Artificial Intelligence, Korea University（韩国大学人工智能系） ； Department of Statistics, Korea University（韩国大学统计系） ； Materials Intelligence Lab, LG AI Research（LG人工智能研究实验室）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 RetroReasoner 通过监督微调和强化学习，捕捉化学家基于断键策略的推理过程，提升 retrosynthesis 预测的准确性和多样性。
Comments 35 pages, 19 figures
一陆二海三四海，更多将至——感知、预测、通信与常识在决策中的价值
机构 * Aolin Xu（徐傲林）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文严格定义决策中感知、预测、通信和常识的价值，发现无预测的感知价值可能为负，而预测价值非负，并应用于自主决策系统设计。
基于大语言模型决策的传染病传播模拟
机构 * Computer Science and Engineering Faculty of Engineering（计算机科学与工程系） ； The University of New South Wales（新南威尔士大学） ； Department of Computer Science（计算机科学系） ； Emory University（埃默里大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； George Mason University（乔治·马歇尔大学） ； The Kirby Institute Faculty of Medicine & Health（Kirby研究所医学院与健康学院） ； Arizona State University（亚利桑那州立大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI
AI总结 提出一个空间显式的基于智能体的模拟框架，利用大语言模型生成自我报告流感样疾病的决策，并整合到基于人口普查的合成人群中，以捕捉社会与地理异质性。
Comments 12 pages
RECON：基于压缩的推理用于高效检索增强生成
机构 * University of Utah（犹他大学） ； University of Washington（华盛顿大学） ； George Washington University（乔治·华盛顿大学） ； University of Virginia（弗吉尼亚大学） ； Shandong University（山东大学） ； Ludwig Maximilian University of Munich（慕尼黑路德维希-马克西米利安大学） ； University of Notre Dame（诺特丹大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.CL
AI总结 提出RECON框架，在强化学习搜索代理的多轮推理中插入观察压缩器，通过两阶段课程训练实现上下文压缩，提升训练和推理效率并增强问答性能。
Comments Techinical report
Symskill：符号与技能共发明用于数据高效且反应性强的长周期操作
机构 * GRASP Laboratory, University of Pennsylvania（GRASP实验室，宾夕法尼亚大学）
专题命中 规划决策 ：planning(abstract,comments)
AI总结 Symskill通过联合学习谓词、运算符和技能，实现了数据高效且反应性强的长周期操作，结合了组合泛化与实时恢复能力。
Comments ICRA 2026 Best Conference Paper Award; ICRA 2026 Best Paper Award on Planning and Control; CoRL 2025 Best Paper Award on Learning Effective Abstractions for Planning (LEAP) Workshop (https://symskill.github.io/)
Embody4D: 面向具身4D世界建模的通用数据引擎
机构 * Zhejiang University（浙江大学） ； Beijing Zhongguancun Academy（北京中关村学院） ； University of Science and Technology of China（中国科学技术大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Shanghai Jiao Tong University（上海交通大学） ； Beihang University（北京航空航天大学）
专题命中 规划决策 ：planning(abstract)
AI总结 提出Embody4D视频到视频世界模型，通过3D感知合成管道、潜在置信度专家调制和交互注意力机制，将单目机器人视频转换为多视角视频，解决具身智能中视角稀疏问题，提升下游规划与学习性能。
Totoro$^+$: 一种自适应且可扩展的边缘联邦学习系统
专题命中 规划决策 ：planning(abstract)
AI总结 针对边缘网络中联邦学习应用的可扩展性和自适应问题，提出基于分布式哈希表的对等模型实现完全去中心化的FL系统，通过专用参数服务器、局部感知P2P多环结构、发布/订阅森林抽象和博弈论路径规划模型，显著提升可扩展性和自适应性。
Comments Accepted to IEEE Transactions on Parallel and Distributed Systems (TPDS). This version includes the appendix
Journal ref IEEE Transactions on Parallel and Distributed Systems, vol. 37, no. 7, pp. 1740-1757, July 2026
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