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。
结合强化学习与弧搜索内点法的路径规划
专题命中 工具调用 ：planning(title,abstract)；agent(abstract)
AI总结 提出一种结合强化学习与弧搜索内点法的框架，利用强化学习的实时决策能力和弧搜索内点法的优化性能，实现障碍物环境下的高效路径规划。
Comments 15 pages, 9 figures
Gecko: 一种具有状态反馈的仿真环境，用于优化智能体工具调用
专题命中 工具调用 ：agent(title)；分类 cs.SE
AI总结 提出Gecko仿真环境，通过规则与LLM结合提供工具名称/参数验证、模式一致响应合成和任务完成判断三类反馈，形成GATS方法，在BFCLv3和τ²-bench上显著提升LLM工具调用性能。
ASA：无需骨干训练的工具调用智能体表示工程
机构 * Renmin University of China（中国人民大学） ； University of Macau（澳门大学） ； Central South University（中南大学） ； Jiangxi Normal University（江西师范大学） ； Macau Millennium College（澳门 millennium 学院） ； Peking University（北京大学）
专题命中 工具调用 ：agent(abstract)；tool-use(abstract)；分类 cs.AI、cs.SE
AI总结 针对大语言模型在工具调用中的惰性代理问题，提出一种无需训练、推理时激活干预的方法ASA，通过路由条件混合引导向量和探针引导门控，显著提升工具使用F1并降低误报率。
Comments The manuscript consists of 24 pages formatted in the ACL style. Youjin Wang, Run Zhou, and Yingjie Ma contributed equally to this work. Tao Fang and Liangming Pan are the co-corresponding authors
$S^3$-R1: 通过合成数据学习逐步检索与回答
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Google DeepMind（谷歌DeepMind）
专题命中 工具调用 ：tool-use(abstract)；agentic(abstract)；分类 cs.LG
AI总结 提出S^3-R1框架，通过合成数据生成和密集奖励信号，解决强化学习后训练中稀疏奖励和缺乏多跳问题数据的问题，提升模型搜索与问答能力。
Comments Under Review
生成式人工智能在德国软件工程行业的采用：一项实证研究
机构 * Technical University of Munich（慕尼黑技术大学） ； Heilbronn University of Applied Science（海德堡应用科学大学）
专题命中 工具调用 ：tool use(abstract)；分类 cs.AI、cs.SE
AI总结 通过混合方法研究德国软件工程师采用生成式AI工具的情况，发现经验水平调节感知收益，组织规模影响工具选择和使用强度，项目上下文意识不足是主要障碍。
Comments Accepted at FSE '26
上下文即服务：为LLM生成的开发者文档揭示跨文件依赖链
专题命中 工具调用 ：agent(abstract)；分类 cs.SE
AI总结 提出Context-as-a-Service (CaaS)检索层，通过索引代码库并支持关键词与语义搜索，帮助LLM代理在生成或审查文档时追踪跨文件依赖链，实验表明CaaS能发现基线遗漏的错误并减少时间和输入令牌消耗。
Comments 8 pages, 2 figures, 4 tables
Baichuan-M4：面向持续照护的临床级医疗智能体系统
机构 * Baichuan AI（百川智能） ； THUBPM Group, Tsinghua University（清华大学THUBPM课题组）
专题命中 规划决策 ：agent(title,abstract)；tool use(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出Baichuan-M4临床级医疗大模型，通过统一运行时、持续照护强化学习框架和临床工具层三大支柱构建智能体系统，在多项医疗评估中取得领先结果，幻觉率降至3.3%。
面向LLM智能体的事实增强前瞻规划
机构 * University of Cambridge（剑桥大学）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出LWM-Planner框架，通过从轨迹中提取关键事实并用于条件化动作提议、世界模型模拟和状态值估计，实现无需参数更新的在线规划改进，在多个环境上优于ReAct/Reflexion和纯搜索基线。
Comments Accepted at the 29th International Conference on Artificial Intelligence and Statistics (AISTATS 2026). Camera-ready version. 9-page main text plus appendices (63 pages total), 1 figure
HANDOFF: 通过蒸馏互补教师实现人形机器人任务空间全身控制
机构 * California Institute of Technology（加州理工学院） ； The Institute for Human & Machine Cognition（人机认知研究院）
专题命中 规划决策 ：agentic(title,abstract)；planning(abstract)；分类 cs.AI、cs.LG
AI总结 提出HANDOFF框架，通过多教师KL蒸馏和上下文门控机制，将全身运动跟踪、行走和跌倒恢复三个专家策略融合为混合专家学生策略，实现基于紧凑显式接口的全身控制，在Unitree G1上达到先进的速度跟踪性能并扩展了操作工作空间。
Comments 22 pages, 9 figures, Project page: https://lzyang2000.github.io/HANDOFF/
AnomaMind：基于工具增强推理的智能体时间序列异常检测
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 规划决策 ：agentic(title,abstract)；workflow(abstract)；分类 cs.LG
AI总结 提出AnomaMind框架，将时间序列异常检测重构为顺序决策过程，通过粗到细的工作流（定位可疑区间、工具交互构建诊断证据、自我反思细化决策）结合知识记忆与数值诊断工具包，并采用混合推理机制，显著提升域内和跨域异常检测性能与泛化能力。
ChartAgent: 一种用于复杂图表问答中视觉基础推理的多模态智能体
机构 * J.P. Morgan AI Research（摩根大通人工智能研究）
专题命中 规划决策 ：agent(title)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 提出ChartAgent框架，通过迭代分解查询为视觉子任务并利用图表专用视觉工具（如绘制注释、裁剪区域）进行空间域推理，在ChartBench和ChartX上取得最先进性能，尤其对无标注图表提升显著。
Comments Accepted at ACL 2026 (Main Conference). Also presented as an oral paper at the NeurIPS 2025 Multimodal Algorithmic Reasoning Workshop (https://marworkshop.github.io/neurips25/)
AgentPLM：具有推理增强解码的智能体蛋白质语言模型用于蛋白质序列设计
机构 * Sahil Rahman ； Maxx Richard Rahman
专题命中 规划决策 ：agentic(title,journal_ref)；agent(abstract)；分类 cs.AI
AI总结 提出AgentPLM，通过推理增强解码和对比智能体策略优化，使预训练蛋白质语言模型能够利用外部生物物理反馈进行在线纠错，在多项蛋白质设计任务上取得最优结果。
Journal ref Workshop on Generative and Agentic AI for Biology, 43rd International Conference on Machine Learning (ICML 2026)
通过耦合而非单纯观察的亲社会性：可检查循环人工生命体中的稳态共享
机构 * Independent Research Engineer（独立研究工程师）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI
AI总结 研究通过稳态耦合而非直接奖励或观察实现人工体的亲社会行为，发现耦合使智能体主动帮助同伴，而单纯观察无效。
Comments Accepted at ALIFE 2026 Conference, Waterloo Institute for Complexity & Innovation
SciFlow-Bench：通过逆解析评估结构感知的科学图表生成
机构 * Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Huawei Cloud BU（华为云业务部） ； Zhongguancun Academy（中关村学院） ； Beijing Key Laboratory of Data Intelligence and Security (Peking University)（北京数据智能与安全重点实验室（北京大学））
专题命中 规划决策 ：agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 提出SciFlow-Bench基准，通过逆解析将生成的图表图像转换为结构化图进行比较，以结构可恢复性而非视觉相似性评估科学图表生成。
V-REX: 通过问题链进行探索性视觉推理的基准测试
机构 * University of Maryland, College Park（马里兰大学学院市分校） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 提出V-REX基准，通过问题链将多步探索推理分解为规划和遵循能力，评估视觉语言模型在复杂开放任务中的表现。
Comments 28 pages
TaCarla: 端到端自动驾驶的综合基准数据集
机构 * Tuğrul Gorgülü *†（土耳其巴伊塞蒂大学） ； Atakan Dağ †（土耳其巴伊塞蒂大学） ； M. Esat Kalfaoğlu ‡（土耳其巴伊塞蒂大学） ； Halil İbrahim Kuru †（土耳其巴伊塞蒂大学） ； Barış Can Cam †（土耳其巴伊塞蒂大学） ； Halil İbrahim Öztürk †（土耳其巴伊塞蒂大学） ； Özsel Kılınç §（土耳其巴伊塞蒂大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 针对现有自动驾驶数据集不完整、行为多样性不足及闭环评估缺失等问题，基于CARLA Leaderboard 2.0挑战场景收集超过285万帧的多任务数据集，支持规划、检测、预测及视觉语言动作模型，并提供数值稀有度评分。
Comments Accepted at the Third Workshop on Simulation for Autonomous Driving (SAD), CVPR 2026
Discrete-WAM：面向世界-策略学习的统一离散视觉-动作标记编辑
机构 * Xiaomi EV（小米电动车）
专题命中 规划决策 ：planning(abstract)
AI总结 提出Discrete-WAM，通过将未来视觉状态和自车动作对齐为离散标记，构建统一离散扩散框架，实现世界建模、世界-动作策略和分层决策策略的联合学习，支持可控生成和反事实推理，提升自动驾驶决策可靠性。
FOUND-IT: 基于基础模型优先、按需粒度的任务驱动3D场景图
机构 * Laboratory for Information & Decision Systems, Massachusetts Institute of Technology（信息与决策系统实验室，麻省理工学院） ； Samsung Research America（三星美国研究院）
专题命中 规划决策 ：agentic(abstract)
AI总结 提出首个基于未标定单目相机实时构建任意室内外环境分层任务驱动3D场景图的方法，通过几何基础模型和可调整粒度支持动态任务，并在ASHiTA SG3D基准上提升79%准确率。
部分可观测下轨迹优化的随机微分动态规划
专题命中 规划决策 ：planning(abstract)
AI总结 提出一种随机微分动态规划算法，用于在部分可观测条件下联合优化标称控制序列和反馈增益，显式考虑协方差传播对标称轨迹的依赖，生成导航感知且鲁棒的轨迹。
Comments Revised version; 38 pages, 13 figures; submitted to the Journal of Guidance, Control, and Dynamics
UHR-Net：一种用于医学图像分割的不确定性感知超图精炼网络
机构 * School of Computer Sciences, China University of Geosciences (Wuhan)（中国地质大学（武汉）计算机科学学院）
专题命中 规划决策 ：planning(abstract)
AI总结 针对病灶边界模糊和小病灶分割困难，提出UHR-Net，采用不确定性导向实例对比预训练和不确定性引导超图精炼模块，在五个公开数据集上取得一致提升。
Comments 12 pages, 4 figures, 4 tables
层次扩散策略中的在线自训练协同适应
机构 * ISIR, Sorbonne Université, CNRS（ISIR，索邦大学，国家科学研究中心）
专题命中 规划决策 ：planning(abstract)
AI总结 提出ORCHID自训练框架，通过环境反馈过滤轨迹并蒸馏回规划器和控制器，实现层次扩散策略的在线稳定改进，在CALVIN基准上轻量模型超越纯离线方法。
Comments Accepted at ICML 2026 Workshop on Decision-Making from Offline Datasets to Online Adaptation (DEMO)
新西兰呼吸道疾病的多病原体态势评估与预测
专题命中 规划决策 ：planning(abstract)
AI总结 针对SARS-CoV-2、流感和RSV三种病原体，利用实时监测数据建立模型进行流行趋势评估和28天预测，为公共卫生规划提供支持。
ObjSplat: 几何感知的高斯面元用于主动物体重建
机构 * School of Optics and Photonics, Beijing Institute of Technology（光学与光子学学院，北京理工大学） ； School of Optoelectronic Engineering, Changchun University of Science and Technology（光电工程学院，长春理工大学）
专题命中 规划决策 ：planning(abstract)
AI总结 提出ObjSplat框架，利用高斯面元统一表示，通过几何感知视点评估和下一最佳路径规划器，实现高效高保真的主动物体重建。
Comments Accepted to IEEE T-ASE. Code: https://github.com/Li-Yuetao/ObjSplat , Project Page: https://li-yuetao.github.io/ObjSplat-page/
CORRECT: 多智能体系统中基于知识迁移的浓缩错误识别
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；tool use(abstract)
AI总结 提出CORRECT框架，利用在线缓存蒸馏错误模式，实现轻量级、免训练的错误定位，在多智能体系统中提升错误识别效率，并在七个应用上取得最高19.8%的步骤级错误定位提升。
对自动化工作流中智能体错位的冷静审视
机构 * University of Virginia（弗吉尼亚大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Utah（犹他大学） ； University of Notre Dame（圣约翰大学） ； George Washington University（乔治华盛顿大学）
专题命中 多智能体 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文研究多智能体系统中的新兴错位问题（称为智能体错位），通过贝叶斯框架分析其成因，并提出基于证据的智能体对齐范式（AEA）来纠正错位行为，从而提升协作可靠性。
GreenFLag：一种节能联邦学习的绿色智能方法
专题命中 多智能体 ：agentic(title,abstract)
AI总结 提出GreenFLag框架，利用软演员-评论家强化学习联合优化计算与通信资源，结合可再生能源减少电网能耗，在真实数据集上平均降低94.8%的电网能量消耗。
Comments 9 pages. Accepted in IEEE WoWMoM 2026 Conference. Latest revision with small corrections
以人为本的医学图像分析：通过公平感知的人机协作
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.LG
AI总结 提出PecMan框架，联合建模子群依赖可靠性、决策分配和协作预测，通过门控与整合机制动态分配病例给自动模型或人类专家，无需测试时敏感属性，实现公平感知的人机协作分类。
Comments Submitted to Medical Image Analysis
学会匹配：具有时间扩展反馈的双边匹配
机构 * Department of Economics, University of Washington（华盛顿大学经济系） ； Paul G. Allen School of Computer Science & Engineering, University of Washington（华盛顿大学保罗·G·艾伦计算机科学与工程学院）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 提出一个具有时间扩展反馈的双边匹配框架，将其建模为部分可观测马尔可夫博弈，并基于多智能体强化学习构建Learn2Match基准，实验表明独立PPO优于bandit基线，但存在信息摩擦损失。
TinyTroupe：一个基于LLM的多智能体人物模拟工具包
机构 * Microsoft Corporation（微软公司） ； Dipeak Technology（迪佩克技术）
专题命中 多智能体 ：autonomous agent(abstract)；分类 cs.AI、cs.CL
AI总结 针对现有LLM多智能体系统在细粒度人物模拟方面的不足，提出TinyTroupe工具包，支持详细人物定义和程序化控制，用于行为研究和社会模拟。
Comments 9 pages
基于智能体人工智能框架推进地下发现与地热监测
专题命中 工作流自动化 ：agentic(title,abstract)；agent(abstract,abstract_cn)；workflow(abstract)
AI总结 提出GAIA系统，结合大语言模型、数字孪生与检索增强生成，实现地热开发中的多学科任务自动化与智能决策。
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