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。
ToolChain-CRC: 检索与工具使用漂移下代理型AI的共形风险控制
机构 * The University of Texas Rio Grande Valley（德克萨斯大学里奥格兰德谷分校） ； Florida International University（佛罗里达国际大学）
专题命中 工具调用 ：tool-use(title,abstract)；agentic(title,abstract)；agent(abstract)；AI agent(abstract)
AI总结 针对检索增强和工具使用代理在漂移下的风险控制问题，提出ToolChain-CRC方法，通过构建轨迹级风险评分并校准接受或干预规则，实现可证明的轨迹级风险控制。
Comments 26 pages, 11 figures
PowerAgentBench-SS：电力系统稳态研究中智能体AI的基准测试
专题命中 工具调用 ：agentic(title)；agent(abstract)；tool-use(abstract)；planning(abstract)
AI总结 提出PowerAgentBench-SS基准框架，用于评估LLM智能体在电力系统稳态研究中执行工程工作流的能力，通过工具API、验证预算和风险敏感指标区分智能体性能。
AI代理的运行时合规性验证
专题命中 工具调用 ：AI agent(title,abstract)；agent(abstract)；tool use(abstract)；分类 cs.SE
AI总结 提出C-Trace框架，通过运行时监控和形式化策略谓词，确保AI代理在工具调用和对话中遵守GDPR规则，将攻击成功率降至12%以下。
ToolGrad：利用文本“梯度”高效生成工具使用数据集
机构 * Google（谷歌） ； The University of Tokyo（东京大学） ； RIKEN AIP（日本学术振兴会AIP） ； Tohoku University（东北大学）
专题命中 工具调用 ：tool-use(title,abstract)；tool use(abstract)；agentic(abstract)；分类 cs.CL
AI总结 提出ToolGrad框架，通过文本“梯度”引导的迭代过程先构建有效工具使用链再合成用户查询，实现低成本、高成功率的数据生成，训练模型性能超越基线。
Comments ACL 2026 Findings. Source code: https://github.com/zhongyi-zhou/toolgrad
RODS: 面向多轮工具使用智能体的奖励驱动在线数据合成
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Westlake University（西湖大学）
专题命中 工具调用 ：tool-use(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 针对多轮工具使用强化学习中静态数据集信息样本快速耗尽的问题，提出RODS方法，利用进度奖励方差作为零成本边界检测器，在线合成与智能体能力边界匹配的样本，以约800样本达到17K样本离线管道的性能。
LandslideAgent与多模态LandslideBench：一种面向自主滑坡识别与分析的领域规则增强型智能体
机构 * Central South University（中南大学）
专题命中 工具调用 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI
AI总结 提出指令驱动智能体框架，包含多模态数据集LandslideBench、滑坡专用视觉语言模型LandslideVLM及领域规则增强智能体LandslideAgent，实现自主滑坡识别与分析。
符号至关重要：智能体AI系统中令牌优化格式的基准研究
机构 * Know Center Research GmbH（知中心研究有限公司） ； Graz University of Technology（格拉茨技术大学） ； Graz Center for Machine Learning（格拉茨机器学习中心）
专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI、cs.CL
AI总结 本研究在四个智能体基准上评估了两种令牌优化格式TOON和TRON，发现TRON在保持准确率的同时最多减少27%的令牌，而TOON虽减少18%但存在多轮解析失败和并行工具调用输出崩溃的问题。
Comments 16 pages, 6 figures, 4 tables
LivePI：更真实的智能体对抗间接提示注入基准测试
机构 * University of Pennsylvania（宾夕法尼亚大学）
专题命中 工具调用 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 提出LivePI基准，覆盖7种输入表面、12种攻击/渲染家族和5种恶意目标，在真实虚拟机环境中评估多个AI智能体，发现攻击成功率10.7%-29.6%，并验证了两层防御的有效性。
LLMZero: 通过LLM智能体发现RL后训练的自适应训练策略
机构 * Amazon（亚马逊）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出LLMZero系统，利用LLM智能体通过树搜索发现多阶段RL后训练的自适应策略，揭示容量参数单调累积、正则化参数振荡的规律，在4个GRPO任务上相对基线提升9%-140%。
医学图像分割中对抗模型的不确定性量化
机构 * Institute of Artificial Intelligence, Center for Medical Data Science, Medical University of Vienna, Austria（人工智能研究所、医学数据科学中心、维也纳医学大学，奥地利） ； Comprehensive Center for AI in Medicine, Medical University of Vienna, Austria（医学人工智能综合中心、维也纳医学大学，奥地利） ； ELLIS Unit Linz, LIT AI Lab and Institute for Machine Learning, Johannes Kepler University Linz, Austria（林茨ELLIS单位、LIT人工智能实验室和机器学习研究所、林茨约瑟夫·冯·克拉夫特大学，奥地利） ； Institute for Machine Learning, Johannes Kepler University Linz, Austria（机器学习研究所、林茨约瑟夫·冯·克拉夫特大学，奥地利） ； Clinical Research Center for Medical AI, Johannes Kepler University Linz, Austria（医学人工智能临床研究中心、林茨约瑟夫·冯·克拉夫特大学，奥地利）
专题命中 工具调用 ：planning(abstract)；分类 cs.LG
AI总结 提出QUAM-SM后处理框架，通过针对性对抗搜索识别脆弱像素，量化不确定性并分离认知与偶然不确定性，在公开数据集上优于现有方法。
Comments Accepted at MICCAI 2026
带移动障碍物的移动目标旅行商问题的两阶段双层搜索
机构 * Texas A&M University（德克萨斯A&M大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI
AI总结 针对带移动障碍物的移动目标旅行商问题，提出混合整数锥规划公式和两阶段双层搜索算法，显著优于基线方法。
动态杂乱环境下的任务分配与运动规划：基于CBBA与凸集图
机构 * Electrical and Computer Engineering（电气与计算机工程系） ； Mechanical Engineering（机械工程系）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；multi-agent(abstract)
AI总结 针对动态杂乱环境中的多智能体任务规划，提出结合凸集图（GCS）进行轨迹优化与共识捆绑算法（CBBA）进行分布式任务分配的方法，实现安全高效的轨迹规划和任务协调。
Comments 15 pages single column, 10 figures, AIAA-Scitech 2027 Submission
部分可观测环境下导航的生成模型预测规划
机构 * University of Manchester（曼彻斯特大学） ； Aalto University（阿尔托大学）
专题命中 规划决策 ：planning(title,abstract)；autonomous agent(abstract)；分类 cs.AI
AI总结 提出BeliefDiffusion框架，结合扩散模型和模型预测控制，显式建模多模态信念分布并进行前瞻规划，在合成地图环境中显著优于无模型强化学习和生成方法。
将搜索与推理解耦：面向LLM Agent的供应商无关的接地架构
机构 * DoorDash, Inc.（DoorDash公司）
专题命中 规划决策 ：agent(title_cn,abstract_cn)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 提出解耦搜索接地（DSG）架构，将搜索接地从推理模型中分离，通过MCP兼容网关实现供应商路由、缓存等控制，在降低成本和延迟的同时保持或提升准确性。
Comments 15 pages, Figure 8
测试集中式和多中心计算规划
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)
AI总结 本文提出一个可复现的合成基准，在模拟经济中比较计算规划者、基于代理的市场和混合元市场，发现规划者福利损失更低，但结果受设计选择影响，主要贡献是方法论而非意识形态。
OmniPlan：一种用于及时且近乎最优的网络规划优化的自适应框架
机构 * Zhejiang University（浙江大学） ； Fuzhou University（福州市大学） ； Yangzhou University（扬州大学） ； The State Key Laboratory of Blockchain and Data Security（区块链与数据安全国家重点实验室） ； College of Computer Science and Technology（计算机科学与技术学院）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG
AI总结 提出OmniPlan自适应框架，利用大语言模型解析用户意图，通过混合专家架构动态选择MIP求解器、启发式算法或深度强化学习模型，实现网络规划优化的及时性与近乎最优性，在分布式机器学习推理卸载任务中延迟降低97.8%，资源消耗降低11.5%。
Comments Accepted by ACM KDD 2026
LLM进化的符号AI规划领域无关启发式
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 本文使用进化搜索让大语言模型生成领域无关的启发式函数，在未见测试域上超越手工最优启发式，并首次系统评估了启发式的信息性-速度权衡。
Comments Accepted at the LM4Plan workshop at ICAPS 2026
基于潜在世界模型的分层规划
机构 * FAIR at Meta（Meta旗下的FAIR） ； New York University（纽约大学） ； Mila - Québec AI Institute（魁北克AI研究院） ； Brown University（布朗大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG
AI总结 提出HWM架构，通过多时间尺度潜在世界模型和潜在匹配实现分层模型预测控制，解决长时域任务中单层规划失败和计算爆炸问题。
超越奖励工程：长上下文强化学习的数据配方
机构 * OpenBMB ； Tsinghua University（清华大学）
专题命中 规划决策 ：agent(abstract)；autonomous agent(abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 提出一种简单有效的数据配方，结合最小化基于结果的GRPO设置，显著提升大语言模型的长上下文推理能力，在多个基准和智能体任务上取得平均+3.2至+7.2点的提升。
Comments 15 pages, 6 figures, 12 tables
GCNGrasp-VP: 基于功能引导的视角规划用于高效任务导向抓取
机构 * Shenzhen Key Laboratory of Robotics and Computer Vision（机器人与计算机视觉深圳重点实验室）
专题命中 规划决策 ：planning(title,abstract)
AI总结 提出GCNGrasp-VP框架，通过功能场预测引导主动视角规划，无需场景重建，单次视角调整即可显著提升遮挡下的任务导向抓取成功率。
Comments Accepted to IROS 2026
Guava: 一种有效且通用的具身操作工具框架
机构 * University of Maryland College Park（马里兰大学帕克分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Waterloo（滑铁卢大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Amazon FAR（亚马逊 FAR）
专题命中 规划决策 ：agent(abstract)；tool use(abstract)；planning(abstract)；分类 cs.AI
AI总结 提出Guava框架，通过迭代感知-推理-行动循环、语义动作抽象和多模态观测三大关键设计，将具身操作能力蒸馏到4B开源模型中，在仿真和真实环境中性能媲美前沿专有模型。
通用型智能体必须记住什么？
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 本文形式化论证了通用型智能体为在多个环境和目标下近似最优行动，必须存储领域相关信息以区分观察瓶颈处的不兼容最优动作，并证明记忆可用于重构局部转移动态。
STARE: 基于惊讶度的令牌级优势重加权以实现策略熵稳定性
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Tencent Hunyuan（腾讯 Hunyuan）
专题命中 规划决策 ：tool use(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 针对GRPO等RL算法中策略熵崩溃问题，提出STARE方法，通过惊讶度分位数识别熵关键令牌并重加权其优势，结合目标熵闭环门控稳定熵，在1.5B-32B模型和多种任务上实现稳定训练，AIME24/25准确率提升4%-8%。
Comments LLM, Reinforcement Learning
打破求解器瓶颈：在可学习前沿训练任务生成器
机构 * Vmax ； Goodfire AI
专题命中 规划决策 ：agentic(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出PROPEL框架，通过训练轻量级激活探针作为求解率代理，在无需重复求解器评估的情况下优化任务生成器，使生成任务集中在可学习前沿，提升数学、代码和软件工程任务的有效性。
Comments 30 pages, 9 figures, 12 tables
TopBench：表格问答中隐式预测推理的基准
机构 * School of Artificial Intelligence, Nanjing University, China（人工智能学院，南京大学，中国） ； National Key Laboratory for Novel Software Technology, Nanjing University, China（新型软件技术国家重点实验室，南京大学，中国）
专题命中 规划决策 ：agentic(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出TopBench基准，包含779个样本和四个子任务，评估大语言模型在表格问答中识别隐式预测意图并进行可靠推理的能力，发现当前模型在意图识别上存在困难。
预测关键因素：面向决策的强化学习用于未知离开时间的受控电动汽车充电
机构 * Ghent University -- imec Ghent Belgium ； Ghent University\,---\,imec Gent Belgium ； Ghent University -- imec ； Ghent University\,---\,imec
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 针对电动汽车充电中离开时间未知导致强化学习策略效果差的问题，提出面向决策的强化学习框架，联合训练预测器与控制器，实现端到端优化，使总奖励提升14%，未供应能量减少55%。
Comments ACM e-Energy 2026 5 pages, 1 figure, 1 table
成熟马尔可夫决策过程：信息增加与动作集缩小下的决策制定
机构 * Ant International（蚂蚁国际） ； School of Economics, Sichuan University（四川大学经济学院） ； School of Economics, Fudan University（复旦大学经济学院）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 针对决策过程中信息增加与动作集缩小的不对称性，提出成熟马尔可夫决策过程（MMDP）框架，并基于过期动作优先级原则开发结构感知强化学习方法，实验证明其能提升学习效率。
Comments 25 pages, 9 figures
从自身解中学习：面向可验证奖励强化学习的自条件化信用分配
机构 * Beijing Institute of Technology（北京理工大学） ； Beihang University（北京航空航天大学） ； Independent Researcher（独立研究者）
专题命中 规划决策 ：agentic(abstract)；分类 cs.AI、cs.LG
AI总结 提出SC-GRPO方法，利用自条件化分布间的KL散度作为GRPO梯度的乘性权重，实现细粒度信用分配，在数学、代码和智能体任务上平均提升8.1%。
在地质、需求和定价不确定性下优化锂生产决策：多目标决策的POMDP框架
机构 * Computer Science Department, Stanford University（斯坦福大学计算机科学系） ； Aeronautics and Astronautics Department, Stanford University（斯坦福大学航空与航天系） ； Earth and Planetary Sciences Department, Stanford University（斯坦福大学地球与行星科学系）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 提出POMDP框架，通过信念状态规划优化锂矿开采决策，动态适应价格不确定性，实现更高需求满足和更平衡的经济环境效益。
Comments 24 pages, 14 tables, 4 figures
信任区域在线策略蒸馏
机构 * Samsung Research（三星研究院） ； University of Oxford（牛津大学） ； Peking University（北京大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.CL、cs.LG
AI总结 提出信任区域在线策略蒸馏（TrOPD），通过信用分配策略和信任区域学习解决师生分布差异导致的训练不稳定问题，在数学推理、代码生成和通用基准上超越现有方法。
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