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。
优化 Lean 中智能定理证明器的成本-质量权衡
机构 * University of Washington（华盛顿大学） ； University of California, Berkeley（加州大学伯克利分校）
专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；分类 cs.CL
AI总结 提出一种包含数据平面和控制平面的动作路由智能体，通过观察失败轨迹并估计成功概率与成本来动态决定继续证明或重新分解，在 PutnamBench 子集上平均降低 25.8% 成本且保持性能。
用于修复破坏性更新的AST转换规则的智能体生成
专题命中 工具调用 ：agentic(title,abstract)；分类 cs.SE
AI总结 提出BigBag框架，通过智能体生成可复用的API级AST转换规则，修复依赖更新导致的编译错误，在BUMP基准上实现78.6%的修复率和跨项目33.3%的修复率。
AdversaBench: 基于多裁判确认与跨模型迁移性的自动化大语言模型红队测试
机构 * Indian Institute of Technology Jodhpur（印度理工学院焦特布尔分校）
专题命中 工具调用 ：tool use(abstract)；tool-use(abstract)；分类 cs.AI、cs.CL
AI总结 提出AdversaBench端到端红队测试流水线，使用五种结构化算子变异种子提示，通过三裁判加元裁判机制确认失败，实验发现算子效果因类别而异、二元失败率掩盖难度、裁判一致性受标签偏斜影响、对抗提示可跨模型迁移。
Comments 10 pages, 4 figures, 5 tables. Code and data at https://github.com/khanak0509/AdversaBench
EComAgentBench：在分布式隐藏意图的长时任务上基准测试购物代理
机构 * Shopee
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 提出EComAgentBench基准，包含662个基于真实亚马逊产品的任务，要求代理在100次工具调用内从可见查询、工具门控配置文件和脚本化澄清中挖掘隐藏意图，验证候选产品并提交最终选择，通过类型化源标签评分归因失败。
倒排索引遍历的$\mathbf{P}$-完备性：关于布尔查询DAG评估的复杂性
机构 * Apple Inc.（苹果公司）
专题命中 工具调用 ：AI agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文证明基于DAG的布尔查询评估问题是$\mathbf{P}$-完备的，并提出一种稀疏感知算法ComputePN，通过正负对偶表示和DAG记忆化，将评估时间严格限制在$O(|Q| \cdot |U_{\mathit{active}}|)$，避免指数爆炸和全量扫描。
MONAQ：面向资源受限设备的时间序列分析多目标神经架构查询
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 MONAQ通过多目标神经架构查询框架，结合大语言模型能力，实现对时间序列数据的高效处理与部署，实验表明其模型性能优于传统方法。
Comments EMNLP 2025 (Findings), Project Page: https://kaist-dmlab.github.io/MONAQ
我们能在多大程度上信任LLM搜索智能体？衡量对网络内容操纵的认可脆弱性
机构 * Center of Excellence for Generative AI, KAUST（KAUST生成式人工智能卓越中心） ； Jilin University（吉林大学） ； Zhejiang University（浙江大学） ； The Swiss AI Lab, IDSIA-USI/SUPSI（瑞士人工智能实验室 IDSIA-USI/SUPSI） ； NNAISENSE
专题命中 工具调用 ：agent(abstract)；分类 cs.CL
AI总结 提出SearchGEO框架，通过五类攻击模式和输出级指标评估13种LLM后端对网络内容操纵的认可脆弱性，发现攻击成功率从0%到31.4%不等，且不同后端对攻击模式的敏感性和部署框架的影响存在显著差异。
Comments 23 pages, 3 figures
CONDUCTOR: 一种用于不确定性感知配电网运行的LLM编排数字孪生
专题命中 工具调用 ：tool use(abstract)
AI总结 提出CONDUCTOR，一种基于大语言模型编排的数字孪生系统，用于配电网运行，支持不确定性感知分析（概率安全评估、鲁棒校正调度等），在真实丹麦博恩霍尔姆60 kV配电网测试中，首次任务正确率达98.5%。
基于s(CASP)的复杂自主无人机任务执行与决策
专题命中 工具调用 ：agent(abstract)
AI总结 提出使用s(CASP)回答集编程系统构建符号状态中心的无人机代理，在虚幻引擎5环境中实现基于约束的常识推理，支持多步骤自主行为并动态调整计划，确保决策正确可解释。
SAFARI: 通过主动调查扩展长时域智能体故障归因
机构 * Department of Engineering Sciences（工程科学系） ； Applied Mathematics, Northwestern University（应用数学，西北大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；autonomous agent(abstract)；multi-agent(abstract)
AI总结 提出SAFARI框架，用工具增强的诊断循环替代线性上下文加载，结合短期记忆解耦诊断准确性与上下文限制，在Who&When和TRAIL GAIA数据集上分别提升20%和19%，并在超出上下文窗口5倍时保持0.58精度。
Comments Published at the Second Workshop on Agents in the Wild: Safety, Security, and Beyond (AIWILD) at ICML 2026
智能体模型批判
机构 * Institute of Foundation Models, Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学基础模型研究所） ； School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院）
专题命中 规划决策 ：agent(title,abstract)；AI agent(abstract)；agentic(abstract)；分类 cs.AI、cs.LG
AI总结 本文区分了自动化与智能体，提出真正智能体需内化目标、身份、决策、自我调节和学习等结构，并设计了GIC通用智能体架构。
ATHENA：分层进化数值算法的智能团队
机构 * Division of Applied Mathematics, Brown University（布朗大学应用数学系）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI、cs.LG
AI总结 ATHENA通过知识驱动的诊断流程，实现科学计算与科学机器学习的自动化，结合专家蓝图和组合空间，生成高精度数值解和稳定求解器，达到10^-14的验证误差。
AGORA：基于档案的智能体工作场所文档推理基准
机构 * Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； Shanghai Qiji Zhifeng Co., Ltd.（上海奇绩智峰有限公司）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.CL
AI总结 提出AGORA基准，包含362个问题、8个领域共9664份真实文档（3.72亿词元），要求智能体在超大档案中主动搜索稀疏证据并推理答案，最强模型准确率仅59.4%。
FlowR2A: 学习奖励到动作分布用于多模态驾驶规划
机构 * The University of Hong Kong（香港大学） ； Changan Automobile（长安汽车）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 提出FlowR2A，通过流匹配解码器学习奖励条件动作分布，统一了基于评分和基于锚点的方法，实现密集监督与动态生成，在NAVSIM基准上取得最优结果。
Comments Project page: https://lixirui142.github.io/flowr2a-ad
Project Ariadne: 用于合成规划的提示条件路线生成
机构 * Yale University（耶鲁大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG
AI总结 提出解码器专用路线生成器Ariadne，通过提示-补全序列统一表示目标、约束和路线，在RetroCast/PaRoutes基准上，深度约束和所需叶子约束的Solv-0分别提升13.7和31.2点，推理时间远低于DESP。
Comments Code is available at https://github.com/ischemist/project-ariadne
RIFT-Bench：面向智能体AI系统的动态红队测试
机构 * Fujitsu Research of Europe (FRE)（富士通欧洲研究院） ； Fujitsu Research of India Pvt. Ltd. (FRIPL)（富士通印度私人研究有限公司）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI
AI总结 提出RIFT-Bench，一种基于图表示的动态红队测试方法，用于统一评估异构智能体AI系统的安全性，通过自动发现系统结构并部署自适应对抗攻击。
Comments Preprint
生成式规划模型的高效测试时推理
机构 * University of California, Berkeley（加州大学伯克利分校） ； ETH Zurich（苏黎世联邦理工学院）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出一种改进的开放-封闭列表搜索算法，结合生成模型和启发式模型，在测试时高效推理，提升生成式规划模型的解质量和计算效率。
MuTRAP: 攻击机器人任务规划系统的多触发器木马
机构 * Binghamton University (SUNY)（宾夕法尼亚州立大学布林顿分校）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 提出首个针对LLM辅助机器人任务规划器的多触发器木马攻击MuTRAP，通过少量任务特定参数注入后门，并优化触发器词以激活特定恶意行为，揭示当前基于LLM的规划器的安全漏洞。
Comments Accepted for publication at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
代理时代的多媒体与可视化分析
机构 * University of Amsterdam（阿姆斯特丹大学） ； Czech Technical University in Prague（布拉格捷克技术大学） ； Eindhoven University of Technology（埃因霍温理工大学）
专题命中 规划决策 ：agentic(title)；AI agent(abstract)；分类 cs.AI
AI总结 本文提出一个框架，将多媒体与可视化分析结合，以支持专业用户从大规模多媒体集合中获取可操作见解，实现人类与AI的真正协作。
基于优化的多楼层场景自动驾驶地面车辆安全轨迹规划
机构 * Beijing Institute of Technology（北京理工大学） ； Tsinghua University（清华大学）
专题命中 规划决策 ：planning(title,abstract)
AI总结 提出一种针对多楼层场景的轨迹规划框架，包括基于广义Voronoi图和多目标算法的任务规划模块，以及采用优化方法和热启动分层规划生成高质量轨迹的轨迹规划模块，并通过仿真验证可行性。
NavWM：一种用于前瞻性规划的统一导航世界模型
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beihang University（北京航空航天大学） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
专题命中 规划决策 ：planning(title)；agent(abstract)
AI总结 提出NavWM统一导航世界模型，通过潜在世界令牌提取几何与语义先验，结合锚点多模态轨迹预测框架生成多样化动作空间，利用视觉前瞻评估最优路径，在多种机器人数据集上显著提升未来状态生成与零样本导航成功率。
Comments 13 pages, 5 figures, accepted to ECCV 2026
通用指南驱动图像聚类：基于混合LLM代理
机构 * The University of Texas at Arlington（德克萨斯大学阿灵顿分校） ； Amazon（亚马逊）
专题命中 规划决策 ：agent(title,abstract)
AI总结 提出首个通用图像聚类框架，通过文本指南弥合任务差异，利用生成式概念代理建模和基于最小生成树的LLM遍历，在多种聚类场景中超越专用方法。
Comments CVPR 2026
当检索指标误导：衡量长周期工具使用智能体中的策略信号
机构 * Amazon Web Services（亚马逊云服务）
专题命中 规划决策 ：tool-use(title)；分类 cs.AI、cs.CL、cs.LG
AI总结 研究发现精确匹配的检索召回率会低估下游策略效用，通过分类器实验表明检索到的策略子句与黄金子句在宏F1上无显著差异。
Self-CriTeach: LLM 自我教学与自我批评用于通过自动领域生成提升机器人规划
机构 * Huawei Noah's Ark Lab（华为诺亚实验室） ； University of Toronto（多伦多大学） ； University of British Columbia（不列颠哥伦比亚大学） ； McGill University（麦吉尔大学）
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文提出Self-CriTeach框架，通过LLM自动生成符号规划领域，用于自我教学生成规划问题-计划对及自我批评生成结构化奖励信号，提升机器人规划性能与泛化能力。
Comments International Conference on Machine Learning (ICML) 2026
从分区到节点容量扩展规划：空间聚合对实际测试案例的影响
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文通过加州8000+节点实际电网测试，发现精细空间聚合可近似节点规划，但粗分区模型会导致投资决策严重失真（容量投资不足高达41%）。
Comments 10 pages, 4 figures, 6 tables
ChartWalker: 跨图表RAG任务的基准测试
专题命中 规划决策 ：agent(abstract,abstract_cn)；agentic(abstract)
AI总结 提出ChartWalker框架，通过层次化知识图谱和结构感知采样生成跨图表RAG基准，揭示现有方法性能差距。
分片世界模型：通用智能体的结构化认证
机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen, Shenzhen, China（香港中文大学（深圳）数据科学学院）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 针对通用智能体在大世界场景下无法普遍胜任的问题，提出结构化认证框架，通过深度组合目标过滤特定转移，证明世界模型具有O(1/n)+O(δ)误差界，实现可认证部署。
Comments 30 pages, camera-ready version in ICML 2026
潜在桥：用于实时游戏智能体的连续慢-快通道
机构 * Pine AI ； University of Washington（华盛顿大学）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 针对实时游戏智能体，提出一种可学习的连续潜在桥（Latent Bridge），将慢速推理VLM的残差投影到快速反应VLM的输入嵌入空间，在7个Atari游戏和驾驶域中匹配或超越文本桥，且增益高度可预测。
ReM-MoA：推理记忆维持混合代理的扩展
机构 * University of Southern California（南加州大学） ； Iowa State University（爱荷华州立大学） ； Cisco AI Research（思科人工智能研究院）
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出ReM-MoA框架，通过排名推理记忆和策展多样化记忆路由机制，解决混合代理架构随深度增加性能退化问题，在多个推理基准上持续优于现有方法。
可信AI的密码学有效性证书
机构 * Heriot-Watt University（赫瑞思-瓦特大学）
专题命中 规划决策 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 提出为智能AI系统生成密码学有效性证书，通过将正确性条件编译为多项式约束的见证检查问题，并使用简洁密码学证明系统（可选零知识）来证明条件成立，平衡了源代码形式验证与密码学认证。
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