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。
TIR-Agent：训练一个探索性且高效的图像修复代理
机构 * Tsinghua University（清华大学） ； China Unicom（中国联通） ； Hunan University（湖南大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
专题命中 工具调用 ：agent(title,title_cn)
AI总结 本文提出TIR-Agent，通过监督微调和强化学习两阶段训练，解决图像修复中任务调度和工具组合的效率问题，实验表明其在多个基准上表现优异且推理速度提升显著。
智能体数据环境
机构 * Columbia University（哥伦比亚大学）
专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；autonomous agent(abstract)；分类 cs.AI
AI总结 探讨智能体数据环境，其作为智能体运行的执行基础，既能增强智能体能力又保障安全。该环境拓宽了智能体运行的数据范围，改变了对数据系统的传统认知，有望在提升智能体效能同时控制故障成本。
Journal ref IEEE Data Bulletin Vol. 50 No. 1 2026
科学机器学习中的物理审核智能发现
机构 * New York University Abu Dhabi（纽约大学阿布扎比分校） ； National Center for Supercomputing Applications, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校国家超级计算应用中心）
专题命中 工具调用 ：agentic(title,abstract)；workflow(abstract)；分类 cs.AI、cs.LG
AI总结 研究针对智能科学机器学习中替代模型选择问题，提出物理审核智能SciML工作流程，先确定评分评估器，推导物理要求并检查候选者输出，搜索违规情况。通过数值示例验证，该方法能选到满足物理条件的替代模型，区别于仅靠综合分数的方法。
物理模型的智能体探索
机构 * Max Planck Institute for the Science of Light（马克斯·普朗克光科学研究所）
专题命中 工具调用 ：agentic(title)；agent(abstract)；tool-use(abstract)；分类 cs.AI
AI总结 提出 SciExplorer 智能体，利用大语言模型工具使用能力，无需领域特定蓝图即可探索未知物理系统，通过实验和观测恢复运动方程和哈密顿量。
Journal ref Maximilian Nägele and Florian Marquardt, 2026 Phys. Rev. X 16, 031002
贫困地图绘制的柏拉图式表示：统一的视觉语言代码还是智能体诱导的新颖性？
机构 * AI and Global Development Lab（人工智能与全球发展实验室） ； Institute for Analytical Sociology（分析社会学研究所） ； Institute of Computer Science（计算机科学研究所） ； Department of Government（政府系）
专题命中 工具调用 ：agent(title,abstract)；AI agent(abstract)；分类 cs.AI
AI总结 研究社会经济指标在卫星图像和网络文本中的信息印记，开发多模态框架经五条管道预测家庭财富，贡献包括融合视觉与文本提升预测、发现部分表示对齐证据、发布大规模多模态数据集。
Comments ICSC 2026
关于使轻量级博弈代理强大的因素的金标准研究
机构 * University of Southern California（美国南加州大学）
专题命中 工具调用 ：agent(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究不完美信息纸牌游戏中使轻量级博弈代理强大的因素，构建专家代理作标准，经超百次运行确定有效因素，添加基线并应用于另一游戏，得出通用方法可训练有竞争力代理且无需专家训练。
Comments 9 pages, 5 figures, 3 tables. Code and models: https://github.com/Nikelroid/adversarial-coevolution
通过LLM引导的基于模型的规划与提示选择进行部分已知环境中的物体搜索
机构 * Department of Computer Science, George Mason University（乔治·马歇尔大学计算机科学系）
专题命中 工具调用 ：planning(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文提出了一种基于LLM的模型规划框架和提示选择方法，用于部分已知环境中的物体搜索。利用LLM估计不同位置搜索目标物体的可能性，并结合环境地图提取的旅行成本，以实现有效的搜索性能。
Comments 10 pages, 8 figures. Accepted to IROS 2026
优化面向基于代理的传染病模拟的干预措施
机构 * University of Rostock（罗斯托克大学） ； University of Münster（明斯特大学） ； Stanford University（斯坦福大学）
专题命中 工具调用 ：agent(title,abstract)；分类 cs.AI
AI总结 本文提出ADIOS系统，利用语法引导遗传编程优化基于代理的传染病模拟中的非药物干预措施，通过领域特定语言和约束减少搜索空间，提升优化效率。
从原子动作到标准操作程序：自进化语言模型智能体的迭代工具优化
机构 * Renmin University of China（中国人民大学） ； Alibaba Group（阿里巴巴集团）
专题命中 工具调用 ：agent(abstract)；tool-use(abstract)；workflow(abstract)；分类 cs.AI、cs.CL
AI总结 研究针对现有LLM智能体框架问题，提出将原子动作合成SOP实现自进化，介绍EvoSOP框架，经实验验证该框架能显著提升任务成功率、减少交互轮数，为自进化智能体开发提供可扩展路径。
迈向可靠的空地车辆协作：用于实地部署的集成规划与自主框架
机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； DEVCOM Army Research Laboratory（陆军研究实验室）
专题命中 工具调用 ：planning(title,abstract)
AI总结 研究针对无人机长时间任务飞行续航受限问题，提出集成规划与自主框架。通过深度强化学习规划器解决协同路由问题，引入标准化API弥合规划与执行差距，还有轻量级重新规划器，经实验验证系统在动态任务中有强大协同导航和适应性。
人工智能代理中的安全退化
专题命中 工具调用 ：AI agent(title,abstract)
AI总结 研究人工智能代理安全问题，通过对审查和未审查的语言模型及人工智能代理广泛基准测试，发现随着检索访问扩展，模型出现安全退化现象，基于对齐语言模型构建的支持检索的代理更不安全，强调需缓解策略确保其公平性和可靠性。
在进行网格搜索之前先思考：大语言模型服务的楼层优先分类法
机构 * NVIDIA
专题命中 工具调用 ：agent(abstract)；workflow(abstract)；agentic(abstract)；分类 cs.AI
AI总结 研究大语言模型服务优化，提出楼层优先分类法，基于残差构建五维资源向量，通过墙排序比较部署方案，以案例分析模型在特定GPU上的情况，揭示布局判断与操作点的关系及不同布局差异的原因。
Comments 16 pages, 3 figures
想得大，搜得小：分层搜索智能体中容量的关键所在？
机构 * School of Data Science and Engineering（数据科学与工程学院）
专题命中 工具调用 ：agent(abstract)；multi-agent(abstract)；分类 cs.CL
AI总结 研究基于大语言模型的分层搜索智能体中模型容量分配问题，通过角色分解和受控容量扫描实验，发现容量敏感性不对称，分解是瓶颈，还给出了集中容量于委托、缩减执行容量且不牺牲精度的构建分层搜索智能体方法。
Comments 21pages
大语言模型中的未来置信度蒸馏
专题命中 工具调用 ：tool use(abstract)；分类 cs.AI、cs.CL
AI总结 研究大语言模型置信度估计，通过比较解决问题前后的置信度，发现其在回答过程中演变。基于此引入未来置信度蒸馏，用解决问题后的置信度估计训练解决问题前隐藏表征的预测器，实现可靠且低成本的置信度估计。
Comments 16 pages, 5 figures
通过模拟部署预测大语言模型发布前的安全性
机构 * OpenAI（开放人工智能研究公司）
专题命中 工具调用 ：tool-use(abstract)；分类 cs.AI、cs.LG
AI总结 研究通过模拟部署预测大语言模型发布前安全性的方法，从去识别化对话出发，固定前缀用候选模型生成回复来评估。该方法能估计行为不当率，优于基线，还能克服工具重新采样挑战，为外部研究提供途径，助力预测模型现实行为及评估部署风险。
Comments 31 pages
通过安全感知工具描述减轻MCP服务器中的污点式漏洞
专题命中 工具调用 ：autonomous agent(abstract)；分类 cs.SE
AI总结 研究MCP服务器污点式漏洞，提出SPELLSMITH，通过分析服务器高风险能力，结合工具描述等识别潜在风险，利用协议属性和大语言模型自我反思能力迭代优化输出，有效减轻污点式漏洞利用。
RIMRULE：通过MDL引导的规则学习改进使用工具的语言智能体
机构 * Intuit AI Research（Intuit AI研究）
专题命中 工具调用 ：tool-use(abstract)；分类 cs.CL
AI总结 研究针对大型语言模型在特定领域使用工具的难题，提出RIMRULE神经符号方法，通过从失败轨迹提炼规则并用MDL目标巩固，以动态注入规则提升性能，实验证明该方法能提高工具使用准确性，且规则具有跨架构可移植性。
Comments Published as a long paper in the main conference of ACL 2026
基于基于检索增强生成的记忆和多模态教练代理的端到端大语言模型飞行规划
机构 * George Washington University（乔治华盛顿大学） ； Metis Solutions Technology Inc
专题命中 规划决策 ：agent(title,abstract)；planning(title,abstract)；分类 cs.AI
AI总结 针对电动垂直起降飞机部署中传统飞行规划算法难以融入人类偏好的问题，提出FRAMe工具，集成规划器LLM、多模态教练代理和基于RAG的记忆，在多场景演示中效果最佳，能将自然语言指令转化为优质飞行路线。
Comments Accepted at the ICML 2026 LM4Plan Workshop
多任务智能强化学习的熵步长策略优化
机构 * Generative AI Lab, College of Computing and Data Science, Nanyang Technological University（生成式人工智能实验室，南洋理工大学计算与数据科学学院） ； Tongyi Lab, Alibaba Group（阿里集团通义实验室）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.LG
AI总结 研究多任务智能强化学习中任务间探索-利用步长不匹配问题，提出熵步长策略优化（EPPO），核心是任务级动态裁剪机制，实验证明EPPO在多任务智能基准上结果优于同类方法。
迈向智能体人工智能治理：初步评估
机构 * School of Information Sciences, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校信息科学学院）
专题命中 规划决策 ：agentic(title,abstract)；planning(abstract)；分类 cs.AI
AI总结 本文针对智能体人工智能快速发展带来的新挑战，对其治理新兴文献做系统综述，分析其与传统系统不同的特征及治理需求，综合治理重点、机制和利益相关者角色，为制定指导智能体人工智能治理的路线图奠定基础。
Comments International Conference on the AI Revolution: Research, Ethics, and Society (AIR-RES 2026)
用于ARC-AGI-1上抽象推理和泛化的经济高效智能体框架
机构 * Dartmouth College（达特茅斯学院）
专题命中 规划决策 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI
AI总结 研究ARC-AGI-1上在严格预算下非思考模式的开放权重模型，构建智能体框架，包括探索者-定义者管道和反思协调器，通过特定架构提升基线成绩，分析了管道特性，确定思考工具是重要组件。
用于智能强化学习的单步异步优化
机构 * Tsinghua University（清华大学）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究针对异步强化学习中训练稳定性和离策略挑战，提出单步异步优化（SAO）。核心方法是用单步采样取代分组采样，改进单步策略并引入裁剪策略。主要贡献是SAO训练稳定，性能优于GRPO及其变体，在模拟在线学习中有效且成功部署于模型训练。
自反游戏与迁移及社会资源空间异质性
专题命中 规划决策 ：agent(summary_cn,abstract)
AI总结 本文提出一个包含 agent 迁移和资源分布空间异质性的自反博弈模型，探讨迁移和资源分配条件对自反动态的影响，发现总资源恒定时相似资源水平抑制自反，而总资源增加会加剧自反，并识别努力比和效用乘数的阈值效应。
Comments 20 pages, 7figures
从噪声轨迹到根本原因：用于智能体优化的结构轨迹分析和因果提取
机构 * Microsoft Research（微软研究院） ； University of Chinese Academy of Sciences（中国科学院大学）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.CL
AI总结 研究针对长期智能体优化中实际执行轨迹难直接用于优化的问题，提出STRACE框架。该框架在批次和轨迹内分别进行故障模式挖掘与因果定位，去除冗余和非因果步骤，实验表明其显著优于基线，提升了智能体优化成功率。
基于代理建模中的大语言模型驱动推理
机构 * ORNL（橡树岭国家实验室）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI
AI总结 研究针对传统基于代理建模（ABM）依赖静态先验无法适应实时变化的问题，提出利用大语言模型（LLMs）的可扩展混合代理和语言驱动的流行病（HALE）建模框架，并通过模拟COVID-19验证其可行性。
基于大语言模型生成启发式策略的后继生成器规划
机构 * Computer Science Department, Bar-Ilan University（巴伊兰大学计算机科学系）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 研究借助大语言模型，从规划任务中生成特定问题启发式函数并集成到搜索算法。该方法在多规划基准测试中性能优异，还能解决传统形式难表达的问题，经评估展现出有效性。
MMAgent-R$^2$：用于智能mRAG的重排与拒绝学习
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, CASIA（中国科学院复杂系统管理与控制国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Beijing Key Laboratory of Super Intelligent Security of Multi-Modal Information（北京多模态信息超智能安全重点实验室） ； WeChat Vision, Tencent Inc.（腾讯微信视觉团队） ； PeopleAI Inc.（人智公司） ； School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院）
专题命中 规划决策 ：agentic(title,abstract)
AI总结 针对KB-VQA中现有mRAG方法在处理视觉相似实体时的不足，提出MMAgent-R$^2$框架，集成视觉重排和主动拒绝机制，设计复合奖励函数，经GRPO训练实现联合优化，实验证明其在多任务中性能达最优。
Comments Accepted by ECCV 2026
LAMP: 杂乱空间中多机器人协作的长时域自适应操作规划
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
专题命中 规划决策 ：planning(title,abstract)
AI总结 提出LAMP框架，结合学习生成的操作模型与两种规划器（LAMPA*和LAMP-Lazy），实现多机器人在密集杂乱环境中的长时域协作操作规划，解决现有方法无法处理的复杂任务。
Comments IROS 2026
通过主动空间大脑和可泛化动作小脑的人形全身 manipulation
机构 * School of Computer Science（计算机科学学院） ； Engineering, Sun Yat-sen University（工程学院，中山大学）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 本文提出了一种通用的人形 locomotion-manipulation 框架，通过主动空间大脑和可泛化动作小脑来解决复杂3D环境中空间理解困难和动作生成泛化困难的问题，展示了在多种任务和环境中的强性能。
Comments Project page: https://leungchaos.github.io/Humanoid-Whole-Body-Manipulation-via-Active-Spatial-Brain-and-Generalizable-Action-Cerebellum/
Danus：利用事实图内存编排数学推理智能体
机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Beijing International Center for Mathematical Research, Peking University（北京大学北京国际数学研究中心） ； Research Institute for Mathematical Sciences, Kyoto University（京都大学数理解析研究所） ； School of Mathematics, Tianjin University（天津大学数学学院） ； Zhongguancun Academy（中关村科学院） ； Department of Mathematics, Stanford University（斯坦福大学数学系） ； Westlake Institute for Advanced Study, Westlake University（西湖大学西湖高等研究院） ； School of Mathematical Sciences, Key Laboratory of Intelligent Computing and Applications (Ministry of Education), Tongji University（同济大学数学科学学院（教育部智能计算与应用重点实验室）） ； Beijing International Center for Mathematical Research and the New Cornerstone Science Laboratory, Peking University（北京大学北京国际数学研究中心与新基石科学实验室） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； Center for Intelligent Computing, Great Bay Institute for Advanced Study, Great Bay University（大湾区大学高等研究院智能计算中心）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI、cs.CL
AI总结 本文针对基于大语言模型的数学推理智能体扩展和编排难题，提出以共享事实图为全局内存管理机制的Danus系统，由主智能体、工作智能体和验证器构成，通过案例研究评估，展示其构建长证明的能力，为长期研究问题提供有效编排途径。
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