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。
利用驱动冗余进行高保真 3D 重建的过驱动水下航行器的干扰感知运动规划
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
专题命中 规划决策 ：planning(title)
AI总结 研究水下机器人驱动对感知的影响，利用过驱动平台冗余，通过搜索零空间最小化目标区域干扰，采用基于致动盘理论的尾流代理及冗余解决分配器，降低粒子速度，提高 3D 重建精度，支持自主扫描与辅助检查。
EvoPlan：具有时空保证的进化神经符号机器人规划
机构 * Texas A&M University（德克萨斯农工大学）
专题命中 规划决策 ：planning(title)
AI总结 研究针对基于LLM的机器人规划器不足及经典PDDL规划器问题，提出含离线STL约束挖掘、进化PDDL规划器和受约束执行循环的神经符号框架，能保证计划属性，在基准测试中表现良好且可在无云环境下部署。
通过有限自动机上的高效推理实现扩散语言模型的约束解码
机构 * Stanford University（斯坦福大学）
专题命中 规划决策 ：planning(abstract)；function calling(abstract)；分类 cs.LG
AI总结 研究扩散语言模型的约束解码问题，提出基于有限自动机高效推理的算法，能保证约束满足，支持多种解码方式，经实验验证在多种任务上提升准确率且推理开销小。
拟阵的切线类与美妙紧化
机构 * Stanford University（斯坦福大学）
专题命中 规划决策 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 本文针对无环拟阵 \(M\) 及特定构建集 \(\mathcal{G}\) 构造整切线类 \(T_{M,\mathcal{G}}^{\mathbb{Z}}\)，可恢复周环希尔伯特级数等。主体由人工智能达努斯自主生成，在相关论文公开前解决问题，展现了AI在数学研究中的潜力。
Comments v2: added reference to Danus report [Liu et al., arXiv:2607.06447] and minor edits
CoMind：从多视角理解人类协作活动
机构 * ETH Zurich（苏黎世联邦理工学院） ； MPI for Informatics（马克斯·普朗克信息研究所） ； Microsoft Switzerland（微软瑞士公司） ； TU Munich（慕尼黑工业大学）
专题命中 规划决策 ：agent(abstract)；planning(abstract)
AI总结 研究旨在填补人类协作认知过程研究空白，引入CoMind数据集，整合多模态数据并标注，建立相关基准，有助于开发和评估能建模复杂社会互动及推理人类行为的AI系统。
Comments Accepted to ECCV 2026
撒更宽的网：面向代码推理的协调 Pass@K 策略优化
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； NVIDIA Research（英伟达研究）
专题命中 规划决策 ：planning(abstract,comments)；分类 cs.AI、cs.CL
AI总结 提出协调 Pass@K 策略优化 (CPPO)，通过规划器生成多种策略并协调求解器尝试，以解决代码生成中重复采样导致冗余推理路径的问题，在多个基准上显著提升 pass@4。
Comments Code reasoning; pass@K optimization; coordinated planning; verifiable rewards; strategy diversity
用于蜂窝流量预测的具有峰值增强的多模态时空频率融合
机构 * Xinjiang University（新疆大学） ； College of Geography and Remote Sensing Sciences, Xinjiang University（新疆大学地理与遥感科学学院）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 针对蜂窝网络流量预测难题，提出MSPF-Net框架，它集成外部上下文信息，含时空频率流量编码器、峰值增强模块等，能联合建模流量动态、突发模式和新闻上下文信号，实验证明可有效提升预测性能。
Comments Accepted in the 2026 IEEE International Conference on Systems, Man, and Cybernetics (SMC)
在RLVR中用合成增强替代人工策展
机构 * Pareto AI
专题命中 规划决策 ：agentic(abstract)；分类 cs.AI、cs.LG
AI总结 研究通过预指定、门控过滤的增强任务替代人工策展任务，在RLVR中实现成本效益权衡，并保持泛化性能。
Comments 21 pages, 5 main-text figures, 4 appendix figures. Preprint
CarbonCLIP：通过集成街景语义和时间上下文训练增强卫星图像的碳排放预测
机构 * Energy Research Institute at NTU（国立理工学院能源研究所） ； Interdisciplinary Graduate Programme（跨学科研究生项目） ； School of Electrical and Electronic Engineering（电气电子工程学院） ； School of Public Administration and Policy（公共管理与政策学院） ； Asian School of the Environment（亚洲环境学院） ； Center for Climate Change and Environmental Health（气候变化与环境健康中心）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 针对城市碳排放预测难题，CarbonCLIP提出多模态蒸馏框架，通过双分支对比学习，利用街景语义和时间上下文训练增强卫星图像碳排放预测，实验证明该方法优于基线，为卫星碳建模提供有力支持。
Comments Accepted by IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 21 pages, 6 figures, 9 tables
利用模型预测控制思想的安全强化学习
机构 * Salzburg University of Applied Sciences（萨尔茨堡应用科学大学） ； Paris Lodron University of Salzburg（萨尔茨堡巴黎洛德伦大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.LG
AI总结 针对强化学习在安全约束方面的挑战，提出结合深度强化学习与模型预测控制的通用框架，利用系统动力学模型定义可行状态 - 动作空间，经安全过滤器投影动作，在实验室试验台验证该方法可成功探索并稳定收敛。
Comments Accepted at Eurocast 2026
评估用于计算和实验数学的SageMath增强型大语言模型智能体
机构 * The Sage Developers（Sage开发者团队）
专题命中 规划决策 ：agentic(abstract)；分类 cs.AI
AI总结 研究聚焦AI在数学领域进展，提出结合大语言模型推理与SageMath反馈的智能体设置，改进RealMath基准。实验表明该设置能提升模型性能，缩小模型差距，CAS增强型智能体在计算探索上有潜力，朝自动猜想发现迈进。
Comments 37 pages, 16 figures, accepted to 3rd AI for Math Workshop at ICML 2026
线性回归中近视贝叶斯主动学习风险的近似率
机构 * School of Computer Science（计算机科学学院） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 研究线性回归中近视贝叶斯主动学习风险的近似率，核心方法是证明贪心算法风险的近似率，主要贡献是得出该近似率在最大初始杠杆得分上线性相关，并通过数值模拟说明结果。
使用生成对抗网络和基于图像的表示创建配电网布局
机构 * School of Engineering (ICAI), Comillas Pontifical University（工程学院（ICAI），卡利斯大学） ； Institute for Research in Technology (IIT), School of Engineering (ICAI), Comillas Pontifical University（技术研究所（IIT），工程学院（ICAI），卡利斯大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 研究提出基于生成对抗网络的框架，用基于图像的表示创建配电网布局，通过GIS数据集准备、GAN架构设计等进行训练，能再现馈线拓扑并与地理结构对齐，构成现有方法的数据驱动补充，为新区域电气化布局提供思路。
Comments 8 pages
HiFuzz：用于语义感知和自适应CPU模糊测试的分层强化学习
机构 * Hong Kong University of Science and Technology (HKUST), Hong Kong（香港科技大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.LG
AI总结 针对传统变异模糊测试在处理器验证中效率低的问题，提出HiFuzz框架，采用分层强化学习及结构化生成过程，集成自适应机制与编码器，经实验验证，该框架在覆盖率和漏洞检测上显著优于现有工具。
Comments Accepted by the 2026 IEEE International Test Conference (ITC 2026)
Psy-Chronicle: 一个用于合成长周期校园心理辅导对话的结构化流水线
机构 * University of Science and Technology Beijing（北京科技大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.CL
AI总结 本文提出Psy-Chronicle，一种结构化数据生成框架，用于合成长周期校园心理辅导对话，通过生成学期跨度的时间压力事件图和学生与辅导员代理的交互模拟，构建了包含100个学生档案和9万条对话的CPCD数据集，并通过CPCD-Bench评估模型的长周期校园辅导能力，实验结果表明CPCD有效提升了模型的会话级响应生成和长周期记忆召回能力。
LHM-Humanoid：学习一种统一的政策以在多样化的混乱环境中实现长视距人形全身体术操作
机构 * The University of Manchester（曼彻斯特大学） ； X-Humanoid ； Peking University（北京大学） ； University of Hong Kong（香港大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI
AI总结 LHM-Humanoid通过统一政策实现人形在复杂环境中长视距全身体术操作，结合强化学习与知识蒸馏，提升跨场景泛化与鲁棒性。
回答之前先解释：组合视觉推理综述
机构 * Monash University（墨尔本大学） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； Griffith University（格里菲斯大学） ； Princeton University（普林斯顿大学） ； Allen Institute for Artificial Intelligence（人工智能研究院）
专题命中 规划决策 ：agentic(abstract)；分类 cs.AI
AI总结 综述2023年至2025年组合视觉推理文献，形式化核心定义，追溯范式转变，编目基准指标，提炼见解、识别挑战并概述方向，为该领域提供统一分类、历史路线图和批判性展望。
Comments Project Page: https://github.com/pokerme7777/Compositional-Visual-Reasoning-Survey
基于模型的强化学习控制反应扩散问题
机构 * Universidad Politécnica de Madrid（马德里理工大学） ； IMDEA Materials Institute（IMDEA材料研究所）
专题命中 规划决策 ：agent(abstract)；分类 cs.LG
AI总结 本文提出了一种基于模型的强化学习方法，用于解决反应扩散问题中的初始边界值问题，通过引入新的奖励函数和随机策略梯度方法，实现了对热力和疾病传播的控制。
Comments 23 pages, 12 figures
Journal ref Optimal Control Applications and Methods, 45(6):2897-2914 (2024)
基于物理引导微调大语言模型的定制化配电网馈线生成框架
专题命中 规划决策 ：agent(abstract)
AI总结 针对配电网馈线模型获取难问题，提出基于大语言模型的合成馈线生成框架。通过监督微调、组相对策略优化及双智能体架构，实现从自然语言到物理一致馈线模型的端到端生成，所生成馈线具备多种优势。
将错误信息建模为公共资源问题
专题命中 规划决策 ：agent(abstract)
AI总结 研究将错误信息建模为公共资源问题，提出基于主体模拟方法，把信任当集体资源、注意力当稀缺预算。实验产生四种模式，结果区分出两个控制问题，为干预措施对比实验提供平台，有助于解决信任恢复和结构条件问题。
Comments 13 pages, Accepted at the Annual Modeling and Simulation Conference 2026
Journal ref Proc. of the 2026 Annual Modeling and Simulation Conference (ANNSIM'26)
HTC-SGA Former: 一种结合自引导注意力与新型边界加权自适应损失的混合Transformer-CNN网络用于冠状动脉DSA血管分割
机构 * Shenzhen Institutes of Advanced Technology (SIAT)（深圳先进技术研究院） ； University of Chinese Academy of Sciences (UCAS)（中国科学院大学） ； Department of Biomedical Engineering and Systems, Faculty of Engineering（工程学院生物医学工程与系统系） ； Cairo University（开罗大学）
专题命中 规划决策 ：planning(abstract)
AI总结 提出HTC-SGA Former混合网络，通过CNN编码器提取局部血管形态、Transformer解码器建模上下文、MS-GLWA模块实现全局-局部注意力、SGFA模块增强弱血管响应及BWACL损失函数优化边界，在0.81M参数下超越14种方法，提升细血管恢复与连续性。
Comments 20 pages, 10 figures, 3 tables. Submitted for journal review
X-Foresight：一种通过预测世界建模的联合视觉-动作因果预测网络
机构 * PWM Team（PWM团队） ； XPeng Inc.（XPeng公司）
专题命中 规划决策 ：planning(abstract)
AI总结 提出X-Foresight，一种将预测世界模型直接集成到VLA架构中的方法，通过长程分块自回归策略和课程学习，联合学习世界建模与实时动作控制，以解决视频预测中的低熵冗余和长程因果建模难题。
如果呢？基于世界模型的仿真模拟用于情境推理
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Hunan University（湖南大学） ； ETH Zürich（苏黎世联邦理工学院） ； INSAIT, Sofia University ``St. Kliment Ohridski''（INSAIT，索菲亚大学『圣克莱门特·奥赫里迪斯』） ； RAI Institute（RAI研究所）
专题命中 规划决策 ：agent(abstract)
AI总结 提出WanderDream数据集，利用世界模型进行心理探索的仿真模拟，使代理无需主动探索即可回答空间假设问题，实验证明心理探索对情境推理至关重要。
Comments Accepted at ECCV 2026. The data and code are available at: https://github.com/RuipingL/WanderDream
基于轨迹评分器的零人类示范端到端自动驾驶
机构 * Institute of Trustworthy Embodied AI（可信具身人工智能研究所） ； Fudan University（复旦大学） ； Shanghai Key Laboratory of Multimodal Embodied AI（上海多模态具身人工智能重点实验室） ； NVIDIA ； University of Michigan（密歇根大学） ； East China Normal University（华东师范大学）
专题命中 规划决策 ：planning(abstract)
AI总结 研究提出ZTRS，一种基于强化学习的端到端自动驾驶规划范式，仅依靠真实世界图像和规则奖励训练，无需人类示范。通过详尽策略优化，能更好推广到长尾驾驶场景，在相关数据集上展现出优于模仿学习方法的性能。
一种用于移动枢纽影响评估和选址的数据融合方法：将枢纽使用数据整合到大规模出行选择模型中
专题命中 规划决策 ：planning(abstract)
AI总结 本文提出一种数据融合方法，将移动枢纽使用数据整合到大规模出行选择模型中，评估枢纽对出行需求、出行方式转换、减少车辆行驶里程和增加消费者剩余的影响。
Journal ref Transportation Research Part A, 211 (2026), 105138
估计矩的信息量
专题命中 规划决策 ：planning(abstract)
AI总结 本文提出了一种衡量矩对参数估计精度贡献的指标，通过实例展示了其在夫妻联合退休规划模型中的应用，发现闲暇的互补性证据。
SpaCellAgent：一种基于自进化大语言模型的轨迹分析多智能体框架
机构 * University of Shanghai for Science and Technology（上海理工大学） ； National University of Defense Technology（国防科技大学） ； Hong Kong Baptist University（香港浸会大学） ； Shanghai University of Finance and Economics（上海财经大学） ； Tsinghua University（清华大学） ； Beihang University（北京航空航天大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；workflow(abstract)
AI总结 研究针对轨迹推断现有方法需大量人工干预的问题，提出基于大语言模型的多智能体框架SpaCellAgent，利用多智能体架构、动态工具编排引擎和自进化模块，经实验验证其能大幅提高分析效率，推动先进时空建模民主化。
Comments 27 pages, 19 figures
用于鲁棒多机器人操作的闭环多智能体框架
机构 * Sun Yat-sen University（中山大学） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education, China（教育部机器智能与先进计算重点实验室） ； Imperial College London（帝国理工学院） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Shenzhen Loop Area Institute（深圳河套学院）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title)；tool use(abstract)；planning(abstract)
AI总结 针对多机器人操作中高级推理应用于实际执行的挑战，提出基于分层闭环智能体的LLM框架，含规划、操作、验证智能体。经实际实验验证，该框架成功率高、适应性强，为多样操作任务提供可推广方法。
Comments RSS 2026
基于机载视觉语言模型的多智能体机器人控制
机构 * Faculty of Mathematics and Information Science, Warsaw University of Technology（华沙技术大学数学与信息科学学院）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)
AI总结 研究针对视觉语言模型用于机器人控制的挑战，提出多智能体系统架构，在机载硬件部署智能体，用紧凑型VLMs并经微调及新型编排智能体，经硬件在环模拟验证，证明该机载架构可行高效，有实际应用潜力且模拟环境已开源。
Comments 6 pages, 2 figures, accepted to 24th International Conference on Practical applications of Agents and Multi-Agent Systems (PAAMS'26)
机构红队测试：部署规则而非模型，因果性地塑造多智能体人工智能安全
机构 * Massachusetts Institute of Technology（麻省理工学院）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；workflow(abstract)；分类 cs.AI
AI总结 研究多智能体人工智能安全中部署规则的影响，提出机构红队测试方法，通过IABench-CA实例化，发现规则改变集体安全、无安全默认规则、身份显著性是机制，还打包成安全案例工作流程认证规则区域并明确风险义务。
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