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。
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
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
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。
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
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
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。
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/
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
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
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
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
TeamTR: 用于多智能体大语言模型协调的信赖区域微调
机构 * Department of Electrical \& Computer Engineering, University of Arizona ； Engineering College, Soochow University ； INSAIT, Sofia University "St. Kliment Ohridski" ； Department of Electrical ； Computer Engineering, Stony Brook University
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG
AI总结 本文提出TeamTR，通过信赖区域框架在每个组件更新后重采样轨迹并控制每个智能体的发散度，解决多智能体系统中因上下文分布变化导致的性能下降问题，实验表明其在协调回归抑制和组件替换支持方面优于单智能体和序列基线。
Comments 9pages, Accepted at ICML2026
HiDVFS：用于实时OpenMP DAG工作负载的分层多智能体DVFS
机构 * Department of Computer Science Wayne State University（计算机科学系 温尼耶萨大学） ； Department of Computer Science University of Texas at Dallas（计算机科学系 德克萨斯大学达拉斯分校） ； Department of Computer Science Iowa State University（计算机科学系 俄克拉荷马州立大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 研究针对多核嵌入式系统中DVFS调度问题，提出HiDVFS分层多智能体DVFS调度器，通过多智能体协作及相关训练方法，兼顾截止期限和热限制，在多平台验证中取得较好的完成时间、加速比及能耗降低效果。
Comments 52 pages, 24 figures, 32 tables (supplement included as appendices). Under review at IEEE TPDS. v2: fairness-corrected GearDVFS baseline with fair-port study, multi-seed same-window re-measurement and full number audit, 12-benchmark BOTS evaluation, real-time evaluation (feasibility gate, conformal shield, mixed-criticality). Data: https://doi.org/10.5281/zenodo.21212162
ContestTrade：一种基于内部竞争机制的多智能体交易系统
机构 * Stepfun ； FinStep
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.CL
AI总结 针对基于LLM的智能体在金融交易中决策受市场信息影响的问题，提出ContestTrade多智能体交易系统，通过“量化 - 预测 - 分配”竞争机制及两个专业团队协作，在A股回测中取得较好收益和风险调整绩效。
当推理模型损害行为模拟：多智能体大语言模型谈判中的求解器-采样器不匹配
专题命中 多智能体 ：agent(title,comments)；multi-agent(title,comments)；分类 cs.AI、cs.LG
AI总结 研究指出推理增强模型在模拟行为时可能表现不佳，通过三个多智能体谈判环境实验发现，有界推理能产生更多样且妥协导向的轨迹，强调模拟应将模型视为采样器而非求解器。
Comments 20 pages, 2 figures. Substantially revised. Formerly titled "When Reasoning Models Hurt Behavioral Simulation: A Solver-Sampler Mismatch in Multi-Agent LLM Negotiation"
异步软件工程代理的有效策略
机构 * Carnegie Mellon University, Language Technologies Institute（卡内基梅隆大学，语言技术研究所）
专题命中 多智能体 ：agent(abstract)；AI agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出CAID框架，通过集中任务委派、异步执行和隔离工作区三个核心SWE原语，提升多代理协作效率，在论文复现和Python库开发任务中分别提升26.7%和14.3%的准确性。
SycoEval-EM：急诊护理模拟临床场景中大语言模型的谄媚评估
机构 * UNC Chapel Hill（UNC夏洛特山分校） ； University of Waterloo（滑铁卢大学） ； Stanford University（斯坦福大学）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出SycoEval-EM多智能体模拟框架，评估19个LLM在急诊医学中对患者说服的鲁棒性，发现谄媚率呈双峰分布，静态医学基准无法预测安全表现。
Comments 19 pages, 10 figures
通过在线凸优化实现分布式动态关联记忆
机构 * Department of Engineering, King’s College London（伦敦国王学院工程系） ； Communication Systems Department, EURECOM（EURECOM通信系统部） ； Institute for Intelligent Networked Systems (INSI) at Northeastern University London（伦敦东北大学智能网络系统研究所）
专题命中 多智能体 ：agent(abstract)；分类 cs.LG
AI总结 研究将关联记忆扩展到多智能体及时变数据流场景的分布式动态关联记忆问题，提出基于树的分布式在线梯度下降算法DDAM-TOGD，推导其性能保证并引入优化策略，实验证明该框架在动态分布式环境中有更高准确性和鲁棒性。
人在环路的金块标注：用于可问责的LLM作为评判者评估
专题命中 工作流自动化 ：agent(abstract_cn)；workflow(abstract)；agentic(abstract)
AI总结 提出一种原型标注工具，通过人类识别信息金块、LLM进行匹配的分工方式，实现高效且可问责的AI系统评估。
当摘要扭曲决策：LLM压缩财务分析中的信息保真度
机构 * UNIST（全纳科学技术大学） ； LG AI Research（LG人工智能研究） ； Sungkyunkwan University（成均馆大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； J.P. Morgan Chase（摩根大通） ； State Street（州立银行） ； University of Edinburgh（爱丁堡大学） ； University of Florida（佛罗里达大学） ； BlackRock（黑石） ； LinqAlpha
专题命中 工作流自动化 ：agentic(abstract)；分类 cs.AI
AI总结 研究LLM压缩财务信息时因丢失决策相关上下文导致投资判断改变的问题，提出通过生成多个候选压缩并审计分歧的代理上下文压缩方法。
Comments Preprint
嵌入优化的主动多保真度代理学习用于多条件机翼形状优化
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG
AI总结 本文提出一种嵌入优化的主动多保真度代理学习方法，用于多条件机翼形状优化，通过低保真度模型和高保真度模拟的结合，减少计算流体力学成本并保持RANS精度。
Comments 24 pages, 18 figures
基于DAG的QoS感知动态任务放置用于网络化多阶段控制流水线
机构 * Deakin University, Australia（德坎大学，澳大利亚） ； RMIT University, Vietnam（皇家墨尔本理工大学，越南） ； University of Navarra, Spain（纳瓦拉大学，西班牙） ； Swinburne University of Technology, Australia（斯威本科技大学，澳大利亚）
专题命中 工作流自动化 ：planning(abstract)
AI总结 本文提出一种基于DAG的QoS感知动态任务放置框架，用于网络化机器人中的感知-感知-规划-控制流水线，通过动态任务放置优化计算、通信延迟和任务放置集，解决传统静态边缘卸载和单阶段模型的不足。
Comments 5 pages, 1 figure, 1 table, 1 algorithm, accepted paper on the 24th IEEE International Conference on Industrial Informatics (INDIN), 26-29 July, 2026, Melbourne, Australia
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