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。
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。
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
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