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。
基于证据的可验证智能推理：通过工具验证内核证明消除经验推理中语言模型幻觉的途径
专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI、cs.LG、cs.SE
AI总结 研究旨在消除语言模型经验推理中的幻觉，提出基于Lean 4的EG-VAR工具调用架构，通过工具验证公理等生成可验证声明，经实验在数值推理等测试中表现良好，定位为高风险经验声明的技术治理接口，可审计相关条件并转化错误为审计目标。
Comments Accepted at the ICML 2026 TAIGR workshop. System name: EG-VAR
有限容量下的选择：作为信息通道的有限理性主体与瓦尔拉斯需求的恢复
专题命中 工具调用 ：agent(title,abstract)
AI总结 研究将购物者建模为有限信息通道，其选择是概率分布。核心方法是分析购物者需求对价格变化的反应模式，主要贡献是揭示其反应模式的对称性及需求受预算和压缩影响，而非理性，还涵盖了有限容量策略的人工主体并给出两商品二次型消费者的封闭形式解。
Comments 27 pages, Keywords: bounded rationality, rational inattention, rate distortion, discrete choice, demand theory, Slutsky equation, information theory
代理式商业的代理程度如何？x402采用情况与真实性的大规模测量
专题命中 工具调用 ：agentic(title)；AI agent(abstract)
AI总结 研究x402协议在商业中的代理程度，通过链上事件识别结算并确定真正付款人，对Base上的x402进行大规模测量，发现诸多问题，指出结算数量衡量的是可制造性而非采用情况。
软件供应链已死：面向用例的再生
专题命中 工具调用 ：workflow(abstract)；agentic(abstract)；分类 cs.SE
AI总结 研究现代软件开发中构建与复用权衡因软件供应链攻击及生成式人工智能而改变，提出面向用例的再生范式，评估智能工作流程，通过对180个存储库-依赖对测量，证明该方法可行，推动软件采购向可验证的特定于存储库的代码合成发展。
Comments [ESEM'26-ERVR] Proceedings of the 20th International Symposium on Empirical Software Engineering and Measurement (ESEM 2026 Emerging Results, Vision, and Reflection Papers)
4B 设备上的深度研究：曝光界限忠实度、检索界限覆盖率
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 该研究聚焦 4B 设备上深度研究，区分引用主张忠实度与可信覆盖率两个量，通过交叉对比来源字符数和质量，发现曝光决定忠实度，检索决定覆盖率，提出先提高曝光再调控检索召回率的实际方法。
Comments 13 pages, 2 figures, appendix
迈向自我进化智能体：一种受人类启发的遗传网络编程自适应探索-利用框架
专题命中 工具调用 ：agentic(abstract)；分类 cs.AI
AI总结 该研究受人类发育模式启发，提出人类启发的遗传网络编程（HGNP）框架，通过新型自适应交叉、变异算子及循环消除机制，动态调节遗传网络编程中探索与利用的平衡，提升了智能体策略性能，且可应用于多种GNP变体。
测量已发表分子对接声明的可重新执行性
专题命中 工具调用 ：agent(abstract)
AI总结 研究探讨已发表分子对接声明的可重新执行性，引入MERS-Dock及可执行性阶梯，通过对236篇相关论文审核发现可执行性低，验证审核并分析结果，表明再现差距是几何效应，将E类作可执行性门，发布测量层助数字系统核查计算声明。
Comments 19 pages, 6 figures. Data, code, and the MERS-Dock reporting standard: https://github.com/giapha/mpro-dockexec
人工智能代理知道任务何时简单吗？迈向复杂性感知推理与执行
专题命中 规划决策 ：AI agent(title)；agent(abstract)；分类 cs.AI、cs.CL、cs.SE
AI总结 研究探讨LLM代理缺乏任务感知执行范围估计能力，提出E3方法，在MSE-Bench基准测试及真实模型工具中验证，该方法能在保证成功率时大幅降低成本，推动迈向工程基础人工智能，还发布了框架和基准。
Comments 27 pages, 8 figures, 8 tables. Code and benchmark: https://github.com/eejyin/Do-AI-Agents-Know-When-a-Task-Is-Simple-Toward-Complexity-Aware-Reasoning-and-Execution
地理空间基础模型的新兴范式：从预训练到智能推理
机构 * Google Public Sector（谷歌公共部门）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI
AI总结 研究地理空间基础模型的新兴范式，通过职责分离实现预训练与特定任务微调，探讨不同类型模型能力及实现考虑因素，提出模型适应策略分类法和框架，展望智能地理空间推理推动领域从感知到认知的发展。
Comments 18 pages, 4 figures. To appear in Lecture Notes in Computer Science (LNCS)
Journal ref Lecture Notes in Computer Science, Vol. 16446 (2026)
用于自动神经算子发现的智能体人工智能科学社区
机构 * Texas A&M University（德克萨斯农工大学）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.LG
AI总结 该研究基于人工智能科学社区提出智能体方法用于自动神经算子发现，通过虚拟实验室中三个智能体协作，共享通用词汇表，在五个问题上评估，能发现高精度低参数架构，揭示语言模型智能体对保持多样性的作用及神经算子无免费午餐定理。
EvoGraph-R1：用于智能检索的自进化多模态知识超图
机构 * Northwestern Polytechnical University（西北工业大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The University of Hong Kong（香港大学） ； Monash University（莫纳什大学） ； The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳））
专题命中 规划决策 ：agentic(title)；agent(abstract)
AI总结 研究针对现有GraphRAG方法将知识图视为静态数据结构的局限，提出EvoGraph-R1自进化框架，把检索建模为MDP，智能体通过多种操作使超图结构进化以支持多跳推理，实验证明该方法在多模态问答基准测试中大幅优于现有基线。
Comments 10 pages main paper, 6 figures. CVPR 2026 accepted paper
用于多样化可行机器人运动规划的全局约束斯坦变分推理
机构 * PEARL Lab, Dept. of Computer Science, TU Darmstadt（珍珠实验室，达姆施塔特工业大学计算机科学系） ； Robotics Institute Germany (RIG)（德国机器人研究所）
专题命中 规划决策 ：planning(title,abstract)
AI总结 研究机器人运动规划多模态问题，提出SteinSQP方法，通过约束斯坦变分推理演化粒子集合，用无矩阵原始对偶算法解决子问题，引入优点函数全局化方法，在多任务中表现良好，收敛快且可行性高。
基于模型的扩散最优控制用于多机器人运动规划
专题命中 规划决策 ：planning(title,abstract)
AI总结 针对多机器人运动规划难题，介绍基于模型的扩散最优控制（MDOC），它不依赖数据，通过结合动力学模型与控制障碍函数约束投影，利用基于冲突搜索的安全机制，在模拟实验中展现出优于基线规划器的性能。
TRACE：可审计的智能体承诺的操作推理模式
机构 * Stanford University（斯坦福大学） ； Quadrivium AI（四元数人工智能）
专题命中 规划决策 ：agentic(title)；分类 cs.AI
AI总结 本文提出TRACE模式用于记录推理轨迹，通过字段和测试应对推理不在语言模型中的问题，给出参考程序和操作规范，借助记录-消费者契约形成操作接口，通过示例展示应用，贡献了模式及其契约。
Comments 46 pages, 18 tables, 4 figures
复杂环境下的动态可行规划与控制：一种可扩展的系统方法
专题命中 规划决策 ：planning(title)
AI总结 针对受非凸约束的线性离散时间系统，提出生成安全集的方法及参考调节器，能保证系统安全与参考命令收敛，在线计算开销低，特定情况下安全集计算高效，通过仿真验证了方法的适用性。
不仅仅是一个操纵器：为自由漂浮航天器规划无推进剂姿态机动
机构 * University of Southern California（南加州大学）
专题命中 规划决策 ：planning(title)
AI总结 研究利用机器人操纵器运动进行自由漂浮航天器无推进剂姿态控制，通过制定带约束的轨迹优化问题求解，展示多种系统轨迹，经与反作用轮阵列比较，证明其可作冗余或主要姿态控制系统，为空间应用提供框架。
迈向可信自主科学：两年社区路线图
机构 * U.S. Department of Energy, Office of Science, Office of Advanced Scientific Computing Research（美国能源部科学办公室高级科学计算研究办公室）
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 该研究针对自主科学领域发展现状及问题，更新路线图围绕七个维度，评估原有里程碑并新增四个，规划两年发展路径，第一年聚焦接口等搭建验证框架，第二年针对联盟等，强调基层网络的互操作性。
TerraLogic：地球观测中分层地理空间推理的基准
机构 * The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） ； Technical University of Munich（慕尼黑工业大学）
专题命中 规划决策 ：agent(abstract,comments)；planning(abstract)
AI总结 针对遥感中认知地理空间推理研究不足的问题，引入TerraLogic基准及HieraPlan工具增强智能体，通过545个任务推动评估向认知级发展，实验显示HieraPlan在分层地理空间推理上表现出色，为相关研究提供强大基线。
Comments 8 pages, 3 figures, and 7 tables. Dataset and agent code are available at https://github.com/Ireliya/TerraLogic
ReflectVLN：通过反思推理训练视觉语言导航智能体
机构 * Amap, Alibaba Group（高德软件有限公司，阿里巴巴集团） ； Beihang University（北京航空航天大学）
专题命中 规划决策 ：agent(abstract)；agentic(abstract)
AI总结 研究针对现有视觉语言导航方法缺乏闭环机制问题，提出ReflectVLN框架，通过双向交互智能体决策，引入行动思维链训练方案，实验证明该框架在有限数据下提升成功率和路径效率，且具良好训练成本与可解释性。
诱导情绪会影响大语言模型在序列决策中的行为吗？
机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Texas A&M University（德州农工大学） ； National University of Singapore（新加坡国立大学） ； UCLA（加州大学洛杉矶分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Mass General Hospital（麻省总医院） ； Harvard Medical School（哈佛医学院）
专题命中 规划决策 ：autonomous agent(abstract)；分类 cs.AI、cs.CL
AI总结 研究探讨诱导情绪对大语言模型在序列决策中行为的影响，采用爱荷华赌博任务结合情绪诱导程序，发现诱导情绪平均不显著影响其决策动态，但愤怒有条件地影响决策，揭示了与人类行为的差异，为相关研究提供工具。
PFAdapter：用于个性化联邦多模态大语言模型的分层LoRA分解
机构 * College of Future Information Technology, Fudan University（复旦大学未来信息技术学院） ； Division of Natural and Applied Sciences, Duke Kunshan University（昆山杜克大学自然科学与应用科学部） ； Department of Electrical and Computer Engineering, The University of British Columbia（英属哥伦比亚大学电气与计算机工程系） ； Ant Group（蚂蚁集团） ； College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； School of Data Science and Engineering, East China Normal University（华东师范大学数据科学与工程学院） ； College of Intelligent Robotics and Advanced Manufacturing, Fudan University & Fysics AI（复旦大学智能机器人与先进制造学院及复肆智能科技（上海）有限公司） ； Xiaomi EV, Xiaomi Campus（小米汽车、小米园区） ； Information and Communications Technology Cluster, Singapore Institute of Technology (SIT)（新加坡理工学院信息通信技术集群） ； College of Electronic and Information Engineering, Tongji University（同济大学电子与信息工程学院） ； School of Computer Science and Informatics, Cardiff University（卡迪夫大学计算机科学与信息学院）
专题命中 规划决策 ：agentic(abstract)；分类 cs.AI、cs.LG
AI总结 针对分布式网络中联邦微调平衡全局知识与局部适应的挑战，提出PFAdapter框架，用分层LoRA分解将适配器参数分离，通过正交正则化和选择性聚合协议减少通信成本，实验证明该框架在多数据集上性能优于基线，为智能AI部署提供有效方案。
Comments submitted to IEEE TCCN
BAT-RM：一种用于临床部署的宫颈癌放疗自动轮廓勾画的具有区域感知多向曼巴的边界感知变换器
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 研究针对宫颈癌放疗自动轮廓勾画问题，提出BAT-RM混合架构，集成多种技术。该架构在多机构数据实验中性能卓越，提升了初级肿瘤学家的交并比并减少轮廓勾画时间，临床部署后缩短患者等待时间，体现了严格研究流程对患者的益处。
基于验证器的热能存储控制推理模型强化微调
机构 * The University of Tokyo（东京大学） ； Tokyo University of Science（东京理科大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 研究针对建筑物热能存储控制中模型难以扩展的问题，采用基于可验证奖励的强化学习，通过强化微调训练开放权重推理模型，在简单办公楼TES基准测试中取得较好效果，明确了规划模式转移情况，推动了相关测试与验证器发展。
Comments 29 pages, 8 figures
强化学习中用于策略-环境协同设计的环境参数梯度定理
机构 * Faculty of Mechanical Engineering, Indian Institute of Technology Delhi（机械工程系，印度理工学院德里）
专题命中 规划决策 ：agent(abstract)；分类 cs.LG
AI总结 研究在环境可变的强化学习中联合优化策略与环境设计参数的问题，通过建立环境参数梯度定理及广义动作值函数，开发无模型算法，在无人机网络设计中证明可联合学习最优放置与路由以降低通信成本。
Comments 6 pages, 1 figure, 1 table
基于学习的场景模型预测控制加速
机构 * Department of Electrical and Computer Engineering, University of Central Florida（电气与计算机工程系，中央佛罗里达大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 针对场景模型预测控制计算复杂的问题，提出学习加速的交替方向乘子法，通过重新表述问题、利用并行计算和莫罗包络学习加速求解，在微电网能量管理问题上评估，相比其他求解器有显著计算加速且保持控制性能。
超越一致情景：推导间接影响、转型阻力和调整动态
专题命中 规划决策 ：agent(abstract)
AI总结 研究能源转型等结构变化与经济转型动态评估问题，通过线性响应理论扩展交叉影响平衡（CIB），得出四个分析对象，应用于能源转型交叉影响矩阵得出相关结果，可转移至相关领域。
MAMMOTH：一种对缺失模态具有鲁棒性的越野移动多模态端到端策略
机构 * Indian Institute of Science（印度科学研究所）
专题命中 规划决策 ：planning(abstract)
AI总结 研究针对非结构化越野环境自主导航难题，提出MAMMOTH多模态端到端策略。它融合多模态观测，用模态丢弃训练，还采用扩散策略学习联合概率分布，经实验验证性能优越，能提升避撞等能力及对缺失模态的泛化。
Comments Accepted to IROS 2026 Main Conference
ExToken：用于高效视觉-语言-动作强化微调的结构化探索
机构 * Nanyang Technological University（南洋理工大学） ； ACE Robotics（ACE机器人公司） ； Zhejiang University（浙江大学）
专题命中 规划决策 ：agent(abstract)
AI总结 研究VLA模型强化学习中探索停滞问题，提出ExToken框架，基于离线演示导出的离散行为先验调整VLA策略进行结构化探索，通过不同令牌鼓励多样行为模式，提升了探索效率与任务性能，在多任务实验中表现良好。
UniVR：用于统一视觉推理的视觉空间思考
机构 * Beijing Jiaotong University（北京交通大学） ； ByteDance（字节跳动）
专题命中 规划决策 ：planning(abstract)
AI总结 UniVR旨在从纯视觉演示中同时学习复杂推理、物理动力学和长期规划，核心是VR-GRPO强化学习范式。构建VR-X基准进行训练和评估，在VR-X上有25%的提升，还提高了多模态理解基准性能，相关资源已开源。
Comments Code and models are released at: https://maverickren.github.io/UniVR.github.io/
StratMamba：用于基于路径高效的激光雷达避障的策略性和反应性流划分
机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； AlphaZ, Inc.（阿尔法兹公司） ； Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院）
专题命中 规划决策 ：planning(abstract)
AI总结 研究针对复杂环境中机器人导航问题，提出StratMamba双流时间建模架构，结合快慢衰减内存架构处理激光雷达数据。经多场景评估及与其他基线对比，其在时间推理效率、导航速度和路径最优性方面表现出色，在现实中性能更稳健。
Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 8 pages, 6 figures. Video: https://www.youtube.com/watch?v=Z0FfO_AVaSw
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