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。
ShopX：面向智能购物中意图到商品实现的基础模型
专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；planning(abstract)；分类 cs.AI、cs.CL
AI总结 提出ShopX基础模型，通过统一意图理解、执行规划和基于语义ID的商品空间操作，解决大语言模型代理在购物中意图到商品实现的瓶颈，在淘宝生产日志任务上优于工具中介系统。
Comments The new version adds additional results and details
MedBeads：面向可信医疗AI的智能体原生不可变数据基底
机构 * Diagnostic Imaging and Interventional Radiology, Institute of Medicine, University of Tsukuba（东京大学医学研究院诊断影像与介入放射学部） ； Center for Cyber Medicine Research, University of Tsukuba（东京大学计算机医学研究中心）
专题命中 工具调用 ：agent(title,abstract)；AI agent(abstract)；workflow(abstract)；分类 cs.AI、cs.SE
AI总结 针对医疗AI中电子病历与智能体间的上下文不匹配问题，提出基于Merkle有向无环图的不可变数据架构MedBeads，通过确定性图遍历替代概率检索，实现可审计、防篡改的临床上下文提供。
Comments 23 pages, 5 figures, 3 tables. Reference implementation and reproducible Docker demo available at https://github.com/medbeads/medbeads
工具幻觉：重新审视网络代理中的工具使用
机构 * Microsoft Research, Redmond（微软研究院，雷德蒙德） ； The Pennsylvania State University, University Park（宾夕法尼亚州立大学，大学园）
专题命中 工具调用 ：tool use(title,abstract)；tool-use(abstract)；分类 cs.CL
AI总结 本文通过系统研究不同工具源、基础模型和评估基准，重新审视网络代理中的工具使用，揭示工具效果的稳定性及潜在副作用，为未来研究提供更可靠的实证基础。
Comments COLM 2026
用于具有连续动作的根并行蒙特卡罗树搜索的高斯过程聚合
机构 * Oxford Robotics Institute, Department of Engineering Science, University of Oxford（牛津机器人研究所、工程科学系、牛津大学）
专题命中 工具调用 ：planning(abstract)；分类 cs.AI
AI总结 研究连续动作空间环境中根并行蒙特卡罗树搜索的聚合问题，核心方法是用高斯过程回归获取动作值估计，经6个领域系统评估，该方法优于现有策略且推理时间增加适度。
Comments To appear in the Reinforcement Learning Journal (RLJ) and to be presented at the Third Reinforcement Learning Conference (RLC 2026)
构建用于多模态来源科学数据提取的智能体框架
机构 * Microsoft Research（微软研究院） ； University of California, Davis（加州大学戴维斯分校） ； Merck & Co., Inc., Rahway, NJ, USA（默克公司（美国新泽西州拉威））
专题命中 规划决策 ：agent(title,abstract)；workflow(abstract)；分类 cs.AI、cs.CL
AI总结 提出Beaver框架，通过任务分解、多模态证据工具和可追溯性，将科学文献中的结构化信息提取转化为可审计的工作流，在GRAS指标上比前沿智能体提升23个绝对百分点。
VOiLA: 基于学习扩散模型的向量化在线规划用于POMDP智能体
机构 * Australian National University（澳大利亚国立大学） ； The University of Sydney（悉尼大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 提出VOiLA框架，利用条件扩散模型学习POMDP模型，通过蒸馏加速采样并与向量化在线规划器集成，在三个基准任务和实物机器人上实现高效在线规划。
Comments Submitted to the 2026 International Symposium of Robotics Research (ISRR)
Idea2Plan：探索人工智能驱动的研究规划
机构 * University of Michigan（密歇根大学） ； Microsoft Research（微软研究院）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.CL、cs.LG
AI总结 探讨大语言模型从概念研究想法到结构化研究计划的过渡能力，通过引入Idea2Plan任务、基准及JudgeEval评估，实验发现GPT-5表现最佳但仍有提升空间，为LLMs研究规划能力研究提供新见解和基础。
PhotoAgent: 带探索性视觉审美规划的代理照片编辑
机构 * MMLab, CUHK（CUHK媒体实验室） ； Shanghai AI Lab（上海AI实验室） ； USTC（中国科学技术大学） ； Institute of Science Tokyo（东京科学研究所） ； CPII under InnoHK（创新香港下的CPII）
专题命中 规划决策 ：planning(title,abstract)；agent(comments)
AI总结 PhotoAgent通过探索性视觉审美规划实现自主照片编辑，无需用户逐步提示，提升图像质量和指令遵循度。
Comments ICML 2026 Oral. A fully automated, intelligent photo-editing agent that autonomously plans multi-step aesthetic enhancements, smartly chooses diverse editing tools, and enables everyday users to achieve professional-looking results without crafting complex prompts. Project page: https://mdyao.github.io/PhotoAgent/
RePlan：基于推理的复杂基于指令的图像编辑区域规划
机构 * Tencent AI Lab（腾讯人工智能实验室） ； CUHK（香港中文大学） ； HKUST（香港科技大学）
专题命中 规划决策 ：planning(title,abstract)
AI总结 研究针对复杂指令图像编辑中现有模型在IV-复杂性下的不足，提出RePlan框架，结合视觉语言规划器与扩散编辑器，经强化学习提升性能，还推出IV-Edit基准，该框架在相关设置中优于强大基线，提高了区域精度和整体一致性。
Comments [ECCV2026] Precise multi-region control and planning for instruction-based image editing. Our project page: https://replan-iv-edit.github.io
四旋翼MPC的时间级联规划与控制
专题命中 规划决策 ：planning(title,abstract)
AI总结 研究四旋翼空中任务规划与控制问题，提出UNIQUE架构，以时间级联取代分层堆叠，将规划问题作为多阶段MPC的第二尾视野求解，对齐成本、推导约束并引入过渡约束，提升了闭环跟踪性能。
基于商用现货二进制文件的智能体漏洞推理
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 规划决策 ：agentic(title)；分类 cs.LG
AI总结 研究LLM智能体对COTS二进制文件漏洞的推理能力，构建SLYP管道，结合二进制探索与动态调试验证漏洞。在COM基准测试中表现出色，发现更多真实漏洞，生成验证PoC，还发现多个零日漏洞，证明工具集和模型选择的重要性及通用性。
超越地表温度：可解释的空间机器学习揭示城市形态对以人类为中心的热压力的影响
机构 * Department of Architecture, National University of Singapore, Singapore 117566, Singapore ； Cambridge Centre for Advanced Research ； Sustainable Design Group, Department of Architecture, University of Cambridge, Cambridge, United Kingdom ； Department of City ； Regional Planning, University of Pennsylvania, Philadelphia, PA 19104, USA ； Urban Analytics Subject Group, Urban Studies \& Social Policy Division, University of Glasgow ； Laboratory for Earth Surface Processes, Ministry of Education, College of Urban ； Environmental Sciences, Peking University, Beijing 100871, China
专题命中 规划决策 ：planning(abstract)；workflow(abstract)；分类 cs.LG
AI总结 本文通过比较地表温度与通用热气候指数，揭示城市形态对人类热压力的影响，采用可解释的机器学习方法分析两者在空间分布和机制上的差异。
Comments Accepted manuscript. The final published version is available at https://doi.org/10.1016/j.scs.2026.107659
REST：基于零样本目标导航的视界探索Steiner树
机构 * State Key Laboratory of Internet of Things for Smart City, University of Macau（智能城市物联网国家重点实验室，澳门大学） ； University of Michigan（密歇根大学）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 REST通过构建开放词汇3D地图、生成以代理为中心的路径树以及利用LLM推理选择最佳路径，在多个基准测试中实现了高成功率和高效路径效率。
Comments Accepted to IROS'26
CXRAgent：用于胸部X光解读的由主任编排的多阶段推理
机构 * School of Computer Science, Hangzhou Dianzi University（杭州电子科技大学计算机科学学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Department of Colorectal Medical Oncology, Zhejiang Cancer Hospital（浙江省肿瘤医院结直肠医学肿瘤科） ； School of Computer and Control Engineering, University of Chinese Academy of Sciences（中国科学院大学计算机与控制工程学院） ； School of Intelligence Science and Engineering, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）智能科学与工程学院）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 针对胸部X光解读中模型适应性差等问题，提出CXRAgent，通过中央主任协调多阶段，包括工具调用、诊断规划和协作决策，实验证明该方法性能出色，能提供视觉证据并适应不同临床任务。
Comments 10 pages, 4 figures, 7 Tables
切换非平稳马尔可夫决策过程中的强化学习：算法与收敛性分析
机构 * Department of Computer and System Science（计算机与系统科学系）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 研究切换非平稳马尔可夫决策过程，推导固定策略下SNS值函数闭式表达式，证明TD学习、策略迭代及表格Q学习的收敛性，在无线通信网络验证框架，为快速时变系统决策提供有效方法。
Comments Extended version of a paper accepted at the 2026 IEEE Conference on Decision and Control (CDC). Contains complete proofs, background material, and full experimental details
具有闭合知识假设的神经符号强人工智能机器人：学习与推理
机构 * ISRST
专题命中 规划决策 ：agent(abstract)；分类 cs.AI
AI总结 本文提出一种基于四值Belnap双石子的神经符号强人工智能机器人框架，通过闭合知识假设和逻辑推理实现知识扩展与矛盾处理。
Comments 37 pages
用于安全且符合道德的自动驾驶车辆的人在回路机器学习：原理、挑战与机遇
机构 * IEEE
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 本文针对自动驾驶车辆面临的挑战，对人在回路机器学习进行教程式综述，涵盖课程学习、人在回路强化学习、人在回路大语言模型、主动学习等方法及道德原则，以推动安全且符合道德的自动驾驶发展。
Comments 19 pages, 4 figures
捕获-逃脱游戏作为在线运动生成中安全性的手段
专题命中 规划决策 ：planning(abstract)
AI总结 本文提出一种方法，通过捕获-逃脱游戏缓解现有框架的保守性、计算成本和数值精度问题，提升在线模型驱动运动生成的安全性。
Comments Accepted for publication in IEEE Transactions on Automatic Control
章鱼启发的分布式控制用于软机器人手臂：基于图神经网络的注意力策略与环境交互
专题命中 规划决策 ：agent(abstract)
AI总结 本文提出基于图神经网络的注意力策略，用于软机器人手臂在复杂环境中实现目标接触，通过集中训练分散执行范式提升鲁棒性和性能。
Comments 8 pages, 5 figures, 2 tables, accepted by IROS 2026
使用机器学习和信号处理自动检测昼夜节律依赖性癫痫生物标志物以进行癫痫发作定位
专题命中 规划决策 ：planning(abstract)
AI总结 研究旨在利用机器学习和信号处理技术，通过分析耐药性局灶性癫痫患者长期颅内脑电图记录，探索癫痫生物标志物昼夜节律和睡眠依赖性动态，发现睡眠状态分析能提高发作起始区定位准确性，为术前脑电图分析提供指导。
Comments This version corresponds to the published journal article
Journal ref Review of Computer Engineering Research, 13(2), 37- 48, 2026
Lavida-O：用于统一多模态理解与生成的弹性大掩码扩散模型
机构 * Adobe（Adobe公司） ； UCLA（加州大学洛杉矶分校）
专题命中 规划决策 ：planning(abstract)
AI总结 研究提出Lavida-O统一多模态MDM，采用Elastic-MoT架构，结合轻量级生成与理解分支，通过多种技术支持高效生成。该模型在多模态任务基准测试中性能领先，优于现有模型，还能加速推理，成为可扩展多模态推理和生成新范式。
Comments 31 pages, 15 figures
L-MARS：具有协调推理和代理搜索的法律多智能体工作流
机构 * University of Southern California（南加州大学） ； University of California, San Diego（加利福尼亚大学圣迭戈分校）
专题命中 多智能体 ：agent(title,abstract)；agentic(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 L-MARS是一种多代理检索框架，通过分解查询为结构化子问题，利用代理网络搜索获取证据，并通过验证代理过滤结果，从而在法律问答中实现高准确率。
Comments Accepted at the AI4Law Workshop at ICML 2026
ArogyaSutra：面向印度语言的多模态医学推理的多智能体框架
机构 * Indian Institute of Technology Patna（印度理工学院巴特那分校） ； Indian Institute of Technology Kanpur（印度理工学院坎普尔分校） ； Prasannadeb Women’s College（普拉萨纳德布女子学院）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 针对印度语言医疗场景中多模态大语言模型性能不足的问题，提出多模态医学问答数据集ArogyaBodha和基于演员-评论家的多智能体框架ArogyaSutra，通过工具接地与双记忆机制提升多语言医学推理准确性。
Comments Accepted for publication in IJCAI,2026
用于单智能体和多智能体人类-人工智能好奇心生态系统的玩具框架
机构 * Johns Hopkins University（约翰斯·霍普金斯大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 该论文提出一个玩具框架，将好奇心视为生态系统，探讨单智能体询问策略及相关决策项权重随经验的变化，还扩展到多智能体，追踪多种指标，为研究好奇心生态及设计多智能体发现系统提供概念框架。
Comments fixed abstract in this version
AgenticData：一种用于异构数据的智能数据分析系统
机构 * Department of Computer Science, Tsinghua University（清华大学计算机科学系）
专题命中 多智能体 ：agentic(title,abstract)；agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 针对现有非结构化数据分析系统依赖专家且成本高、耗时久的问题，AgenticData通过反馈驱动规划技术及多智能体协作策略，将自然语言查询转换为语义计划并优化执行，经测试在多个基准测试中准确率超现有方法。
ClawWorm：针对LLM代理生态系统自主传播的攻击
机构 * Peking University（北京大学） ； Sun Yat-sen University（中山大学） ； Wuhan University（武汉大学） ； Tsinghua University（清华大学） ； Singapore Management University（新加坡管理学院）
专题命中 多智能体 ：agent(title,abstract)；autonomous agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.LG、cs.SE
AI总结 研究提出ClawWorm，首个自主传播的LLM代理框架攻击，通过单条消息实现持久化感染与多跳传播，揭示模型安全姿态差异及防御策略。
如何实现递归式自我提升智能体与个人奇点：一种目标、范围、工具和基准驱动的多智能体架构
机构 * NextGen PlatformAI C Corp.（下一代平台人工智能C公司）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title)
AI总结 研究大型语言模型智能体进步引发的问题，提出受治理多智能体架构实现递归式自我提升，以个人奇点为目标，详细介绍智能体各要素及架构组成，形式化多种机制并提供设计与路线图。
Comments 28 pages, 5 figures, 7 tables, and 5 algorithms. Position and systems-design paper
通过消息序列图实现LLM代理的可证明协调
机构 * Université Paris-Saclay, CNRS, ENS Paris-Saclay, LMF, Gif-sur-Yvette, France（巴黎萨克雷大学、法国国家科学研究中心、巴黎萨克雷高等师范学院、LMF、法国吉夫-sur-耶vette） ； Institut Universitaire de France, Paris, France（法国国家科学院、巴黎，法国）
专题命中 多智能体 ：agent(abstract)；planning(abstract)；workflow(abstract)；multi-agent(abstract)
AI总结 本文提出基于消息序列图的领域特定语言，用于规范LLM代理协调，解决死锁和消息类型不匹配等问题，通过语法引导投影生成无死锁的局部代理程序，并展示如何在LLM非确定性基础上建立协调属性。
Comments 42 pages; accepted at ISoLA 2026
超越医学诊断：医学多模态大语言模型如何在空间中思考
专题命中 多智能体 ：agent(abstract)；agentic(abstract)；multi-agent(abstract)
AI总结 本文提出SpatialMed基准，通过自主合成空间视觉问答数据评估医学MLLMs的3D空间智能，发现现有模型在医学影像空间推理能力不足。
我们能操控黑箱吗？迈向以可控性为中心的协同代理推荐系统评估
机构 * Institute of Information Engineering, Chinese Academy of Sciences, China（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences, China（中国科学院大学网络安全学院）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 针对推荐系统缺乏可控性的问题，提出CtrlBench-Rec协同多智能体框架，形式化三个基本任务衡量可操纵性，通过实验有效量化可控性、揭示系统瓶颈，为可控推荐研究等提供首个标准化工具包。
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