AI Agent

LLM-Powered Agentic AI for 5G/6G Networks: A Tutorial and Survey on Architectures, Protocols, and Standardization

用于5G/6G网络的基于大语言模型的智能体人工智能：架构、协议和标准化教程与综述

Mazene Ameur, Abdelkader Mekrache, Bouziane Brik, Adlen Ksentini

机构 * EURECOM ； University of Sharjah（谢贾学院） 纠错

专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；tool use(abstract)；planning(abstract)

AI总结 研究5G/6G网络中基于大语言模型的智能体人工智能，通过分为两部分的教程与综述，形式化5G和6G相关平面，涵盖智能体系统基础，映射其能力到控制面等，识别自主电信面临的开放挑战。

Comments 35 pages, 4 figures, Under review

ToolVerse: Unlocking Massive Environments and Long-Horizon Tasks for Agentic Reinforcement Learning

ToolVerse：为智能强化学习解锁大规模环境和长时任务

Shuaiyu Zhou, Fengpeng Yue, Zengjie Hu, Yuanzhe Shen, Chenyang Zhang, feng hong, Cao Liu, Ke Zeng

机构 * LongCat Interaction Team, Meituan（美团长猫互动团队） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Wuhan University（武汉大学） 纠错

专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；tool use(abstract)；分类 cs.AI

AI总结 研究针对LLM智能体在复杂环境中工具集成问题，提出ToolVerse框架。通过构建大规模训练环境、设计任务策略及提出新算法，经实验验证该框架能增强LLM长时工具使用能力，提升性能与推理能力。

LLM-Guided Transportation Hub Capacity Planning with Textual Business Inputs

基于文本业务输入的大语言模型引导的交通枢纽容量规划

Xiaoyue Liu, Zheng Dong

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；分类 cs.LG

AI总结 研究提出用大语言模型代理依自然语言业务描述迭代提出枢纽容量决策的框架，核心机制是思维链推理协议，经反馈回路验证决策，在实际货运网络中表现优于传统模型。

Large-Scale Terminal Agentic Trajectory Generation from Dockerized Environments

从Docker化环境生成大规模终端代理轨迹

Siwei Wu, Yizhi Li, Yuyang Song, Wei Zhang, Yang Wang, Riza Batista-Navarro, Xian Yang, Mingjie Tang, Bryan Dai, Jian Yang, Chenghua Lin

机构 * University of Manchester（曼彻斯特大学） ； IQuest Research（IQuest研究） ； Beihang University（北航大学） ； Sichuan University（四川大学） ； Multimodal Art Projection Research Community（多模态艺术投影研究社区） 纠错

专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；分类 cs.CL

AI总结 本文提出TerminalTraj，通过Docker化环境生成高质量终端轨迹，提升代理模型在终端任务中的性能表现。

Comments Accepted as a Spotlight paper at ICML 2026

UCOB: Learning to Utilize and Evolve Agentic Skills via Credit-Aware On-Policy Bidirectional Self-Distillation

UCOB: 通过信用感知的在策略双向自蒸馏学习利用和演化智能体技能

Songjun Tu, Chengdong Xu, Qichao Zhang, Yiwen Ma, Yaocheng Zhang, Linjing Li, Dong Li, Xiangyuan Lan, Dongbin Zhao

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Pengcheng Laboratory（鹏城实验室） ； Memorax AI 纠错

专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI、cs.CL

AI总结 提出UCOB框架，通过比较技能条件与无技能提示的回报，实现信用感知的在策略双向自蒸馏，以有效利用和更新技能记忆，在ALFWorld、WebShop等任务上显著超越基线。

The Honest Quorum Problem: Epistemic Byzantine Fault Tolerance for Agentic Infrastructure

诚实仲裁问题：智能基础设施的认知拜占庭容错

Jun He, Deying Yu

专题命中 规划决策 ：agentic(title,abstract)；分类 cs.LG

AI总结 研究智能基础设施中因推理错误导致的诚实仲裁问题，定义认知拜占庭容错（EBFT）模型，用两个量增强传统拜占庭故障界限，推导相关仲裁阈值条件及校准方法，指出添加代理提高容错的条件。

Comments 26 pages, 2 figures, 5 tables

EpiNarrate: Agentic Generation of Grounded Narratives from Epidemiological Scenario Projections

EpiNarrate：基于流行病学情景预测的有智能体的叙事生成

Rituparna Datta, Srini Venkatramanan, Bryan L. Lewis, Yiqi Su, Harry Hochheiser, Lucie Contamin, Parantapa Bhattacharya, Naren Ramakrishnan, Anil Vullikanti

机构 * University of Virginia（弗吉尼亚大学） ； Biocomplexity Institute（生物复杂性研究所） ； Virginia Tech（弗吉尼亚理工大学） ； University of Pittsburgh（匹兹堡大学） 纠错

专题命中 规划决策 ：agentic(title,abstract)；分类 cs.CL

AI总结 研究旨在生成公共卫生叙事，提出EpiNarrate框架，将数值推理与自然语言生成分离，通过提取情景轴、构建数据集等步骤，经实验验证该模型能生成事实依据更充分、覆盖范围更广且风格类似专家报告的叙事。

A Systematic Study of Large Language Models for Task and Motion Planning With PDDLStream

基于PDDLStream的任务与运动规划大语言模型的系统研究

Jorge Mendez-Mendez

机构 * Stony Brook University（石溪大学） 纠错

专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI

AI总结 研究大语言模型在机器人任务与运动规划中的应用，开发16种用LLMs替代关键TAMP组件的算法，通过实验发现基于LLM的规划器成功率低、规划时间长，提供几何细节会增加任务规划错误，多数情况下直接LLM变体表现更好。

Comments 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). 8 pages, 6 figures

Vessel Trajectory Prediction using COLREGs-aware Optimal Planning

使用COLREGs感知最优规划的船舶轨迹预测

David Kaikkonen, Fredrik Ljungberg, Erik Frisk

机构 * ABB Corporate Research（ABB企业研究部） ； Department of Electrical Engineering, Linköping University（Linköping大学电气工程系） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 研究船舶轨迹预测问题，核心方法是先利用A*搜索生成初始轨迹，再用数值优化器确保符合COLREG，以船舶当前位置、速度和目的地为输入，基于AIS数据验证，比基于学习的方法预测更快。

Comments 6 pages, 11 figures. This work has been accepted to IFAC2026 for publication under a Creative Commons Licence CC-BY-NC-ND

RAVEN: Reinforcement-Adaptive Visibility-Graph Planning for Robust Humanoid Navigation with Collision-Free MPC

RAVEN：用于稳健人形机器人导航的强化自适应可见性图规划与无碰撞MPC

Ruochen Hou, Shiqi Wang, Beom Jun Kim, Hanzhang Fang, Mehak Singal, Dennis W. Hong

机构 * Robotics and Mechanisms Laboratory (RoMeLa), Department of Mechanical and Aerospace Engineering, University of California, Los Angeles（机器人与机构实验室（RoMeLa），机械与航天工程系，加利福尼亚大学洛杉矶分校） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 研究针对人形机器人在动态环境中的导航问题，提出RAVEN框架，通过强化学习自适应调整可见性图规划器几何结构，结合无碰撞MPC层跟踪轨迹，经实验评估，该方法能减少超调、提高狭窄通道稳健性及在延迟噪声下可靠导航。

A Generative Partially Specified Finite State Machine Approach to Complex Behaviour Planning

一种用于复杂行为规划的生成式部分指定有限状态机方法

Kalana Ratnayake, Michael Pritchard, David Hinwood, Maleen Jayasuriya, Damith Herath

机构 * University of Canberra（堪培拉大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 研究为自主机器人在动态环境中的行为规划，提出生成式部分指定有限状态机（GPSFSM）神经符号架构，利用Fabric等组件实现标准化语义能力描述，实验表明该方法计划生成成功率高、延迟低，还能生成复杂行为，且开源堆栈使其实用可重复。

Comments Accepted for publication in the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). 9 pages, 10 figures, 1 table

What is your Prior Worth? Effective Sample Size and Sample Size Planning for Gaussian Graphical Models

你的先验价值几何？高斯图模型的先验有效样本量与样本量规划

Giuseppe Arena, Lourens Waldorp, Maarten Marsman

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对高斯图模型（GGM）下Wishart和G-Wishart先验，提出先验有效样本量（ESS）估计方法，并基于此开发两种互补的样本量规划策略：数据-先验信息比（DPIR）和贝叶斯因子设计分析（BFDA）。

Can LLMs Prove Robotic Path Planning Optimality? A Benchmark for Research-Level Algorithm Verification

大语言模型能否证明机器人路径规划的最优性？一种用于研究级算法验证的基准测试

Zhengbang Yang, Md. Tasin Tazwar, Minghan Wei, Zhuangdi Zhu

机构 * George Mason University（乔治梅森大学） ； Florida Atlantic University（佛罗里达大西洋大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出首个评估大语言模型在机器人路径规划算法近似比证明能力的基准测试，包含34个研究级证明任务，揭示了LLM在缺乏领域知识时的局限性，并通过上下文补充分析改进推理质量。

Connectivity Maintenance and Recovery for Multi-Robot Motion Planning

多机器人运动规划中的连通性维持与恢复

Yutong Wang, Lishuo Pan, Yichun Qu, Tengxiang Wang, Nora Ayanian

机构 * Brown University（布朗大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种基于贝塞尔曲线的实时运动规划算法，用于多机器人系统中维持和恢复连通性，提升在障碍物环境中导航的成功率。

Comments 8 pages, 3 figures. To appear in the Proceedings of the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026), Pittsburgh, PA, USA

Adaptive Fault Injection Planning for Multi-Layer Self-Healing AI Infrastructure

用于多层自愈人工智能基础设施的自适应故障注入规划

Saurabh Kulkarni, Yuxin Yang, Rohan Kulkarni, Gautam Nayak

专题命中 规划决策 ：planning(title)

AI总结 研究多层自愈人工智能基础设施故障注入规划问题，提出ADA-ST自适应方法，用加权故障传播图指导跨层场景选择，构建平台故障传播图，弥补现有测试覆盖不足，通过迭代达全边覆盖，还能跨硬件代际传递知识，揭示跨层漏洞。

RAD: Retrieval High-quality Demonstrations to Enhance Decision-making

RAD：检索高质量示范以增强决策

Lu Guo, Yixiang Shan, Zhengbang Zhu, Qifan Liang, Lichang Song, Ting Long, Weinan Zhang, Yi Chang

机构 * School of Artificial Intelligence, Jilin University, Changchun, China（吉林大学人工智能学院） ； School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机学院） 纠错

专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI

AI总结 研究针对离线强化学习泛化能力受限问题，提出RAD方法，通过引入检索机制，从离线数据集检索高回报可达状态作目标，利用生成模型生成子轨迹规划，经实验验证该方法在多基准测试中性能优越。

Searching Videos as Trees: Self-Correcting Agents for Grounded Long Video QA

将视频搜索为树：用于有基础的长视频问答的自校正智能体

Ce Zhang, Ziyang Wang, Yulu Pan, Oluwatumininu Oguntola, Pranav Wagh, Qiyu Wu, Hiromi Wakaki, Mohit Bansal, Gedas Bertasius

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Sony（索尼） 纠错

专题命中 规划决策 ：agent(abstract)；agentic(abstract)

AI总结 研究有基础的长视频问答问题，提出VideoTreeSearch框架，通过构建自适应时间树及可学习的离散操作让智能体导航，经监督微调与强化学习训练，在多个基准测试中表现出色，证明自校正分层搜索是关键机制。

Paired Uterine Whole-Slide Images and Pathology Reports for Multimodal Computational Pathology

用于多模态计算病理学的配对子宫全切片图像和病理报告

Han Li, Jingsong Liu, Ayako Ura, Junlin Hou, Zhengyang Xu, Azar Kazemi, Oskar Thaeter, Christian Grashei, Fabian Gülhan, Reza Nasirigerdeh, Xun Ma, Rui Yan, Hao Chen, S. Kevin Zhou, Nassir Navab, Carolin Mogler, Peter Schüffler

机构 * Institute of Pathology, Technical University of Munich（慕尼黑工业大学病理研究所） ； Computer Aided Medical Procedures (CAMP), Technical University of Munich（慕尼黑工业大学计算机辅助医疗程序（CAMP）） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Department of Human Pathology, Juntendo University Graduate School of Medicine（顺天堂大学医学研究生院人体病理学部） ； The Hong Kong University of Science and Technology（香港科技大学） ； Munich Data Science Institute (MDSI)（慕尼黑数据科学研究所） 纠错

专题命中 规划决策 ：planning(abstract)；workflow(abstract)

AI总结 研究子宫疾病病理诊断，针对全切片图像与病理报告配对数据集稀缺问题，引入TUM-Uteria数据集，含多对病例及切片级配对，经验证，为计算病理学研究提供支持。

From Feasibility to Desirability: Plan, Learn, Adapt (PLA) Framework for Personalized On-Device Itinerary Generation

从可行性到合意性：用于个性化设备端行程生成的计划、学习、适应（PLA）框架

Himel Dev, Tanmoy Sen, Madhusudan Basak, Bashima Islam

机构 * Tech LLC（529科技有限责任公司） ； University of Virginia（弗吉尼亚大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG

AI总结 研究针对个性化设备端行程生成问题，提出PLA框架，分计划、学习、适应三阶段，通过构建规划器集合、拟合奖励模型及进行局部优化来生成行程，实验表明该框架在可行性和胜率上表现出色，还提升了生产部署中的行程完成率并降低延迟。

Recursive Harness Self-Improvement

递归工具自我改进

Hyunin Lee, Jinglue Xu, Jeffrey Seely, Donghyun Lee, Matei Zaharia, Yujin Tang

专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG

AI总结 研究在模型-工具协同进化中，通过递归工具自我改进（RHI）优化用户构建工具，以提高执行轨迹质量和智能体性能。RHI将工具表示为提示级规范，经成对反馈迭代改进，在多任务中提升了低推理能力智能体性能，降低推理成本。

Comments This work addresses the first half of the model-harness coevolution loop

Separable Pathways for Causal Reasoning: How Architectural Scaffolding Enables Hypothesis-Space Restructuring in LLM Agents

因果推理的可分离路径：建筑框架如何使LLM代理重构假设空间

John Alderete, Sebastian Benthall, Connie Xu, John Xing

机构 * Simon Fraser University（西蒙弗雷泽大学） ； International Computer Science Institute（国际计算机科学研究所） ； Amigo AI 纠错

专题命中 规划决策 ：AI agent(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出通过建筑框架使LLM代理重构假设空间，通过实验发现上下文图和动态行为在因果推理中分别提升推理质量和有效性。

Comments 24 pages, 11 tables, 2 figures

OmniFood-Bench: Evaluating VLMs for Nutrient Reasoning and Personalized Health Advice

OmniFood-Bench：评估用于营养推理和个性化健康建议的视觉语言模型

Qian Jiang, Zhecheng Shi, Jingpu Yang, Zirui Song, Miao Fang

专题命中 规划决策 ：autonomous agent(abstract)；分类 cs.AI

AI总结 介绍OmniFood-Bench基准评估用于营养推理和个性化健康建议的VLMs，基于MM-Food-100K数据集，评估其三种能力，实验发现模型在菜品命名与质量估计等方面存在“语义-物理差距”，为公共卫生自主智能体建立可信度标准。

The Multi-AMR Buffer Storage, Retrieval, and Reshuffling Problem: Exact and Heuristic Approaches

多AMR缓冲区存储、检索与重新排列问题：精确与启发式方法

Max Disselnmeyer, Thomas Bömer, Laura Dörr, Bastian Amberg, Anne Meyer

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

专题命中 规划决策 ：planning(abstract)；分类 cs.AI

AI总结 本文提出多AMRBSRRP问题，通过二进制整数规划模型和分层启发式方法解决缓冲区存储、检索和重新排列问题，适用于高密度生产环境。

Comments 52 pages, 15 figures and tables

Interaction-Aware Whole-Body Control for Compliant Object Transport

具有交互意识的全身控制用于柔顺物体运输

Hao Zhang, Yves Tseng, Ding Zhao, H. Eric Tseng

机构 * Department of Electrical Engineering, the University of Texas at Arlington（电气工程系，德克萨斯大学阿灵顿分校） ； Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 本文提出了一种生物启发式的交互导向全身控制方法，通过分离上身交互执行与下身支撑控制，实现稳定且灵活的柔顺物体运输。

A Neuro-Symbolic Approach for Probabilistic Reasoning on Graph Data

一种用于图数据概率推理的神经符号方法

Raffaele Pojer, Andrea Passerini, Kim G. Larsen, Manfred Jaeger

机构 * Aalborg University（奥尔堡大学） ； University of Trento（特伦托大学） 纠错

专题命中 规划决策 ：planning(abstract)；分类 cs.AI

AI总结 本文提出神经符号框架，将GNNs集成到RBNs中，结合二者优势。开发两种集成实现及MAP推理方法，通过节点分类转换和环境规划问题展示通用性，引入新基准数据集，为图数据处理带来新方法，提升多样任务性能。

Comments Submitted to the Journal of Artificial Intelligence Research (JAIR); under revision. 43 pages, 10 figures. Code available at https://github.com/raffaelepojer/NeSy-for-graph-data

Interpretable Role-Based Clustering in Multi-Layer Financial Networks

多层金融网络中基于角色的可解释聚类实用指南

Christian Franssen, Thao Le, Iman van Lelyveld, Bernd Heidergott

机构 * VU Amsterdam（VU阿姆斯特丹大学） ； De Nederlandsche Bank（荷兰银行） 纠错

专题命中 规划决策 ：planning(abstract)；分类 cs.LG

AI总结 研究多层金融网络中金融机构功能角色，提出基于角色的可解释聚类方法，遵循一般聚类框架，基于ego网特征构建节点嵌入，利用ECB交易数据验证，突出该方法在分析金融网络及理解机构行为上的价值。

MSTF-Net: A UAV-Oriented Multi-Spectral Video Segmentation Method via Modality-Robust, Scale-Adaptive, and Consistent Fusion

MSTF-Net：一种通过模态稳健、尺度自适应和一致融合的面向无人机的多光谱视频分割方法

Chenwei Wang, Zhida Wang, Zelin Li, Elif Ozden-Yenigun, Houde Liu

专题命中 规划决策 ：planning(abstract)

AI总结 研究针对无人机多光谱视频分割面临的模态融合困境和时间变化问题，提出MSTF-Net框架，通过模态稳健、尺度自适应融合有效建模跨模态融合与时间一致性，在公共数据集实验中取得出色分割性能。

Data and Learning Where it Matters for Contact-Rich Manipulation

数据与学习在高度依赖接触的操作中的关键作用

Oliver Hausdörfer, Linus Schwarz, Gabor Marko, Christian Dietz, Timo Class, Luka Hofer, Jim Yun-Jin Li, Johannes Hechtl, Ralf Römer, Angela P. Schoellig

机构 * TU Munich（慕尼黑工业大学） ； Siemens AG（西门子公司） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究针对高度依赖接触的操作中数据与学习的问题，提出结合离线深度强化学习的自动数据收集方案，仅用少量自主数据收集，在四个现实任务中平均成功率达96%，为相关任务的数据收集和精密应用高成功率奠定基础。

Comments Project webpage: https://anonymous.4open.science/w/data_and_learning_where_it_matters/

Day-Ahead Forecasting of Largest Single Infeed/Outfeed on the Irish Power Grid: A Generative Artificial Intelligence Approach

爱尔兰电网最大单一馈入/馈出的提前一天预测：一种生成式人工智能方法

Amir Moshari, Mo Cloonan, Taulant Kerci, Zhi Li, Colm Gaffney, Chotiya Mahittigul, Manuel Hurtado, Simon Tweed, Bryan Murray, Michael Walsh, Eoin Kennedy, Ritesh Madan

专题命中 规划决策 ：planning(abstract)

AI总结 研究利用生成式人工智能方法提前一天预测爱尔兰电网最大单一馈入和馈出，通过与EirGrid合作开发，借助有限数据实现高精度预测，有望降低备用采购成本，展现了TSO基于人工智能的资源规划的实用性与可扩展性。

Minimum Time Dubins Airplane Paths with Asymmetric Climb Rates

具有不对称爬升率的最短时间杜宾斯飞机路径

Jaeyoung Lim, Giuseppe Loianno

机构 * Department of Electrical Engineering and Computer Sciences, University of California, Berkeley（加利福尼亚大学伯克利分校电气工程与计算机科学系） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 研究具有不对称爬升率的最短时间杜宾斯飞机路径问题，提出考虑不对称爬升率的路径，重新审视时间最优性条件，通过该方法可利用飞行器全部性能，减少最短时间并加快在复杂任务中找到中位数解的时间，还通过实际飞行证明了实用性。

Comments 7 pages, 10 figures