AI Agent

Temporal Straightening for Latent Planning

时间拉直用于隐式规划

Ying Wang, Oumayma Bounou, Gaoyue Zhou, Randall Balestriero, Tim G. J. Rudner, Yann LeCun, Mengye Ren

机构 * New York University（纽约大学） ； Brown University（布朗大学） ； University of Toronto（多伦多大学） 纠错

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

AI总结 受人类视觉处理中感知拉直假说启发，提出时间拉直方法，通过曲率正则化联合学习JEPA世界模型的编码器和预测器，改善隐式规划中的表示学习，使梯度规划更稳定并提高目标到达任务成功率。

Comments ICML2026 Camera Ready

DSAgentBench: Can Agents Automate End-to-End Data-Science Workflows in Real Computer Environments?

DSAgentBench：智能体能否在真实计算机环境中自动化端到端数据科学工作流？

Mizanur Rahman, Mohammed Saidul Islam, Ridwan Mahbub, Md Tahmid Rahman Laskar, Shafiq Joty, Enamul Hoque Prince

机构 * York University（约克大学） ； Nanyang Technological University（南洋理工大学） ； Salesforce AI Research（Salesforce AI研究院） 纠错

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

AI总结 DSAgentBench是首个评估智能体在真实计算机环境中自动化完整数据科学工作流的基准，含275项任务，实验显示现有智能体与实际需求存在显著能力差距。

Risk-Aware Kinodynamic Motion Planning Under Uncertainty For Safe Navigation on Planetary Environments

行星环境安全导航下考虑不确定性的风险感知动力学运动规划

Sachin Sunil Kelkar, Tanmay Dokania, Yashwanth Kumar Nakka

机构 * Daniel Guggenheim School of Aerospace Engineering（丹尼尔·古根海姆航空航天工程学院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对自主空间探索中环境交互与感知系统的不确定性导致的安全规划问题，提出结合AO-RRT采样规划与序列凸规划的风险感知动力学运动规划方法，可将轨迹风险降低约97%。

Comments 3 pages, 4 figures

Toward the Cognitive--Physical Limits of Embodied Intelligence through a World-Model-Centric Autonomous Racing Agent

通过以世界模型为中心的自主智能体探索具身智能的认知-物理极限

Zitong Shan, Baichuan Lou, Yanxin Zhou, Shuge Wu, Xianqi He, Bolin Zhao, Sheng Zhao, Zhouheng Li, Chee Kiong Ong, King Ho Holden Li, Chen Lv

机构 * K2 Holding, L.L.C（K2控股有限责任公司） 纠错

专题命中 规划决策 ：agent(title,abstract)

AI总结 该研究提出以世界模型为中心的自主赛车智能体，结合实车与模拟实验，探索具身智能的认知-物理极限，提升了交互成功率与泛化能力，为安全部署提供边界感知方法。

Whole-Body Planning for Humanoids Navigating Confined Spaces via Self-Collision Avoidance References

人形机器人在受限空间中通过自碰撞规避实现全身规划的参考方案

Carlos Gonzalez, Luis Sentis

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出三阶段全身规划框架，结合可微分自碰撞规避与可达性约束，在Unitree G1人形机器人上实现Cr<1.5的受限空间导航，生成复杂接触轨迹并训练出鲁棒在线跟踪策略。

On the Sequential topological complexity of directed (parametrized) motion planning algorithms

关于定向（参数化）运动规划算法的序列拓扑复杂性

Navnath Daundkar, Abhishek Sarkar, Ankur Sarkar

专题命中 规划决策 ：planning(title,abstract)

AI总结 该研究引入定向（参数化）拓扑复杂性的序列类似物，构建其基础理论并确立基本性质，计算发现同一基础空间上不同定向结构的该不变量取值不同。

Comments 23 pages. Comments are welcome

Wind-Informed Rapid Flight-Planning in Complex Urban Topologies via Machine Learning and Experimental Validation

基于机器学习与实验验证的复杂城市拓扑下风感知快速飞行规划

Peter I. Renn, Alejandro A. Stefan-Zavala, Julian Humml, Sabera Talukder, Aysha AlMazrouei, Kresna Aji, Debashisha Mishra, Emanuele Panizio, Jennifer Simonjan, Yisong Yue, Morteza Gharib

专题命中 规划决策 ：planning(title,abstract)

AI总结 本研究提出一种新型风感知飞行规划框架，通过学习代理模型快速预测城市流场，经风洞实验验证可减少飞行器非期望位移、提升稳定性，为先进空中机动提供安全方案。

A black-box-model-enhanced interaction method for water-wave scattering by large group of arbitrary-shaped ice floes in Arctic route planning

北极航线规划中大量任意形状浮冰水波散射的黑箱模型增强交互方法

Chongwei Zhang, Hongli Yang, Peng Wu, Peng Lu, Dezhi Ning

专题命中 规划决策 ：planning(title,abstract)

AI总结 本研究提出WCD黑箱模型构建DTM，开发EI方法高效预测北极航线中大量任意形状浮冰的水波场，结合动态规划优化航线，可使船舶平均波幅降至入射波幅约一半，计算效率极高。

Comments 31 pages, 37 figures; submitted to Cold Regions Science and Technology on March 22, 2025; received first revision request on March 18, 2026; submitted first revision on April 7, 2026

Hierarchical Fast-Slow ReAct Agent for Zero-Shot Object-Goal Navigation

用于零样本物体目标导航的分层快慢ReAct智能体

Zhaochen Lan, Zhi Yang, Yuxiang Fu, Mengxiang Lin

专题命中 规划决策 ：agent(title,abstract)

AI总结 该研究针对零样本物体目标导航，提出分层快慢ReAct智能体，结合价值图控制器与坐标锚定记忆及VLM，在HM3D、MP3D验证集上取得零样本方法最高成功率，远前沿审议可提升性能。

Comments 11 pages, 6 figures

MPPI Planning with Gaussian-Based Human Cost Function for Social Navigation

基于高斯人类代价函数的MPPI规划用于社交导航

Chinmay Mundane

机构 * VJTI（维杰拉吉·鲁勒学院（VJTI）） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 该研究针对普通MPPI规划低估动态场景风险的问题，提出PGIF方法，结合高斯排斥场实现0%碰撞率，同时保持实时规划性能，适用于社交导航。

Comments Will appear in Springer's Proceedings in Advanced Robotics series

Sampling-Based Visibility Task Planning

基于采样的可视性任务规划

Stav Ashur, Avishai Sintov

机构 * School of Mechanical Engineering, Tel-Aviv University（特拉维夫大学机械工程学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文针对视觉传感器等可视性设备，提出VisPRM和VisRRT两种新型采样TAMP算法，经仿真与物理实验验证，其成功率和运行效率优于RRT、PRM等适配算法。

Comments Accepted to IEEE RA-L

Enhancing Rolling Horizon Production Planning Through Stochastic Optimization Evaluated by Means of Simulation

通过仿真评估的随机优化方法增强滚动时域生产计划

Manuel Schlenkrich, Wolfgang Seiringer, Klaus Altendorfer, Sophie N. Parragh

专题命中 规划决策 ：planning(title,abstract)

AI总结 该研究将场景随机规划融入滚动时域框架，经仿真对比发现，无缓冲高拥堵环境中随机优化比MRP降本最多68%，引入安全库存后确定性优化占优，为生产计划管理提供了见解。

GeoForge: Non-Parametric Self-Evolving Agents for Earth-Observation Reasoning

GeoForge：用于对地观测推理的非参数自进化智能体

Xin Xiao, Jiang Zhong, Junnan Zhu, Yingchao Feng, Peijin Wang, Yidan Zhang, Kaiwen Wei

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

AI总结 GeoForge是一种无需训练的自进化框架，通过结构化非参数执行状态及多记忆机制提升EO智能体的规划与推理能力，可改善任务准确率、工具轨迹质量并减少推理错误。

MERA: Model Evolution and Routing with Skill Adaptation for Agentic Systems at Scale

MERA：面向大规模智能体系统的技能适配型模型演化与路由

Yuhang Yao, Zeyu Wang, Wanyi Chen, Tongyun Yang, Yuhang Han, Jie Xiao, Chengke Bao, Tianyi Zhao, Lynn Ai, Eric Yang, Tianyu Shi

机构 * Gradient ； Soochow University（苏州大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

专题命中 规划决策 ：agentic(title)；分类 cs.LG

AI总结 MERA以单模型调用为适应单元，通过多轮适配提升小模型能力，结合带验证器回退的成本校准路由，在HumanEval+MBPP、TAU-2等数据集上实现小模型性能提升与成本降低。

Comments Preliminary version in CAIS RL-Eval

Frontier AI performance across the business disciplines: a case-grounded benchmark of knowledge work and analytical reasoning

跨商业学科的前沿人工智能性能：基于案例的知识工作和分析推理基准

Ajay Patel, Kartik Hosanagar, Ramayya Krishnan, Chris Callison-Burch, Karim Lakhani

机构 * The Wharton School, University of Pennsylvania（宾夕法尼亚大学沃顿商学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Harvard Business School, Harvard University（哈佛大学哈佛商学院） 纠错

专题命中 规划决策 ：tool-use(abstract)；agentic(abstract)；分类 cs.AI、cs.CL

AI总结 研究针对人工智能在白领分析性知识工作衡量上的差距，利用顶尖商学院案例教学法构建BusinessCaseBench基准，发现前沿AI模型在此基准上得分高且能力提升快，为商学院及相关职业角色带来启示。

Infra-Bayesian Reinforcement Learning Agents Outperform Classical RL For Worst-Case Robustness

Infra-Bayesian 强化学习智能体在最坏情况鲁棒性上优于经典强化学习

Manish Aryal, Faiyaz Azam, Agnivo Banerjee, Syed Mahir Ahamed, Sai Sidhanth Manoharan Jayanthi, Allegra Laro, Clément Legentilhomme, Andrew Lin, Florian Lorkowski, Marina Pérez del Valle, Radman Rakhshandehroo, Patric Rommel, Emanuel Ruzak, Nathan Theng, Paul Yushin Rapoport

机构 * Purdue University（普渡大学） ； Carnegie Mellon University（卡内基梅隆大学） ； WorldQuant University（WorldQuant大学） ； UC Berkeley（加州大学伯克利分校） ； Aix-Marseille University（阿维尼翁-马赛大学） ； MIT（麻省理工学院） ； University of Zurich（苏黎世大学） ； University of British Columbia（不列颠哥伦比亚大学） ； University of Stuttgart（斯图加特大学） ； University of Buenos Aires（布宜诺斯艾利斯大学） ； California State University, Fresno（弗雷斯诺加州州立大学） ； University of Chicago（芝加哥大学） 纠错

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

AI总结 针对经典强化学习在模型误设和策略依赖不确定性下的失败，提出 Infra-Bayesian 框架，通过区分概率不确定性和 Knightian 不确定性并采用最坏情况决策，在有限状态无状态决策问题中实现更低的最坏情况遗憾。

Comments RLC 2026: Accepted to Finding the Frame Workshop

MT-PingEval: Evaluating Multi-Turn Collaboration with Private Information Games

MT-PingEval：通过私人信息游戏评估多轮协作

Jacob Eisenstein, Fantine Huot, Adam Fisch, Jonathan Berant, Mirella Lapata

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

AI总结 MT-PingEval通过私人信息游戏评估语言模型在多轮协作中的表现，发现其在规划和执行多轮对话方面存在显著缺陷，并强调了提高对话连贯性和信息管理的重要性。

Comments CoLM camera-ready version

The Periodic Table of LLM Reasoning: A Structured Survey of Reasoning Paradigms, Methods, and Failure Modes

LLM推理的周期表：推理范式、方法与失败模式的结构化综述

Avinash Anand, Mahisha Ramesh, Avni Mittal, Ashutosh Kumar, Rishitej Reddy Vyalla, Erik Cambria, Zhengkui Wang, Timothy Liu, Aik Beng Ng, Simon See, Rajiv Ratn Shah

机构 * Singapore Institute of Technology（新加坡理工大学） ； Nvidia AI Center (SNAIC)（英伟达人工智能中心（SNAIC）） ； MIDAS Lab, IIIT Delhi（IIIT德里MIDAS实验室） ； MIDAS Lab, IIT Mandi（IIT曼迪MIDAS实验室） ； Owl Autonomous Imaging, Inc.（Owl自主成像公司） ； College of Computing & Data Science, NTU Singapore（新加坡南洋理工大学计算与数据科学学院） ； NVIDIA AI Technology Centre, Singapore（英伟达新加坡人工智能技术中心） ； Department of Computer Science and Engineering, IIT Kanpur（IIT坎普尔计算机科学与工程系） 纠错

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

AI总结 本文系统综述了300多篇论文，提出LLM推理研究的结构化分类法，涵盖多种推理范式，分析方法论趋势，并总结常见限制与失败模式，旨在为开发更鲁棒、可解释和可泛化的推理系统提供参考。

Euclid-MCP: A Model Context Protocol Server for Deterministic Logical Reasoning via Prolog

欧几里得-MCP：一个通过Prolog进行确定性逻辑推理的模型上下文协议服务器

Bartolomeo Bogliolo

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

AI总结 研究针对大型语言模型多步逻辑推理不可靠问题，提出开源的欧几里得-MCP服务器，通过引入欧几里得-IR及支持特定循环的工具接口实现确定性逻辑推理，经评估在处理大问题时效果优于LLMs，可作稳定推理基础。

UXCascade: Scalable Usability Testing with Simulated User Agents

UXCascade: 可扩展的可用性测试与模拟用户代理

Steffen Holter, Eunyee Koh, Mustafa Doga Dogan, Gromit Yeuk-Yin Chan

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

AI总结 UXCascade通过多级分析工作流程，帮助从业者在早期界面开发中实现迭代反馈，通过提取、汇总和展示代理生成的可用性反馈，支持可操作的设计改进。

Comments 10 pages, 7 figures, accepted at UIST 2026

A Methodology for Selecting and Composing Runtime Architecture Patterns for Production LLM Agents

为生产大语言模型代理选择和组合运行时架构模式的方法

Vasundra Srinivasan

机构 * AI Architect, Independent Researcher（人工智能架构师，独立研究员） ； Stanford School of Engineering（斯坦福大学工程学院） 纠错

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

AI总结 本文提出了一种方法，用于选择和组合运行时架构模式，以定义大语言模型代理的随机-确定性边界，并探讨其在不同代理类型中的应用及可靠性分解。

Comments 26 pages, 2 figures, 6 tables. Companion repo at https://github.com/vasundras/agent-runtime-patterns

Narrative Keyframing for Generative Creative Writing

用于生成式创意写作的叙事关键帧技术

Chao Zhang, Abe Davis

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

AI总结 该研究提出叙事关键帧技术，作为AI辅助创意写作的交互方法，通过三种关键帧类型实现对生成文本的精细控制，经用户研究验证其可控性、透明性与趣味性更优。

Comments UIST 2026

Thinking Hard, Not Smart: Reasoning Models Fail to Ration Test-Time Compute Across Questions

努力而非明智：推理模型无法在不同问题间合理分配测试时计算资源

Chenrui Fan, Yize Cheng, Ming Li, Yongyuan Liang, Tianyi Zhou, Soheil Feizi

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

AI总结 该研究提出考试式评估框架发现推理模型无法在不同难度分值的问题间合理分配共享测试时计算预算，明确规划提示可使分配更均匀但仍不敏感于分值难度，全局预算分配是现有模型未掌握的独特能力。

Policy-Masked Private Experts: Auditable and Reversible Capability Access Control in Sparse MoE Models

策略掩码私有专家：稀疏混合专家（MoE）模型中的可审计可逆能力访问控制

Zhuoheng Huang, Mukesh Singh

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

AI总结 该研究提出Policy-Masked Private Experts方法，在稀疏MoE模型中实现可审计可逆的能力访问控制，经Qwen、DeepSeek等实验验证其能严格限制未授权访问并保留私有分支效用。

Comments 14 pages, 1 figure, 8 tables. Corrected the DeepSeek decoding and evaluation results and updated the corresponding analysis; corrected the mathematical statement of the frozen-parameter guarantee; clarified paired statistical inference; expanded related work and corrected references

Scheduling Mixed RL Rollouts Beyond Prefix Locality

超越前缀局部性的混合强化学习回滚调度

Zetao Hong, Song Yuan, Yuanhao Ding, Yibo Zhu, Daxin Jiang, Zhibin Wang, Chen Tian

专题命中 规划决策 ：agentic(abstract)；分类 cs.LG

AI总结 针对混合RL回滚调度的异构性问题，提出MISA-T策略，在多基准实验中显著提升回滚吞吐量并降低平均轮次时间，同时维持缓存命中率与工作负载混合比例。

A Systematic Sample Size Analysis of ML-Based Path Loss Prediction for LPWAN

面向低功耗广域网（LPWAN）的基于机器学习的路径损耗预测的系统样本量分析

Robert Bitterling, Christian Nettersheim, Jörn Hees, Michael Rademacher

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

AI总结 该研究针对LPWAN的路径损耗预测，采用结合LiDAR地形特征的随机森林与坐标数据的k近邻，发现两种机器学习模型在不同训练规模下均优于基线模型，且留一网关验证显示随机森林迁移性能更优。

Comments Accepted at IEEE Conference on Local Computer Networks (LCN)

XCoT-VLA: Executable Chain-of-Thought for Vision-Language-Action Driving

XCoT-VLA：面向视觉-语言-动作自动驾驶的可执行思维链

Foundation Model Team, XPeng Inc

机构 * XPeng Inc（小鹏汽车） 纠错

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

AI总结 该研究提出XCoT-VLA，用可执行CoT令牌替代自然语言CoT，结合Reason FFN与Control FFN实现轨迹生成，在自动驾驶任务中降低了误差并满足实时规划要求。

IO Factory: Simulating AI-Enabled Influence Campaigns at Scale

IO Factory：大规模模拟AI驱动的影响力行动

Lukasz Olejnik, Wenchao Dong, Jonas R. Kunst, Signe Riemer-Sørensen, Tobias Herb, Meeyoung Cha, Daniel Thilo Schroeder

机构 * King’s College London（伦敦国王学院） ； Max Planck Institute for Security and Privacy（马克斯·普朗克安全与隐私研究所） ； BI Norwegian Business School（挪威商学院） ； University of Oslo（奥斯陆大学） ； SINTEF Digital（SINTEF数字研究所） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

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

AI总结 IO Factory是AI驱动的大规模影响力行动模拟框架，可在受控平台中关联多环节数据，在10万智能体配置下可执行行动并生成可检查证据，支持可重复研究与红队分析。

Operationalising Relative Causal Knowledge: Backbone Identifiability from Private Reports on a Shared Outcome

相对因果知识的可操作化：基于共享结果的私人报告的主干可识别性

Fabrizio Russo, Mark Somers

机构 * Imperial College London（帝国理工学院） ； Fifty One Degrees Ltd（51度公司） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 本文研究相对因果知识的主干可识别性，针对双智能体共同效应案例，明确局部因果边际无法唯一确定主干，提出需智能体传递因果识别的响应函数方可实现识别，以教育增值示例说明其兼具通信与政策组合属性。

Comments Accepted at Causal Decision Making Workshop, UAI2026. 4 pages + Appendix (13 total)

Continuous Interaction Diffusion: A Diffusion-Native Runtime for Asynchronous Tool-Augmented Reasoning

连续交互扩散：面向异步工具增强推理的原生扩散运行时

Yuhang Cao

机构 * Nanjing University（南京大学） 纠错

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

AI总结 针对扩散语言模型异步工具增强推理的局限，提出连续交互扩散架构，将工具交互整合至迭代去噪，可提升效率并减少冗余，首次聚焦只读工具。

Comments 15 pages, 5 figures, 1 table