AI Agent

WebUncertainty: Dual-Level Uncertainty Driven Planning and Reasoning For Autonomous Web Agent

WebUncertainty: 双层不确定性驱动的规划与推理用于自主网络代理

Lingfeng Zhang, Yongan Sun, Jinpeng Hu, Hui Ma, Yang Ying, Kuien Liu, Zenglin Shi, Meng Wang

机构 * Hefei University of Technology（合肥工业大学） ； Academy of Cyber, CETC Group（中国电子科技集团 Cyber 学院） 纠错

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

AI总结 本文提出WebUncertainty框架，通过双层不确定性驱动的自适应规划和蒙特卡洛树搜索机制，提升自主网络代理在动态交互和长周期任务中的规划与推理能力。

Architectural Design Decisions in AI Agent Harnesses

人工智能代理体系中的架构设计决策

Hu Wei

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

AI总结 本文研究了人工智能代理系统中 reusable 非大语言模型工程基础设施的架构设计决策，通过分析70个公开项目，识别了五个常见设计维度和典型架构模式，为框架设计者和研究者提供证据支持。

Comments 35 pages, 13 tables

Towards Robust Real-World Spreadsheet Understanding with Multi-Agent Multi-Format Reasoning

面向多代理多格式推理的鲁棒现实世界电子表格理解

Houxing Ren, Mingjie Zhan, Zimu Lu, Ke Wang, Yunqiao Yang, Haotian Hou, Hongsheng Li

机构 * CUHK MMLab（CUHK多模态实验室） ； SenseTime Research（商汤科技研究院） ； Shenzhen Loop Area Institute（深圳河套学院） ； CPII under InnoHK（创新香港下的CPII） 纠错

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

AI总结 本文提出SpreadsheetAgent框架，通过多模态逐步阅读推理解决大规模电子表格处理问题，通过结构草图和行列摘要提升推理可靠性，实验表明其在Spreadsheet Bench上表现优异。

Comments Accepted to ACL 2026 (main conference)

Single-Agent LLMs Outperform Multi-Agent Systems on Multi-Hop Reasoning Under Equal Thinking Token Budgets

单代理LLM在多跳推理中优于多代理系统（在相等的思考令牌预算下）

Dat Tran, Douwe Kiela

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 在相等的思考令牌预算下，单代理系统在多跳推理任务中表现优于多代理系统，研究通过信息论论证指出单代理系统在信息效率上更具优势，并揭示了多代理系统在计算和上下文利用下降时的竞争性。

TRACE: A Multi-Agent System for Autonomous Physical Reasoning for Seismology

TRACE：一种用于地震学自主物理推理的多智能体系统

Feng Liu, Jian Xu, Xin Cui, Xinghao Wang, Zijie Guo, Jiong Wang, S. Mostafa Mousavi, Xinyu Gu, Hao Chen, Ben Fei, Lihua Fang, Fenghua Ling, Zefeng Li, Lei Bai

机构 * School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电子信息与电气工程学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； School of Earth and Space Sciences, University of Science and Technology of China（中国科学技术大学地球和空间科学学院） ； Department of Earth and Planetary Sciences, Harvard University（哈佛大学地球与行星科学系） ； Institute of Earthquake Forecasting, China Earthquake Administration（中国地震局地震预报研究所） 纠错

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

AI总结 TRACE通过结合大语言模型规划与正式地震学约束，从原始观测中推导出可审计的物理机制，解决了地震序列物理机制推断的挑战，推动了地球科学从专家依赖分析向知识引导的自主发现发展。

Comments 25 pages for main text and 164 pages for appendices

Mobile-Agent-RAG: Driving Smart Multi-Agent Coordination with Contextual Knowledge Empowerment for Long-Horizon Mobile Automation

移动代理-RAG：通过上下文知识增强驱动智能多代理协调以实现长周期移动自动化

Yuxiang Zhou, Jichang Li, Yanhao Zhang, Haonan Lu, Guanbin Li

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

AI总结 本文提出Mobile-Agent-RAG框架，通过双层检索增强实现智能多代理协调，提升长周期移动自动化任务的完成率和效率。

Adaptive Collaboration with Humans: Metacognitive Policy Optimization for Multi-Agent LLMs with Continual Learning

适应性协作与人类：多智能体大语言模型的元认知策略优化与持续学习

Wei Yang, Defu Cao, Jiacheng Pang, Muyan Weng, Yan Liu

机构 * University of Southern California（南加州大学） 纠错

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

AI总结 HILA框架通过元认知策略优化与持续学习，实现多智能体与人类的协同协作，提升复杂任务处理能力。

MAS-H2: A Hierarchical Multi-Agent System for Holistic Cloud-Native Autoscaling

MAS-H2：一种用于整体云原生自动扩展的分层多智能体系统

Hamed Hamzeh, Parisa Vahdatian

机构 * University of Westminster（威斯敏斯特大学） ； University of York（约克大学） 纠错

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

AI总结 MAS-H2通过分层多智能体系统实现云原生自动扩展的前瞻性管理，减少资源浪费和性能下降，提升系统稳定性与资源利用效率。

Agentic Planning with Reasoning for Image Styling via Offline RL

基于推理的图像风格化代理规划 via 离线强化学习

Subhojyoti Mukherjee, Stefano Petrangeli, Branislav Kveton, Trung Bui, Franck Dernoncourt, Arko Mukherjee

机构 * Adobe Research（Adobe研究） 纠错

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

AI总结 本文提出基于推理的代理规划框架，通过结构化规划和工具链提升图像风格化效果，采用合成数据生成和离线强化学习方法，验证在视觉质量和指令遵循上的优越性。

Comments 85 pages

Agentic LLM Planning via Step-Wise PDDL Simulation: An Empirical Characterisation

通过分步PDDL模拟实现代理LLM规划：一项实证分析

Kai Göbel, Pierrick Lorang, Patrik Zips, Tobias Glück

机构 * AIT Austrian Institute of Technology GmbH（奥地利技术研究院） 纠错

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

AI总结 本文通过PyPDDLEngine实验证明代理LLM在任务规划中相比传统方法具有小幅优势，但效果受环境反馈类型影响。

MA-CoNav: A Master-Slave Multi-Agent Framework with Hierarchical Collaboration and Dual-Level Reflection for Long-Horizon Embodied VLN

MA-CoNav：一种具有分层协作和双阶段反思的主从多智能体框架用于长周期具身视觉语言导航

Ling Luo, Qianqian Bai

机构 * Southwestern University of Finance（西南财经大学） ； Department of Informatics,Universitat Hamburg, Hamburg, Germany（汉堡大学信息学院） ； University of Electronic Science（电子科学大学） 纠错

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

AI总结 MA-CoNav 通过主从分层架构和双阶段反思机制，提升长周期具身视觉语言导航任务的性能。

MagicAgent: Towards Generalized Agent Planning

MagicAgent：迈向通用代理规划

Xuhui Ren, Shaokang Dong, Chen Yang, Qing Gao, Yunbin Zhao, Yongsheng Liu, Xinwei Geng, Xiang Li, Demei Yan, Yanqing Li, Chenhao Huang, Dingwei Zhu, Junjie Ye, Boxuan Yue, Yingnan Fu, Mengzhe Lv, Zezeng Feng, Boshen Zhou, Bocheng Wang, Xuanjing Huang, Yu-Gang Jiang, Tao Gui, Qi Zhang, Yunke Zhang

机构 * Honor Device Co., Ltd（Honor设备有限公司） ； Fudan University（复旦大学） 纠错

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

AI总结 MagicAgent通过合成数据框架和两阶段训练范式，实现通用代理规划，优于现有模型。

NutriOrion: A Hierarchical Multi-Agent Framework for Personalized Nutrition Intervention Grounded in Clinical Guidelines

NutriOrion：一种基于临床指南的个性化营养干预分层多智能体框架

Junwei Wu, Runze Yan, Hanqi Luo, Darren Liu, Minxiao Wang, Kimberly L. Townsend, Lydia S. Hartwig, Derek Milketinas, Xiao Hu, Carl Yang

机构 * Emory University（埃默里大学） ； Texas Woman's University（德克萨斯女子大学） 纠错

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

AI总结 NutriOrion通过分层多智能体框架实现个性化营养干预，结合多目标优先级算法和安全约束机制，有效解决多病共存患者的饮食需求冲突与临床有效性问题。

Cocoa: Co-Planning and Co-Execution with AI Agents

Cocoa：基于AI代理的协同规划与协同执行

K. J. Kevin Feng, Kevin Pu, Matt Latzke, Tal August, Pao Siangliulue, Jonathan Bragg, Daniel S. Weld, Amy X. Zhang, Joseph Chee Chang

机构 * University of Washington（华盛顿大学） ； University of Toronto（多伦多大学） ； Allen Institute for AI（人工智能研究院） 纠错

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

AI总结 Cocoa通过协同规划与执行机制，提升人机协作灵活性，支持复杂研究任务的自主可控与高效执行。

Comments CHI 2026 paper

Approximating Human Strategic Reasoning with LLM-Enhanced Recursive Reasoners Leveraging Multi-agent Hypergames

用LLM增强的递归推理器近似人类战略推理

Vince Trencsenyi, Agnieszka Mensfelt, Kostas Stathis

机构 * Royal Holloway University of London（伦敦皇家霍洛威大学） 纠错

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

AI总结 本文提出了一种基于LLM增强的递归推理器框架，通过多智能体超游戏模型评估LLM的递归推理能力，并展示了其在近似人类行为和最优解达成方面的优势。

ROMA: Recursive Open Meta-Agent Framework for Long-Horizon Multi-Agent Systems

ROMA：递归开放元代理框架用于长周期多代理系统

Salaheddin Alzu'bi, Baran Nama, Arda Kaz, Anushri Eswaran, Weiyuan Chen, Sarvesh Khetan, Rishab Bala, Tu Vu, Sewoong Oh

机构 * Sentient ； Virginia Tech（弗吉尼亚理工大学） ； UC Berkeley（加州大学伯克利分校） ； UC San Diego（加州大学圣地亚哥分校） ； University of Maryland（马里兰大学） 纠错

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

AI总结 ROMA通过递归任务分解和结构化聚合，实现长周期多代理系统的高效推理和生成性能。

ReAcTree: Hierarchical LLM Agent Trees with Control Flow for Long-Horizon Task Planning

ReAcTree：具有控制流的分层LLM代理树用于长时间任务规划

Jae-Woo Choi, Hyungmin Kim, Hyobin Ong, Youngwoo Yoon, Minsu Jang, Dohyung Kim, Jaehong Kim

机构 * ETRI & UST（ETRI与UST） ； UST 纠错

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

AI总结 ReAcTree通过分层代理树和控制流实现复杂任务规划，显著提升长周期任务的完成效率和成功率。

Comments Accepted as a Full Paper at AAMAS 2026. This is the extended version including full appendices. Code is available at https://github.com/Choi-JaeWoo/ReAcTree.git

Faramesh: A Protocol-Agnostic Execution Control Plane for Autonomous Agent Systems

Faramesh：一种协议无关的自主代理系统执行控制平面

Amjad Fatmi

机构 * The Faramesh Labs（弗拉梅什实验室） 纠错

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

AI总结 Faramesh通过非可绕过的动作授权边界，实现自主代理系统执行时的强制授权和可预测治理。

Comments 40 pages, 10 figures. Preprint. Code: https://github.com/faramesh/faramesh-core

Spatial-Agent: Agentic Geo-spatial Reasoning with Scientific Core Concepts

空间智能体：基于科学核心概念的地理空间推理

Riyang Bao, Cheng Yang, Dazhou Yu, Zhexiang Tang, Gengchen Mai, Liang Zhao

机构 * Emory University（埃默里大学） ； Rutgers University（罗格斯大学） ； 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 ：agent(title,abstract)；agentic(title)；AI agent(abstract)；planning(abstract)

AI总结 Spatial-Agent通过基于空间信息科学的理论框架，实现了可解释的地理空间推理，优于现有方法并产生可执行的工作流。

Comments 15pages, 4 figures

VIKI-R: Coordinating Embodied Multi-Agent Cooperation via Reinforcement Learning

VIKI-R: 通过强化学习协调具身多智能体合作

Li Kang, Xiufeng Song, Heng Zhou, Yiran Qin, Jie Yang, Xiaohong Liu, Philip Torr, Lei Bai, Zhenfei Yin

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

AI总结 VIKI-R通过强化学习协调多智能体合作，提出分层基准VIKI-Bench，显著提升多智能体视觉驱动合作性能。

Comments Accepted by NeurIPS 2025 Track on Datasets and Benchmarks. Project page: https://faceong.github.io/VIKI-R/

TPTU: Large Language Model-based AI Agents for Task Planning and Tool Usage

TPTU：基于大型语言模型的AI代理用于任务规划和工具使用

Jingqing Ruan, Yihong Chen, Bin Zhang, Zhiwei Xu, Tianpeng Bao, Guoqing Du, Shiwei Shi, Hangyu Mao, Ziyue Li, Xingyu Zeng, Rui Zhao

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； SenseTime Research（商汤科技研究院） ； HKUST（香港科技大学） 纠错

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

AI总结 本文提出基于大型语言模型的AI代理框架，设计两种代理类型以提升任务规划和工具使用能力，并通过实验验证其在复杂任务中的有效性。

Comments Accepted in NeurIPS-2023 Workshop on Foundation Models for Decision Making

The Agentic Regulator: Risks for AI in Finance and a Proposed Agent-based Framework for Governance

代理调节器：人工智能在金融中的风险及一种基于代理的治理框架提案

Eren Kurshan, Tucker Balch, David Byrd

机构 * Princeton University（普林斯顿大学） ； Emory University（埃默里大学） ； Bowdoin College（鲍德因学院） 纠错

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

AI总结 本文提出基于代理的治理框架，以应对人工智能在金融领域中的新兴风险，通过分层监管模块提升系统适应性和稳定性。

On the Regulatory Potential of User Interfaces for AI Agent Governance

关于用户界面在AI代理治理中的调节潜力

K. J. Kevin Feng, Tae Soo Kim, Rock Yuren Pang, Faria Huq, Tal August, Amy X. Zhang

机构 * University of Washington（华盛顿大学） ； KAIST（韩国科学技术院） ； Carnegie Mellon University（卡内基梅隆大学） ； UIUC（伊利诺伊大学香槟分校） 纠错

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

AI总结 本文提出通过调节AI代理的用户界面来增强透明性和行为规范，从而在系统和基础设施层面实现治理。

Comments RegML workshop at NeurIPS 2025 (oral)

SurvAgent: Hierarchical CoT-Enhanced Case Banking and Dichotomy-Based Multi-Agent System for Multimodal Survival Prediction

SurvAgent: 基于层次化CoT增强的案例库与二元多智能体系统用于多模态生存预测

Guolin Huang, Wenting Chen, Jiaqi Yang, Xinheng Lyu, Xiaoling Luo, Sen Yang, Xiaohan Xing, Linlin Shen

机构 * Shenzhen University（深圳大学） ； Stanford University（斯坦福大学） ； University of Nottingham Ningbo China（诺丁汉大学宁波分校） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 SurvAgent通过层次化CoT增强的多智能体系统，整合多模态数据，提升生存预测的可解释性与准确性。

Comments 20 pages

Enhancing Demand-Oriented Regionalization with Agentic AI and Local Heterogeneous Data for Adaptation Planning

Seyedeh Mobina Noorani, Shangde Gao, Changjie Chen, Karla Saldana Ochoa

机构 * College of Design, Construction and Planning, University of Florida（佛罗里达大学设计、建设与规划学院） ； Department of Electrical and Computer Engineering, University of Florida（佛罗里达大学电气与计算机工程系） ； Florida Institute for Built Environment Resilience (FIBER), University of Florida（佛罗里达大学环境韧性研究所） 纠错

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

Comments Accepted by NeurIPS 2025 UrbanAI Workshop as poster

Biomedical reasoning in action: Multi-agent System for Auditable Biomedical Evidence Synthesis

Oskar Wysocki, Magdalena Wysocka, Mauricio Jacobo, Harriet Unsworth, André Freitas

机构 * Idiap Research Institute（IDiap研究 institute） ； National Biomarker Centre (NBC) CRUK Manchester Institute（国家生物标记中心（NBC）CRUK曼彻斯特研究所） ； Department of Computer Science University of Manchester, UK（计算机科学系曼彻斯特大学） 纠错

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；workflow(abstract)；分类 cs.AI

TimeSeriesScientist: A General-Purpose AI Agent for Time Series Analysis

Haokun Zhao, Xiang Zhang, Jiaqi Wei, Yiwei Xu, Yuting He, Siqi Sun, Chenyu You

机构 * Stony Brook University（石溪大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of British Columbia（不列颠哥伦比亚大学） ； Zhejiang University（浙江大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Case Western Reserve University（凯斯西储大学） ； Fudan University（复旦大学） 纠错

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

Multi-Agent Tool-Integrated Policy Optimization

Zhanfeng Mo, Xingxuan Li, Yuntao Chen, Lidong Bing

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

Comments Work in progress

Towards Agentic OS: An LLM Agent Framework for Linux Schedulers

Yusheng Zheng, Yanpeng Hu, Wei Zhang, Andi Quinn

机构 * UC Santa Cruz, CA, USA（加州大学圣克ruz分校） ； University of Connecticut（康涅狄格大学） ； ShanghaiTech University（上海科技大学） 纠错

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

Journal ref MLforSystem 2025

MineAnyBuild: Benchmarking Spatial Planning for Open-world AI Agents

Ziming Wei, Bingqian Lin, Zijian Jiao, Yunshuang Nie, Liang Ma, Yuecheng Liu, Yuzheng Zhuang, Xiaodan Liang

机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Shanghai Jiao Tong University（上海交通大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

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

Comments Accepted by NeurIPS 2025 Datasets and Benchmarks Track