AI Agent

Efficient and Scalable Agentic AI with Heterogeneous Systems

Zain Asgar, Michelle Nguyen, Sachin Katti

机构 * Stanford University（斯坦福大学） ； Gimlet Labs Inc.（Gimlet实验室） ； Intel（英特尔） 纠错

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

Comments Early access preprint

ChemGraph: An Agentic Framework for Computational Chemistry Workflows

Thang D. Pham, Aditya Tanikanti, Murat Keçeli

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

Unified Mind Model: Reimagining Autonomous Agents in the LLM Era

Pengbo Hu, Xiang Ying

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

Comments 18 pages

LLM-SAP: Large Language Models Situational Awareness Based Planning

Liman Wang, Hanyang Zhong

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

Comments This article has been accepted by ICME2024 Workshop MML4SG. Website:https://github.com/HanyangZhong/Situational_Planning_datasets

The Physics of Multi-Turn Long-Horizon Planning: From Pre-training to Post-training via Single- and Multi-Teacher On-Policy Agentic Distillation

多轮长期规划的物理学：通过单教师和多教师策略蒸馏从预训练到训练后

Tianyi Men, Zhuoran Jin, Kang Liu, Jun Zhao

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 研究多轮长期规划问题，通过引入统一可控环境，利用预训练、GRPO、OPD及MOPD等方法，研究规划能力在不同阶段的获取、塑造与整合，展示了多教师策略蒸馏对跨环境能力整合的作用。

One-for-All Adaptive Radiotherapy Planning Agent: A Foundation Framework for Daily CBCT-guided Radiotherapy

一适用于所有情况的自适应放射治疗计划智能体：基于每日锥束CT引导的放射治疗基础框架

Shaoyan Pan, Kirk Jon Luca, Yuan Gao, Shansong Wang, Mingzhe Hu, Ryan Sanford, Mojtaba Safari, Justin Roper, Zhen Tian, Tonghe Wang, Xiaofeng Yang

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

AI总结 介绍一适用于所有情况的自适应放射治疗计划智能体，它基于统一基础模型，能从每日锥束CT执行在线自适应计划，自主预测关键组件并设计临床计划，经多数据集评估，其准确性和计划质量与临床方案相当，为放射治疗带来新机遇。

Self-Evolving Agentic Image Restoration via Deliberate Planning and Intuitive Execution

自进化智能体图像恢复：通过深思熟虑的规划与直觉执行

Shuang Cui, Fan Ji, Guanglong Sun, Yufei Guo, Xiongxin Tang, Jiangmeng Li, Fanjiang Xu

机构 * Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Life Sciences, Tsinghua University（清华大学生命科学学院） ； Intelligent Science & Technology Academy of CASIC（中国科学院 CASIC 智能科学与技术学院） 纠错

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

AI总结 提出SEAR框架，将图像恢复建模为序列决策问题，采用直觉执行器与深思熟虑规划器，结合剪枝感知蒙特卡洛树搜索和自进化情景记忆，解决贪婪搜索和信息利用不足问题。

From Causal Discovery to Implementation: An Agentic AI Framework for E-Scooter Mobility Hub Planning Across 29 German Cities

从因果发现到实施：面向29个德国城市的电动滑板车出行枢纽规划的智能体AI框架

Meng Jin, Melanie Handrich, Simone Martinenz, Nicholas Hoeser, Ziyue Li

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

AI总结 提出一个三阶段智能体AI框架，利用29个德国城市的公共GBFS数据构建因果模板库，通过LLM驱动的因果发现揭示城市类型与集群类型对热点需求的因果驱动差异，并在海尔布隆指导两个枢纽站点建设。

Comments 32 Pages, Submitted to Transportation Research Part D: Transport and Environment. Under review

Agentic Neuro-Symbolic Planning and Commissioning for Human-in-the-Loop Industrial Robotics with Digital Twins

面向人机协同工业机器人的智能神经符号规划与调试：基于数字孪生

Zhihao Liu, Victor Nan Fernandez-Ayala, Tianyu Wang, Qiang Qin, Xi Vincent Wang, Dimos V. Dimarogonas, Lihui Wang

机构 * Royal Institute of Technology (KTH)（皇家理工学院（KTH）） 纠错

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

AI总结 提出一种结合LLM语言理解与确定性验证执行的神经符号框架，采用SDI架构和两级恢复机制，在数字孪生中验证后执行，显著提升任务成功率。

Ontology-Constrained Neural Reasoning in Enterprise Agentic Systems: A Neurosymbolic Architecture for Domain-Grounded AI Agents

企业智能体系统中的本体约束神经推理：一种面向领域 grounded AI 智能体的神经符号架构

Thanh Luong Tuan, Abhijit Sanyal

机构 * Golden Gate University, San Francisco Foundation（金门大学，旧金山基金会） ； AgenticOS (FAOS)（AgenticOS（FAOS）） ； Associate Director, Data, Digital & IT Novartis Healthcare Pvt. Ltd.（数据、数字与IT部门，诺华健康有限公司） ； Novartis Healthcare Pvt. Ltd., Hyderabad, India（诺华健康有限公司，海得拉巴，印度） 纠错

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

AI总结 本文提出了一种神经符号架构，通过本体约束神经推理解决企业大语言模型在幻觉、领域漂移和无法在推理层面强制执行监管合规性方面的限制，展示了该架构在提升智能体的指标准确性和角色一致性方面的显著效果。

Comments 24 pages, 6 tables, 6 figures, 1 algorithm, 65 references. Replication study: 1,800 runs (600 per model) across 5 regulated industries (3 English, 2 Vietnamese) and 3 LLMs (Claude Sonnet 4, Qwen 2.5 72B, Gemma 4 26B). v3 changes: deep-review trim from 34pp. Code and data: https://github.com/frank-luongt/faos-research/tree/main/RA-3

A Machine-to-Machine Knowledge-Guided LLM Agent for Generalizable Radiotherapy Treatment Planning

一种机器到机器知识引导的LLM智能体用于泛化放射治疗计划

Md Mainul Abrar, Xun Jia, Yujie Chi

机构 * National Institutes of Health (NIH)（国家卫生研究院） ； Department of Physics, The University of Texas at Arlington（德克萨斯理工大学阿灵顿分校物理系） ； Department of Radiation Oncology and Molecular Radiation Sciences, Johns Hopkins University（约翰霍普金斯大学放射肿瘤学与分子放射科学系） 纠错

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

AI总结 提出一种机器到机器知识引导的大语言模型框架，通过深度强化学习发现的治疗计划参数分布知识迁移至LLM智能体，实现无需人工干预的自主迭代规划，在多种病例中显著提升规划质量和泛化能力。

Comments 10 pages, 6 figures

PLanAR: Planning-Language-Grounded Agentic Reasoning for Robot Manipulation

PLanAR：面向机器人操作的规划语言基础智能推理

Pengyuan Guo, Zhonghao Mai, Zhengtong Xu, Kaidi Zhang, Quan Khanh Luu, Heng Zhang, Zichen Miao, Arash Ajoudani, Zachary Kingston, Qiang Qiu, Yu She

机构 * Purdue University（普渡大学） ； Istituto Italiano di Tecnologia（意大利理工研究院） 纠错

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

AI总结 提出PLanAR框架，通过规划语言接口定义VLM推理空间，实现开放词汇的长时域机器人操作，并支持逐步验证与重规划。

Comments New version with updated framing, contributions, experiments, and figures

Prior Policy Guided Dual-Agent Coordinated Manipulation Planning of Spacecraft-Manipulator System

先验策略引导的航天器-机械臂系统双智能体协同操控规划

Yuhui Hu, Dong Zhou, Kaihong Ouyang, Zhongliang Yu, Jianfeng Lv, Xiangyu Shao

机构 * School of Astronautics（航天学院） ； School of Automation（自动化学院） ； School of Information Science and Engineering（信息科学与工程学院） 纠错

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

AI总结 针对空间机械臂与基座强耦合导致的姿态稳定问题，提出先验策略引导的双智能体协同操控规划框架，通过时间步级专家切换机制提升深度强化学习效率，实现末端执行器高精度到达与基座姿态稳定。

Comments 36 pages, 13 figures, 6 tables. Under review

OPERA: An Agent for Image Restoration with End-to-End Joint Planning-Execution Optimization

OPERA: 一种用于图像修复的智能体，通过端到端联合规划-执行优化

Feng Zhu, Shuyang Xie, Yihan Zeng, Ming Liu, Wangmeng Zuo

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

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

AI总结 该研究提出OPERA框架，通过端到端联合优化修复规划和工具执行，解决图像修复中复杂混合退化问题，优于现有方法和统一模型。

NEWTON: Agentic Planning for Physically Grounded Video Generation

NEWTON：面向物理基础视频生成的代理规划

Yuxiang Feng, Juncheng Wang, Chao Xu, Yijie Qian, Huihan Wang, Wenlong Hou, Yang Liu, Baigui Sun, Yong Liu, Shujun Wang

机构 * Zhejiang University（浙江大学） ； The Hong Kong Polytechnic University（香港理工大学） ； IROOTECH TECHNOLOGY（IROOTECH技术公司） ； Sany Group（三一集团） 纠错

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

AI总结 本文提出NEWTON，通过将视频生成从系统输出降级为代理工具箱中的一个动作，利用学习的规划器协调物理感知工具，提高视频生成的物理合理性，从而在VideoPhy-2数据集上显著提升联合准确性。

Comments project page: https://Newton026.github.io/newton

Computational Thinking Development in AI Agent Creation_A Mixed-Methods Study

在AI代理创建中的计算思维发展：混合方法研究

Yimeng Sun, Haiyang Xin, Qiannan Niu, Shuang Li, Lingyun Huang, Gaowei Chen

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

AI总结 研究通过混合方法探讨93名初中生在AI代理创建工作坊中计算思维的发展，发现中等初始水平学生在抽象和算法思维上有显著提升，揭示了最优发展区效应。

Anumati: Proof of Adherence as a Formal Consent Model for Autonomous Agent Protocols

Anumati：作为自主代理协议的合规性证明形式化同意模型

Ravi Kiran Kadaboina

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

AI总结 本文提出一种形式化同意模型，用于自主代理协议中的合规性证明，通过三个原始构件实现版本化、只追加的同意模型，并将其扩展到两种常用代理协议中。

Comments 25 pages, 5 figures

Agentic AI-Empowered Wireless Agent Networks With Semantic-Aware Collaboration via ILAC

基于ILAC的智能无线代理网络：通过语义感知协作实现代理AI赋能

Zhouxiang Zhao, Jiaxiang Wang, Zhaohui Yang, Kun Yang, Zhaoyang Zhang, Mingzhe Chen, Kaibin Huang

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

AI总结 本文提出一种基于ILAC的无线代理网络框架，通过语义感知协作实现高效代理协作，解决了语义冗余和通信计算控制机制不足的问题，实验表明其在动态环境中具有更高的能效和可扩展性。

Deliberative multi-agent large language models improve clinical reasoning in ophthalmology

协商式多智能体大语言模型提升眼科临床推理

Ehsan Misaghi, Sean T Berkowitz, Bing Yu Chen, Qingyu Chen, Renaud Duval, Pearse A Keane, Danny A Mammo, Ariel Yuhan Ong, Mertcan Sevgi, Sumit Sharma, Sunil K Srivastava, Yih Chung Tham, Fares Antaki

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

AI总结 本研究比较了多智能体协商系统与单一模型在眼科临床推理中的表现，发现协商系统在准确性和安全性上均优于单一模型，且能减少有害错误。

LLM-FK: Multi-Agent LLM Reasoning for Foreign Key Detection in Large-Scale Complex Databases

LLM-FK：多智能体LLM推理用于大规模复杂数据库中的外键检测

Zijian Tang, Ying Zhang, Sibo Cai, Ruoxuan Wang

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

AI总结 LLM-FK通过多智能体框架解决大规模复杂数据库中外键检测的三大挑战，实现高精度和高效搜索。

Comments 28 pages, 13 figures

Toward E2E Intelligence in 6G Networks: An AI Agent-Based RAN-CN Converged Intelligence Framework

迈向6G网络的端到端智能：一种基于AI代理的RAN-CN融合智能框架

Youbin Han, Haneul Ko, Namseok Ko, Tarik Taleb, Yan Chen

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

AI总结 本文提出一种基于AI代理的RAN-CN融合智能框架，利用大语言模型和ReAct范式，实现跨域网络的统一智能控制，提升网络适应性和泛化能力。

Comments 8 pages, 5 figures

ADM-DP: Adaptive Dynamic Modality Diffusion Policy through Vision-Tactile-Graph Fusion for Multi-Agent Manipulation

ADM-DP: 通过视觉-触觉-图融合的自适应动态模态扩散策略用于多智能体操作

Enyi Wang, Wen Fan, Dandan Zhang

机构 * Department of Bioengineering, Imperial-X Initiative, Imperial College London（生物工程系、Imperial-X计划、帝国理工学院伦敦分校） 纠错

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

AI总结 ADM-DP通过视觉-触觉-图融合的自适应动态模态扩散策略，提升多智能体操作的协调性、抓取稳定性和碰撞避免性能。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA 2026)

Hierarchical Multi-Agent MCTS for Safety-Critical Coordination in Mixed-Autonomy Roundabouts

分层多智能体MCTS用于混合自主性环形路口的安全协调

Zhihao Lin, Jianglin Lan, Shuo Liu, Zhen Tian, Dezong Zhao, Chongfeng Wei

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

AI总结 本文提出了一种分层多智能体MCTS框架，用于混合自主性环形路口的安全协调，通过车道特定不确定性模型和安全意识修剪，有效降低轨迹偏移和PET违规率。

Comments 13 pages, 11 figures

Ostrom-Weighted Bootstrap: A Theoretically Optimal and Provably Complete Framework for Hierarchical Imputation in Multi-Agent Systems

奥斯特罗姆加权Bootstrap：一种理论上最优且可证明完整的多智能体系统分层填补框架

Hirofumi Wakimoto

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

AI总结 OWB是一种基于重采样的方法，能够实现精确最优性、贝叶斯后验均值解释、经验贝叶斯收缩、渐近效率和零NaN保证，适用于多智能体系统的分层填补。

Comments 7 pages, initial submission

Toward Agentic AI: Task-Oriented Communication for Hierarchical Planning of Long-Horizon Tasks

迈向代理AI：面向长周期任务的分层规划任务导向通信

Sin-Yu Huang, Lele Wang, Vincent W. S. Wong

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

AI总结 本文提出HiTOC框架，通过分层任务导向通信提升长周期任务的规划效率，实现更高效的代理AI系统。

Comments Accepted by IEEE International Conference on Communications (ICC), Glasgow, UK, May 2026

M3: High-fidelity Text-to-Image Generation via Multi-Modal, Multi-Agent and Multi-Round Visual Reasoning

M3：通过多模态、多智能体和多轮视觉推理实现高保真的文本到图像生成

Bangji Yang, Ruihan Guo, Jiajun Fan, Chaoran Cheng, Ge Liu

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 M3通过多智能体和多轮视觉推理提升开源模型的文本到图像生成能力，超越商业系统并实现最先进的性能。

"Having Lunch Now": Understanding How Users Engage with a Proactive Agent for Daily Planning and Self-Reflection

现在午餐时间

Adnan Abbas, Caleb Wohn, Arnav Jagtap, Eugenia H Rho, Young-Ho Kim, Sang Won Lee

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

AI总结 本文研究用户与主动代理的互动，探讨其在日常规划和自我反思中的作用，发现用户有不同反应模式并提出设计改进。

How Exploration Breaks Cooperation in Shared-Policy Multi-Agent Reinforcement Learning

探索如何在共享策略多智能体强化学习中破坏合作

Yi-Ning Weng, Hsuan-Wei Lee

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

AI总结 本研究揭示了共享策略多智能体强化学习中探索如何导致合作崩溃，指出参数耦合与部分可观测性引起的表示失败是根本原因。

Comments 38 pages, 9 figures

Hierarchical GNN-Based Multi-Agent Learning for Dynamic Queue-Jump Lane and Emergency Vehicle Corridor Formation

基于分层图神经网络的多智能体学习用于动态排队车道和应急车辆走廊形成

Haoran Su

机构 * New York University（纽约大学） 纠错

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

AI总结 本文提出基于分层图神经网络的多智能体学习框架，用于动态排队车道和应急车辆走廊形成，通过MAPPO训练在模拟中显著提升应急车辆通行效率并降低碰撞率。

Comments 16 Pages, 5 Figures, 9 Tables, submitted to IEEE TITS

Agent+P: Guiding UI Agents via Symbolic Planning

Agent+P: 通过符号规划引导UI代理

Shang Ma, Xusheng Xiao, Yanfang Ye

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

AI总结 AGENT+P通过符号规划引导UI代理，提升UI自动化任务的成功率和效率。