The Auton Agentic AI Framework
自主AI框架
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；autonomous agent(abstract)；分类 cs.AI
AI总结 Auton框架通过分离认知蓝图与运行时引擎，实现自主代理系统的标准化创建、执行和治理，采用增强POMDP模型和三级自我进化框架提升安全性与效率。
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. 规划决策 35394 篇
Radiologist Copilot: An Agentic Framework Orchestrating Specialized Tools for Reliable Radiology Reporting
放射科助手：一种协调专用工具的代理框架以实现可靠的放射学报告
机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； SenseTime Research, Shanghai, China（商汤研究） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院）
专题命中 规划决策 ：agentic(title,abstract)；planning(abstract)；workflow(abstract)；分类 cs.AI
AI总结 放射科助手通过协调专用工具实现全面的放射学报告流程，提升报告准确性和临床标准符合度。
VideoMind: A Chain-of-LoRA Agent for Temporal-Grounded Video Reasoning
VideoMind: 一种用于时序 grounded 视频推理的链式 LoRA 代理
机构 * The Hong Kong Polytechnic University（香港理工大学） ； National University of Singapore（新加坡国立大学）
专题命中 规划决策 ：agent(title,abstract)；workflow(abstract)；agentic(abstract)；分类 cs.AI
AI总结 VideoMind 提出了一种基于角色的链式 LoRA 机制，用于提升视频时序 grounded 推理的效率与灵活性。
Comments ICLR 2026 Camera Ready
Towards Selection as Power: Bounding Decision Authority in Autonomous Agents
迈向选择作为权力：自主代理中决策权威的边界
机构 * AI Lab, Grupo Santander Madrid, Spain（AI实验室，西班牙 Grupo Santander 马德里）
专题命中 规划决策 ：autonomous agent(title,abstract)；agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文提出一种治理架构，通过机械机制限制自主代理的选择权，以防止确定性结果并提升可审计性，重新定义治理为受限制的因果权力。
PhGPO: Pheromone-Guided Policy Optimization for Long-Horizon Tool Planning
PhGPO：基于信息素的策略优化用于长周期工具规划
专题命中 规划决策 ：planning(title,abstract)；tool use(abstract)；tool-use(abstract)；分类 cs.AI
AI总结 PhGPO通过学习历史轨迹中的信息素模式，指导策略优化以提升长周期工具规划能力。
Multi UAVs Preflight Planning in a Shared and Dynamic Airspace
共享动态空域中多无人机预飞行规划
机构 * Linköping University（林雪平大学） ； Universidade Estadual de Campinas（坎皮纳斯州立大学） ； Universidade Federal do ABC（ABC联邦大学）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 DTAPP-IICR通过增量迭代冲突解决方法，实现了在动态共享空域中大规模无人机预飞行规划的高效与高成功率。
Comments AAMAS 2026 accepted paper
Trade in Minutes! Rationality-Driven Agentic System for Quantitative Financial Trading
一分钟内交易！基于理性驱动的量化金融交易代理系统
机构 * Tongji University（同济大学） ； Microsoft Research Asia（微软亚洲研究院） ； University of Bristol（布里斯托大学） ； Fudan University（复旦大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 TiMi是一种基于理性驱动的多代理系统，通过解耦策略开发与分钟级部署，实现量化金融交易的高效稳定盈利。
Comments 17 pages, 6 figures
Table-as-Search: Formulate Long-Horizon Agentic Information Seeking as Table Completion
表格作为搜索：将长周期代理信息寻求任务转化为表格补全
机构 * Alibaba International Digital Commerce（阿里巴巴国际数字商务）
专题命中 规划决策 ：agentic(title)；agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 TaS将长周期信息寻求任务转化为表格补全，通过结构化表格管理搜索状态，统一三种信息搜索任务，实验表明其在多个基准测试中表现优异。
HyPlan: Hybrid Learning-Assisted Planning Under Uncertainty for Safe Autonomous Driving
HyPlan：在不确定环境下通过混合学习辅助规划实现安全自动驾驶
机构 * Saarland University, Computer Science Dept.（萨尔兰大学计算机科学系） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） ； French National Centre for Scientific Research (CNRS)（法国国家科学研究中心）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 HyPlan通过结合多智能体行为预测、深度强化学习和POMDP规划，实现安全且高效的自动驾驶导航
LPS-Bench: Benchmarking Safety Awareness of Computer-Use Agents in Long-Horizon Planning under Benign and Adversarial Scenarios
LPS-Bench: 在长周期规划中评估计算机使用代理的安全意识基准测试
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 LPS-Bench通过评估长周期规划中计算机使用代理的安全意识，揭示现有系统在安全行为维持方面的不足，并提出缓解策略以提升安全性。
AgentRAN: An Agentic AI Architecture for Autonomous Control of Open 6G Networks
AgentRAN: 一种面向自主控制开放6G网络的代理AI架构
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 AgentRAN是一种基于自然语言意图的AI代理架构，通过自组织层次结构和AI-RAN工厂实现开放6G网络的自主控制与持续自我优化。
Comments This work has been submitted to the IEEE for possible publication
Communications-Incentivized Collaborative Reasoning in NetGPT through Agentic Reinforcement Learning
通过代理强化学习在NetGPT中实现通信激励的协作推理
机构 * IEEE
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 本文提出NetGPT框架，通过代理强化学习实现AI原生xG网络的协作推理与自适应优化。
Agentic Design Patterns: A System-Theoretic Framework
代理设计模式：一种系统理论框架
机构 * University College Cork ； Vietnam National University（越南国家大学） ； IBM Research Ireland（IBM爱尔兰研究） ； Trinity College Dublin（都柏林三一学院）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 本文提出了一种系统理论框架，通过分解代理AI系统为五个核心功能子系统，提出12种代理设计模式，以解决代理设计中的重复问题，提升自主系统的模块化和可靠性。
SHIELD: An Auto-Healing Agentic Defense Framework for LLM Resource Exhaustion Attacks
SHIELD：一种针对LLM资源耗尽攻击的自愈代理防御框架
机构 * The University of Sydney（悉尼大学） ； Western Sydney University（西部悉尼大学） ； University of New South Wales（新南威尔士大学） ； University of Wollongong（沃林戈大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 SHIELD通过多代理自愈机制有效应对LLM资源耗尽攻击，整合语义检索、模式匹配和LLM推理，实现动态知识更新和防御优化。
AgentDrive: An Open Benchmark Dataset for Agentic AI Reasoning with LLM-Generated Scenarios in Autonomous Systems
AgentDrive: 一个用于自主系统中基于LLM生成场景的代理AI推理开放基准数据集
机构 * Department of Computer and Network Engineering, College of Information Technology, United Arab Emirates University（计算机与网络工程系，信息科技学院，阿联酋大学） ； Khalifa University of Science and Technology（科技大学）
专题命中 规划决策 ：agentic(title,abstract)；autonomous agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 AgentDrive是一个用于自主系统中基于LLM生成场景的代理AI推理开放基准数据集，包含300,000个驾驶场景和100,000个问题的多项选择基准，用于评估和训练自主代理。
Comments 16 pages
TreeWriter: AI-Assisted Hierarchical Planning and Writing for Long-Form Documents
TreeWriter: 人工智能辅助的长篇文档分层规划与写作
机构 * Department of Computer Science, University of Toronto, Sandford Fleming Building, 10 King’s College Road, ON M5S 3G4, Toronto, Canada ； Vector Institute for Artificial Intelligence, 661 University Ave. Suite 710, ON M5G 1M1, Toronto, Canada ； Department of Chemistry, University of Toronto, Lash Miller Chemical Laboratories, 80 St. George Street, ON M5S 3H6, Toronto, Canada ； Department of Mathematical ； Computational Sciences, University of Toronto Mississauga, 3359 Mississauga Road, Deerfield Hall, ON L5L 1C6, Mississauga, Canada ； Department of Materials Science \& Engineering, University of Toronto, 184 College St., M5S 3E4, Toronto, Canada ； Department of Chemical Engineering \& Applied Chemistry, University of Toronto, 200 College St. ON M5S 3E5, Toronto, Canada ； Acceleration Consortium, 700 University Ave., M7A 2S4, Toronto, Canada ； Canadian Institute for Advanced Research (CIFAR), 661 University Ave., M5G 1M1, Toronto, Canada ； NVIDIA, 431 King St W \#6th, M5V 1K4, Toronto, Canada
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 TreeWriter通过分层结构和集成AI支持，提升长文档写作中的创意发展和用户控制能力。
Beyond Entangled Planning: Task-Decoupled Planning for Long-Horizon Agents
超越纠缠规划：面向长时间 horizon 的任务解耦规划
机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, CAS（人工智能安全国家重点实验室、计算技术研究所、中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；workflow(abstract)；分类 cs.AI
AI总结 本文提出任务解耦规划（TDP）方法，通过将任务分解为子目标图，减少长horizon智能体的规划误差传播，提升鲁棒性和效率。
Integrating Symbolic RL Planning into a BDI-based Autonomous UAV Framework: System Integration and SIL Validation
将符号RL规划整合到基于BDI的自主无人机框架中：系统集成与SIL验证
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本研究提出AMAD-SRL框架，整合符号RL与BDI方法，通过SIL验证提升无人机任务效率75%。
Comments This submission has been withdrawn by the authors due to institutional and contractual requirements related to security and export-control review
From Idea to Co-Creation: A Planner-Actor-Critic Framework for Agent Augmented 3D Modeling
从想法到协同创造：一种规划-执行-批评框架用于代理增强的3D建模
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Northeastern University（东北大学）
专题命中 规划决策 ：agent(title,abstract)；workflow(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文提出一种规划-执行-批评框架，通过多代理自我反思和人类监督提升3D建模的几何精度、审美质量和任务完成率。
RAAR: Retrieval Augmented Agentic Reasoning for Cross-Domain Misinformation Detection
RAAR：跨领域虚假信息检测的检索增强代理推理
机构 * The University of Manchester（曼彻斯特大学） ； School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院） ； Center for Language and Information Research, Wuhan University（武汉大学语言与信息研究所）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.CL
AI总结 RAAR通过多代理协作和检索增强推理，提升跨领域虚假信息检测的准确性和泛化能力。
The Cost of Dynamic Reasoning: Demystifying AI Agents and Test-Time Scaling from an AI Infrastructure Perspective
动态推理的成本：从AI基础设施视角解密AI代理与测试时扩展
专题命中 规划决策 ：AI agent(title,abstract)；agent(abstract)；agentic(abstract)；分类 cs.LG
AI总结 本文从AI基础设施视角解密AI代理与测试时扩展，揭示动态推理带来的高成本与可持续性问题，呼吁转向计算高效的代理设计。
Comments Accepted for publication at the 32nd IEEE International Symposium on High-Performance Computer Architecture (HPCA-32), 2026
Agentic AI for Autonomous Defense in Software Supply Chain Security: Beyond Provenance to Vulnerability Mitigation
面向软件供应链安全的代理AI：超越溯源到漏洞缓解
机构 * Faculty of Computer and Information System（计算机与信息系统学院） ； Islamic University of Madinah（麦地那伊斯兰大学） ； Faculty of Computer Studies（计算机研究学院） ； Arab Open University-Bahrain（巴林阿拉伯开放大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文提出基于代理AI的软件供应链安全框架，结合LLM推理、强化学习和多代理协调，实现主动漏洞缓解，提升检测准确率和响应效率。
Comments Conference paper, accept in ACCA IEEE Bahrain
Agentic AI for Cyber Resilience: A New Security Paradigm and Its System-Theoretic Foundations
面向网络韧性的代理AI：一种新的安全范式及其系统理论基础
机构 * Department of Systems Engineering, City University of Hong Kong（香港城市大学系统工程系） ； Department of Electrical and Computer Engineering, New York University（纽约大学电气与计算机工程系）
专题命中 规划决策 ：agentic(title,abstract)；autonomous agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 本文提出基于代理AI的网络韧性新范式，通过系统理论框架设计自主工作流，利用博弈论实现网络防御与攻击的动态平衡，提升系统在攻击下的持续适应能力。
RefAV: Towards Planning-Centric Scenario Mining
RefAV：面向规划导向的场景挖掘
机构 * Carnegie Mellon University（卡内基梅隆大学）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.CL
AI总结 RefAV通过视觉-语言模型改进场景挖掘，解决自动驾驶中复杂多智能体交互的定位问题。
Comments Project Page: https://cainand.github.io/RefAV/
Towards Responsible and Explainable AI Agents with Consensus-Driven Reasoning
迈向负责任和可解释的AI代理：基于共识驱动的推理
机构 * Old Dominion University, Norfolk, VA, USA（老奥本大学） ； Center for Wireless Communications, University of Oulu, Finland（无线通信中心，奥卢大学） ； Florida International University, USA（佛罗里达国际大学） ； Nanyang Technological University, Singapore（南洋理工大学） ； University of Colombo, Sri Lanka（科伦坡大学） ； Accenture Technology Labs, Arlington, VA, USA（Accenture技术实验室）
专题命中 规划决策 ：AI agent(title,abstract)；agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文提出了一种基于多模型共识和推理层治理的负责任和可解释的AI代理架构，通过结构化整合不同模型的输出以提升系统鲁棒性、透明度和责任性。
Trajectory Planning for UAV-Based Smart Farming Using Imitation-Based Triple Deep Q-Learning
基于模仿学习的三重深度Q学习用于无人机智能农业的轨迹规划
机构 * National Institute of Informatics（国立信息研究所） ； The University of Tokyo（东京大学） ； Pontificia Universidad Católica de Chile（智利天主教大学） ； China Agricultural University（中国农业大学）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 本文提出基于模仿学习的三重深度Q学习算法，用于提升无人机在智能农业中的轨迹规划性能，实验显示其在杂草识别和数据收集方面均优于传统方法。
Do Multi-Agents Solve Better Than Single? Evaluating Agentic Frameworks for Diagram-Grounded Geometry Problem Solving and Reasoning
多智能体表现更优吗？评估用于图示引导几何问题解决与推理的智能体框架
机构 * BRAC University（布拉克大学） ； United International University（国际联合大学） ； Center for Computational & Data Sciences（计算与数据科学中心） ； Independent University, Bangladesh（孟加拉国独立大学） ； Spectrum Software & Consulting Ltd（Spectrum软件与咨询有限公司）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文评估了多智能体框架在图示引导几何问题解决中的表现，发现其对开源模型有明显提升，但对闭源模型效果有限，且并非普遍最优。
Comments Accepted to the ARR October 2025 cycle
PRO-V-R1: Reasoning Enhanced Programming Agent for RTL Verification
PRO-V-R1：基于推理增强的RTL验证编程代理
机构 * University of California San Diego（加州大学圣地亚哥分校） ； NVIDIA（NVIDIA公司）
专题命中 规划决策 ：agent(title)；tool use(abstract)；workflow(abstract)；agentic(abstract)
AI总结 PRO-V-R1是一种基于推理增强的开源框架，通过结合LLM推理与编程工具，提升RTL验证的功能正确性和故障检测能力。
Nex-N1: Agentic Models Trained via a Unified Ecosystem for Large-Scale Environment Construction
Nex-N1: 通过统一生态系统训练的代理模型用于大规模环境构建
机构 * AGI Team（AGI团队）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；autonomous agent(abstract)；分类 cs.CL
AI总结 Nex-N1通过统一生态系统训练的代理模型，实现了大规模环境构建，展示了在复杂代理任务中的优越性能。
A Hierarchical Tree-based approach for creating Configurable and Static Deep Research Agent (Static-DRA)
一种基于层次树的创建可配置和静态深度研究代理（静态-DRA）的方法
机构 * Saurav Prateek（独立研究者）
专题命中 规划决策 ：agent(title,abstract)；workflow(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文提出静态-DRA，通过深度和广度参数实现可配置的深度研究代理，提升多轮复杂研究任务的处理能力。
Comments 16 pages, 6 figures, 4 tables. Code available at: https://github.com/SauravP97/Static-Deep-Research
