Next-Generation Agentic Reinforcement Learning Systems Enable Self-Evolving Agents
下一代智能体强化学习系统实现自进化智能体
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)
AI总结 针对企业级大规模智能体服务中自进化部署的瓶颈，提出智能体在线强化学习系统需在轨迹数据协议、数据代理和进化控制平面三方面进行协同设计，并通过AReaL2.0实例化。
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 35471 篇
KidnapRAG: A Black-Box Attack for Hijacking Reasoning in Agentic Retrieval-Augmented Generation Systems
KidnapRAG：针对代理式检索增强生成系统中推理劫持的黑盒攻击
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)
AI总结 提出KidnapRAG，一种针对代理式RAG系统的黑盒顺序投毒攻击，通过三种角色文档（诱饵、链环、恶意指令）劫持多步推理链，实验表明在多种框架和基准上优于现有方法。
Comments Preprint
ActPlane: Programmable OS-Level Policy Enforcement for Agent Harnesses
ActPlane：面向代理框架的可编程操作系统级策略执行
专题命中 规划决策 ：agent(title,abstract)；AI agent(abstract)
AI总结 提出ActPlane，一种在操作系统内核中执行代理策略的引擎，通过eBPF实现信息流控制，弥补语义鸿沟，覆盖工具层无法观察的间接执行路径，开销1.9%-8.4%。
Sequential Planning via Anchored Robotic Keypoints
基于锚定机器人关键点的顺序规划
机构 * Department of Electrical, Computer, and Systems Engineering（电气、计算机与系统工程系） ； Department of Mechanical and Aerospace Engineering（机械与航空航天工程系）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)
AI总结 提出SPARK，一种无训练神经符号操作系统，通过单一Gemini调用生成类型化行为树，结合SAM3的替代提示检测和恢复循环，在LIBERO-PRO上达到43.7%，超越CaP-Agent0和VLA基线。
Comments 29 pages, 14 figures
Motion planning for hundreds of floating robots
数百个浮动机器人的运动规划
机构 * Institute for Dynamic Systems and Control, ETH Zürich（苏黎世联邦理工学院动态系统与控制研究所）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)
AI总结 针对大型浮动机器人编队的无碰撞运动规划问题，提出一种可扩展的流水线方法，通过碰撞图分解为独立子问题并行求解，在500个机器人仿真和实际演示中验证了有效性。
Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
Hierarchical Prompting with Dual LLM Modules for Robotic Task and Motion Planning
具有双LLM模块的分层提示用于机器人任务和运动规划
机构 * IBM, Krakow, Poland（IBM公司，波兰克拉科夫） ； Jagiellonian University, Krakow, Poland（雅盖隆大学，波兰克拉科夫） ； AGH University, Krakow, Poland（AGH大学，波兰克拉科夫）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)
AI总结 本文提出一个分层语言驱动框架，通过双LLM模块提升服务和协助场景中人机交互的自然性和直观性，结合目标检测与运动执行实现高成功率的任务规划。
Journal ref Proc. IEEE International Conference on Advanced Robotics and its Social Impacts (ARSO), 2026, pp. 245-250
Evo-RAD: Navigating Rare Retinal Disease Diagnosis via Self-Evolving Agentic Retrieval
Evo-RAD：通过自进化代理检索导航罕见视网膜疾病诊断
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Northwestern Polytechnical University（西北工业大学） ； National University of Singapore（新加坡国立大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)
AI总结 提出Evo-RAD框架，将检索增强诊断建模为马尔可夫决策过程，通过图代理动态删除不相关证据、插入病理一致样本或终止进化，利用同质性感知奖励优化，显著提升罕见视网膜疾病诊断性能。
Comments Accepted by MICCAI 2026. 10 pages, 2 figures, 3 tables
Novelty-Aware Agentic Retrieval: Comparing Research Contributions Through Structured Multi-Step Reasoning
新颖性感知的智能检索：通过结构化多步推理比较研究贡献
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)
AI总结 提出新颖性感知研究智能体，通过结构化多步推理增强RAG，实现论文间重叠、差异及问题-方法缺失的对比分析，在100篇论文语料上支持五种结构化比较能力。
Comments 9 pages, 1 figure, 14 tables
Think Twice Before You Act: Protecting LLM Agents Against Tool Description Poisoning via Isolated Planning
三思而后行：通过隔离规划保护LLM代理免受工具描述投毒攻击
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)
AI总结 提出Tool-Guard系统级防御，通过隔离规划机制将可疑工具调用隔离到受感染列表，阻断投毒描述持续影响，在AgentDojo和ASB基准上显著降低攻击成功率并保持任务效用。
Comments Accepted to ICML 2026
OpenPINT: Open-source Planning for Isoeffective Nuclear Treatments in BNCT research
OpenPINT：BNCT研究中等效应核治疗的开源规划
专题命中 规划决策 ：planning(title,abstract)；workflow(abstract)
AI总结 提出开源治疗计划系统OpenPINT，集成蒙特卡洛剂量计算与光子等效应剂量评估模块，通过解析和体素化基准验证，实现BNCT剂量计算与分析。
Comments 19 pages, 8 figures, 4 tables. Preprint manuscript
GitOfThoughts: Version-Controlled Reasoning and Agent Memory You Can Replay, Diff, and Merge
GitOfThoughts: 版本控制的推理与可回放、差异比较和合并的智能体记忆
机构 * QpiAI
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出GitOfThoughts框架，将智能体推理树存储为git仓库，实现推理的可回放、审计和合并；实验表明，对于新问题，任何记忆格式均不能可靠提升准确率，仅当检索案例与当前问题高度相似（>0.8）时才有显著提升，且收益来自答案检索而非方法迁移。
Comments 10 pages, 1 figure, 9 tables
JumpStarter: Human-AI Planning with Task-Structured Context Curation
JumpStarter：基于任务结构化上下文策展的人机协作规划
专题命中 规划决策 ：planning(title,abstract)；workflow(abstract)
AI总结 提出JumpStarter系统，通过任务结构化上下文策展框架动态分解目标、限定上下文范围，实现细粒度个性化与复用，用户研究显示规划质量显著优于ChatGPT。
Comments 29 pages, 20 Figures, 9 tables
Testing Centralized and Polycentric Computational Planning
测试集中式和多中心计算规划
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)
AI总结 本文提出一个可复现的合成基准，在模拟经济中比较计算规划者、基于代理的市场和混合元市场，发现规划者福利损失更低，但结果受设计选择影响，主要贡献是方法论而非意识形态。
AlignDrive: Aligned Lateral-Longitudinal Planning for End-to-End Autonomous Driving
AlignDrive: 用于端到端自动驾驶的对齐横向-纵向规划
机构 * School of Software Engineering, XJTU（软件工程学院，西安交通大学） ； Horizon Robotics ； Shenzhen Loop Area Institute（深圳河套学院） ； 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)
AI总结 本文提出一种 cascaded 框架，通过将纵向规划转化为路径条件推理过程，提升自动驾驶的协调性和安全性。方法引入锚点回归设计和规划导向的数据增强策略，实现在 Bench2Drive 上达到 SOTA 性能。
Comments underreview
SIL: Symbiotic Interactive Learning for Language-Conditioned Human-Agent Co-Adaptation
SIL: 语言条件的人机协同适应的共生交互学习
机构 * Technical University of Leoben（莱博恩技术大学）
专题命中 规划决策 ：agent(title,abstract)；autonomous agent(abstract)
AI总结 提出共生交互学习（SIL）框架，实现人类与智能体在共享潜在任务空间中的双向协同适应，通过联合信念状态、FM空间推理和记忆架构，在指令跟随等任务中达到90.4%完成率和0.83信念对齐分数。
TRACE: A Unified Rollout Budget Allocation Framework for Efficient Agentic Reinforcement Learning
TRACE：一种用于高效智能体强化学习的统一展开预算分配框架
机构 * Tsinghua University（清华大学） ； Tencent（腾讯）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 针对多轮智能体强化学习中奖励对比度不足的问题，提出TRACE框架，通过将每个ReAct式思考-行动-观察步骤建模为语义节点，在固定采样预算内将预算分配到提示根和中间前缀，增强奖励对比，提升策略更新信号。
Comments 32 pages, 12 figures, 6 tables
Causal Ensemble Agent: Hierarchical Causal Discovery with LLM-guided Expert Reweighting
因果集成智能体：基于LLM引导的专家重加权的层次化因果发现
机构 * The University of Melbourne（墨尔本大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Peking University（北京大学） ； Adelaide University（阿德莱德大学） ； Hong Kong Baptist University（香港浸会大学） ； The University of Sydney（悉尼大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出因果集成智能体（CEA）框架，通过线性意见池聚合不同层次的统计因果发现结果，并利用大语言模型（LLM）作为元裁判在决策边界附近动态重加权专家，从而构建更准确完整的因果图。
Path Planning Using Deep Deterministic Policy Gradient: A Reinforcement Learning Approach
使用深度确定性策略梯度的路径规划：一种强化学习方法
机构 * Hampton University（汉普顿大学） ； Air Force Research Laboratory（空军研究实验室）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)
AI总结 提出基于深度确定性策略梯度的路径规划方法，将威胁建模为圆形禁行区，通过奖励函数引导智能体学习从状态到动作的映射，找到最大安全起始点集，相比传统最优控制方法速度更快，适用于实时应用。
Comments 14 pages, 12 figures
GOPAgen: Motion-Aware and Efficient Agentic Long-Video Understanding with Structural Memory and Hierarchical Reasoning
GOPAgen: 基于结构记忆与层次推理的运动感知高效智能长视频理解
机构 * Peking University（北京大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)
AI总结 提出GOPAgen方法，通过视频编解码的GOP运动代理、GOP树推理算法和结构记忆机制，实现高效长视频理解，在多个VQA基准上取得领先性能。
Beyond SMILES: Evaluating Agentic Systems for Drug Discovery
超越SMILES：评估药物发现中的代理系统
专题命中 规划决策 ：agentic(title,abstract)；planning(abstract)
AI总结 评估药物发现代理系统在肽药物、体内药理学和资源受限环境中的泛化能力，发现五个能力缺口，并提出下一代框架的设计要求和能力矩阵。
Comments arXiv admin comment: This version has been removed by arXiv administrators as the submitter did not have the rights to agree to the license at the time of submission
Thinking with Imagination: Agentic Visual Spatial Reasoning with World Simulators
思考与想象：基于世界模拟器的智能视觉空间推理
机构 * The University of Hong Kong（香港大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Beihang University（北航大学）
专题命中 规划决策 ：agentic(title,abstract)；tool-use(abstract)
AI总结 提出Astra框架，通过强化学习训练VLM策略与Bagel世界模拟器交互，在推理中生成想象视觉证据，解决空间推理中的未观察布局、跨视角一致性和替代视角推理问题。
Comments Project page: https://zcmax.github.io/projects/Thinking-With-Imagination
Unsupervised Skill Discovery for Agentic Data Analysis
面向智能体数据分析的无监督技能发现
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 规划决策 ：agentic(title)；agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出DataCOPE框架，通过无监督验证器引导从探索轨迹中发现可复用的数据分析技能，在报告式和推理式分析任务上分别提升平均得分9.71%和32.30%。
Comments Work in progress
Agentic AI for Robot Control: Flexible but still Fragile
用于机器人控制的智能体AI：灵活但依然脆弱
机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Cambridge（剑桥大学） ； Technical University of Munich（慕尼黑技术大学） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； German Aerospace Center (DLR)（德国航空航天中心（DLR））
专题命中 规划决策 ：agentic(title,abstract)；planning(abstract)
AI总结 本文提出一种基于推理型语言模型的智能体控制系统，通过迭代规划-执行循环选择并调用机器人技能完成任务，在两种物理平台上实验表明系统灵活但存在非确定性行为、指令遵循错误和提示敏感等脆弱性。
Experimental Resilience Assessment of An Open-Source Driving Agent
开放源代码驾驶代理的实验韧性评估
机构 * Department of Electrical and Computer Engineering（电气与计算机工程系）
专题命中 规划决策 ：agent(title,abstract)；planning(abstract)
AI总结 本文提出基于系统理论过程分析（STPA）的故障注入框架，用于评估开放源代码驾驶代理openpilot在不同环境条件和传感器数据故障下的韧性，通过战略性软件故障注入方法提高不安全场景的覆盖率，从而更有效地模拟安全关键故障并测试自动驾驶车辆。
Comments 10 pages, 7 figures
Nonlinear Model Predictive Control for Distributed Motion Planning in Road Intersections Using PANOC
基于PANOC的路交口分布式运动规划非线性模型预测控制
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)
AI总结 本文提出了一种在合理车对车通信要求下的分布式运动规划方案，通过实时求解非线性模型预测控制问题，解决路交口中高度自动化车辆协调中的非凸挑战问题。
Comments IEEE Conference on Decision and Control (CDC) 2019
A Novel Model for Arbitration between Planning and Habitual Control Systems
一种用于规划与习惯控制系统的仲裁新模型
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)
AI总结 本文提出一种结合规划与习惯控制的仲裁模型，通过模拟双关节机械臂任务展示其在动态环境中的高效性和鲁棒性。
Motion Planning With Gamma-Harmonic Potential Fields
基于伽马谐波势场的运动规划
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)
AI总结 本文扩展了谐波势场方法，用于处理无法分割为独立区域的机器人工作空间。通过任务导向的概率描述符和目标点生成导航策略，能够适应存在矢量漂移场的复杂环境。
Journal ref IEEE Transactions on Aerospace and Electronic Systems, 48 (4), 2012, pp. 2786 - 2801
A Potential Game Approach for Information-Maximizing Cooperative Planning of Sensor Networks
信息最大化协同规划传感器网络的潜在游戏方法
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)
AI总结 本文提出了一种潜在游戏方法，用于分布式选择信息性传感器，以最大化测量变量与目标量之间的互信息。通过证明局部效用函数导致潜在游戏，最终收敛到纯策略纳什均衡。
Comments 9 pages, 4 figures, submitted to IEEE Transactions on Control Systems Technology
3rd Place at CVPR 2026 CASTLE Challenge: Agentic Multi-View Long-Context Video Understanding via Hierarchical Knowledge Graph Retrieval
CVPR 2026 CASTLE挑战赛第三名：基于层次化知识图谱检索的智能多视角长视频理解
机构 * TAHAKOM（塔哈科姆）
专题命中 规划决策 ：agentic(title,abstract)；workflow(abstract)
AI总结 提出一种免训练的智能框架，通过视频知识图谱和层次化检索索引，解决大规模多视角视频中的复杂时空推理问题，在CASTLE挑战赛中获得第三名。
TuneAgent: Agentic Operating System Kernel Tuning with Reinforcement Learning
TuneAgent: 基于强化学习的智能操作系统内核调优
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） ； Nanyang Technological University（南洋理工大学）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI、cs.LG、cs.SE
AI总结 提出TuneAgent框架，利用基于规则的强化学习使大语言模型自主探索Linux内核空间，通过结构化奖励函数和两阶段训练策略解决稀疏反馈问题，实现高达5.6%的性能提升。
