AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
S-Agent：空间工具使用激发空间智能推理
机构 * NTU（南洋理工大学） ； THU（清华大学） ； ByteDance（字节跳动） ； NWPU（西北工业大学）
专题命中 规划决策 ：agent(title,title_cn)；tool-use(title,abstract)；agentic(abstract)
AI总结 提出S-Agent空间工具使用智能体范式，通过时空证据积累和层次化工具集，将VLM作为语义规划器，实现连续多视图图像和视频的空间推理，在无训练下提升开源和闭源VLM性能，并基于S-300K轨迹微调得到紧凑空间智能体S-Agent-8B。
Comments Project Page : https://Ropedia.github.io/S-Agent
Agent规划基准：LLM Agent规划能力的诊断框架
机构 * Tongji University（同济大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Fudan University（复旦大学） ； Skywork AI ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 规划决策 ：agent(title,title_cn)；planning(title,abstract)；分类 cs.CL
AI总结 提出Agent规划基准(APB)，通过4209个多模态案例和五个设置，诊断LLM Agent在长程规划、工具噪声鲁棒性、校准拒绝和推理时改进方面的系统弱点。
EvoIR-Agent: 通过经验驱动学习实现自进化图像修复智能体
专题命中 规划决策 ：agent(title,title_cn)；agentic(title)；planning(abstract)
AI总结 本文提出EvoIR-Agent，通过经验驱动学习解决图像修复中经验不足导致的规划失败问题，通过构建分层经验池和自进化机制提升修复性能和效率，实验表明其在全参考指标上表现优异，且在性能与效率之间取得显著平衡。
Comments Temporarily withdrawn for institutional clearance and compliance review. A revised version will be uploaded once the process is finalized
用于有效规划和工具使用的流内智能体系统优化
机构 * Stanford University（斯坦福大学） ； Texas A&M University（德克萨斯农工大学） ； UC San Diego（圣地亚哥大学） ； Lambda Website（Lambda网站）
专题命中 规划决策 ：planning(title,abstract)；agentic(title,abstract)；tool use(title)；分类 cs.AI、cs.CL、cs.LG
AI总结 研究针对大语言模型中工具增强方法的不足，提出可训练的流内智能体框架AgentFlow及Flow-GRPO训练方法，通过协调模块优化规划器，在多基准测试中表现优异，展现流内优化优势。
Comments 47 pages, 12 figures. ICLR 2026 Oral. Project website: https://agentflow.stanford.edu/
一个 orchestrated AI agent 系统的一般均衡理论
专题命中 规划决策 ：agent(title,title_cn)；AI agent(title,title_cn)；分类 cs.AI
AI总结 本文提出了一种基于一般均衡理论的AI代理系统模型，通过集中编排实现系统福利最大化，并证明了均衡存在性和收敛性。
基于Agent Rosetta的蛋白质设计：面向专业科学智能体的案例研究
机构 * Polymathic AI（多学科人工智能实验室） ； Center for Computational Biology, Flatiron Institute（计算生物学中心，Flatiron研究所） ； Google DeepMind（谷歌DeepMind） ； Center for Computational Mathematics, Flatiron Institute（计算数学中心，Flatiron研究所） ； New York University（纽约大学） ； Johns Hopkins University（约翰霍普金斯大学）
专题命中 规划决策 ：agent(title,title_cn)；autonomous agent(abstract)；分类 cs.AI
AI总结 提出Agent Rosetta，将大语言模型与Rosetta软件环境结合，通过迭代优化实现用户定义的蛋白质设计目标，在规范氨基酸设计上匹配专家，在非规范残基设计上超越现有ML方法。
RS-Agent：通过智能代理实现遥感任务自动化
机构 * State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876, China（网络与交换技术国家重点实验室，北京邮电大学，中国） ； City University of HongKong, Hong Kong 999077, China（香港城市大学，中国） ； School of Geographic Sciences, Hunan Normal University, Changsha 410081, China（地理科学学院，湖南师范大学，中国）
专题命中 规划决策 ：agent(title,title_cn)；planning(abstract)
AI总结 针对多模态大语言模型在遥感任务中的局限，提出RS-Agent智能代理，通过结构化任务规划等连接用户意图与遥感流程，含四个组件及两种方法，实验显示其在多任务中显著优于现有模型，证明结合两者用于智能地理空间分析的价值。
个性化作为逆向规划：通过结构去噪学习智能幻灯片生成的潜在设计意图
机构 * Purdue University（普渡大学） ； Rutgers University（罗格斯大学） ； University at Albany（奥尔巴尼大学） ； Microsoft（微软）
专题命中 规划决策 ：planning(title,abstract)；agentic(title)；agent(abstract)；AI agent(abstract)
AI总结 提出SPIRE框架，将页面级幻灯片个性化视为逆向规划问题，通过结构去噪和强化学习协作学习潜在设计意图，无需预设模板或用户详细指令。
Comments ECCV 2026
深度旅行：用于自主旅行规划智能体的端到端智能强化学习框架
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Didichuxing Co. Ltd（滴滴出行有限公司）
专题命中 规划决策 ：planning(title,abstract)；agentic(title,abstract)；agent(abstract)；workflow(abstract)
AI总结 研究针对旅行规划智能体灵活性和自主性不足问题，提出深度旅行框架，通过构建旅行沙盒、开发分层奖励建模系统及回复增强强化学习方法，使训练后的智能体在行程生成准确率和性能上表现出色。
Comments KDD 2026
FM-Agent: 通过基于LLM的Hoare风格推理将形式化方法扩展到大型系统
机构 * Institute of Parallel and Distributed Systems, Shanghai Jiao Tong University（并行与分布式系统研究所，上海交通大学）
专题命中 规划决策 ：agent(title,title_cn)；分类 cs.AI、cs.SE
AI总结 提出FM-Agent框架，利用LLM自动生成函数级规范，实现大型系统的组合式推理，在143k行代码的系统中2天内发现522个新bug。
2-Step Agent: 一个用于决策者与AI决策支持交互的框架
机构 * Department of Medical Informatics, Amsterdam UMC University of Amsterdam（医学信息学系，阿姆斯特丹大学医学中心，阿姆斯特丹大学） ； Institute for Logic, Language and Computation, University of Amsterdam（逻辑、语言和计算研究所，阿姆斯特丹大学） ； Department of Mathematics and Earth Sciences, University of Trieste（数学与地球科学系，特里埃斯特大学）
专题命中 规划决策 ：agent(title,title_cn)；分类 cs.AI、cs.LG
AI总结 本文提出2-Step Agent框架，用于研究决策者如何学习和利用基于机器学习的决策支持，并揭示了即使在理想条件下，ML-DS也可能导致更严重的负面影响。
Comments 17 pages, 17 figures
Otap：用于评估智能体轨迹中规划与执行的结构感知最优传输
专题命中 规划决策 ：agent(title,abstract)；planning(title,abstract)；agentic(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 研究智能体轨迹评估问题，将其重新定义为执行图与有效解决方案图的距离，通过不平衡融合Gromov-Wasserstein传输问题实例化得到\otap{}分数，该分数可区分有效与无效轨迹，对保持依赖的重新排序不变且对冗余步骤有界敏感。
Role-Agent: 通过双角色演化引导LLM智能体
机构 * University of Science and Technology of China（中国科学技术大学） ； AMAP, Alibaba Group（阿里巴巴集团高德地图）
专题命中 规划决策 ：agent(title,title_cn)；分类 cs.AI
AI总结 提出Role-Agent框架，让单个LLM同时作为智能体和环境，通过世界在智能体（WIA）和智能体在世界（AIW）两个组件实现自举协同演化，在多个基准上平均提升超过4%。
Comments 20 pages, including 12 pages of main text and 8 pages of appendix; work in progress
策略驱动的物理层系统的双层长期优化的代理人工智能
机构 * Key Laboratory of EMW Information (MoE), College of Future Information Technology, Fudan University（复旦大学未来信息技术学院电磁波信息科学教育部重点实验室） ； James Watt School of Engineering, University of Glasgow（格拉斯哥大学詹姆斯·瓦特工程学院） ； School of Engineering, Edith Cowan University（埃迪斯科文大学工程学院） ； Information Systems Technology and Design Pillar, Singapore University of Technology and Design（新加坡科技设计大学信息系统技术与设计系）
专题命中 规划决策 ：agentic(title,summary_cn)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出Agentic-LTPO框架，利用代理AI生成上层配置，下层求解实时物理层问题，在无小区MIMO波束成形中实现57.2%的长期性能提升。
Comments 14 pages, 11 figures
节点即智能体：图智能体网络
机构 * Rutgers University（罗格斯大学） ； University of Liverpool（利物浦大学） ； Fudan University（复旦大学）
专题命中 规划决策 ：agent(title,abstract)；agentic(title,abstract)；planning(abstract)；分类 cs.CL、cs.LG
AI总结 研究针对图神经网络不能处理节点信息不平衡及忽略全局语义关系的局限，提出检索增强图智能体网络ReaGAN，赋予节点自主决策能力，通过智能体规划和局部 - 全局检索实现自适应消息传播，在少样本设置下性能优异。
Comments 11 pages, work in progress
ELISA：一种可解释的混合生成式AI代理，用于单细胞组学中的表达基础发现
专题命中 规划决策 ：agent(title,abstract)；AI agent(title)；agentic(abstract)；分类 cs.AI
AI总结 ELISA结合表达嵌入、语义检索和LLM解释，提供交互式单细胞发现，优于CellWhisperer，尤其在基因签名查询中表现突出。
面向交通工程实践的定制化生成式AI智能体：开发与持续预训练指南
专题命中 规划决策 ：agent(title,abstract)；AI agent(title,abstract)；planning(abstract)；分类 cs.AI
AI总结 提出基于LoRA框架对六种大语言模型进行持续预训练的方法，以提升其在交通工程领域的专业内容理解与推理能力，Qwen2.5-7B和LLaMA-3.1-8B表现最佳。
SpecEyes: 通过推测感知和规划加速代理多模态大语言模型
专题命中 规划决策 ：agentic(title,abstract)；planning(title,abstract)；分类 cs.CL
AI总结 SpecEyes通过推测规划框架减少代理多模态大语言模型的序列开销，提升并发性能，实验显示在保持准确性的同时实现1.1-3.35倍的加速。
Comments ECCV 2026, Code: https://github.com/MAC-AutoML/SpecEyes
通过多依赖PIBT规划MAPF智能体依赖关系
机构 * University Of Melbourne（墨尔本大学） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
专题命中 规划决策 ：agent(title,abstract)；planning(title,abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出多依赖PIBT（MD-PIBT）框架，通过搜索智能体依赖关系来规划多智能体路径，在拥挤环境中高效处理多达10000个智能体，支持多种运动学约束。
Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026
RetroAgent：利用大语言模型在结构化记忆中进行搜索以实现智能逆合成规划
机构 * UCLA（加利福尼亚大学洛杉矶分校） ； MIT（麻省理工学院） ； Amazon（亚马逊公司） ； UPenn（宾夕法尼亚大学）
专题命中 规划决策 ：planning(title,abstract)；agentic(title)；agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 研究多步逆合成规划难题，提出RetroAgent智能体，通过结合结构化记忆桥接符号搜索与神经推理，利用记忆和化学工具观察搜索状态，实验证明其在分布内和分布外基准测试中性能强且泛化能力好。
Comments To appear at COLM 2026
Tell Me：基于LLM的心理健康助手，集成RAG、合成对话生成与智能体规划
机构 * Fujitsu Research of America（富士通美国研究）
专题命中 规划决策 ：agentic(title,abstract)；planning(title)；workflow(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出Tell Me系统，利用大语言模型通过RAG实现个性化对话、合成客户-治疗师对话生成以及智能体规划生成自我护理计划，旨在提供可及的心理支持而非替代专业治疗。
Comments 8 pages, 2 figures, 1 Table. Submitted to the Computation and Language (cs.CL) category. Uses the ACL-style template. Code and demo will be released at: https://github.com/trystine/Tell_Me_Mental_Wellbeing_System
ACEM：面向智能体软件工程的成本估算模型
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；AI agent(abstract)；planning(abstract)
AI总结 针对智能体软件工程成本估算问题，本文提出ACEM模型，分解成本为LLM、HITL、基础设施三类，引入RF、CF、HIS构念并映射传统度量，为智能体开发成本估算提供早期方案。
Comments 27 pages, under journal publication
TableMind: 一种用于工具增强表格推理的自主程序化代理
机构 * State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China（认知智能国家重点实验室，中国科学技术大学）
专题命中 规划决策 ：agent(title,abstract)；autonomous agent(abstract)；tool-use(abstract)；planning(abstract)
AI总结 TableMind通过两阶段训练策略提升表格推理能力，实现自主程序化代理的高效推理与代码生成。
Comments Comments: 10 pages, 6 figures. Submitted to WSDM 2026
通过对话探索计划空间：一种用于LLM介导规划解释的代理框架
机构 * IRIT, Toulouse, France（法国图卢兹计算机科学研究所） ； LAAS-CNRS, Toulouse, France（法国国家科学研究中心图卢兹系统分析与架构实验室） ； IRT Saint Exupery, Toulouse, France（法国图卢兹圣埃克苏佩里技术研究所） ； CNRS, Toulouse, France（法国国家科学研究中心） ； Australian National University, Canberra, Australia（澳大利亚国立大学）
专题命中 规划决策 ：planning(title)；agentic(title)；agent(abstract)；multi-agent(abstract)
AI总结 本文提出一种代理框架，通过对话帮助用户理解规划解决方案，提升系统信任度，通过目标冲突解释进行用户研究。
Comments Preprint; Accepted at EUMAS 2026
超越单摄像头：体育视频理解中的智能多视角推理
机构 * Zhejiang University（浙江大学） ； Microsoft Research Asia（微软亚洲研究院）
专题命中 规划决策 ：agent(summary_cn,abstract)；agentic(title,abstract)
AI总结 针对体育视频多视角理解缺乏评估基准及MLLMs难以利用多视角信息的问题，引入SportMV - Bench基准，分析瓶颈所在，并提出SportMV - Agent框架，通过迭代循环实现主动视角选择等，相比最强MLLM基线有显著提升。
端到端智能体审计引擎
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
专题命中 规划决策 ：agent(title,abstract)；tool use(abstract)；planning(abstract)；分类 cs.AI
AI总结 针对智能体适配框架的系统化评估难题，本文提出A²E引擎，借助ATP协议实现任务快速集成，通过多维指标评估适配框架能力，实验表明模型-适配框架组合性能差异显著，为模型与适配框架协同演进提供指导。
从推理到代理：大型语言模型强化学习中的信用分配
机构 * Independent Researcher（独立研究员）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract,abstract_cn)；multi-agent(abstract_cn)；分类 cs.CL
AI总结 本文探讨了大型语言模型强化学习中信用分配问题，总结了47种方法，并提出了可重用的资源，指出从推理到代理的转变使信用分配更加复杂，推动了新的方法发展。
Comments 50 pages, 4 figures. v3: expanded to a unified 69-paper corpus through July 31, 2026; adds restored-state identification results, blind coding of a 42-paper full-text subset, a source-located reporting audit, the CA-ID Card, and replay-fidelity analysis
毫秒级多机器人运动：基于向量加速的采样规划原语
机构 * Parasol Lab, School of Computing and Data Science, University of Illinois at Urbana Champaign（帕索尔实验室，计算与数据科学学院，伊利诺伊大学厄巴纳-香槟分校） ； Department of Computer Science at Instituto Tecnológico Autónomo de México (ITAM)（墨西哥自治理工学院（ITAM）计算机科学系）
专题命中 规划决策 ：planning(title,summary_cn)
AI总结 本文扩展了Vector-Accelerated Motion Planning框架，开发了多机器人MotionValidation和FindFirstConflict原语，利用SIMD并行性实现多机器人运动规划的高效验证与冲突检测，显著提升规划效率。
Agentic-AI探测器协同设计与优化在垂直集成可微分全模拟中
专题命中 规划决策 ：agentic(title,title_cn)；agent(abstract)；AI agent(abstract)
AI总结 提出双层级优化框架，将AI智能体集成到高能物理探测器设计中，通过可微分全模拟联合优化几何、前端数字化和重建算法参数，在竞争性能指标下找到最优设计点。
Comments 7 pages, 3 figures
迈向自主人工智能代理的加密可验证授权：安全假设、初步形式化模型及概念验证实现
机构 * Universidad Tecnológica Atlántico-Mediterráneo (UTAMED)（西班牙阿塔兰蒂卡-地中海技术大学） ； Universidad de Santiago de Compostela (USC)（圣地亚哥-德孔波斯特拉大学）
专题命中 规划决策 ：AI agent(title,abstract)；agentic(abstract,comments)；agent(abstract)；分类 cs.AI
AI总结 研究自主AI代理加密可验证授权问题，提出将其形式化为关系$R_{CVA}$的假设，引入CVA形式化抽象，定义安全属性，给出零知识概念验证，还识别出身份等绑定间结构分离问题并提出研究议程。
Comments 11 pages, 1 figure, 2 Tables. Keywords: autonomous AI agents, zero-knowledge proofs, verifiable authorization, agentic security, zk-SNARKs, access control, cryptographic authorization, cryptographic protocols
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈