大模型推理能力

Novelty Adaptation Through Hybrid Large Language Model (LLM)-Symbolic Planning and LLM-guided Reinforcement Learning

通过混合大语言模型（LLM）符号规划和LLM引导的强化学习实现新颖性适应

Hong Lu, Pierrick Lorang, Timothy R. Duggan, Jivko Sinapov, Matthias Scheutz

机构 * Department of Computer Science, Tufts University（塔夫茨大学计算机科学系） ； Austrian Institute of Technology GmbH（奥地利技术研究所） 纠错

专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；分类 cs.AI

AI总结 本文提出一种融合大语言模型、符号规划和强化学习的神经符号架构，用于在动态开放环境中处理新颖物体，通过LLM识别缺失操作符并生成计划，提升机器人在连续领域中的操作符学习能力。

SVLL: Staged Vision-Language Learning for Physically Grounded Embodied Task Planning

SVLL：分阶段视觉-语言学习用于物理基础的具身任务规划

Yuyuan Yang, Junkun Hong, Hongrong Wang, Honghao Cai, Xunpeng Ren, Ge Wang, Mingcong Lei, Shenhao Yan, Jiahao Yang, Chengsi Yao, Xi Li, Yiming Zhao, Yatong Han, Jinke Ren

机构 * FNii-Shenzhen, CUHKSZ（FNii深圳，CUHKSZ） ； SSE, CUHKSZ（SSE，CUHKSZ） ； SAI, CUHKSZ（SAI，CUHKSZ） ； Shenzhen University（深圳大学） ； University of Sydney（悉尼大学） ； Harbin Engineering University（哈尔滨工程大学） ； Ising AI 纠错

专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)

AI总结 SVLL 通过分阶段学习和 Bias-DPO 对齐目标，实现稳健的物理基础具身任务规划，提升任务成功率并减少物理约束违规。

Senna-2: Aligning VLM and End-to-End Driving Policy for Consistent Decision Making and Planning

Senna-2：对齐视觉语言模型与端到端驾驶策略以实现一致的决策与规划

Yuehao Song, Shaoyu Chen, Hao Gao, Yifan Zhu, Weixiang Yue, Jialv Zou, Bo Jiang, Zihao Lu, Yu Wang, Qian Zhang, Xinggang Wang

机构 * Huazhong University of Science & Technology（华中科技大学） ； Horizon Robotics 纠错

专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)

AI总结 Senna-2通过三阶段训练范式对齐视觉语言模型与端到端驾驶策略，提升决策与规划的一致性，增强驾驶安全性和效率。

Comments 15 pages, 8 figures. Project page: https://ambitious-idiot.github.io/senna2-project

From Debate to Deliberation: Structured Collective Reasoning with Typed Epistemic Acts

从辩论到 deliberation：基于类型化认知行为的结构化集体推理

Sunil Prakash

机构 * Indian School of Business（印度管理学院） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI

AI总结 本文提出DCI框架，通过结构化集体推理提升复杂任务决策质量，但指出其成本较高，需在过程问责性与效率间权衡。

Comments 26 pages, 6 tables, 2 figures, 2 listings

MedEyes: Learning Dynamic Visual Focus for Medical Progressive Diagnosis

MedEyes: 学习动态视觉聚焦以进行医学逐步诊断

Chunzheng Zhu, Yangfang Lin, Shen Chen, Yijun Wang, Jianxin Lin

专题命中 规划推理 ：reasoning(abstract,comments)；chain-of-thought(abstract,comments)；CoT(abstract,comments)；分类 cs.AI

AI总结 MedEyes通过动态视觉聚焦和双模式探索策略，提升医学逐步诊断的准确性与临床相关性。

Comments AAAI 2026, Medical Chain-of-Thought (CoT), Reinforcement Learning with Verifiable Rewards (RLVR), Multimodal Grounded Reasoning

Safe and Stylized Trajectory Planning for Autonomous Driving via Diffusion Model

通过扩散模型实现自动驾驶的安全且风格化的轨迹规划

Shuo Pei, Yong Wang, Yuanchen Zhu, Chen Sun, Qin Li, Yanan Zhao, Huachun Tan

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出SDD Planner，通过结合多源风格感知编码器和风格引导动态轨迹生成器，实现自动驾驶中安全与风格化轨迹规划的平衡，实验表明其在多个基准测试中表现优异。

Comments 12 pages, 7 figures, submitted to IEEE Transactions on Intelligent Transportation Systems

Agentic AI for Embodied-enhanced Beam Prediction in Low-Altitude Economy Networks

面向低空经济网络的具身增强型波束预测的代理AI

Min Hao, Zhizhuo Li, Zirui Zhang, Maoqiang Wu, Han Zhang, Rong Yu

机构 * School of Electronic Science and Engineering, South China Normal University（南方科技大学电子科学与工程学院） ； School of Intelligent Engineering, Shaoguan university（韶关大学智能工程学院） ； School of Automation, Guangdong University of Technology（广东工业大学自动化学院） 纠错

专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI

AI总结 本文提出了一种基于多代理协作推理的混合波束预测模型，通过整合时序建模、视觉编码和多模态融合，提升低空经济网络中UAV通信的波束预测精度与鲁棒性。

Deep Tabular Research via Continual Experience-Driven Execution

通过持续经验驱动执行进行深度表格研究

Junnan Dong, Chuang Zhou, Zheng Yuan, Yifei Yu, Qiufeng Wang, Yinghui Li, Siyu An, Di Yin, Xing Sun, Feiyue Huang

专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI

AI总结 本文提出深度表格研究（DTR）框架，通过闭环决策过程解决复杂表格分析问题，利用分层元图和期望感知策略实现持续优化，验证了战略规划与低层执行分离的重要性。

Comments 23 pages, 6 tables, 6 figures

KnowVal: A Knowledge-Augmented and Value-Guided Autonomous Driving System

KnowVal: 一种知识增强且价值引导的自动驾驶系统

Zhongyu Xia, Wenhao Chen, Yongtao Wang, Ming-Hsuan Yang

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王学苑计算机技术研究所） ； University of California, Merced（加州大学默塞德分校） 纠错

专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI

AI总结 KnowVal通过整合开放世界感知与知识检索，构建驾驶知识图谱并训练价值模型，实现价值对齐的自动驾驶系统，提升了规划性能并降低了碰撞率。

Comments Accepted to CVPR 2026

Resource-Efficient Iterative LLM-Based NAS with Feedback Memory

高效迭代基于大语言模型的神经架构搜索与反馈记忆

Xiaojie Gu, Dmitry Ignatov, Radu Timofte

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出一种基于大语言模型的高效迭代神经架构搜索方法，通过反馈记忆机制和双LLM专业化，在单块消费级GPU上实现高效模型搜索，提升图像分类性能。

From Toil to Thought: Designing for Strategic Exploration and Responsible AI in Systematic Literature Reviews

从劳作到思考：在系统文献综述中设计战略探索和负责任的AI

Runlong Ye, Naaz Sibia, Angela Zavaleta Bernuy, Tingting Zhu, Carolina Nobre, Viktoria Pammer-Schindler, Michael Liut

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出ARC系统，通过多数据库整合、透明搜索和可验证AI辅助筛选，帮助学者从管理行政负担转向战略探索，提升知识综合的透明度和可验证性。

Comments Accepted at IUI 26

From Phase Prediction to Phase Design: A ReAct Agent Framework for High-Entropy Alloy Discovery

从相预测到相设计：一种用于高熵合金发现的ReAct代理框架

Iman Peivaste, Salim Belouettar

机构 * Luxembourg Institute of Science and Technology (LIST)（卢森堡科学与技术研究院） ； Department of Physics and Materials Science, University of Luxembourg（卢森堡大学物理与材料科学系） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出ReAct代理框架，通过推理与行动实现高熵合金设计，显著提升相发现效率与准确性。

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 规划推理 ：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。

Efficient Construction of Implicit Surface Models From a Single Image for Motion Generation

从单张图像高效构建隐式表面模型用于运动生成

Wei-Teng Chu, Tianyi Zhang, Matthew Johnson-Roberson, Weiming Zhi

机构 * Department of Electrical Engineering, Stanford University, USA（美国斯坦福大学电气工程系） ； Aurora Innovation, USA（美国Aurora Innovation公司） ； School of Computer Science, The University of Sydney, Australia（澳大利亚悉尼大学计算机科学学院） ； Australian Centre for Robotics, The University of Sydney, Australia（澳大利亚悉尼大学机器人中心） ； College of Connected Computing, Vanderbilt University, USA（美国范德比尔特大学连接计算学院） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 本文提出FINS框架，通过单张图像高效重建高保真表面和SDF场，提升机器人运动生成的效率和精度。

Comments 9 pages, 6 figures, 2026 IEEE International Conference on Robotics and Automation (ICRA)

CARROT: A Learned Cost-Constrained Retrieval Optimization System for RAG

CARROT：一种用于RAG的学得式成本约束检索优化系统

Ziting Wang, Haitao Yuan, Wei Dong, Gao Cong, Feifei Li

专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL

AI总结 CARROT通过MCTS和配置代理优化RAG检索，提升检索效率与准确性，实验显示性能提升达30%。

Comments Accepted to ICDE 2026. Updated title (previously "CORAG: A Cost-Constrained Retrieval Optimization System for Retrieval-Augmented Generation")

Domain-Independent Dynamic Programming

领域无关的动态规划

Ryo Kuroiwa, J. Christopher Beck

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 本文提出了一种基于动态规划的新型求解方法DIDP，通过动态规划描述语言实现领域无关的求解，实验显示其在多个组合优化问题上优于传统MIP和CP求解器。

Comments Accepted manuscript in Artificial Intelligence

The price of decentralization in managing engineering systems through multi-agent reinforcement learning

在多智能体强化学习中管理工程系统去中心化的代价

Prateek Bhustali, Pablo G. Morato, Konstantinos G. Papakonstantinou, Charalampos P. Andriotis

专题命中 规划推理 ：planning(abstract)

AI总结 本研究探讨了多智能体强化学习在管理工程系统时去中心化的代价，发现冗余度增加会加剧协调挑战，但去中心化策略仍能超越启发式基线。

Derain-Agent: A Plug-and-Play Agent Framework for Rainy Image Restoration

Derain-Agent：一种用于雨去除图像恢复的即插即用代理框架

Zhaocheng Yu, Xiang Chen, Runzhe Li, Zihan Geng, Guanglu Sun, Haipeng Li, Kui Jiang

专题命中 规划推理 ：planning(abstract)

AI总结 Derain-Agent通过动态代理框架和智能规划网络，实现雨去除的即插即用式精炼，提升去雨性能并减少计算成本。