大模型推理能力

Solving Zebra Puzzles Using Constraint-Guided Multi-Agent Systems

使用约束引导的多智能体系统解决斑马谜题

Shmuel Berman, Kathleen McKeown, Baishakhi Ray

机构 * Princeton University（普林斯顿大学） ； Columbia University（哥伦比亚大学） 纠错

专题命中 逻辑推理 ：chain-of-thought(abstract)；分类 cs.CL

AI总结 提出一种多智能体系统ZPS，结合大语言模型与定理证明器，通过分解问题、生成SMT代码和智能体间反馈，显著提升复杂逻辑谜题的解决能力。

Active Perception and Control from Temporal Logic Specifications

基于时间逻辑规范的主动感知与控制

Rafael Rodrigues da Silva, Vince Kurtz, Hai Lin

专题命中 逻辑推理 ：planning(abstract)

AI总结 本文提出一种结合信念空间规划和符号控制的可扩展任务与运动规划框架，用于不确定环境，通过概率时间逻辑（PRTL）规范的反例引导归纳合成算法实现主动感知以满足规范要求。

Comments L-CSS submission

Inter-Robot Interactions in Multi-Robot Systems Using Braids

多机器人系统中使用编织群的机器人交互

Yancy Diaz-Mercado, Magnus Egerstedt

专题命中 逻辑推理 ：planning(abstract)

AI总结 本文提出利用编织群元素描述机器人交互模式，以实现安全的协作运动和传感器信息交换。

ChatSOP: An SOP-Guided MCTS Planning Framework for Controllable LLM Dialogue Agents

ChatSOP: 一种SOP引导的MCTS规划框架，用于可控的LLM对话代理

Zhigen Li, Jianxiang Peng, Yanmeng Wang, Yong Cao, Tianhao Shen, Minghui Zhang, Linxi Su, Shang Wu, Yihang Wu, Yuqian Wang, Ye Wang, Wei Hu, Jianfeng Li, Shaojun Wang, Jing Xiao, Deyi Xiong

机构 * TJUNLP Lab, College of Intelligence and Computing, Tianjin University（天津大学智能计算学院TJUNLP实验室） ； Ping An Technology（平安科技） ； Tübingen AI Center, University of Tübingen（图宾根大学图宾根人工智能中心） ； Kunming University of Science and Technology（昆明理工大学） 纠错

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

AI总结 提出ChatSOP框架，通过SOP引导的蒙特卡洛树搜索增强LLM对话代理的可控性，在动作准确率上相比GPT-3.5基线提升27.95%。

Comments Accepted to ACL 2025 main

Journal ref Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pages 17637-17659, 2025

Beyond Prompt-Based Planning: MCP-Native Graph Planning-based Biomedical Agent System

超越基于提示的规划：基于MCP原生图规划的生物医学智能体系统

Zhangtianyi Chen, Florensia Widjaja, Wufei Dai, Xiangjun Zhang, Yuhao Shen, Juexiao Zhou

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

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

AI总结 提出BioManus系统，通过将异构生物信息学工具编译为标准MCP服务器并构建类型化异构图，实现基于图结构的规划，解决工具混淆和上下文效率问题，在BioAgentBench和LAB-Bench上提升执行准确性和工作流有效性。

GroupTravelBench: Benchmarking LLM Agents on Multi-Person Travel Planning

GroupTravelBench: 多人群组旅行规划中LLM智能体的基准测试

Xiang Cheng, Yulan Hu, Lulu Zheng, Zheng Pan, Xin Li, Yong Liu

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学首都人工智能学院） ； AMAP, Alibaba Group（阿里集团AMAP） 纠错

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

AI总结 提出GroupTravelBench基准，通过多用户多轮对话任务评估LLM智能体在偏好获取、冲突协调和公平规划三方面的能力。

Comments work in process

Beyond Correctness: Rewarding Faithful Reasoning in Retrieval-Augmented Generation

超越正确性：在检索增强生成中奖励忠实推理

Zhichao Xu, Zongyu Wu, Yun Zhou, Aosong Feng, Kang Zhou, Sangmin Woo, Kiran Ramnath, Yijun Tian, Xuan Qi, Weikang Qiu, Lin Lee Cheong, Haibo Ding

机构 * AWS AI Fundamental Research（AWS人工智能基础研究） ； The Pennsylvania State University（宾夕法尼亚州立大学） ； Yale University（耶鲁大学） 纠错

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

AI总结 本文提出VERITAS框架，通过细粒度轮次级忠实性奖励强化学习，提升检索增强生成中推理步骤的忠实性，同时改善任务性能。

Comments TMLR Camera Ready Update

Comparing and Integrating Constraint Programming and Temporal Planning for Quantum Circuit Compilation

比较和整合约束编程与时间规划用于量子电路编译

Kyle E. C. Booth, Minh Do, J. Christopher Beck, Eleanor Rieffel, Davide Venturelli, Jeremy Frank

机构 * Quantum Artificial Intelligence Laboratory, NASA Ames Research Center（量子人工智能实验室，美国国家航空航天局阿姆斯特朗研究中心） ； Planning and Scheduling Group, NASA Ames Research Center（规划与调度组，美国国家航空航天局阿姆斯特朗研究中心） ； USRA Research Institute for Advanced Computer Science（美国宇航局高级计算机科学研究所） ； Stinger Ghaffarian Technologies, Inc.（Stinger Ghaffarian技术公司） ； Department of Mechanical & Industrial Engineering, University of Toronto（多伦多大学机械与工业工程系） 纠错

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

AI总结 本文比较了约束编程与时间规划在量子电路编译中的应用，提出混合方法提升求解质量，证明混合方法在多数问题中优于单独使用时间规划。

Comments 9 pages, 2 figures, Proceedings of the 28th International Conference of Automated Planning and Scheduling 2018 (ICAPS-18)

Simulate, Reason, Decide: Scientific Reasoning with LLMs for Simulation-Driven Decision Making

模拟、推理、决策：基于科学推理的LLM驱动模拟决策

Yuhan Yang, Ruipu Li, Alexander Rodríguez

机构 * Computer Science and Engineering University of Michigan（计算机科学与工程大学密歇根大学） 纠错

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

AI总结 提出MechSim框架，通过神经符号推理使LLM能够推理科学模拟器的机制和假设，提升决策透明度和可靠性。

Belief-Aware VLM Model for Human-like Reasoning

信念感知的VLM模型用于类人推理

Anshul Nayak, Shahil Shaik, Yue Wang

机构 * Mechanical Engineering Department, Clemson University（克莱姆森大学机械工程系） 纠错

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

AI总结 提出一种信念感知的视觉语言模型框架，通过检索式记忆和强化学习近似信念，提升长时程意图推理能力，在HD-EPIC等数据集上优于零样本基线。

Comments Accepted for publication at the IEEE International Conference on Robot and Human Interactive Communication (RO-MAN 2026). 6 pages, 3 figures, 1 table

Adaptive Information Control for Search-Augmented LLM Reasoning

面向搜索增强型大语言模型推理的自适应信息控制

Siheng Xiong, Oguzhan Gungordu, James C. Kerce, Faramarz Fekri

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 提出基于信息效用的自适应控制框架DeepControl，通过控制检索的广度与分辨率，提升搜索增强推理的性能与训练稳定性。

Comments Work in progress

Online Risk-Bounded Motion Planning for Autonomous Vehicles in Dynamic Environments

在线风险受限的自主车辆动态环境中的运动规划

Xin Huang, Sungkweon Hong, Andreas Hofmann, Brian C. Williams

机构 * MIT Computer Science and Artificial Intelligence Laboratory（麻省理工学院计算机科学与人工智能实验室） 纠错

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

AI总结 本文提出了一种在线风险受限的运动规划方法，通过结合意图识别算法和POMDP求解器，生成安全高效的路径规划方案，尤其在无保护左转和变道等复杂环境中表现更优。

Comments Accepted at ICAPS'19. 10 pages, 6 figures, 1 table

A message-passing algorithm for multi-agent trajectory planning

多智能体轨迹规划的消息传递算法

Jose Bento, Nate Derbinsky, Javier Alonso-Mora, Jonathan Yedidia

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

AI总结 本文提出基于改进交替方向乘子法的新型算法，用于计算多智能体的无碰撞全局轨迹，具有自然并行化和易整合不同成本函数的优点。

Comments In Advances in Neural Information Processing Systems (NIPS), 2013. Demo video available at http://www.youtube.com/watch?v=yuGCkVT8Bew

Multi-Agent Next-Best-View Optimization for Risk-Averse Planning

多智能体风险规避规划中的下一最佳视角优化

Amirhossein Mollaei Khass, Vivek Pandey, Guangyi Liu, Athanasios Cosse, Emrah Bayrak, Nader Motee

机构 * Department of Mechanical Engineering and Mechanics, Lehigh University（莱文大学机械工程与力学系） ； Amazon Robotics（亚马逊机器人） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 提出一种分布式、风险感知的多智能体下一最佳视角框架，通过共识ADMM优化信息增益并建模碰撞风险，在降低通信开销的同时接近集中式方法的映射质量和轨迹安全性。

Comments 8 pages, 5 figures. Submitted to IROS 2026

Multi-Agent Temporal Logic Planning via Penalty Functions and Block-Coordinate Optimization

基于惩罚函数和块坐标优化的多主体时序逻辑规划

Eleftherios E. Vlahakis, Arash Bahari Kordabad, Lars Lindemann, Pantelis Sopasakis, Sadegh Soudjani, Dimos V. Dimarogonas

专题命中 规划推理 ：planning(title,abstract)

AI总结 针对信号时序逻辑下的多主体规划问题，提出基于惩罚函数的无约束松弛和块坐标梯度下降法，实现可扩展的协同规划。

Comments Submitted to L-CSS

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

Alexander Katriniok, Pantelis Sopasakis, Mathijs Schuurmans, Panagiotis Patrinos

专题命中 规划推理 ：planning(title,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

Farzaneh S. Fard, Thomas P. Trappenberg

专题命中 规划推理 ：planning(title,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。

Distributed Communication-aware Motion Planning for Multi-agent Systems from STL and SpaTeL Specifications

分布式通信感知多智能体系统运动规划

Zhiyu Liu, Bo Wu, Jin Dai, Hai Lin

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出一种分布式运动规划框架，结合STL和SpaTeL规格，实现通信质量与运动控制的协同设计。

Comments Submitted for publication on 2017 IEEE Conference on Decision and Control (CDC2017)

Multi-Agent Motion Planning and Object Transportation under High Level Goals

多智能体运动规划与在高层目标下的物体运输

Christos Verginis, Dimos Dimarogonas

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出了一种混合控制框架，用于在高层目标下多智能体系统的运动规划，通过设计控制协议实现智能体和物体在预定义兴趣区域间的转换与运输，抽象为有限状态转移系统，并设计满足时序逻辑公式要求的高层多智能体计划。

Comments To appear in the World Congress of the International Federation of Automatic Control (IFAC), Toulouse, France, July 2017

Scalable Multiagent Coordination with Distributed Online Open Loop Planning

可扩展的多智能体协调与分布式在线开环规划

Lenz Belzner, Thomas Gabor

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出分布式在线开环规划框架，用于不确定环境下的多智能体协调决策，通过基于生成模型的在线启发式搜索实现有效规划，并通过分布式在线汤普森采样方法解决探索与利用的矛盾。

Combined Top-Down and Bottom-Up Approaches to Performance-guaranteed Integrated Task and Motion Planning of Cooperative Multi-agent Systems

结合自上而下与自下而上方法的性能保证协同多智能体系统集成任务与运动规划

Rafael Rodrigues da Silva, Bo Wu, Jin Dai, Hai Lin

机构 * Department of Electrical Engineering, University of Notre Dame, Notre Dame, IN, 46556 USA.（电气工程系，诺丁汉大学，诺丁汉，IN，46556 USA） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出一种分层框架，通过结合自下而上的反应式运动控制器与自上而下的任务计划，实现协同多智能体系统的性能保证任务与运动规划，通过假设-保证范式验证局部任务与全局任务的一致性。

Comments Submitted to Automatica

Multi-Agent Planning under Local LTL Specifications and Event-Based Synchronization

多智能体在局部LTL规范下的规划与基于事件的同步

Jana Tumova, Dimos V. Dimarogonas

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文研究多智能体系统计划合成问题，通过分解为有限时间 horizon 的规划问题，提出基于事件的同步方法，以降低计算复杂度并保证规范最终满足。

Comments 14 pages, 4 figures, extended version of a preprint submitted to Automatica. arXiv admin note: text overlap with arXiv:1403.4174

Decomposition of Multi-Agent Planning under Distributed Motion and Task LTL Specifications

多智能体规划的分布式运动与任务LTL规范分解

Jana Tumova, Dimos V. Dimarogonas

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出一种高效的分布式多智能体规划方法，通过分阶段自动机构建解耦规划过程，解决中心化规划的计算复杂性问题，并通过实例验证其有效性。

Comments 7 pages, 1 figure, extended version of a preprint submitted to CDC

Motion Planning With Gamma-Harmonic Potential Fields

基于伽马谐波势场的运动规划

Ahmad A. Masoud

专题命中 规划推理 ：planning(title,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

Fixed-time consensus of multiple double-integrator systems under directed topologies: A motion-planning approach

多双积分系统在有向拓扑下的固定时间一致性：一种运动规划方法

Yongfang Liu, Yu Zhao, Wei Ren, Guanrong Chen

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出了一种基于运动规划的分布式固定时间算法，用于解决多智能体系统在有向拓扑下的固定时间一致性问题，首次在有向拓扑下实现双积分系统的固定时间一致性。

Cooperative Task Planning of Multi-Agent Systems Under Timed Temporal Specifications

多智能体系统在时序时序规范下的协同任务规划

Alexandros Nikou, Jana Tumova, Dimos V. Dimarogonas

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文研究了在时序约束下多智能体系统的协同任务规划问题，提出了一种两阶段系统化方法，确保个体和团队任务规范均得到满足。

Comments Submitted to American Control Conference 2016

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

Han-Lim Choi, Su-Jin Lee

专题命中 规划推理 ：planning(title,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

A stochastically verifiable autonomous control architecture with reasoning

一种具有推理能力的随机可验证自主控制架构

Paolo Izzo, Hongyang Qu, Sandor M. Veres

专题命中 规划推理 ：reasoning(title)；分类 cs.AI

AI总结 本文提出一种具有推理能力的随机可验证自主控制架构LISA，通过将系统抽象为DTMC和MDP模型，实现代理与环境的概率验证，提升设计与运行时的验证效率。

Comments Accepted at IEEE Conf. Decision and Control, 2016

VentAgent: When LLMs Learn to Breathe -- Multi-Objective Arbitration for ARDS Ventilation

VentAgent：当大语言模型学会呼吸——ARDS通气的多目标仲裁

Teqi Hao, Yuxuan Fu, Xiaoyu Tan, Shaojie Shi, Bohao Lv, Yinghui Xu, Xihe Qiu

机构 * School of Electronic and Electrical Engineering, Shanghai University of Engineering Science（上海工程技术大学电子与电气工程学院） ； Tencent Youtu Lab（腾讯优图实验室） ； Artificial Intelligence Innovation and Incubation Institute, Fudan University（复旦大学人工智能创新与孵化院） 纠错

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

AI总结 提出VentAgent分层框架，利用大语言模型作为透明仲裁者，通过感知-规划-编排三阶段将机械通气控制转化为动态多目标仲裁过程，在生理模拟器上优于强化学习和经典控制基线，并提供可解释的推理链。

Towards Verifiable Multimodal Deep Research: A Multi-Agent Harness for Interleaved Report Generation

迈向可验证的多模态深度研究：用于交错报告生成的多智能体框架

Chenghao Zhang, Guanting Dong, Yufan Liu, Tong Zhao, Xiaoxi Li, Zhicheng Dou

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） 纠错

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

AI总结 提出多智能体框架Ptah，通过规划、研究和写作阶段生成交错文本与视觉证据的多模态报告，并引入验证器确保事实准确性和跨模态一致性。

Comments In progress