大模型推理能力

LLM-Guided Transportation Hub Capacity Planning with Textual Business Inputs

基于文本业务输入的大语言模型引导的交通枢纽容量规划

Xiaoyue Liu, Zheng Dong

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

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

AI总结 研究提出用大语言模型代理依自然语言业务描述迭代提出枢纽容量决策的框架，核心机制是思维链推理协议，经反馈回路验证决策，在实际货运网络中表现优于传统模型。

A Systematic Study of Large Language Models for Task and Motion Planning With PDDLStream

基于PDDLStream的任务与运动规划大语言模型的系统研究

Jorge Mendez-Mendez

机构 * Stony Brook University（石溪大学） 纠错

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

AI总结 研究大语言模型在机器人任务与运动规划中的应用，开发16种用LLMs替代关键TAMP组件的算法，通过实验发现基于LLM的规划器成功率低、规划时间长，提供几何细节会增加任务规划错误，多数情况下直接LLM变体表现更好。

Comments 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). 8 pages, 6 figures

A Generative Partially Specified Finite State Machine Approach to Complex Behaviour Planning

一种用于复杂行为规划的生成式部分指定有限状态机方法

Kalana Ratnayake, Michael Pritchard, David Hinwood, Maleen Jayasuriya, Damith Herath

机构 * University of Canberra（堪培拉大学） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 研究为自主机器人在动态环境中的行为规划，提出生成式部分指定有限状态机（GPSFSM）神经符号架构，利用Fabric等组件实现标准化语义能力描述，实验表明该方法计划生成成功率高、延迟低，还能生成复杂行为，且开源堆栈使其实用可重复。

Comments Accepted for publication in the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). 9 pages, 10 figures, 1 table

AnovaX: A Local, Multi-Agent Voice Assistant with LLM Planning, Typed Executors, and Adaptive Recovery

AnovaX：一个具有大语言模型规划、类型化执行器和自适应恢复功能的本地多智能体语音助手

Raunak B Sinha

机构 * BITS Pilani（贝拉理工学院皮拉尼分校） 纠错

专题命中 规划推理 ：planning(title)；分类 cs.AI

AI总结 研究桌面语音助手局限，提出AnovaX本地多智能体语音助手，通过Python进程连接多组件，含规划器、安全层等，各工具对应专用智能体类，有递归元智能体及自适应恢复循环，还介绍配套服务器功能，展示其独特优势。

Adaptive Fault Injection Planning for Multi-Layer Self-Healing AI Infrastructure

用于多层自愈人工智能基础设施的自适应故障注入规划

Saurabh Kulkarni, Yuxin Yang, Rohan Kulkarni, Gautam Nayak

专题命中 规划推理 ：planning(title)

AI总结 研究多层自愈人工智能基础设施故障注入规划问题，提出ADA-ST自适应方法，用加权故障传播图指导跨层场景选择，构建平台故障传播图，弥补现有测试覆盖不足，通过迭代达全边覆盖，还能跨硬件代际传递知识，揭示跨层漏洞。

LLM-Powered Agentic AI for 5G/6G Networks: A Tutorial and Survey on Architectures, Protocols, and Standardization

用于5G/6G网络的基于大语言模型的智能体人工智能：架构、协议和标准化教程与综述

Mazene Ameur, Abdelkader Mekrache, Bouziane Brik, Adlen Ksentini

机构 * EURECOM ； University of Sharjah（谢贾学院） 纠错

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

AI总结 研究5G/6G网络中基于大语言模型的智能体人工智能，通过分为两部分的教程与综述，形式化5G和6G相关平面，涵盖智能体系统基础，映射其能力到控制面等，识别自主电信面临的开放挑战。

Comments 35 pages, 4 figures, Under review

GraphDx: A Cost-Aware Knowledge-Enhanced Multi-Agent Framework for Sequential Diagnosis

GraphDx：一种用于顺序诊断的成本感知知识增强多智能体框架

Shaoting Tan, Ning Liu, Yuntao Du, Shuyue Wei, Wu Shuai, Qian Li, Yanyu Xu, Wei Zhang, Lizhen Cui, Haitao Yuan

机构 * Shandong University（山东大学） ； Nankai University（南开大学） ； East China Normal University（华东师范大学） ； National Technological University（国立科技大学） 纠错

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

AI总结 研究针对顺序诊断中平衡诊断准确性与资源成本的问题，提出GraphDx框架。该框架通过构建特殊知识图谱及引入协作智能体实现创新，实验表明其能显著提高诊断成功率并降低测试成本，为自动临床诊断提供有效方案。

Journal ref Findings of the Association for Computational Linguistics: ACL 2026, pages 21721-21736, 2026

ABot-AgentOS: A General Robotic Agent OS with Lifelong Multi-modal Memory

ABot-AgentOS：一个具有终身多模态记忆的通用机器人智能体操作系统

Jiayi Tian, Shiao Liu, Yuting Xu, Jia Lu, Zihao Guan, Honglin Han, Di Yang, Minqi Gu, Yifei Qian, Tianlin Zhang, Yanqing Zhu, Zeqian Ye, Menglin Yang, Fei Wang, Xu Hu, Xiuxian Li, Wei Zhang, Shihui Su, Yiyan Ji, Jingbo Wang, Ziteng Feng, Jiaheng Liu, Zhaoxiang Zhang, Xiaolong Wu, Zixiao Tang, Zhining Gu, Yang Cai, Linbo Zheng, Jingjing Ma, Mingyang Yin, Zedong Chu, Wenbin Tang, Mu Xu

机构 * AMAP CV Lab（AMAP计算机视觉实验室） 纠错

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

AI总结 研究针对长期具身智能体运行需求，提出ABot-AgentOS通用机器人智能体操作系统，引入EmbodiedWorldBench基准，采用通用多模态图记忆及失败驱动自我进化循环，在相关测试中表现良好，证明该系统层可提升具身执行并提供持久记忆。

Comments Code: https://github.com/amap-cvlab/ABot-AgentOS Project page: https://amap-cvlab.github.io/ABot-AgentOS

What Is the Minimum Architecture for Prolepsis? Early Irrevocable Commitment Across Tasks in Small Transformers

什么是前瞻性架构的最小结构？小变压器中跨任务的早期不可撤销承诺

Éric Jacopin

机构 * Cosmic AI 纠错

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

AI总结 本文探讨了变压器在何时做出决策以及为何无法纠正决策，提出前瞻性架构概念，通过实验验证了任务特定注意力头对决策的持续影响及架构设计对任务性能的影响。

Comments v2: corrects three citations; reconciles main-text/appendix numbers (the two Llama sweeps now labeled); the effective last-token site differs from Anthropic's newline (position-specificity replicates, site identity does not); adds an erratum on a CLT encoder-hook mismatch (detection-side only); softens novelty, necessity, and depth claims per COLM 2026 reviews; defines prolepsis

From Feasibility to Desirability: Plan, Learn, Adapt (PLA) Framework for Personalized On-Device Itinerary Generation

从可行性到合意性：用于个性化设备端行程生成的计划、学习、适应（PLA）框架

Himel Dev, Tanmoy Sen, Madhusudan Basak, Bashima Islam

机构 * Tech LLC（529科技有限责任公司） ； University of Virginia（弗吉尼亚大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

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

AI总结 研究针对个性化设备端行程生成问题，提出PLA框架，分计划、学习、适应三阶段，通过构建规划器集合、拟合奖励模型及进行局部优化来生成行程，实验表明该框架在可行性和胜率上表现出色，还提升了生产部署中的行程完成率并降低延迟。

From Plausible to Actionable: A Position on LLM Self-Explanations

从似是而非到可付诸行动：关于大语言模型自我解释的立场

Elize Herrewijnen, Benedetta Muscato, Gizem Gezici, Fosca Giannotti

机构 * Utrecht University（乌得勒支大学） ； Scuola Normale Superiore（高等师范学校） ； University of Pisa（比萨大学） 纠错

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

AI总结 探讨大语言模型自我解释，指出其虽看似合理但忠实性存疑。从传统可解释人工智能角度识别评估局限，提出评估合理性与忠实性的指南，并强调评估应拓展到可操作性及相关应用，以支持不同利益相关者的明智决策和适当行动。

Comments 5 pages

Agents-K1: Towards Agent-native Knowledge Orchestration

Agents-K1：迈向智能体原生的知识编排

Zongsheng Cao, Bihao Zhan, Jinxin Shi, Jiong Wang, Fangchen Yu, Zhijie Zhong, Yingnan Han, Zijie Guo, Tianshuo Peng, Zhuo Liu, Yi Xie, Xiang Zhuang, Shengji Tang, Yue Fan, Runmin Ma, Shiyang Feng, Xiangchao Yan, Anran Liu, Peng Ye, Wenlong Zhang, Xiaosong Wang, Shufei Zhang, Chunfeng Song, Fenghua Ling, Jie Zhou, Liang He, Bo Zhang, Lei Bai

机构 * PJLab（上海人工智能实验室） 纠错

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

AI总结 提出Agents-K1管道，将原始文档转化为智能体原生科学知识图谱，通过多模态解析器、GRPO训练的4B信息抽取骨干和三源智能体接口，实现科学信息抽取、知识图谱构建和多跳推理。

RAD: Retrieval High-quality Demonstrations to Enhance Decision-making

RAD：检索高质量示范以增强决策

Lu Guo, Yixiang Shan, Zhengbang Zhu, Qifan Liang, Lichang Song, Ting Long, Weinan Zhang, Yi Chang

机构 * School of Artificial Intelligence, Jilin University, Changchun, China（吉林大学人工智能学院） ； School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机学院） 纠错

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

AI总结 研究针对离线强化学习泛化能力受限问题，提出RAD方法，通过引入检索机制，从离线数据集检索高回报可达状态作目标，利用生成模型生成子轨迹规划，经实验验证该方法在多基准测试中性能优越。

Day-Ahead Forecasting of Largest Single Infeed/Outfeed on the Irish Power Grid: A Generative Artificial Intelligence Approach

爱尔兰电网最大单一馈入/馈出的提前一天预测：一种生成式人工智能方法

Amir Moshari, Mo Cloonan, Taulant Kerci, Zhi Li, Colm Gaffney, Chotiya Mahittigul, Manuel Hurtado, Simon Tweed, Bryan Murray, Michael Walsh, Eoin Kennedy, Ritesh Madan

专题命中 规划推理 ：planning(abstract)

AI总结 研究利用生成式人工智能方法提前一天预测爱尔兰电网最大单一馈入和馈出，通过与EirGrid合作开发，借助有限数据实现高精度预测，有望降低备用采购成本，展现了TSO基于人工智能的资源规划的实用性与可扩展性。

Wan-Dancer: A Hierarchical Framework for Minute-scale Coherent Music-to-Dance Generation

万舞者：一种用于分钟级连贯音乐到舞蹈生成的分层框架

Mingyang Huang, Peng Zhang, Li Hu, Guangyuan Wang, Ruoshi Zhang, Yi Lu, Gang Cheng, Bang Zhang

机构 * Tongyi Lab, Alibaba Group（通义实验室，阿里巴巴集团） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 针对从音乐生成舞蹈视频的挑战，提出万舞者分层框架，解耦过程为全局关键帧规划和局部时间细化，利用音乐上下文确保连贯，通过动态帧率自适应等创新，突破时长限制，在多舞蹈类型上表现出色，达新的技术水平。

Comments project: https://humanaigc.github.io/wan-dancer-project/, code: https://github.com/Wan-Video/Wan-Dancer, modelscope: https://www.modelscope.cn/models/Wan-AI/Wan-Dancer-14B, huggingface: https://huggingface.co/Wan-AI/Wan2.2-Animate-14B

MindDrive: A Vision-Language-Action Model for Autonomous Driving via Online Reinforcement Learning

MindDrive: 一种通过在线强化学习实现自动驾驶的视觉-语言-动作模型

Haoyu Fu, Diankun Zhang, Zongchuang Zhao, Jianfeng Cui, Hongwei Xie, Bing Wang, Guang Chen, Hangjun Ye, Dingkang Liang, Xiang Bai

机构 * Huazhong University of Science and Technology（华中科技大学） ； Xiaomi EV（小米电动车） 纠错

专题命中 规划推理 ：reasoning(abstract)

AI总结 MindDrive通过在线强化学习实现自动驾驶中的视觉-语言-动作模型，结合决策专家和动作专家，提升复杂场景下的驾驶决策与探索效率。

Comments Accepted by ECCV 2026; Project Page: https://xiaomi-mlab.github.io/MindDrive/