大模型推理能力

Agentic Context Management: Solving Agent Memory and Cost by Treating Them as Lifecycle and Architecture Problems

智能体上下文管理：将智能体内存和成本视为生命周期和架构问题来解决

Gaurav Dadhich

机构 * Maximem 纠错

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

AI总结 研究生产型人工智能智能体因无法管理推理上下文而失败的问题，提出智能体上下文管理（ACM），分解为五个原语，经经济分析和参考实现验证，在特定配置下取得较好结果，还指出了现有基准未涵盖的维度及上下文前沿。

Comments 23 pages, 6 figures, 4 tables. Evaluation harness and study data: github.com/maximem-ai

ICAE-Bench: Evaluating Coding Agents as Interactive Project Builders

ICAE-Bench：将编码智能体评估为交互式项目构建者

Zhongyuan Peng, Dan Huang, Chuyu Zhang, Caijun Xu, Changyi Xiao, Shibo Hong, David Lo, Lin Qiu, Xuezhi Cao, Jiyuan He, Yixin Cao

机构 * Meituan（美团） 纠错

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

AI总结 研究针对编码智能体在交互式项目构建中作用转变，现有基准未跟上的问题，提出ICAE-Bench基准。从模糊需求出发，经自动化用户智能体模拟动态范式，引入避免需求模糊性、确保用户模拟质量、公平评估开放式仓库的关键设计。

SafeStep: AI-powered Travel Assistance for Elderly People with Frailty or Dementia

SafeStep：为体弱或痴呆老年人提供的人工智能旅行辅助

Elderly People with Frailty or Dementia Azul Debenedetti, David Gamez, Franco Such, Nik Kairinos

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

AI总结 针对体弱或痴呆老人出行难题，SafeStep利用旅行图表示，结合大语言模型与Anticip8行为预测引擎，生成个性化失败场景并提出干预措施。经实验和实地研究评估，结合两者的方法性能可靠，虽界面可用性待改进，但能提升旅行信心与安全感，还可拓展应用于其他领域。

GuardianAgentBench: Where Agents Fail and How to Guard Them

GuardianAgentBench：智能体何处失败及如何防范

Vishal Ishwar Naik, Chenyu Xu, Donna Dong, Hussein Hassan, Abhishek Pradhan, Ofer Mendelevitch, Tallat Shafat, Humayun Irshad

机构 * Vectara, Inc.（Vectara公司） ； Anthropic（Anthropic公司） ； OpenAI（OpenAI公司） ； Google DeepMind（谷歌DeepMind） ； DeepSeek-AI（DeepSeek人工智能公司） 纠错

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

AI总结 研究大语言模型智能体安全可靠行为问题，提出GuardianAgentBench基准测试，含多阶段验证和攻击模式。实验发现模型有两种失败模式，性能随工具集和轮次深度下降。护栏实现优于系统提示防御，证明执行时结构干预可提升安全性且不影响正确行为。

Skill-Contracted Agents for Evidence-Aware Materials Literature Analysis

用于证据感知材料文献分析的技能收缩代理

Bixuan Li, Yu Liu, Shuo Shi, Xiaoya Huang, Peng Kang, Lei Zheng

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

AI总结 研究针对材料科学文献分析难题，提出技能驱动的AlphaAgent框架，通过明确技能契约解耦任务。其含专门检索技能和报告生成技能，在盲评中显著优于基线系统，提升了文献分析效果。

Comments 9 pages, 5 figures

MOF-Sleuth: Tool-Grounded Reward Alignment for Explainable Fine-Grained MOF CIF Auditing

MOF-Sleuth：用于可解释细粒度MOF CIF审核的工具基础奖励对齐

Yu Liu, Zhiwei Yang, Diandian Guo, Kun Peng, Fangfang Yuan, Cong Cao, Chaozhuo Li, Zhiyuan Ma, Yanbing Liu, Guobin Zhao

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

AI总结 研究针对MOF数据库CIF输入错误影响下游结果及人工检查的问题，提出MOF-Sleuth，通过强化引导CIF审核代理的两个模块，利用奖励引导强化学习将工具测量转化为监督，提升检测、归因及解释质量，在多基准测试中性能领先。

An Automated Framework for Extracting Reachable Attack Chains from Cyber Threat Intelligence Reports

一种从网络威胁情报报告中提取可达攻击链的自动化框架

Wenbo Hou, Ning Hu, Xueping Wang, Jiahao Gu, Wenjian Luo

机构 * Guangdong Provincial Key Laboratory of Novel Security Intelligence Technologies（广东新型安全情报技术重点实验室） ； School of Computer Science and Technology（计算机科学与技术学院） ； Harbin Institute of Technology（哈尔滨工业大学） ； New Network Research Department（新网络研究部） ； Peng Cheng Laboratory（鹏城实验室） ； Great Bay University（大湾区大学） 纠错

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

AI总结 该研究针对CTI报告非结构化无法用于自动化攻击路径推理的问题，提出将攻击步骤建模为含条件和行为的单元，经多阶段管道结合大语言模型提取并规范化，编译成规则推理，在数据集上有更好表现，能有效提取可达攻击链。

Comments 16 pages, 3 figures

Personalized Recommendation Tool Learning via Autonomous Language Agents

通过自主语言智能体进行个性化推荐工具学习

Mingdai Yang, Zhiwei Liu, Weizhi Zhang, Yibo Wang, Hao Peng, Philip Yu

机构 * Microsoft（微软公司） 纠错

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

AI总结 研究针对基于大语言模型的智能体在推荐系统中的局限性，提出PRTA框架，让LLM作中央规划器与多推荐模型交互，负责高级推理和个性化工具选择，传统模型进行全排序评分，设计反射机制，实验表明该框架提升了全排序推荐性能。

Comments 6 pages. Accepted by RecSys'26

S3: Stable Subgoal Selection by Constraining Uncertainty of Coarse Dynamics in Hierarchical Reinforcement Learning

S3：通过约束分层强化学习中粗粒度动力学的不确定性进行稳定子目标选择

Kshitij Kumar Srivastava, Kshitij Jerath

机构 * University of Massachusetts, Lowell（马萨诸塞大学洛厄尔分校） 纠错

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

AI总结 研究分层强化学习中高层智能体子目标选择问题，提出用粗粒度动力学提供动力学感知内在动机，通过最小化预测不确定性稳定高层策略，经实验验证该方法在非平稳长期环境中表现优于现有方法。

Comments Manuscript accepted to the Eighteenth Workshop on Adaptive and Learning Agents (ALA), at the 25th International Conference of Autonomous Agents and Multi Agent Systems 2026

Data Leakage Prevention in Agentic Applications via Preemptive Hardening

通过先发制硬化防止智能应用中的数据泄露

Akansha Shukla, Emily Bellov, Parth Atulbhai Gandhi, Yuval Elovici, Asaf Shabtai

机构 * Faculty of Computer and Information Science（计算机与信息科学系） ； Ben-Gurion University of the Negev（内盖夫本· Gurion大学） 纠错

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

AI总结 研究智能应用数据泄露问题，提出预部署管道，通过分析提示模板等识别泄露模式并生成补丁，经硬化和验证确保应用功能不受影响，评估显示能有效减少数据泄露。

Do AI-Native Biotechs Need Departments? Benchmarking Company World Models for AI-Driven Drug Development

人工智能原生生物技术公司需要部门吗？人工智能驱动药物研发的公司世界模型基准测试

Yinan Wang

机构 * Noah AI Research（诺亚人工智能研究） 纠错

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

AI总结 研究人工智能原生生物技术公司组织模式，提出公司世界模型，用含45个案例的虚拟实验室基准测试，比较多种架构，发现价值转换架构表现优，核心操作原语应是资产到价值状态而非静态组织结构图，不过研究仅限虚拟实验室。

Comments Working paper. Includes public no-label benchmark cases and dry-lab evaluation artifacts. No wet-lab, patient-level, clinical, regulatory, or investment validation is claimed

BatchDAG: LLM-Planned Execution Graphs for Scalable Ad-Hoc Analysis Over Enterprise Data

BatchDAG：用于企业数据上可扩展即席分析的大语言模型规划执行图

Anupreet Walia

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

AI总结 研究针对企业数据跨实体分析问题，提出BatchDAG系统，大语言模型生成操作DAG，经确定性引擎评估。通过实体感知批处理优化，减少大语言模型调用。实验显示其质量高、溯源性好，能高效处理查询，是通用编排层替代手工工作流程。

Comments 9 pages, 2 figures, 9 tables

RT-SHCUA: Real-Time Self-Hosted Computer-Use Agent for UAV Control

RT-SHCUA：用于无人机控制的实时自托管计算机使用代理

Di Lu, Bo Zhang, Xiyuan Li, Yongzhi Liao, Xuewen Dong, Yulong Shen, Zhiquan Liu, Jianfeng Ma

机构 * School of Computer Science and Technology, Xidian University（西安电子科技大学计算机科学与技术学院） ； Shaanxi Key Laboratory of Network and System Security（陕西省网络与系统安全重点实验室） ； College of Cyber Security, Jinan University（广州大学网络安全学院） ； School of Cyber Engineering, Shaanxi Key Lab of Network and System Security（陕西省网络与系统安全重点实验室） 纠错

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

AI总结 研究针对将SHCUA用于无人机控制的结构不匹配问题，提出实时安全导向的重组方法，把SHCUA输出转换为合同约束的无人机技能调用，设计分离架构，原型评估显示RT-SHCUA能保持响应能力并支持相关特性。

Lifelong Multi-Subsystem Pickup and Delivery with Buffer-Limited Handover Stations

具有缓冲区受限交接站的终身多子系统取货与送货

Chuanlong Zang, Isabelle Barz, Anna Mannucci, Philipp Schillinger, Florian Lier, Wolfgang Hönig

机构 * Robert Bosch GmbH（罗伯特·博世有限公司） ； Technical University of Berlin（柏林工业大学） ； Robotics Institute Germany (RIG)（德国机器人研究所） 纠错

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

AI总结 研究终身多子系统取货与送货中协调子系统载荷转移的问题，提出交接感知预留与路由（HARR）方法，通过共享日历和缓冲区预测协调行动，模拟显示该方法能显著提高吞吐量、减少积压并降低规划时间，提升运输稳定性。

Comments IROS 2026

Artificial Intelligence for Understanding and Managing Transportation Behavior in Sustainable Smart Cities

可持续智慧城市中用于理解和管理交通行为的人工智能

Junbiao Pang, Muhammad Ayub Sabir, Fatima Ashraf

机构 * Beijing University of Technology（北京工业大学） 纠错

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

AI总结 研究如何利用人工智能理解和管理可持续智慧城市中的交通行为，通过以行为为中心的视角，研究公交到站预测等四个方向，经闭环框架整合，确定部署条件，建立从行为证据到各类交通决策的统一路径。

Why Does Feedback-Augmented Self-Distillation Fail to Improve Retrieval-Interleaved Search Agents?

为什么反馈增强的自蒸馏不能改进检索交织搜索智能体？

Fan Yang, Rui Meng, Yuxin Wen

机构 * Chapman University（查普曼大学） ； Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室） 纠错

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

AI总结 研究反馈增强的自蒸馏在智能体搜索中失效的原因，发现模型存在解码崩溃现象，因监督信号不一致致学习不稳定，将其分解为模型和提示不一致，引入EMA教师减轻不一致，最终提高模型性能。

Pailitao-MMSearch: Building Native E-Commerce Multimodal Search Foundation

派利淘-多模态搜索：构建原生电子商务多模态搜索基础

Xiaohan Ye, Xu Chen, Zihan Gong, Jian Ding, Lianyu Du, Baicheng Chen, Yunmeng Shu, Jingqian Zhao, Zhixiang Zhao, Shuaiqi Jia, Chong Ma, Shuwen Xiao, Xiangheng Kong, Yuan Gao, Jun Song, Jinsong Lan, Xiaoyong Zhu, Bo Zheng

机构 * Taobao & Tmall Group of Alibaba（阿里巴巴淘宝及天猫集团） 纠错

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

AI总结 针对电子商务多模态搜索问题，提出派利淘-多模态搜索基础模型，通过混合语义ID、两阶段持续预训练策略和混合推理后训练管道，在淘宝派利淘平台实现显著改进，提升了商品交易总额和交易量。

Comments Technical Report: Pailitao-MMSearch

Expected Free Energy as Belief-Dependent Utility for rho-POMDPs

作为rho-POMDPs中信念依赖效用的期望自由能

Patrick Cooper, Alvaro Velasquez

机构 * University of Colorado Boulder（科罗拉多大学博尔德分校） 纠错

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

AI总结 研究在部分可观测性下智能体信息收集决策问题，核心方法是用主动推理最小化期望自由能，此方法被证明等同于求解特定rho-POMDP，实验表明该方法在多种环境中表现良好，能提供基于信念的效用，避免过度探索。

Comments 41 pages, 12 figures. Paper accepted as a spotlight at the 2026 International Workshop on Active Inference (IWAI); the workshop version will appear in the Springer Communications in Computer and Information Science (CCIS) series. Code and experiment data at https://github.com/PatrickAllenCooper/rho_aif

Enhancing Personalized Bladder Cancer Treatment Through Reinforcement Learning: A Recurrent Patient State Transition Decision Support Framework

通过强化学习增强个性化膀胱癌治疗：一种循环患者状态转换决策支持框架

Divyansh Chawla, Anshu Garg, Isshaan Singh

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

AI总结 研究针对膀胱癌复发性疾病治疗需个性化决策的问题，提出集成预测状态转换建模、马尔可夫决策过程和深度Q网络强化学习环境的框架，能动态制定治疗计划，经评估效果良好，凸显其作为个性化膀胱癌治疗规划决策支持框架的潜力。

Accurate and Efficient Long-Term Memory for LLM Agents

用于大语言模型智能体的准确高效长期记忆

Zicheng Zhao, Xinyang Guo, Luyao Lv, Menghan Wang, Ming Li, Shuaicheng Li

机构 * Central China Research Institute for AI Technology（华中人工智能技术研究院） ； Guangdong Provincial Key Laboratory of Interdisciplinary Research and Application for Data Science, BNU-HKBU United International College, Zhuhai（北京师范大学-香港浸会大学联合国际学院数据科学跨学科研究与应用广东省重点实验室） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 研究大语言模型智能体长时记忆问题，提出MOSAIC框架，通过实体类型图存储、哈希加速双路径检索和主动冲突检测，提升了准确性和效率，在多项测试中取得更好结果，如准确率提高、冲突检测能力增强且检索延迟降低。

FST.ai 2.5: Explainable and Uncertainty-Aware AI for Olympic and Para-Taekwondo Decision Support, Athlete Digital Twins, and Federation-Scale Analytics

FST.ai 2.5：用于奥运会和跆拳道决策支持、运动员数字孪生及联合会规模分析的可解释且具有不确定性感知的人工智能

Keivan Shariatmadar, Ahmad Osman, Ramin Rey

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

AI总结 针对精英运动数字化中现有方案零散问题，提出FST.ai 2.5框架，通过整合多源数据，实现战术诊断、运动员监测等功能，其原型部署可行，方法广泛适用于搏击等体育环境中的可解释AI、数字孪生及可靠决策支持。

Comments 14 pages, 4 figures

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

Bridge Evidence: Static Retrieval Utility Does Not Predict Causal Utility in Multi-Step Agentic Search

桥梁证据：静态检索效用无法预测多步智能体搜索中的因果效用

Debayan Mukhopadhyay, Utshab Kumar Ghosh, Shubham Chatterjee

机构 * University of Calcutta（卡塔克大学） ； Missouri University of Science and Technology（密苏里科技大学） 纠错

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

AI总结 研究智能体检索中静态检索效用与因果效用的差异，通过在HotpotQA上用ReAct风格智能体实验，比较原始与反事实运行得CTU分数，发现两者近乎独立，约三分之一文档为桥梁文档，还确定了相关机制，指出优化静态相关性无法带来因果有用性。

Comments Preprint; extended version in preparation

Plover: Steering GUI Agents through Plan-Centric Interaction

Plover：通过以计划为中心的交互来操控图形用户界面代理

Madhumitha Venkatesan, Shicheng Wen, Jiajing Guo, Jorge Piazentin Ono, Liu Ren, Dongyu Liu

机构 * University of California, Davis（加利福尼亚大学戴维斯分校） ； Bosch Research North America（博世北美研究院） 纠错

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

AI总结 研究针对现实中GUI自动化难题，提出以计划为中心的Plover系统，通过规划器-执行器架构，支持多方式监督与修正，经形成性研究和评估表明，该系统能让GUI自动化更透明、可控与可适应，利于修复故障。

Step-Level Preference Learning for Generative Agents in Social Simulations

社会模拟中生成式智能体的步骤级偏好学习

Wenchang Gao, Pingyue Sheng, Lanlan Qiu, Yunfei Ma, Jian Zhao, Baicheng Chen, Kangda Wang, Yuyang Tian, Shunqiang Mao, Tianxing He

机构 * Shanghai Qi Zhi Institute（上海期智研究院） ； Xiongan AI Institute（雄安人工智能研究院） ； Tsinghua University（清华大学） ； CUHK-Shenzhen（香港中文大学（深圳）） ； USTC（中国科学技术大学） ； Sun Yat-sen University（中山大学） 纠错

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

AI总结 研究基于大语言模型的生成式智能体模拟人类行为时中间步骤注释稀缺问题，引入交互式模拟界面收集步骤级人类偏好监督，经监督微调算法和直接偏好优化方法进行步骤级偏好学习，提升模拟效果，证明步骤级人类监督是有效训练信号。

Comments WAICA2026

NeuroGRIP: Retrieval-Augmented Graph Refinement for Knowledge-Grounded EEG Seizure Diagnosis

NeuroGRIP：用于基于知识的脑电图癫痫诊断的检索增强图细化

Lincan Li, Zheng Chen, Yushun Dong

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

AI总结 研究针对脑电图癫痫诊断难题，提出NeuroGRIP框架，结合外部医学知识校准脑电图图。通过构建知识库、利用大语言模型提取知识图，经对齐感知查询和相似性搜索检索关系证据，提升诊断准确性与可解释性，为临床诊断提供新框架。

Multi-Head Latent Control: A Unified Interface for LLM Agent Decision Making

多头潜在控制：大语言模型智能体决策的统一接口

Amirhosein Ghasemabadi, Ruichen Chen, Bahador Rashidi, Di Niu

机构 * University of Alberta（阿尔伯塔大学） ； Huawei Technologies Canada Co., Ltd.（华为加拿大技术有限公司） 纠错

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

AI总结 研究大语言模型作智能体时的决策控制问题，提出多头潜在控制方法，通过读取冻结模型的隐藏状态轨迹生成控制信号，能在不修改模型的情况下进行事后适配，改善多模型系统质量成本权衡，减少大模型使用并提高工具使用决策质量。

Align AI to Dynamic Human-AI Workflows

将人工智能与动态人机工作流程对齐

Valerie Chen, Cleotilde Gonzalez, Anita Williams Woolley, Michael Lee, Tongshuang Wu, Vincent Conitzer, Aarti Singh

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of California Irvine（加州大学欧文分校） 纠错

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

AI总结 研究现实世界中人类与人工智能交互的动态本质，主张从静态模拟对齐转向交互式互补对齐，通过对比现有对齐与轨迹级视图形式化差距，借鉴多学科见解指出挑战，最后概述开发与人类交互对齐的人工智能系统的研究议程。

Intelligent Three Level Learning Architecture for Autonomous UAV Swarms in Search and Rescue

用于自主无人机群搜索和救援的智能三级学习架构

Oleksii Bychkov

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

AI总结 本文针对无人机群搜索和救援提出智能三级学习架构，集成三种学习机制，通过架构契约形式化，引入群体元认知，有进展函数和主整合定理，解决了现有分层强化学习方法的五个基本限制。

Comments 9 pages

LQCDMaster: Agentic Scientific Computing for Lattice Quantum Chromodynamics Research

LQCDMaster：用于格点量子色动力学研究的智能科学计算

Haofei Gao, Tingjia Miao, Wenkai Jin, Muhua Zhang, Hanzhang Wang, Jie Ran, Jinxin Tan, Zhentao Zhang, Bo Tang, Leiyi Li, Jun Hua, Xiangyu Jiang, Qi-An Zhang, Siheng Chen, Wei Wang

机构 * School of Physics and Astronomy（物理与天文学院） ； Tsung-Dao Lee Institute（李政道研究所） ； State Key Laboratory of Dark Matter Physics（暗物质物理国家重点实验室） ； School of Artificial Intelligence（人工智能学院） ； Zhiyuan College（智远学院） ； School of Physics（物理学院） ； SciLand ； Institute of Quantum Matter（量子物质研究所） ； Department of Physics（物理系） 纠错

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

AI总结 研究针对格点量子色动力学研究实际应用受限问题，提出LQCDMaster智能体，结合智能规划等技术将自然语言任务转化为计算工作流程。经实验评估，其能精确再现多数任务，大幅缩短实现时间，开创智能科学计算范式，促进相关研究。

Comments 17 pages, 4 figures