Beyond Explicit Edges: Robust Reasoning over Noisy and Sparse Knowledge Graphs
超越显式边：在噪声和稀疏知识图谱上的鲁棒推理
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 本文提出INSES框架，通过LLM引导导航和嵌入相似性扩展，提升噪声和稀疏知识图谱的推理能力，在多个基准测试中优于现有方法。
AI 大模型
大模型推理能力
大模型数学、逻辑、规划、多步推理和测试时计算能力。
1. 规划推理 11017 篇
TheraAgent: Multi-Agent Framework with Self-Evolving Memory and Evidence-Calibrated Reasoning for PET Theranostics
TheraAgent：具有自我进化记忆和证据校准推理的多智能体框架用于PET治疗诊断
机构 * Fudan University（复旦大学） ； University of Bern（伯尔尼大学） ； Nanjing University（南京大学） ； National University of Singapore（新加坡国立大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 TheraAgent通过自我进化记忆和证据校准推理，解决PET治疗诊断中数据稀缺、信息异构和证据推理的问题，实现75.7%的准确率。
Automating Document Intelligence in Statutory City Planning
在法定城市规划中自动化文档智能
机构 * Research and Implementation（研究与实施）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出一种集成AI系统，通过自动化识别和脱敏个人信息、提取元数据及分析建筑图纸，减轻规划官员处理大量文档的负担，降低合规风险。
Comments Accepted for presentation at Computing Conference 2026
Think First, Diffuse Fast: Improving Diffusion Language Model Reasoning via Autoregressive Plan Conditioning
先思后推：通过自回归计划条件改进扩散语言模型推理
机构 * Independent Researcher（独立研究者）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文提出计划条件方法，通过在扩散模型提示前添加自回归生成的计划，提升多步推理能力，实验表明在GSM8K和HumanEval上分别提升11.6和12.8个百分点，证明了协调问题假设。
ToolTree: Efficient LLM Agent Tool Planning via Dual-Feedback Monte Carlo Tree Search and Bidirectional Pruning
ToolTree: 通过双反馈蒙特卡洛树搜索与双向剪枝实现高效的LLM代理工具规划
机构 * School of Computing and Information Systems, The University of Melbourne（墨尔本大学计算与信息学院） ； School of Physics, Mathematics and Computing, The University of Western Australia（西澳大学物理、数学与计算学院）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出ToolTree，一种基于蒙特卡洛树搜索的工具规划方法，通过双阶段LLM评估和双向剪枝机制，提升工具使用序列的适应性和效率，实验表明其在多种基准测试中性能提升约10%。
Comments ICLR 2026
CarPLAN: Context-Adaptive and Robust Planning with Dynamic Scene Awareness for Autonomous Driving
CarPLAN: 基于动态场景感知的上下文自适应与鲁棒规划
机构 * Department of Artificial Intelligence, Hanyang University（翰林大学人工智能系） ； Interdisciplinary Program in Artificial Intelligence, Seoul National University（首尔国立大学人工智能跨学科项目） ； Department of Electrical and Computer Engineering, Seoul National University（首尔国立大学电子与计算机工程系） ； Department of Automotive Engineering, Hanyang University（翰林大学汽车工程系）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 CarPLAN通过位移感知预测编码和上下文自适应多专家解码器，提升自动驾驶在复杂场景中的鲁棒性和适应性规划能力。
Comments 10 pages, 6 figures. Under review at IEEE Transactions on Intelligent Transportation Systems
FAPE-IR: Frequency-Aware Planning and Execution Framework for All-in-One Image Restoration
FAPE-IR：面向全场景图像修复的频率感知规划与执行框架
机构 * Tianjin University（天津大学） ； University of Macau（澳门大学） ； City University of Hong Kong（香港城市大学） ； Institute of Artificial Intelligence (TeleAI)（人工智能研究所（TeleAI））
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出FAPE-IR框架，通过频率感知规划与执行模块，结合多模态大语言模型和LoRA-MoE架构，实现统一且可解释的全场景图像修复，实验显示其在七项任务中表现优异。
Does Reasoning Make Search More Fair? Comparing Fairness in Reasoning and Non-Reasoning Rerankers
推理是否使搜索更公平？比较推理与非推理重排序器的公平性
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Human Language Technology Center of Excellence（语言技术卓越中心）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 研究比较了推理与非推理重排序器的公平性，发现推理模型对公平性无显著影响，需进一步优化以提升公平性。
Comments 17 pages
Boltzmann-based Exploration for Robust Decentralized Multi-Agent Planning (Extended Version)
基于玻尔兹曼的探索用于鲁棒的去中心化多智能体规划（扩展版）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出CB-MCTS，通过玻尔兹曼策略和熵奖励提升多智能体规划的鲁棒性，在欺骗场景中表现更优。
Comments To appear in ICAPS 2026
SafeGen-LLM: Enhancing Safety Generalization in Task Planning for Robotic Systems
SafeGen-LLM: 提高机器人系统任务规划中的安全性泛化能力
机构 * University of Notre Dame（诺丁汉大学） ； Washington State University（华盛顿州立大学） ； University of Pennsylvania（宾夕法尼亚大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 SafeGen-LLM通过两阶段框架提升机器人任务规划的安全性泛化能力，优于现有基线。
Comments 12 pages, 6 figures
MAPLE: Elevating Medical Reasoning from Statistical Consensus to Process-Led Alignment
MAPLE：从统计共识到过程导向对齐的医学推理提升
机构 * Zhejiang University（浙江大学） ； Harvard University（哈佛大学） ； Harvard Medical School（哈佛医学院）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.LG
AI总结 MAPLE通过整合医学过程奖励模型与TTRL，提升医学推理的准确性和可靠性，实现从统计共识到过程导向对齐的转变。
Vision-Language Models Encode Clinical Guidelines for Concept-Based Medical Reasoning
视觉-语言模型编码临床指南以实现基于概念的医学推理
机构 * Queen’s University（女王大学） ； University of British Columbia（不列颠哥伦比亚大学） ； McMaster University（麦马斯特大学） ； Vector Institute（向量研究所）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.LG
AI总结 MedCBR通过整合临床指南与视觉-语言模型，提升医学影像诊断的可解释性和决策支持能力。
Comments CVPR 2026 Findings
AgentIR: Reasoning-Aware Retrieval for Deep Research Agents
AgentIR: 为深度研究代理设计的推理感知检索
机构 * University of Waterloo（滑铁卢大学） ； University of Queensland（昆士兰大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 AgentIR通过结合推理轨迹与查询的联合嵌入和数据合成方法，提升深度研究代理的检索性能，实现68%的准确率。
Evidence-Driven Reasoning for Industrial Maintenance Using Heterogeneous Data
基于异构数据的工业维护证据驱动推理
机构 * IBM Research Europe（IBM欧洲研究院） ； IBM Research Yorktown（IBM约克镇研究院） ； Imperial College London（伦敦帝国学院）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文提出Condition Insight Agent，通过整合维护语言、操作数据行为抽象和工程故障语义，实现基于证据驱动的工业维护决策支持。
RoboPARA: Dual-Arm Robot Planning with Parallel Allocation and Recomposition Across Tasks
RoboPARA: 双臂机器人任务并行规划的平行分配与重组
机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, School of Artificial Intelligence, Beihang University（北京未来区块链与隐私计算先进创新中心，人工智能学院，北航） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Center for Applied Statistics, School of Statistics, Renmin University of China（应用统计中心，统计学院，中国人民大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 RoboPARA通过双臂任务并行规划框架，提升复杂多任务场景下的效率和可靠性，引入首个评估双臂任务并行性的数据集。
Comments Accepted to ICLR 2026
STRUCTUREDAGENT: Planning with AND/OR Trees for Long-Horizon Web Tasks
STRUCTUREDAGENT：基于AND/OR树的长周期网络任务规划
机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Amazon（亚马逊） ； Virginia Commonwealth university（弗吉尼亚 Commonwealth 大学） ； University of Virginia（弗吉尼亚大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 STRUCTUREDAGENT通过动态AND/OR树和结构化记忆模块提升长周期网络任务的规划能力，实现更高效的搜索与约束满足。
ELHPlan: Efficient Long-Horizon Task Planning for Multi-Agent Collaboration
ELHPlan: 为多智能体协作的高效长周期任务规划
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； City University of Hong Kong（香港城市大学） ； South China Normal University（华南师范大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 ELHPlan通过引入意图绑定的动作链，实现多智能体协作中的高效长周期任务规划，提升适应性与效率，实验表明其在任务成功率与令牌消耗方面表现优异。
Parallelized Planning-Acting for Efficient LLM-based Multi-Agent Systems in Minecraft
并行规划-行动用于Minecraft中基于大语言模型的多智能体系统的高效性
机构 * Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Hangzhou City University（杭州市城市大学） ； Ningbo Global Innovation Center, Zhejiang University（宁波全球创新中心，浙江大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出了一种基于大语言模型的多智能体系统并行规划-行动框架，通过双线程架构实现同时规划和行动，提升Minecraft中动态决策的效率和响应能力。
Agentic LLM Planning via Step-Wise PDDL Simulation: An Empirical Characterisation
通过分步PDDL模拟实现代理LLM规划：一项实证分析
机构 * AIT Austrian Institute of Technology GmbH（奥地利技术研究院）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 本文通过PyPDDLEngine实验证明代理LLM在任务规划中相比传统方法具有小幅优势，但效果受环境反馈类型影响。
Real-Time Learning of Predictive Dynamic Obstacle Models for Robotic Motion Planning
实时学习预测性动态障碍物模型用于机器人运动规划
机构 * Division of Engineering and Applied Science, California Institute of Technology（工程与应用科学分校，加州理工学院） ； Applied Intuition（应用直觉）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.LG
AI总结 本文提出一种实时学习动态障碍物预测模型的方法，通过改进的Hankel-DMD实现去噪和多步预测，适用于机器人运动规划。
Comments 10 pages, 6 figures, submitted to IEEE International Conference on Robotics and Automation (ICRA) 2025
U-Parking: Distributed UWB-Assisted Autonomous Parking System with Robust Localization and Intelligent Planning
U-Parking：基于UWB的分布式自主泊车系统，具备稳健定位与智能规划
机构 * Jiangnan University（江南大学） ； Zhuhai Fudan Innovation Institute（珠海复旦创新研究院） ； Tsinghua University（清华大学） ； Brunel University of London（布鲁内尔大学） ； Shanghai Jiao Tong University（上海交通大学） ； Southeast University（东南大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.LG
AI总结 U-Parking通过整合大语言模型辅助规划、稳健定位与轨迹跟踪，实现具有挑战性的室内环境中的可靠自动化泊车。
Comments This paper has been accepted by infocom. The source code has been released at: https://github.com/qiongwu86/U-Parking
GIANT - Global Path Integration and Attentive Graph Networks for Multi-Agent Trajectory Planning
GIANT - 全局路径整合与注意力图网络用于多智能体轨迹规划
机构 * Artificial Intelligence in Robotics Laboratory (AiR Lab), Department of Electrical and Computer Engineering, Aarhus University（人工智能机器人实验室（AiR实验室），电气与计算机工程系，奥胡斯大学） ； Foundation Models for Artificial Intelligence group, Department of Information and Communication Engineering, Tokyo University（人工智能基础模型组，信息与通信工程系，东京大学） ； Automatic Control Group, Department of Electrical Engineering and Information Technology, Paderborn University（自动控制组，电气工程与信息科技系，波德恩大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 GIANT通过结合全局路径规划与注意力图网络，提升多智能体在复杂动态环境中的避障与导航性能。
Comments Published in: 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
FluenceFormer: Transformer-Driven Multi-Beam Fluence Map Regression for Radiotherapy Planning
FluenceFormer：基于Transformer的多束荧光图回归用于放疗规划
机构 * Wayne State University（韦恩州立大学） ； Henry Ford Health（亨利福特医疗）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 FluenceFormer 是一种基于 Transformer 的多束荧光图回归方法，通过两阶段设计和物理约束损失提升放疗计划的结构保真度和能量精度。
Comments Accepted at Medical Imaging with Deep Learning (MIDL-2026)
SaFeR-ToolKit: Structured Reasoning via Virtual Tool Calling for Multimodal Safety
SaFeR-ToolKit: 通过虚拟工具调用实现多模态安全的结构化推理
机构 * Huazhong University of Science and Technology（华中科技大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； West China Hospital, Sichuan University（四川大学华西医院） ； Nanyang Technological University（南洋理工大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.LG
AI总结 SaFeR-ToolKit通过虚拟工具调用实现多模态安全的结构化推理，提升安全性、帮助性和推理严谨性，同时保持通用能力。
SpotAgent: Grounding Visual Geo-localization in Large Vision-Language Models through Agentic Reasoning
SpotAgent：通过代理推理在大视觉语言模型中实现视觉地理定位
机构 * Peking University（北京大学） ； StepFun
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 SpotAgent通过代理推理提升大视觉语言模型在地理定位中的表现，结合外部工具验证和强化学习优化，实现更精确和可靠的定位结果。
MSP-LLM: A Unified Large Language Model Framework for Complete Material Synthesis Planning
MSP-LLM：一种用于完整材料合成规划的统一大语言模型框架
机构 * Department of Industrial \& Systems Engineering, KAIST, Daejeon, Korea ； Graduate School of Data Science, KAIST, Daejeon, Republic of Korea ； Korea Research Institute of Chemical Technology, KRICT, Daejeon, Korea
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 MSP-LLM提出一种统一的大语言模型框架，通过整合前驱材料预测和合成操作预测，有效解决材料合成规划问题。
Model Predictive Adversarial Imitation Learning for Planning from Observation
基于模型预测的对抗模仿学习用于从观察中规划
机构 * Paul G. Allen School of Computer Science & Engineering（保罗·G·阿伦计算机科学与工程学院）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出一种基于模型预测的对抗模仿学习方法，通过端到端学习从观察中规划，提升样本效率和鲁棒性。
Comments Accepted at ICLR 2026
From Grounding to Planning: Benchmarking Bottlenecks in Web Agents
从基础到规划：网络代理中的瓶颈基准测试
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 本文通过分析网络代理的规划和基础组件，发现规划是性能退化的主要原因，提出新的基准测试以改进代理能力。
Journal ref ECAI 2025 - 28th European Conference on Artificial Intelligence
Wild-Drive: Off-Road Scene Captioning and Path Planning via Robust Multi-modal Routing and Efficient Large Language Model
Wild-Drive: 通过鲁棒多模态路由和高效大语言模型实现越野场景描述与路径规划
机构 * School of Instrument Science and Engineering, Southeast University（东南大学仪器科学与工程学院） ； Southeast University Nanjing Jiangbei New Area Innovation Research Institute（东南大学南京江滨新区创新研究院） ； National Key Laboratory of Equipment State Sensing and Smart Support, National University of Defense Technology（国防科技大学装备状态感知与智能支撑国家重点实验室） ； School of Transportation, Shandong University of Science and Technology（山东科技大学交通学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 Wild-Drive通过鲁棒多模态路由和高效大语言模型实现越野场景描述与路径规划，提升复杂环境下的可解释性和稳定性。
MagicAgent: Towards Generalized Agent Planning
MagicAgent：迈向通用代理规划
机构 * Honor Device Co., Ltd（Honor设备有限公司） ； Fudan University（复旦大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 MagicAgent通过合成数据框架和两阶段训练范式，实现通用代理规划，优于现有模型。
