Focus Is All You Need: Adaptive Goal-aware Attention Orchestration for Multi-Agent Graph Systems
研究多智能体图系统中注意力分配问题，提出自适应目标感知注意力编排框架AGAO，结合目标、拓扑、资源感知注意力，将静态图转变为自适应系统，经实验验证其能提高任务有效性并减少计算等消耗，确立注意力工程方向。
2026-07-28 cs.AI
ProWorld: Progress-Aware Hyperbolic World Models for Long-Horizon Visual Goal Reaching
本文针对长程视觉目标到达任务中视觉世界模型的进展感知与轨迹区分难题，提出双曲视觉世界模型ProWorld，经实验相较LeWM实现9.67的平均绝对成功率提升。
2026-08-04 cs.AI
Attacca: Goal-Directed Control under State Continuity for Long-Horizon Embodied Agents
Nanyang Technological University（南洋理工大学）
针对长时程具身任务中目标不可见导致策略失效的问题，提出Attacca方法，通过上下文解耦目标采样、目标掩码预测和行为阶段条件化，在Minecraft任务中将成功率提升至基线1.7-7倍。
2026-10-07 cs.AI
SGG-ReflAct: Sub-Goal Guided ReflAct with Structured Planning for Reliable Long-Horizon Reasoning
Hansung University（汉城大学）
针对长程推理中智能体因中间错误偏离目标的问题，提出SGG-ReflAct，将单路径或束搜索LLM规划器生成的子目标融入反思过程，在ALFWorld和ScienceWorld上分别提升14.9和8.0个百分点成功率，并减少幻觉动作。
2026-09-29 cs.AI
TRACE: Trajectory Risk-Aware Compression for Long-Horizon Agent Safety
University of Science and Technology of China（中国科学技术大学）；National University of Singapore（新加坡国立大学）；South China Normal University（华南师范大学）
提出轨迹风险感知压缩方法TRACE，通过压缩器-阅读器架构将长轨迹压缩为潜在证据状态，以聚合稀疏风险信号并提升长程安全检测准确率。
2026-05-30 cs.AI
Offline Policy Learning via Skill-step Abstraction for Long-horizon Goal-Conditioned Tasks
Sungkyunkwan University（成均馆大学）
针对长时程目标条件任务中奖励稀疏的挑战，提出GLvSA框架，通过技能步骤抽象离线分解目标并分层学习策略，在迷宫和厨房环境中实现高效零样本与少样本适应。
2024-08-21 cs.AI cs.LG
MemOCR: Layout-Aware Visual Memory for Efficient Long-Horizon Reasoning
University of Science and Technology of China（中国科学技术大学）；National University of Singapore（新加坡国立大学）；School of Computing（计算学院）
MemOCR通过利用视觉布局进行自适应信息密度分配，提高了在有限上下文预算下的长周期推理效率，其核心方法是维护结构化的丰富文本记忆并将其渲染为图像，以实现对关键证据的视觉优先级分配和辅助细节的压缩，从而在各种基准测试中优于基于文本的基线方法。
2026-05-18 cs.AI
Learning from Demonstrations via Capability-Aware Goal Sampling
Rutgers University（罗格斯大学）
Cago通过动态跟踪智能体能力，选择略高于当前能力的目标，提升学习效率和性能。
2026-01-13 cs.AI
Chain-of-Goals Hierarchical Policy for Long-Horizon Offline Goal-Conditioned RL
Department of Electrical and Computer Engineering, Seoul National University, Seoul, South Korea（首尔国立大学电气与计算机工程系）；Department of Automotive Engineering, Ajou University, Gyeonggi-do, South Korea（全州大学汽车工程系）
提出 Chain-of-Goals 分层策略 (CoGHP)，通过自回归生成潜在子目标序列，利用 MLP-Mixer 统一架构建模层次决策，在长视界任务中优于离线基线方法。
2026-06-23 cs.AI cs.LG
ContextBudget: Budget-Aware Context Management for Long-Horizon Search Agents
Zhejiang University（浙江大学）；Alibaba Group（阿里巴巴集团）
本文提出BACM方法，通过预算约束的序列决策问题管理上下文，结合BACM-RL强化学习方法，在多目标问答和长时间网页浏览任务中优于现有方法，尤其在高复杂度场景下表现突出。
2026-04-02 cs.AI
Maximum Entropy Gain Exploration for Long Horizon Multi-goal Reinforcement Learning
University of Toronto（多伦多大学）；Vector Institute（Vector研究所）
多目标强化学习智能体在训练长视野任务时应该追求什么目标？当期望的（测试时间）目标分布太远，提供一个有用的学习信号，我们认为，代理不应该追求无法实现的目标。相反，它应该设定自己的内在目标，以最大化历史已实现目标分布的熵。我们建议通过让代理在目标空间的稀疏探索区域中追求过去实现的目标来优化这一目标，该区域将探索集中在可实现目标集的前沿。我们表明，我们的策略实现了一个数量级更好的样本效率比现有技术的长期视野多目标任务，包括迷宫导航和块堆叠。
2020-07-06 cs.AI cs.LG cs.RO
Goal Alignment: A Human-Aware Account of Value Alignment Problem
Colorado State University（科罗拉多州立大学）
当人工智能智能体的指定目标与其用户的真实潜在目标不匹配时，就会出现价值对齐问题。这个问题被广泛认为是人工智能的核心安全问题之一。不幸的是，大多数现有的作品在价值对齐往往集中在主要与奖励功能是一个不直观的机制，以指定目标的事实有关的问题。然而，目标指定机制的复杂性只是用户可能错误指定其目标的许多原因之一。这些作品忽视了错位的一个基本原因是人类对代理行为的预期和代理为特定目标所产生的行为的固有不对称。为了解决这个空白，我们提出了一个新的配方的价值对齐的问题，命名为目标对齐，专注于几个核心的挑战相关的价值对齐。在这样做的过程中，我们弥合了目前不同的研究领域的价值对齐和人类意识的规划。此外，我们提出了一个第一的同类交互式算法，能够使用不正确的信念下产生的信息代理，以确定真正的潜在目标的用户。
2023-02-08 cs.AI
FF-JEPA: Long-Horizon Planning in World Models with Latent Planners
KU Leuven（鲁汶大学）
提出FF-JEPA层次化方法，通过引入无动作潜在规划器预测子目标，将复杂轨迹分解为短期优化问题，解决长时域规划中计算昂贵和需要目标图像的问题。
2026-06-08 cs.AI
StateGuard: Analytical-State Management with Validity-Aware Intervention for Long-Horizon Data Agents
Gaoling School of Artificial Intelligence（高瓴人工智能学院）；Renmin University of China（中国人民大学）
针对长周期数据分析智能体中过时分析产物被静默继承的问题，提出StateGuard框架，通过状态图外化分析进度，结合反事实监督与有效性引导策略优化，在三个基准上提升性能并减少错误传播。
2026-09-29 cs.AI
Goal Exploration Augmentation via Pre-trained Skills for Sparse-Reward Long-Horizon Goal-Conditioned Reinforcement Learning
University of Manchester（曼彻斯特大学）
针对稀疏奖励长程任务中GCRL目标探索效率低的问题，提出优化已实现与待探索目标熵的新学习目标，利用相似环境的目标转移模式预训练技能增强探索，在多基准任务上显著提升现有GCRL方法的探索效率与性能。
2023-12-19 cs.AI cs.LG cs.RO
Imagining Goals with Geometric Horizon Models for Policy Generalization
Mila；Université de Montréal（蒙特利尔大学）；Google DeepMind（谷歌DeepMind）
本研究针对零样本目标泛化难题，提出TD-Aug方法，通过几何视界模型采样构想组合现有知识的新结果，将其作为目标训练目标条件化BC策略，显著提升了基于拼接的OGBench任务的泛化能力。
2026-10-13 cs.AI cs.LG
CADOC: Cache-Aware Dynamic Object Context for Long-Horizon Agents
Shanghai Jiao Tong University（上海交通大学）；Institute of Natural Sciences, Shanghai Jiao Tong University（上海交通大学自然科学研究院）
针对长时程智能体上下文瓶颈，提出CADOC算法，通过批量调度替换操作权衡等待与缓存重建成本，在保持性能的同时平均降低约40%输入成本。
2026-09-30 cs.AI
Horizon Generalization in Reinforcement Learning
UC Berkeley（加州大学伯克利分校）；Princeton University（普林斯顿大学）
本文研究强化学习中的视野泛化问题，提出目标导向策略应通过规划不变性实现从近目标到远目标的泛化，并从理论和实验上证明了其可行性。
2025-01-06 cs.AI cs.LG
Geometry-aware Incremental Neural Operator for Long-Horizon PDE prediction
School of Information and Software Engineering, UESTC（电子科技大学信息与软件工程学院）；Electronics and Information Convergence Engineering, KHU（韩国庆熙大学电子与信息融合工程系）；School of Computer Science and Engineering, UESTC（电子科技大学计算机科学与工程学院）；Department of Mathematical Sciences, UOL（利物浦大学数学科学系）；School of Computer Science and Technology, XDU（西安电子科技大学计算机科学与技术学院）；School of Mechanical and Electrical Engineering, UESTC（电子科技大学机械与电气工程学院）；College of Computer and Information Engineering, XAUAT（西安建筑科技大学计算机与信息工程学院）
提出几何感知增量神经算子GeoIncNO，通过调节通道耦合、均值-波动解耦重构等机制，在6个PDE基准测试中实现了更优的长时序PDE预测精度与稳定性。
2026-08-13 cs.AI
Multi-Horizon Explainable Queue Forecasting and Resource-Aware Decision Support for Intelligent Border Control Using LightGBM
Hellenic Mediterranean University（希腊地中海大学）；National Technical University of Athens（雅典国家技术大学）
该研究针对智能边境管控，提出基于LightGBM的多时段可解释队列预测与资源感知决策架构，构建时段专属回归器并生成可落地的决策支持输出，建立了合成数据基准与验证接口。
2026-10-14 cs.AI
SAGA: Scene-Aware, Goal-Evolving Agents for Long-Horizon Strategy Game Planning
针对长时域策略游戏中场景盲视、上下文溢出和跨游戏学习浅层化问题，提出SAGA多智能体框架，通过地图语义场景图、工具增强规划器和双时域反馈循环，在FreeCiv中取得最高文明评分并降低输出令牌27%。
2026-07-22 cs.AI
ConMem: Contribution-Aware Memory for Long-Horizon Manufacturing Inspection Logs
Shandong University（山东大学）；Boston University（波士顿大学）；North China Electric Power University（华北电力大学）；National University of Singapore（新加坡国立大学）；Joint SDU-NTU Centre for Artificial Intelligence Research (C-FAIR), Shandong University（山东大学-南洋理工大学人工智能联合研究中心（C-FAIR））；Rizhao Steel Holding Group Co., Ltd.（日照钢铁控股集团有限公司）
该研究针对长周期制造检查日志的早期风险筛查需求，提出ConMem贡献感知记忆框架，通过Shapley风格评估保留高价值证据，在真实数据集上实现76.0% QA准确率，大幅减少输入token数与响应时间，可有效保留弱早期信号并提供预警。
2026-08-11 cs.AI
TLDR: Unsupervised Goal-Conditioned RL via Temporal Distance-Aware Representations
Yonsei University（延世大学）
针对无监督目标条件强化学习探索不足、奖励稀疏有噪的问题，提出基于时序距离感知表征的TLDR方法，通过选远距目标、设两类时序距离相关奖励提升探索与目标达成能力，在6个模拟运动环境中表现优于现有方法。
2024-12-09 cs.AI cs.LG
C-Learning: Horizon-Aware Cumulative Accessibility Estimation
Layer 6 AI（Layer 6人工智能公司）；University of Toronto（多伦多大学）；Vector Institute（矢量研究所）；Nvidia（英伟达）
多目标到达问题是强化学习中实现算法泛化的一个重要问题。尽管最近在这一领域的进展，目前的算法遭受三个主要的挑战：高样本的复杂性，学习只有一种方式达到的目标，并在解决复杂的运动规划任务的困难。为了解决这些局限性，我们引入了累积可达性函数的概念，它可以衡量目标在指定范围内从给定状态的可达性。我们表明，这些功能服从递归关系，这使得学习离线交互。我们还证明了最佳的累积可达性函数是单调的规划视野。此外，我们的方法可以权衡速度和可靠性的目标达成建议多个路径到一个单一的目标取决于所提供的地平线。我们评估我们的方法上的一组多目标离散和连续控制任务。我们表明，我们的方法优于国家的最先进的目标达到算法的成功率，样本的复杂性和路径最优性。我们的代码可以在https：//github.com/layer6ai-labs/CAE上找到，其他可视化可以在https://sites.google.com/view/learning-cae/上找到。
2021-01-26 cs.AI cs.LG stat.ML
Context-Aware Language Modeling for Goal-Oriented Dialogue Systems
UC Berkeley（加州大学伯克利分校）
面向目标的对话系统面临着流畅的语言生成和特定任务控制之间的权衡。虽然使用大语言模型的监督学习能够产生逼真的文本，但如何在不牺牲语言质量的情况下引导这些响应完成特定任务仍然是一个悬而未决的问题。在这项工作中，我们制定了面向目标的对话作为一个部分观察马尔可夫决策过程，解释的语言模型的动态和政策的代表。这种观点使我们能够扩展基于学习的控制技术，如任务重新标记，以获得一种简单有效的方法，以目标感知的方式微调语言模型，从而显着提高任务性能。我们还介绍了一些训练策略，这些策略可以更好地将模型集中在手头的任务上。我们评估我们的方法，上下文感知语言模型（CALM），在一个实际的航班预订任务，使用AirDialogue。从经验上看，CALM在任务成功率方面比最先进的方法高出7%，与人类水平的任务性能相匹配。
2022-04-22 cs.AI cs.CL
LPS-Bench: Benchmarking Safety Awareness of Computer-Use Agents in Long-Horizon Planning under Benign and Adversarial Scenarios
ShanghaiTech University（上海科技大学）；Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
LPS-Bench通过评估长周期规划中计算机使用代理的安全意识，揭示现有系统在安全行为维持方面的不足，并提出缓解策略以提升安全性。
2026-10-05 cs.AI
Metro-WM: Long-Horizon Latent Planning with Realisable Sub-Goals
Metro-WM通过从经验中检索真实状态作为子目标，构建图进行长时域规划，解决了潜在子目标不可实现的问题，在成功率、速度和计算效率上显著优于现有方法。
2026-10-26 cs.AI cs.RO
Successor Feature Landmarks for Long-Horizon Goal-Conditioned Reinforcement Learning
University of Michigan（密歇根大学）；LG AI Research（LG人工智能研究院）
在现实世界中操作通常需要代理了解复杂的环境，并应用这种理解来实现广泛的目标。这个问题被称为目标条件强化学习（GCRL），对于长期目标来说尤其具有挑战性。目前的方法已经解决了这个问题，通过增强基于图的规划算法的目标条件的政策。然而，它们难以扩展到大的、高维的状态空间，并且难以访问用于有效地收集训练数据的探索机制。在这项工作中，我们介绍了继任者功能地标（SFL），探索大型，高维环境，以获得一个政策，精通任何目标的框架。SFL利用后继特征（SF）的能力来捕获过渡动态，使用它来通过估计状态新颖性来驱动探索，并通过将状态空间抽象为基于非参数地标的图来实现高级规划。我们进一步利用SF直接计算一个目标有条件的政策间的地标遍历，我们用它来执行计划，以“边境”的边缘探索状态空间的地标。我们在MiniGrid和ViZDoom上的实验表明，SFL可以有效地探索大型高维状态空间，并在长期GCRL任务上优于最先进的基线。
2021-11-18 cs.AI cs.CV cs.LG
Goal-Aware Cross-Entropy for Multi-Target Reinforcement Learning
Seoul National University（首尔大学）；Surromind；AI Institute, Seoul National University（首尔大学人工智能研究院）
在没有目标先验知识的多目标环境中学习需要大量的样本，并且使得泛化困难。为了解决这个问题，重要的是能够通过语义理解来区分目标。在本文中，我们提出了目标感知交叉熵（GACE）损失，可以使用自动标记的目标状态以及强化学习以自监督的方式使用。基于这种损失，我们设计了目标区分注意网络（GDAN），它利用目标相关信息来关注给定的指令。我们评估所提出的方法对视觉导航和机器人手臂操作任务与多目标环境，并表明GDAN优于国家的最先进的方法，在任务成功率，样本效率，和泛化。此外，定性分析表明，我们提出的方法可以帮助智能体清楚地意识到并专注于给定的指令，从而促进目标导向的行为。
2021-10-26 cs.AI cs.LG cs.RO
Long-Horizon Visual Planning with Goal-Conditioned Hierarchical Predictors
USC（南加州大学）；UPenn（宾夕法尼亚大学）；UC Berkeley（加州大学伯克利分校）；Stanford University（斯坦福大学）
预测和规划未来的能力是智能体在世界上行动的基础。为了达到一个遥远的目标，我们在多个时间尺度上预测轨迹，首先设计一个粗略的目标计划，然后逐渐填充细节。相比之下，目前用于视觉预测和规划的学习方法在长时间任务上失败，因为它们生成预测（1）不考虑目标信息，（2）以最好的时间分辨率，一次一步。在这项工作中，我们提出了一个框架，视觉预测和规划，是能够克服这两个限制。首先，我们制定的问题，预测到一个目标，并提出相应的类的潜在空间目标条件的预测（GCPs）。通过将搜索空间限制为仅到达目标的那些轨迹，GCP显著地提高了规划效率。此外，我们展示了如何GCPs可以自然地制定为分层模型，给定两个观测值，预测它们之间的观测值，并通过递归细分轨迹的每个部分生成完整的序列。这种分而治之的策略是有效的长期预测，并使我们能够设计一个有效的层次规划算法，优化轨迹在一个由粗到细的方式。我们表明，通过使用目标条件和层次预测，GCPs使我们能够解决视觉规划任务的时间比以前可能的要长得多。
2020-11-27 cs.AI cs.CV cs.LG
Beyond Reactive Safety: Risk-Aware LLM Alignment via Long-Horizon Simulation
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对LLM智能体高风险决策的长期影响，提出通过长期模拟预测建议传播的概念验证框架，并构建100个间接危害场景数据集，显著提升模型预见非显而易见风险的能力及现有安全基准表现。
2025-06-26 cs.AI cs.CL
Graph-RHO: Critical-path-aware Heterogeneous Graph Network for Long-Horizon Flexible Job-Shop Scheduling
City University of Hong Kong（香港城市大学）；Chinese Academy of Sciences（中国科学院）
本文提出Graph-RHO，一种面向关键路径的异构图网络框架，用于解决长horizon柔性作业车间调度问题，通过引入拓扑感知的异构图网络、关键路径感知机制和自适应阈值策略，提升求解质量和效率。
2026-04-11 cs.AI cs.LG
DiffusionRollout: Uncertainty-Aware Rollout Planning in Long-Horizon PDE Solving
DiffusionRollout通过自适应选择步长策略，提升长时间尺度PDE求解的预测可靠性与准确性。
2026-02-14 cs.AI cs.LG
CHD: Coupled Hierarchical Diffusion for Long-Horizon Tasks
School of Computing, National University of Singapore（新加坡国立大学计算机学院）；Smart Systems Institute, NUS（NUS智能系统研究所）
针对基于扩散的规划器在长程任务中因高层子目标与低层轨迹松散耦合而失败的问题，提出CHD框架，通过统一扩散过程联合建模并利用反馈自我修正，显著提升了轨迹连贯性与规划性能。
2025-10-12 cs.AI cs.RO
SAGE: Scene Graph-Aware Guidance and Execution for Long-Horizon Manipulation Tasks
School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）；ShanghaiTech University（上海科技大学）；University of Sussex（Sussex大学）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
SAGE框架利用语义场景图桥接高层任务规划与低层视觉运动控制，结合VLM/LLM规划器和结构化图像编辑流水线，在长时程操作任务中实现最先进性能。
2025-09-26 cs.AI cs.RO
PDE-regularized Dynamics-informed Diffusion with Uncertainty-aware Filtering for Long-Horizon Dynamics
本文提出PDYffusion框架，结合PDE正则化和不确定性感知预测，通过PDE正则化插值器和UKF预测器实现稳定长时预测，实验表明其在CRPS和MSE上表现优异，且保持稳定的不确定性行为。
2026-04-10 cs.AI cs.LG
ADWIN: Adaptive Windows for Horizon-Aware On-Policy Distillation
School of Computer Science, Peking University（北京大学计算机科学系）；National Key Laboratory for Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室）；LLM Department, Tencent（腾讯LLM部门）
提出ADWIN框架，通过自适应窗口动态调整在线策略蒸馏中的轨迹长度，在保持或提升准确率的同时，将训练成本降低最多4.1倍。
2026-05-27 cs.AI cs.LG
RAT: Retrieval Augmented Thoughts Elicit Context-Aware Reasoning in Long-Horizon Generation
Peking University（北京大学）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）；Beijing Institute for General Artificial Intelligence（北京通用人工智能研究院）
本研究提出检索增强思维（RAT）方法，通过检索信息迭代修正零样本CoT的各思维步骤，有效提升大语言模型在多类长程生成任务中的表现并缓解幻觉。
2024-03-08 cs.AI cs.CL
SVL: Goal-Conditioned Reinforcement Learning as Survival Learning
Inria（法国国家信息与自动化研究所）；École Normale Supérieure, PSL Research University, Paris, France（巴黎高等师范学院，PSL研究大学）
提出生存价值学习（SVL），通过将时间到目标建模为概率分布，将目标条件强化学习重构为生存学习问题，并利用危险模型进行最大似然估计，在离线基准上匹配或超越强基线方法。
2026-05-29 cs.AI cs.LG
TurnOPD: Making On-Policy Distillation Turn-Aware for Efficient Long-Horizon Agent Training
Fudan University（复旦大学）；Tencent Hunyuan（腾讯文言）
研究针对在线策略蒸馏在长期智能体任务应用不足的问题，提出TurnOPD，通过自适应展开深度预算和渐进式转向归一化损失预算两个策略，在多任务实验中实现更高验证准确率，超越普通OPD，推进了准确率-时间前沿。
2026-09-29 cs.AI cs.CL
V-CAGE: Context-Aware Generation and Verification for Scalable Long-Horizon Embodied Tasks
Department of Computer Science and Technology, University of Cambridge, Cambridge, England.（计算机科学与技术系，剑桥大学，剑桥，英格兰）；Shanghai Jiao Tong University, Shanghai, China（上海交通大学，上海，中国）；Wuhan University, Wuhan, Hubei, China（武汉大学，武汉，湖北，中国）
V-CAGE通过上下文感知生成与验证框架，提升大规模具身任务数据集的物理和语义保真度，提高下游策略性能。
2026-01-21 cs.AI cs.RO
Act2Goal: From World Model To General Goal-conditioned Policy
Agibot Research（阿吉博特研究所）
Act2Goal通过结合视觉世界模型与多尺度时间控制，实现目标条件政策的鲁棒长时间尺度操作，提升机器人在新环境中的自主适应能力。
2025-12-29 cs.AI cs.RO
Interaction-Aware Multi-Agent Reinforcement Learning for Mobile Agents with Individual Goals
Carnegie Mellon University（卡内基梅隆大学）；Honda Research Institute USA（美国本田研究所）
在多智能体环境中，单个智能体的最优策略在很大程度上取决于其他智能体的行为。我们研究了多智能体强化学习的问题，专注于分散学习的非平稳域的移动机器人导航。我们确定了一个原因的训练非平稳政策的困难：相互适应次优行为，我们用它来激励一个基于学习策略的互动政策。课程分为两个阶段。首先，代理利用策略梯度算法来学习能够实现多个目标的策略。其次，代理学习修改器策略，以学习如何在多代理设置中与其他代理交互。我们评估了我们的方法在自动驾驶换道域和机器人导航域。
2019-09-27 cs.AI cs.LG
Goal Exploration via Adaptive Skill Distribution for Goal-Conditioned Reinforcement Learning
University of Manchester（曼彻斯特大学）
针对目标条件强化学习中的探索效率问题，提出GEASD框架，通过自适应技能分布优化局部熵，增强目标扩散，实验证明其优于均匀分布且具备泛化能力。
2024-04-19 cs.AI cs.LG
$\boldsymbol{f}$-OPD: Stabilizing Long-Horizon On-Policy Distillation with Freshness-Aware Control
The Hong Kong Polytechnic University（香港理工大学）
本文提出f-OPD框架，通过引入样本级新鲜度评分来稳定长周期在线策略蒸馏，实现性能与效率的平衡，为大规模长周期智能体训练奠定基础。
2026-10-14 cs.AI cs.LG
ICA: Information-Aware Credit Assignment for Visually Grounded Long-Horizon Information-Seeking Agents
Shanghai Jiao Tong University（上海交通大学）；ShanghaiTech University（上海科技大学）；Wuhan University（武汉大学）；SenseTime Research（商汤科技研究院）
本文提出ICA方法，通过视觉快照和信息层面信用分配，提升开放网络环境中信息寻求智能体的性能。
2026-08-26 cs.AI cs.LG
Goal-Aware Neural SAT Solver
Institute of Mathematics；Computer Science University of Latvia
现代神经网络获取有关问题的信息，并仅根据输入值计算输出。我们认为，它并不总是最优的，网络的性能可以显着提高，通过增加一个查询机制，允许网络在运行时间，使几个解决方案的试验，并得到反馈的损失值在每次试验。为了证明查询机制的能力，我们制定了一个无监督的（不依赖于标签）损失函数的布尔可满足性问题（SAT），并从理论上表明，它允许网络提取丰富的信息的问题。然后，我们提出了一个神经SAT求解器与查询机制称为QuerySAT，并表明它优于广泛的SAT任务的神经基线。
2022-05-30 cs.AI cs.LG
Efficient Robotic Manipulation Through Offline-to-Online Reinforcement Learning and Goal-Aware State Information
具有高数据效率的端到端学习机器人操作是机器人技术的关键挑战之一。利用人类演示数据和无监督表示学习的最新方法已被证明是提高RL学习效率的一个有前途的方向。示范数据的使用还允许使用具有模仿学习的离线数据或最近出现的离线强化学习算法来“预热”RL策略。然而，现有的工作往往把离线策略学习和在线探索作为两个独立的过程，这往往是伴随着严重的性能下降，在离线到在线的过渡。此外，许多机器人操作任务涉及复杂的子任务结构，这是非常具有挑战性的稀疏奖励RL解决。在这项工作中，我们提出了一个统一的离线到在线RL框架，解决了过渡性能下降的问题。此外，我们引入目标感知的状态信息的RL代理，这可以大大降低任务的复杂性和加速策略学习。结合先进的无监督表示学习模块，我们的框架实现了很大的训练效率和性能相比，国家的最先进的方法在多个机器人操作任务。
2021-10-21 cs.AI cs.RO
From Goals, Waypoints & Paths To Long Term Human Trajectory Forecasting
UC Berkeley（加州大学伯克利分校）；Technical University of Munich（慕尼黑工业大学）
人体轨迹预测是一个固有的多模态问题。未来轨迹的不确定性源于两个来源：（a）智能体已知但模型未知的来源，例如长期目标;（b）智能体和模型都未知的来源，例如其他智能体的意图和不可约随机性犹豫不决。我们建议将这种不确定性分解为认识性和任意性的来源。我们通过长期目标中的多模态来模拟认知的不确定性，通过路点和路径中的多模态来模拟任意的不确定性。为了消除这种二分法，我们还提出了一种新的长期轨迹预测设置，预测范围长达一分钟，比以前的作品长一个数量级。最后，我们介绍Y-net，一个场景兼容的轨迹预测网络，利用所提出的认知和任意结构在长期预测范围内进行多种轨迹预测。Y-net显着提高了先前最先进的性能（a）斯坦福无人机和ETH/UCY数据集上经过充分研究的短期预测范围设置和（b）重新提出的长期预测范围设置。斯坦福无人机和交叉无人机数据集。
2020-12-02 cs.AI cs.CV cs.RO
Strict Subgoal Execution: Reliable Long-Horizon Planning in Hierarchical Reinforcement Learning
Graduate School of Artificial Intelligence（人工智能研究生院）；Ulsan National Institute of Science and Technology (UNIST)（釜山国立科学与技术研究所）；Ulsan, South Korea（韩国釜山）
本文提出严格子目标执行（SSE）框架，通过前沿经验回放（FER）分离不可达与可接受的子目标，提高高层决策效率，从而在长horizon任务中实现更可靠的规划。
2026-05-20 cs.AI cs.LG
EgoCITE: Context-Augmented Indexing and Time-Aware Retrieval for Long-Horizon Egocentric Memory
University of Michigan（密歇根大学）
本研究针对长时程自我中心记忆系统的索引不可靠、忽略时序意图的问题，提出EgoCITE框架，经多数据集评估，其准确率优于基线且成本显著低于长上下文LLM智能体。
2026-08-20 cs.AI cs.CL cs.CV
Outcome-directed Reinforcement Learning by Uncertainty & Temporal Distance-Aware Curriculum Goal Generation
Seoul National University（首尔国立大学）；Automation and Systems Research Institute（自动化与系统研究所）；Artificial Intelligence Institute of Seoul National University（首尔国立大学人工智能研究所）
当前的强化学习（RL）在解决一个具有挑战性的探索问题时经常会遇到困难，因为在这个问题上很少能观察到期望的结果或高回报。尽管课程强化学习（一种通过提出一系列替代任务来解决复杂任务的框架）显示出合理的结果，但由于缺乏在没有任何先验领域知识的情况下获得校准指导以达到所需结果状态的机制，大多数以前的作品仍然难以提出课程。为了缓解这一问题，我们提出了一个不确定性和时间距离感知的课程目标生成方法的结果导向RL通过解决一个二分匹配问题。与以往的课程强化学习方法相比，该方法不仅可以提供精确校准的课程目标引导，而且具有更好的样本效率和几何不可知的课程目标建议能力。我们证明了我们的算法在各种具有挑战性的导航任务和机器人操作任务中以定量和定性的方式显着优于这些先前的方法。
2023-02-20 cs.AI cs.LG cs.RO
Selective Critique for Cost-Aware LLM Agents in Long-Horizon Decision Making
Sungkyunkwan University（成均馆大学）；Soongsil University（崇实大学）
提出SAG框架，通过门控机制选择性调用批判，利用动作级模糊信号近似信息价值，在长时程决策中平衡性能与成本，显著提升任务成功率并降低推理开销。
2026-10-07 cs.AI cs.LG
Hierarchical Two-Stage Framework for Environment-Aware Long-Horizon Vessel Trajectory Prediction
SAIVT Research Group, Queensland University of Technology（SAIVT研究组，昆士兰理工大学）
本文提出分层两阶段框架，结合长短期预测器与网格感知短期预测器，通过分层融合机制提升船舶轨迹预测精度，实验显示在ADE和FDE上优于现有方法。
2026-05-15 cs.AI cs.LG cs.RO
