AI Agent

ToC: Tree-of-Claims Search with Multi-Agent Language Models

基于多智能体语言模型的树状主张搜索

Shuyang Yu, Jianan Liang, Hui Hu

机构 * AIGROW 纠错

专题命中 工具调用 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.LG

AI总结 ToC通过结合多智能体系统和MCTS，提升专利主张优化的准确性和法律稳健性。

Comments Accepted by AAAI 2026 (Oral)

VLM-SFD: VLM-Assisted Siamese Flow Diffusion Framework for Dual-Arm Cooperative Manipulation

VLM-SFD：基于视觉语言模型的双臂协作操作Siamese流扩散框架

Jiaming Chen, Yiyu Jiang, Aoshen Huang, Yang Li, Wei Pan

机构 * Department of Computer Science, The University of Manchester（计算机科学系，曼彻斯特大学） ； School of Control Science and Engineering, Shandong University（控制科学与工程学院，山东大学） 纠错

专题命中 工具调用 ：tool use(abstract)；planning(abstract)

AI总结 VLM-SFD通过双编码器-解码器架构和视觉语言模型，提升双臂协作操作的模仿学习效率与泛化能力。

Comments Accepted by IEEE RA-L

ToolHaystack: Stress-Testing Tool-Augmented Language Models in Realistic Long-Term Interactions

ToolHaystack: 在现实长期交互中压力测试工具增强的语言模型

Beong-woo Kwak, Minju Kim, Dongha Lim, Hyungjoo Chae, Dongjin Kang, Sunghwan Kim, Dongil Yang, Jinyoung Yeo

机构 * Department of Artificial Intelligence, Yonsei University（人工智能系，延世大学） ； Department of Computer Science & Engineering, Yonsei University（计算机科学与工程系，延世大学） 纠错

专题命中 工具调用 ：tool use(abstract)；分类 cs.CL

AI总结 ToolHaystack通过模拟现实长期交互中的噪声和上下文干扰，揭示了现有工具增强语言模型在长期鲁棒性方面的不足。

Comments Our code and data are available at https://github.com/bwookwak/ToolHaystack Edited for adding acknowledgement section

Observer-Aware Probabilistic Planning Under Partial Observability

感知-aware 的概率规划在部分可观测性下

Salomé Lepers, Vincent Thomas, Olivier Buffet

专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；分类 cs.AI

AI总结 本文提出了一种基于观察-aware 马尔可夫决策过程的框架，用于处理部分可观测性下的规划问题，通过优化信息传输来提升可解释性和可预测性。

Comments 23 pages, 13 figures. Complete version of AAMAS 2025 extended abstract

Planning with Sketch-Guided Verification for Physics-Aware Video Generation

基于草图引导验证的物理感知视频生成规划

Yidong Huang, Zun Wang, Han Lin, Dong-Ki Kim, Shayegan Omidshafiei, Jaehong Yoon, Yue Zhang, Mohit Bansal

机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； FieldAI ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI、cs.CL

AI总结 SketchVerify通过草图验证和动态轨迹优化提升物理感知视频生成的效率与质量。

Comments website: https://sketchverify.github.io/

Robot Confirmation Generation and Action Planning Using Long-context Q-Former Integrated with Multimodal LLM

基于长上下文Q-Former与多模态大语言模型的机器人确认生成与动作规划

Chiori Hori, Yoshiki Masuyama, Siddarth Jain, Radu Corcodel, Devesh Jha, Diego Romeres, Jonathan Le Roux

机构 * Mitsubishi Electric Research Laboratories (MERL), Cambridge, MA, USA（三菱电机研究实验室（MERL），马萨诸塞州剑桥市） 纠错

专题命中 规划决策 ：planning(title,abstract)；分类 cs.CL

AI总结 本文提出基于长上下文Q-former与多模态大语言模型的机器人确认生成与动作规划方法，通过整合视频上下文信息提升动作规划性能。

Comments Accepted to ASRU 2025

PhyBlock: A Progressive Benchmark for Physical Understanding and Planning via 3D Block Assembly

PhyBlock：通过3D积木组装实现物理理解和规划的渐进性基准

Liang Ma, Jiajun Wen, Min Lin, Rongtao Xu, Xiwen Liang, Bingqian Lin, Jun Ma, Yongxin Wang, Ziming Wei, Haokun Lin, Mingfei Han, Meng Cao, Bokui Chen, Ivan Laptev, Xiaodan Liang

机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学） ； Tsinghua Shenzhen International Graduate School, Tsinghua University, China（清华大学深圳国际研究生院） ； Shenzhen Campus of Sun Yat-sen University（孙中山大学深圳校区） ； Spatialtemporal AI（时空人工智能） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 PhyBlock通过3D积木组装任务评估VLMs在物理理解和规划能力，揭示其在复杂任务中的局限性。

Vector Cost Behavioral Planning for Autonomous Robotic Systems with Contemporary Validation Strategies

向量成本行为规划用于自主机器人系统的当代验证策略

Benjamin R. Toaz, Quentin Goss, John Thompson, Seta Boğosyan, Shaunak D. Bopardikar, Mustafa İlhan Akbaş, Metin Gökaşan

机构 * Michigan State University（密歇根州立大学） ； Embry-Riddle Aeronautical University（艾姆伯-理德航空大学） ； City College of New York（纽约市立大学） ； Istanbul Technical University（伊斯坦布尔技术大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种基于向量成本双矩阵博弈的自主机器人行为规划方法，结合XAI和SEMBAS技术，通过对比标量加权和方法，展示了在多目标优化和敏感性分析中的优越性能。

Comments Technical report associated with submission to Journal of Intelligent & Robotic Systems, currently under review

DiffRefiner: Coarse to Fine Trajectory Planning via Diffusion Refinement with Semantic Interaction for End to End Autonomous Driving

DiffRefiner: 通过扩散细化与语义交互实现从粗到细的轨迹规划用于端到端自动驾驶

Liuhan Yin, Runkun Ju, Guodong Guo, Erkang Cheng

机构 * Nullmax 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 DiffRefiner通过两阶段框架结合扩散细化与语义交互，实现更精确的端到端自动驾驶轨迹规划，取得新纪录。

Comments Accepted to AAAI 2026

PathAgent: Toward Interpretable Analysis of Whole-slide Pathology Images via Large Language Model-based Agentic Reasoning

PathAgent: 通过基于大型语言模型的代理推理实现全切片病理图像的可解释分析

Jingyun Chen, Linghan Cai, Zhikang Wang, Yi Huang, Songhan Jiang, Shenjin Huang, Hongpeng Wang, Yongbing Zhang

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Fudan University（复旦大学） ； Sichuan University（四川大学） 纠错

专题命中 规划决策 ：agentic(title)；agent(abstract)

AI总结 PathAgent通过基于大型语言模型的代理推理，实现全切片病理图像的可解释分析，展现出强大的零样本泛化能力和临床应用潜力。

Comments 11 pages, 6 figures

A*-based Temporal Logic Path Planning with User Preferences on Relaxed Task Satisfaction

基于A*的带有用户偏好放松的任务逻辑路径规划

Disha Kamale, Xi Yu, Cristian-Ioan Vasile

机构 * Mechanical Engineering and Mechanics Department at Lehigh University（莱维大学机械工程与力学系） ； School of Manufacturing Systems and Networks at Arizona State University（亚利桑那州立大学制造系统与网络学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种基于A*的路径规划方法，通过整合用户偏好来优化任务满足，适用于大规模机器人环境中的时间逻辑任务规划。

Designing Domain-Specific Agents via Hierarchical Task Abstraction Mechanism

通过层次化任务抽象机制设计领域专用代理

Kaiyu Li, Jiayu Wang, Zhi Wang, Hui Qiao, Weizhan Zhang, Deyu Meng, Xiangyong Cao

机构 * Xi’an Jiaotong University（西安交通大学） ； China Telecom Shaanxi Branch（中国电信陕西分公司） 纠错

专题命中 规划决策 ：agent(abstract)；planning(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 本文提出层次化任务抽象机制，设计领域专用代理EarthAgent，通过任务结构对齐提升复杂地理空间分析的规划能力。

Comments Page: https://earth-insights.github.io/EarthAgent

MirrorMind: Empowering OmniScientist with the Expert Perspectives and Collective Knowledge of Human Scientists

MirrorMind: 通过人类科学家的专家视角和集体知识赋能多学科科学家

Qingbin Zeng, Bingbing Fan, Zhiyu Chen, Sijian Ren, Zhilun Zhou, Xuhua Zhang, Yuanyi Zhen, Fengli Xu, Yong Li, Tie-Yan Liu

机构 * Department of Electronic Engineering, BNRist, Tsinghua University（电子工程系，BNRist，清华大学） ； Zhongguancun Academy（中关村学院） 纠错

专题命中 规划决策 ：agent(abstract)；agentic(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 MirrorMind通过整合个体认知与集体知识，实现多学科科学家的智能推理与协作。

Comments 26 pages, 4 figures

Accelerated Materials Discovery through Cost-Aware Bayesian Optimization of Real-World Indentation Workflows

通过考虑成本的贝叶斯优化加速现实世界压痕工作流的材料发现

Vivek Chawla, Stephen Puplampu, Haochen Zhu, Philip D. Rack, Dayakar Penumadu, Sergei Kalinin

专题命中 规划决策 ：planning(abstract)；workflow(abstract)

AI总结 本文提出了一种结合成本意识和贝叶斯优化的自动化纳米压痕框架，显著提升了组合材料机械性能映射的效率。

Comments 29 pages, 8 figures, 2 figures in SI

OpenDriveVLA: Towards End-to-end Autonomous Driving with Large Vision Language Action Model

OpenDriveVLA: 向端到端自动驾驶迈进的大型视觉语言动作模型

Xingcheng Zhou, Xuyuan Han, Feng Yang, Yunpu Ma, Volker Tresp, Alois Knoll

机构 * Technical University of Munich（慕尼黑技术大学） ； Ludwig Maximilian University of Munich（慕尼黑路德维希-马克西米利安大学） 纠错

专题命中 规划决策 ：agent(abstract)；planning(abstract)

AI总结 OpenDriveVLA基于开源大语言模型，通过多模态输入和分层视觉语言对齐，实现端到端自动驾驶中的高精度轨迹规划和驾驶任务回答。

Closing the Gap to Quadratic Invariance: a Regret Minimization Approach to Optimal Distributed Control

缩小二次不变性的差距：一种基于懊悔最小化的最优分布式控制方法

Daniele Martinelli, Andrea Martin, Giancarlo Ferrari-Trecate, Luca Furieri

专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)

AI总结 本文提出一种基于懊悔最小化的最优分布式控制方法，通过减少与理想策略的懊悔来提升系统性能，同时揭示二次不变性在设计信息性基准中的新作用。

Comments Accepted for presentation and publication in the proceedings of the 2024 European Control Conference (ECC)

The PLLuM Instruction Corpus

PLLuM指令语料库

Piotr Pęzik, Filip Żarnecki, Konrad Kaczyński, Anna Cichosz, Zuzanna Deckert, Monika Garnys, Izabela Grabarczyk, Wojciech Janowski, Sylwia Karasińska, Aleksandra Kujawiak, Piotr Misztela, Maria Szymańska, Karolina Walkusz, Igor Siek, Maciej Chrabąszcz, Anna Kołos, Agnieszka Karlińska, Karolina Seweryn, Aleksandra Krasnodębska, Paula Betscher, Zofia Cieślińska, Katarzyna Kowol, Artur Wilczek, Maciej Trzciński, Katarzyna Dziewulska, Roman Roszko, Tomasz Bernaś, Jurgita Vaičenonienė, Danuta Roszko, Paweł Levchuk, Paweł Kowalski, Irena Prawdzic-Jankowska, Marek Kozłowski, Sławomir Dadas, Rafał Poświata, Alina Wróblewska, Katarzyna Krasnowska-Kieraś, Maciej Ogrodniczuk, Michał Rudolf, Piotr Rybak, Karolina Saputa, Joanna Wołoszyn, Marcin Oleksy, Bartłomiej Koptyra, Teddy Ferdinan, Stanisław Woźniak, Maciej Piasecki, Paweł Walkowiak, Konrad Wojtasik, Arkadiusz Janz, Przemysław Kazienko, Julia Moska, Jan Kocoń

机构 * University of Lodz（卢兹大学） ； NASK National Research Institute（国家研究 institute） ； Institute of Slavic Studies PAS（波兰科学院斯拉夫研究所） ； National Information Processing Institute（国家信息处理研究所） ； Institute of Computer Science PAS（波兰科学院计算机科学研究所） ； Wroclaw Tech（沃拉日县技术大学） 纠错

专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.CL

AI总结 PLLuM项目构建了首个指令语料库，用于微调大语言模型，分析人工与合成指令数据对语言适应的影响，并发布首个代表性子集供其他模型开发参考。

Automobile demand forecasting: Spatiotemporal and hierarchical modeling, life cycle dynamics, and user-generated online information

汽车需求预测：时空和分层建模，生命周期动态和用户生成的在线信息

Tom Nahrendorf, Stefan Minner, Helfried Binder, Richard Zinck

机构 * School of Management, Technical University of Munich（慕尼黑技术大学管理学院） ； Munich Data Science Institute（慕尼黑数据科学研究所） 纠错

专题命中 规划决策 ：planning(abstract)；分类 cs.LG

AI总结 本文提出了一种结合时空依赖性和用户生成在线信息的多层级汽车需求预测方法，利用LightGBM和混合整数线性规划提升预测精度，强调整数预测对运营的重要性。

VLA-4D: Embedding 4D Awareness into Vision-Language-Action Models for SpatioTemporally Coherent Robotic Manipulation

VLA-4D: 将4D意识嵌入视觉-语言-动作模型中以实现时空一致的机器人操作

Hanyu Zhou, Chuanhao Ma, Gim Hee Lee

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 VLA-4D通过4D意识增强视觉-语言-动作模型，实现时空一致的机器人操作，提升动作执行的空间平滑性和时间一致性。

The Promotion Wall: Efficiency-Equity Trade-offs of Direct Promotion Regimes in Engineering Education

促进墙：工程教育中直接促进制度的效率-公平权衡

H. R. Paz

专题命中 规划决策 ：agent(abstract)

AI总结 本文通过模拟研究发现，直接促进制度会导致退学率上升和公平差距扩大，而补充安全网的制度能部分缓解这一问题，同时降低学生压力。

Comments 42 pages, 4 figures, 3 tables

RoomPlanner: Explicit Layout Planner for Easier LLM-Driven 3D Room Generation

RoomPlanner: 一种显式布局规划器，用于更易由LLM驱动的3D房间生成

Wenzhuo Sun, Mingjian Liang, Wenxuan Song, Xuelian Cheng, Zongyuan Ge

专题命中 规划决策 ：agent(abstract)

AI总结 RoomPlanner通过显式布局规划和高效优化策略，实现了快速生成高质量3D室内场景。

Contextual Quantile Minimization for Two-Stage Stochastic Programs

情境分位数最小化用于两阶段随机规划

Man Yiu Tsang, Tony Sit, Hoi Ying Wong

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种基于分位数目标的两阶段随机规划优化方法，通过引入上下文信息和风险态度，提升优化模型的鲁棒性和实用性。

When Motion Learns to Listen: Diffusion-Prior Lyapunov Actor-Critic Framework with LLM Guidance for Stable and Robust AUV Control in Underwater Tasks

当运动学会倾听：带有LLM引导的扩散先验Lyapunov动作-批评者框架用于水下任务中稳定和鲁棒的AUV控制

Jingzehua Xu, Weiyi Liu, Weihang Zhang, Zhuofan Xi, Guanwen Xie, Shuai Zhang, Yi Li

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种结合扩散模型、Lyapunov批评者和LLM的框架，用于提升水下机器人控制的稳定性与鲁棒性，通过生成-过滤-优化机制实现高效探索和多目标优化。

Comments This paper is currently under review and does not represent the final version. Jingzehua Xu, Weiyi Liu and Weihang Zhang are co-first authors of this paper, with Zhuofan Xi as the second author

Line-of-Sight Probability in Macrocells: Framework, Statistical Models, and Parametrization from Massive Real World Datasets in the USA

宏小区中视距概率：框架、统计模型与参数化方法，基于美国大规模真实世界数据集

Bassel Abou Ali Modad, Xin Yu, Yao-Yi Chiang, Andreas F. Molisch

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种基于美国大规模真实世界数据集的宏小区视距概率建模方法，通过参数化模型提高覆盖规划的准确性。

On Distributionally Robust Multistage Convex Optimization: Data-driven Models and Performance

关于分布鲁棒多阶段凸优化：数据驱动模型与性能

Shixuan Zhang, Xu Andy Sun

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种基于数据驱动的分布鲁棒多阶段凸优化模型，通过Wasserstein模糊集和SSSO实现，提升了小数据下的优化性能。

Comments Main updates include revised Theorem 3 for statement clarity and numerical comparison with finitely supported Wasserstein balls on inventory problems. To be published in INFORMS Journal on Optimization

Hybrid Differential Reward: Combining Temporal Difference and Action Gradients for Efficient Multi-Agent Reinforcement Learning in Cooperative Driving

混合差分奖励：结合时序差分和动作梯度用于高效合作驾驶多智能体强化学习

Ye Han, Lijun Zhang, Dejian Meng, Zhuang Zhang

机构 * School of Automotive Studies, Tongji University（交通学院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.AI

AI总结 本文提出混合差分奖励机制，结合时序差分和动作梯度，提升多智能体协同驾驶的收敛速度和策略稳定性。

MDG: Masked Denoising Generation for Multi-Agent Behavior Modeling in Traffic Environments

MDG：面向交通环境多智能体行为建模的遮蔽去噪生成

Zhiyu Huang, Zewei Zhou, Tianhui Cai, Yun Zhang, Jiaqi Ma

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)

AI总结 MDG通过遮蔽去噪生成方法，实现高效可控的多智能体轨迹生成，适用于自动驾驶和交通模拟中的行为建模。

MIR: Efficient Exploration in Episodic Multi-Agent Reinforcement Learning via Mutual Intrinsic Reward

MIR: 通过互惠内在奖励实现回合制多智能体强化学习中的高效探索

Kesheng Chen, Wenjian Luo, Bang Zhang, Zeping Yin, Zipeng Ye

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.LG

AI总结 MIR通过互惠内在奖励机制，提升多智能体强化学习中稀疏回合制奖励下的探索效率与团队协作性能。

Area-Optimal Control Strategies for Heterogeneous Multi-Agent Pursuit

面积最优的异构多智能体追捕策略

Kamal Mammadov, Damith C. Ranasinghe

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出了一种基于面积最小化的多智能体追捕策略，通过几何区域分析和梯度控制实现高效捕获。

Comments Published as a conference paper at the Fortieth AAAI Conference on Artificial Intelligence (AAAI-26)

LLM-DSE: Searching Accelerator Parameters with LLM Agents

LLM-DSE: 使用LLM代理搜索加速器参数

Hanyu Wang, Xinrui Wu, Zijian Ding, Su Zheng, Chengyue Wang, Neha Prakriya, Tony Nowatzki, Yizhou Sun, Jason Cong

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 LLM-DSE通过多代理框架结合LLM与设计空间探索，高效优化HLS指令参数，实现性能提升并减少运行时间。