AI Agent

MASTEST: A LLM-Based Multi-Agent System For RESTful API Tests

MASTEST：基于LLM的多智能体系统用于RESTful API测试

Xiaoke Han, Hong Zhu

机构 * School of Engineering, Computing and Mathematics, Oxford Brookes University（工程、计算与数学学院，奥克斯伯里大学） 纠错

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

AI总结 MASTEST利用LLM和编程智能体构建多智能体系统，实现RESTful API测试的全流程自动化，通过生成测试场景、脚本及分析响应，验证LLM在测试任务中的高效性与准确性。

Comments 14 Page of main text plus 4 pages of appendix

Path-Constrained Retrieval: A Structural Approach to Reliable LLM Agent Reasoning Through Graph-Scoped Semantic Search

路径约束检索：一种通过图域语义搜索实现可靠LLM代理推理的结构方法

Joseph Oladokun

专题命中 工具调用 ：agent(title,abstract)；分类 cs.CL、cs.LG

AI总结 路径约束检索通过结合结构图约束与语义搜索，提升LLM代理推理的可靠性和一致性。

Comments 10 pages

Enhancing UAV Search under Occlusion using Next Best View Planning

利用最佳视角规划提升遮挡环境下的无人机搜索

Sigrid Helene Strand, Thomas Wiedemann, Bram Burczek, Dmitriy Shutin

机构 * Swarm Exploration Group, Department of Communication Systems, Institute for Communications and Navigation, German Aerospace Center (Deutsches Zentrum für Luft- und Raumfahrt, DLR)（德国航空航天中心（德意志航天中心）） 纠错

专题命中 工具调用 ：planning(title,abstract)

AI总结 本文提出了一种基于可见性启发式的优化方法，用于提升遮挡环境下的无人机搜索效率，通过选择最佳视角提高隐蔽物体的检测率。

Comments Submitted to IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing

OmniStruct: Universal Text-to-Structure Generation across Diverse Schemas

OmniStruct: 跨多样的模式生成的通用文本到结构生成

James Y. Huang, Wenxuan Zhou, Nan Xu, Fei Wang, Qin Liu, Sheng Zhang, Hoifung Poon, Muhao Chen

机构 * University of Southern California（南加州大学） ； University of California, Davis（加州大学戴维斯分校） ； Microsoft Research（微软研究院） 纠错

专题命中 工具调用 ：function calling(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 OmniStruct提出了一种跨多种模式的通用文本到结构生成方法，通过合成数据训练小型模型，实现与GPT-4o相当的性能。

On a Reinforcement Learning Methodology for Epidemic Control, with application to COVID-19

关于流行病控制的强化学习方法论，应用于新冠疫情

Giacomo Iannucci, Petros Barmpounakis, Alexandros Beskos, Nikolaos Demiris

专题命中 工具调用 ：agent(abstract)；分类 cs.LG

AI总结 本文提出了一种结合贝叶斯推断与强化学习的流行病控制方法，通过实时数据驱动决策，有效降低ICU负担，应用于新冠疫情控制。

Comments Submitted to Statistics and Computing. Approx. 26 pages, 10 figures

LLM Chatbots in High School Programming: Exploring Behaviors and Interventions

LLM在高中编程中的应用：探索行为与干预

Manuel Valle Torre, Marcus Specht, Catharine Oertel

专题命中 工具调用 ：tool-use(abstract)

AI总结 本研究通过设计基于研究方法探讨LLM在高中编程教育中的应用，发现干预教学能改善学习行为，但未显著提升考试成绩，表明需更全面的学习策略。

Skypilot: Fine-Tuning LLM with Physical Grounding for AAV Coverage Search

Skypilot: 通过物理现实 grounding 提升 LLM 在 AAV 覆盖搜索中的微调

Zhongkai Chen, Yihao Sun, Chao Yan, Han Zhou, Xiaojia Xiang, Jie Jiang

机构 * College of Intelligence Science and Technology, National University of Defense Technology（智能科学与技术学院，国防科技大学） ； College of Automation Engineering, Nanjing University of Aeronautics and Astronautics（自动化工程学院，南京航空航天大学） ； China Academy of Launch Vehicle Technology（中国运载火箭技术研究院） 纠错

专题命中 工具调用 ：planning(abstract)

AI总结 Skypilot通过结合MCTS和物理感知奖励函数，提升LLM在AAV覆盖搜索中的微调效果，实现高效且高质量的决策与路径规划。

ASTRA: Agentic Steerability and Risk Assessment Framework

ASTRA：代理可引导性与风险评估框架

Itay Hazan, Yael Mathov, Guy Shtar, Ron Bitton, Itsik Mantin

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

AI总结 ASTRA框架通过模拟多种AI代理并测试其对新型攻击的防御能力，评估LLM在构建安全代理中的有效性，推动更安全的AI系统发展。

Beyond Protein Language Models: An Agentic LLM Framework for Mechanistic Enzyme Design

超越蛋白质语言模型：一种用于机制酶设计的代理LLM框架

Bruno Jacob, Khushbu Agarwal, Marcel Baer, Peter Rice, Simone Raugei

机构 * Pacific Northwest National Laboratory（太平洋西北国家实验室） 纠错

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

AI总结 Genie-CAT通过整合文献推理、结构解析、静电势计算和机器学习预测，实现蛋白质设计中可解释的科学假设生成，提升计算发现效率。

Comments 10 pages, 4 figures

TRAP: Targeted Redirecting of Agentic Preferences

TRAP：面向目标的代理偏好重定向

Hangoo Kang, Jehyeok Yeon, Gagandeep Singh

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 TRAP通过语义引导的跨模态操纵，诱导代理AI系统产生一致的选择偏见，揭示了语义层面的安全漏洞。

Comments Accepted to NeurIPS 2025

Autonomous Vehicle Path Planning by Searching With Differentiable Simulation

通过可微模拟进行自动驾驶路径规划

Asen Nachkov, Jan-Nico Zaech, Danda Pani Paudel, Xi Wang, Luc Van Gool

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

AI总结 本文提出DSS框架，利用可微模拟器Waymax进行路径规划，通过梯度下降优化动作序列，提升自动驾驶的跟踪和路径规划精度。

A Roadmap to Guide the Integration of LLMs in Hierarchical Planning

引导大型语言模型在分层规划中整合的路线图

Israel Puerta-Merino, Carlos Núñez-Molina, Pablo Mesejo, Juan Fernández-Olivares

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

AI总结 本文提出了一条引导大型语言模型在分层规划中整合的路线图，通过分类整合方法和建立基准测试，探索LLMs在分层规划中的应用潜力。

Comments 5 pages, 0 figures, to be published in the AAAI Workshop on Planning in the Era of LLMs ( https://llmforplanning.github.io )

Large Language Model-Assisted Planning of Electric Vehicle Charging Infrastructure with Real-World Case Study

基于大语言模型的电动汽车充电基础设施规划与现实案例研究

Xinda Zheng, Canchen Jiang, Hao Wang

机构 * Department of Data Science and AI, Faculty of Information Technology, Monash University（数据科学与人工智能系，信息科技学院，莫纳什大学） ； Monash Energy Institute, Monash University（莫纳什能源研究所，莫纳什大学） 纠错

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

AI总结 本文提出利用大语言模型优化电动汽车充电基础设施规划，通过空间-时间需求动态建模和分布式优化算法，实现实用案例中总成本降低30%。

Journal ref Sustainable Energy Technologies and Assessments, 2025

DriveSuprim: Towards Precise Trajectory Selection for End-to-End Planning

DriveSuprim: 向端到端规划的精确轨迹选择迈进

Wenhao Yao, Zhenxin Li, Shiyi Lan, Zi Wang, Xinglong Sun, Jose M. Alvarez, Zuxuan Wu

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

AI总结 DriveSuprim通过粗到细的候选过滤、旋转增强和自我蒸馏框架，提升端到端规划中轨迹选择的精确性和安全性，实现优异的性能指标。

Comments Accepted to AAAI 2026

Preprint: Exploring Inevitable Waypoints for Unsolvability Explanation in Hybrid Planning Problems

预印本：探索不可回避的路径点以解释混合规划问题中的不可解性

Mir Md Sajid Sarwar, Rajarshi Ray

机构 * School of Mathematical and Computational Sciences, Indian Association for the Cultivation of Science, Kolkata（数学与计算科学学院，印度科学培养协会，科希马） 纠错

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

AI总结 本文提出了一种基于最长公共子序列问题的新型方法，用于识别混合规划问题中的不可回避路径点，从而解释其不可解性。

Journal ref ACM Transactions on Embedded Computing Systems, Volume 24, Issue 6, Article No.: 163, Year: 09 Oct0ber 2025, Pages 1 - 20

Deep Learning Decision Support System for Open-Pit Mining Optimisation: GPU-Accelerated Planning Under Geological Uncertainty

基于深度学习的露天矿优化决策支持系统：在地质不确定性下的GPU加速规划

Iman Rahimi

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

AI总结 本研究提出了一种基于深度学习的决策支持系统，利用变分自编码器和混合元启发式算法，在地质不确定性下实现GPU加速的露天矿优化规划。

Comments 67 pages

Rethinking Retrieval: From Traditional Retrieval Augmented Generation to Agentic and Non-Vector Reasoning Systems in the Financial Domain for Large Language Models

重新思考检索：从传统检索增强生成到金融领域大语言模型中的代理和非向量推理系统

Elias Lumer, Matt Melich, Olivia Zino, Elena Kim, Sara Dieter, Pradeep Honaganahalli Basavaraju, Vamse Kumar Subbiah, James A. Burke, Roberto Hernandez

机构 * PricewaterhouseCoopers U.S.（普华永道美国公司） 纠错

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

AI总结 本文提出基于向量的代理RAG方法，在金融问答中优于非向量方法，通过交叉编码器重排序和小到大块检索显著提升检索精度和回答质量，但需权衡成本性能。

Comments 8 pages, 2 figures

BPMN to PDDL: Translating Business Workflows for AI Planning

BPMN到PDDL：为AI规划翻译业务流程

Jasper Nie, Christian Muise, Victoria Armstrong

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

AI总结 本研究提出将BPMN 2.0转换为PDDL的框架，支持核心业务流程构造，并通过非确定性规划器生成和评估执行轨迹，为AI规划提供基础。

Comments 8 pages, 3 figures. Code and generated PDDL outputs available at https://github.com/QuMuLab/bpmn-to-pddl-translation

Plan-X: Instruct Video Generation via Semantic Planning

Plan-X: 通过语义规划指导视频生成

Lun Huang, You Xie, Hongyi Xu, Tianpei Gu, Chenxu Zhang, Guoxian Song, Zenan Li, Xiaochen Zhao, Linjie Luo, Guillermo Sapiro

机构 * Duke University（杜克大学） ； Princeton University（普林斯顿大学） ； ByteDance Intelligent Creation（字节跳动智能创作） ； Apple（苹果公司） 纠错

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

AI总结 Plan-X通过语义规划框架减少视频生成中的视觉幻觉，实现与多模态上下文一致的精细指令对齐生成。

Comments The project page is at https://byteaigc.github.io/Plan-X

Cognitive Inception: Agentic Reasoning against Visual Deceptions by Injecting Skepticism

认知 inception：通过注入怀疑进行视觉欺骗的代理推理

Yinjie Zhao, Heng Zhao, Bihan Wen, Joey Tianyi Zhou

机构 * CFAR, Agency for Science, Technology and Research (A*STAR), Singapore（科技研究局（A*STAR）认知智能研究所，新加坡） ； IHPC, Agency for Science, Technology and Research (A*STAR), Singapore（科技研究局（A*STAR）信息处理中心，新加坡） ； ROSE Lab, School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院ROSE实验室） 纠错

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

AI总结 本文提出Inception框架，通过注入怀疑提升LLM对视觉欺骗的抵御能力，实现可推广的真伪验证。

Text-to-Decision Agent: Offline Meta-Reinforcement Learning from Natural Language Supervision

基于文本的决策代理：从自然语言监督中进行离线元强化学习

Shilin Zhang, Zican Hu, Wenhao Wu, Xinyi Xie, Jianxiang Tang, Chunlin Chen, Daoyi Dong, Yu Cheng, Zhenhong Sun, Zhi Wang

机构 * Nanjing University（南京大学） ； University of Technology Sydney（悉尼大学） ； The Chinese University of Hong Kong（香港中文大学） ； Australian National University（澳大利亚国立大学） ； University of New South Wales（新南威尔士大学） 纠错

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

AI总结 本文提出T2DA，通过自然语言监督实现离线元强化学习，利用文本-决策预训练提升零样本泛化能力。

Comments 32 pages, 8 figures

A superpersuasive autonomous policy debating system

一种超级有说服力的自主辩论系统

Allen Roush, Devin Gonier, John Hines, Judah Goldfeder, Philippe Martin Wyder, Sanjay Basu, Ravid Shwartz Ziv

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

AI总结 DeepDebater是一种能够自主参与并赢得完整政策辩论的AI系统，通过多智能体协作生成高质量论证并战胜人类对手。

Comments Accepted to CLIP workshop at AAAI 2026

Asynchronous Distributed Multi-Robot Motion Planning Under Imperfect Communication

异步分布式多机器人运动规划在通信不完美的情况下

Ardalan Tajbakhsh, Augustinos Saravanos, James Zhu, Evangelos A. Theodorou, Lorenz T. Biegler, Aaron M. Johnson

机构 * Department of Mechanical Engineering（机械工程系） ； Department of Chemical Engineering（化学工程系） ； Daniel Guggenheim School of Aerospace Engineering（丹尼尔·盖根海姆航空航天工程学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） ； LAAS-CNRS（拉夫堡-国家科学研究中心） ； Université de Toulouse（图卢兹大学） ； CNRS（法国国家科学研究中心） ； UPS（普罗旺斯大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种延迟感知ADMM方法，用于在通信不完美条件下实现多机器人运动规划的鲁棒性和高效性。

Comments 9 pages, 5 figures

Data-Driven Predictive Planning and Control for Aerial 3D Inspection with Back-face Elimination

数据驱动的预测规划与控制用于空中3D检测的背面部消除

Savvas Papaioannou, Panayiotis Kolios, Christos G. Panayiotou, Marios M. Polycarpou

机构 * KIOS Research and Innovation Centre of Excellence (KIOS CoE)（KIOS研究与创新中心（KIOS卓越中心）） ； Department of Electrical and Computer Engineering, University of Cyprus（电子与计算机工程系，塞浦路斯大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种数据驱动的预测控制方法，通过整合感知、规划和控制，实现准确的长视距3D检测，适用于黑盒UASs。

Comments 2025 European Control Conference (ECC), Thessaloniki, Greece, 24-27 June 2025

Time-aware Motion Planning in Dynamic Environments with Conformal Prediction

动态环境中基于符合预测的时间感知运动规划

Kaier Liang, Licheng Luo, Yixuan Wang, Mingyu Cai, Cristian Ioan Vasile

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出基于符合预测的时间感知运动规划框架，通过全局和局部规划器结合自适应分位数机制，实现动态环境中鲁棒且高效的轨迹生成与安全保证。

CAPIRE Intervention Lab: An Agent-Based Policy Simulation Environment for Curriculum-Constrained Engineering Programmes

CAPIRE干预实验室：一种用于课程受限工程项目的基于代理的政策模拟环境

H. R. Paz

专题命中 规划决策 ：agent(title,abstract)

AI总结 CAPIRE干预实验室通过基于代理的模拟环境，帮助工程教育机构测试和设计课程及教学政策改革，以减少辍学率并提高学生课程通过率。

Comments 33 pages, 3 tables, 2 figures

Occlusion-Aware Contingency Safety-Critical Planning for Autonomous Driving

遮挡感知的应急安全关键规划用于自动驾驶

Lei Zheng, Rui Yang, Minzhe Zheng, Zengqi Peng, Michael Yu Wang, Jun Ma

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； School of Engineering（工程学院） ； Cheng Kar-Shun Robotics Institute（陈家顺机器人研究所） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种遮挡感知的应急安全关键规划方法，通过可达性分析和递推规划框架提升自动驾驶在动态遮挡环境中的安全性和效率。

Comments 14 pages, 9 figures

Consensus Planning with Primal, Dual, and Proximal Agents

共识规划与原、对偶及近端智能体

Alvaro Maggiar, Lee Dicker, Michael Mahoney

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种允许不同类型的智能体协调的共识规划算法，结合了ADMM-like、对偶上升和线性化ADMM更新，实现了次线性及线性收敛性，并提供了实证结果。

AURA: Adaptive Unified Reasoning and Automation with LLM-Guided MARL for NextG Cellular Networks

AURA: 一种基于LLM引导的多智能体强化学习的自适应统一推理与自动化方法用于NextG蜂窝网络

Narjes Nourzad, Mingyu Zong, Bhaskar Krishnamachari

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

AI总结 AURA结合LLM推理与MARL适应性，通过信任机制平衡局部学习与外部输入，提升NextG网络的实时管理和动态流量处理能力。

Bridging LLM Planning Agents and Formal Methods: A Case Study in Plan Verification

连接大语言模型规划代理与形式方法：计划验证的案例研究

Keshav Ramani, Vali Tawosi, Salwa Alamir, Daniel Borrajo

机构 * J.P. Morgan AI Research（摩根大通人工智能研究） 纠错

专题命中 规划决策 ：planning(title)；分类 cs.AI

AI总结 本文提出一种利用大语言模型将自然语言计划转换为形式化逻辑并进行验证的框架，展示了GPT-5在计划验证中的高准确率及形式化表示的生成能力。

Comments Accepted to AgenticSE Workshop at ASE 2025