AI Agent

On the Regulatory Potential of User Interfaces for AI Agent Governance

关于用户界面在AI代理治理中的调节潜力

K. J. Kevin Feng, Tae Soo Kim, Rock Yuren Pang, Faria Huq, Tal August, Amy X. Zhang

机构 * University of Washington（华盛顿大学） ； KAIST（韩国科学技术院） ； Carnegie Mellon University（卡内基梅隆大学） ； UIUC（伊利诺伊大学香槟分校） 纠错

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

AI总结 本文提出通过调节AI代理的用户界面来增强透明性和行为规范，从而在系统和基础设施层面实现治理。

Comments RegML workshop at NeurIPS 2025 (oral)

Balancing Efficiency and Fairness: An Iterative Exchange Framework for Multi-UAV Cooperative Path Planning

平衡效率与公平：多无人机协作路径规划的迭代交换框架

Hongzong Li, Luwei Liao, Xiangguang Dai, Yuming Feng, Rong Feng, Shiqin Tang

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； College of Automation Engineering, Nanjing University of Aeronautics and Astronautics（南京航空航天大学自动化工程学院） ； College of Computer Science and Engineering, Chongqing Three Gorges University（重庆三峡大学计算机科学与工程学院） ； Chinese Academy of Sciences, New Territories, Hong Kong（中国科学院香港新 Territories 分院） ； City University of Hong Kong, Kowloon, Hong Kong（香港城市大学） 纠错

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

AI总结 本文提出一种迭代交换框架，用于多无人机协作路径规划，通过任务交换和路径细化平衡效率与公平性，实验表明其在总距离和makespan之间取得更优权衡。

Deep RL Needs Deep Behavior Analysis: Exploring Implicit Planning by Model-Free Agents in Open-Ended Environments

深度强化学习需要深度行为分析：通过无模型智能体在开放性环境中探索隐式规划

Riley Simmons-Edler, Ryan P. Badman, Felix Baastad Berg, Raymond Chua, John J. Vastola, Joshua Lunger, William Qian, Kanaka Rajan

机构 * Department of Neurobiology, Harvard Medical School（哈佛医学院神经生物学系） ； Kempner Institute for the Study of Natural and Artificial Intelligence, Harvard University（哈佛大学自然与人工智能研究学院） ； Department of Mathematics, NTNU（NTNU数学系） ； School of Computer Science, McGill University & Mila（麦吉尔大学计算机科学学院及Mila） ； Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Biophysics Graduate Program, Harvard University（哈佛大学生物物理学研究生项目） 纠错

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

AI总结 本文通过ForageWorld环境研究DRL智能体的行为，发现无模型智能体可通过涌现动态展现规划行为，提出通用分析框架用于研究复杂智能体的学习动态。

Comments Published at NeurIPS 2025

Architect in the Loop Agentic Hardware Design and Verification

循环架构代理硬件设计与验证

Mubarek Mohammed

机构 * Western Washington University（西雅图华盛顿大学） 纠错

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

AI总结 本文提出了一种带有工程师参与的代理自动化处理器设计与验证方法，通过生成HDL代码和测试平台，实现高效且经济的硬件设计实验。

SemAgent: Semantic-Driven Agentic AI Empowered Trajectory Prediction in Vehicular Networks

SemAgent：基于语义的代理AI赋能的车联网轨迹预测

Lin Zhu, Kezhi Wang, Luping Xiang, Kun Yang

机构 * State Key Laboratory of Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； School of Intelligent Software and Engineering, Nanjing University (Suzhou Campus)（智能软件与工程学院，南京大学（苏州校区）） ； Department of Computer Science, Brunel University London（计算机科学系，布伦尔大学伦敦） 纠错

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

AI总结 SemAgent通过整合语义通信与代理AI，提升车联网环境下的轨迹预测性能，实验显示在低信噪比条件下预测精度提升达47.5%。

Comments Submitted for possible journal publication

ARCADIA: Scalable Causal Discovery for Corporate Bankruptcy Analysis Using Agentic AI

ARCADIA：基于代理AI的可扩展因果发现方法用于企业破产分析

Fabrizio Maturo, Donato Riccio, Andrea Mazzitelli, Giuseppe Bifulco, Francesco Paolone, Iulia Brezeanu

机构 * Department of Economics, Statistics and Business, Universitas Mercatorum, Rome, Italy（经济学、统计学与商业系，墨菲大学，罗马，意大利） ； Department of Engineering and Science, Universitas Mercatorum, Rome, Italy（工程与科学系，墨菲大学，罗马，意大利） ； Independent Researcher, Bucharest, Romania（独立研究者，布加勒斯特，罗马尼亚） 纠错

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

AI总结 ARCADIA通过代理AI结合大语言模型和统计诊断，实现企业破产分析中的可扩展因果发现，提供可靠且可解释的因果图模型。

Comments 35 pages, 9 figures, 4 tables

A $1000\times$ Faster LLM-enhanced Algorithm For Path Planning in Large-scale Grid Maps

一种1000倍更快的LLM增强路径规划算法用于大规模网格地图

Junlin Zeng, Xin Zhang, Xiang Zhao, Yan Pan

机构 * Junlin Zeng, Xin Zhang, Xiang Zhao, Yan Pan（作者） 纠错

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

AI总结 本文提出iLLM-A*算法，通过优化A*和增量学习方法，实现大规模网格地图路径规划的1000倍速度提升和内存节省。

Causal Reinforcement Learning based Agent-Patient Interaction with Clinical Domain Knowledge

基于因果强化学习的Agent-患者交互与临床领域知识

Wenzheng Zhao, Ran Zhang, Ruth Palan Lopez, Shu-Fen Wung, Fengpei Yuan

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

AI总结 本文提出基于因果强化学习的Agent-患者交互框架，通过整合因果发现与推理提升医疗场景中的决策可解释性和适应性。

Comments Accepted by AAAI workshop

Confident RAG: Enhancing the Performance of LLMs for Mathematics Question Answering through Multi-Embedding and Confidence Scoring

Confident RAG: 通过多嵌入和置信度评分提升LLM在数学问题回答中的性能

Shiting Chen, Zijian Zhao, Jinsong Chen

机构 * Faculty of Education, The University of Hong Kong（香港大学教育学院） ； Department of Civil and Environmental Engineering, The Hong Kong University of Science and Technology（香港科学与技术大学土木与环境工程系） 纠错

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

AI总结 Confident RAG通过多嵌入和置信度评分提升LLM在数学问题回答中的性能，实验表明其在准确率上比普通LLMs和RAG分别提升10%和5%。

Planning future charging infrastructure for private EVs: A city-scale assessment of demand and capacity

为私人电动汽车规划未来基础设施：对城市规模需求和容量的评估

Hong Yuan, Minda Ma, Nan Zhou, Yanqiao Deng, Junhong Liu, Shufan Zhang, Zhili Ma

专题命中 规划决策 ：planning(title,abstract)

AI总结 本研究提出了一种多目标规划模型，用于优化城市规模的电动汽车充电基础设施容量分配，通过分析重庆的电动汽车需求和碳排放，为全球城市提供可持续的基础设施部署方案。

Curvature-Constrained Vector Field for Motion Planning of Nonholonomic Robots

具有曲率约束的向量场用于非完整机器人运动规划

Yike Qiao, Xiaodong He, An Zhuo, Zhiyong Sun, Weimin Bao, Zhongkui Li

机构 * School of Advanced Manufacturing and Robotics, Peking University（先进制造与机器人学院，北京大学） ； School of Automation and Electrical Engineering, University of Science and Technology Beijing（自动化与电气工程学院，北京科技大学） ； China Aerospace Science and Technology Corporation（中国航天科技集团） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种具有曲率约束的向量场方法，用于非完整机器人运动规划，通过共同开发向量场和控制律，实现目标配置的收敛与轨迹曲率的限制。

Comments IEEE T-RO accepted, 20 pages, 22 figures

Planning and Control for Deformable Linear Object Manipulation

可变形线性物体操作的规划与控制

Burak Aksoy, John Wen

机构 * Electrical, Computer, and Systems Engineering, Rensselaer Polytechnic Institute（拉特格斯理工学院电子、计算机与系统工程系） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种高效的移动机械臂操作可变形线性物体的方法，结合全局规划器和实时控制器，实现无碰撞操作，适用于复杂障碍环境。

Comments SUBMITTED TO IEEE TRANSACTIONS ON AUTOMATION SCIENCE AND ENGINEERING (T-ASE)

XFlowMP: Task-Conditioned Motion Fields for Generative Robot Planning with Schrodinger Bridges

XFlowMP：基于施特林桥的任务条件运动场用于生成式机器人规划

Khang Nguyen, Minh Nhat Vu

机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（莫扎德·本·扎耶德人工智能大学） ； Automation & Control Institute (ACIN), TU Wien（自动化与控制研究所） ； Austrian Institute of Technology (AIT) GmbH（奥地利技术研究所） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 XFlowMP通过施特林桥建模任务条件下的运动场，实现生成式机器人规划，提升轨迹平滑度、减少能耗并提高规划效率。

DrawingBench: Evaluating Spatial Reasoning and UI Interaction Capabilities of Large Language Models through Mouse-Based Drawing Tasks

DrawingBench：通过基于鼠标绘制的任务评估大语言模型的空间推理和UI交互能力

Hyunjun Kim, Sooyoung Ryu

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

AI总结 DrawingBench通过基于鼠标绘制的任务评估大语言模型的空间推理和UI交互能力，揭示了模型在复杂场景中的表现及外部监督的重要性。

Comments AAAI 2026 TrustAgent Workshop

Think Fast: Real-Time Kinodynamic Belief-Space Planning for Projectile Interception

快速思考：用于弹药拦截的实时动力学信念空间规划

Gabriel Olin, Lu Chen, Nayesha Gandotra, Maxim Likhachev, Howie Choset

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 规划决策 ：planning(title)

AI总结 本文提出了一种实时动力学信念空间规划方法，用于快速移动目标的拦截，采用树状结构和自适应卡尔曼滤波器实现高效目标追踪和实时更新。

A Novel MDP Decomposition Framework for Scalable UAV Mission Planning in Complex and Uncertain Environments

一种用于复杂和不确定环境中的可扩展无人机任务规划的新MDP分解框架

Md Muzakkir Quamar, Ali Nasir, Sami ELFerik

机构 * Control and Instrumentation Department（控制与仪器部门） ； Interdisciplinary Research Center for Intelligent Manufacturing and Robotics（智能制造与机器人交叉研究中心） ； Interdisciplinary Research Center for Smart Mobility and Logistics（智能移动与物流交叉研究中心） 纠错

专题命中 规划决策 ：planning(title)

AI总结 本文提出了一种新的MDP分解框架，用于在复杂和不确定环境中实现无人机任务规划的可扩展性和容错性。

RE-LLM: Integrating Large Language Models into Renewable Energy Systems

RE-LLM：将大型语言模型整合到可再生能源系统中

Ali Forootani, Mohammad Sadr, Danial Esmaeili Aliabadi, Daniela Thraen

机构 * Helmholtz Centre for Environmental Research - UFZ（环境保护研究 Helmholtz 中心 - UFZ） ； DBFZ Deutsches Biomasseforschungszentrum gGmbH（德国生物燃料研究中心 DBFZ gGmbH） ； University Leipzig（莱比锡大学） 纠错

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

AI总结 RE-LLM通过整合大型语言模型，提升能源系统建模的可解释性和实用性，实现快速、严谨和可理解的决策支持。

AutocleanEEG ICVision: Automated ICA Artifact Classification Using Vision-Language AI

AutocleanEEG ICVision：利用视觉-语言AI实现自动化ICA噪声分类

Zag ElSayed, Grace Westerkamp, Gavin Gammoh, Yanchen Liu, Peyton Siekierski, Craig Erickson, Ernest Pedapati

机构 * School of Information Technology University of Cincinnati Ohio, USA（信息科技学院 奥地利辛辛那提大学 美国俄亥俄州） 纠错

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

AI总结 ICVision通过视觉-语言AI实现自动化EEG ICA噪声分类，达到专家级准确度并提供可解释结果。

Comments 6 pages, 8 figures

Journal ref Conference ICMI2026

SatireDecoder: Visual Cascaded Decoupling for Enhancing Satirical Image Comprehension

SatireDecoder: 视觉级联解耦以增强讽刺图像理解

Yue Jiang, Haiwei Xue, Minghao Han, Mingcheng Li, Xiaolu Hou, Dingkang Yang, Lihua Zhang, Xu Zheng

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

AI总结 SatireDecoder通过视觉级联解耦和不确定性分析策略，提升讽刺图像理解的准确性和语义层次。

Comments Accepted by AAAI 2026

Encoding argumentation frameworks with set attackers to propositional logic systems

将带有集合攻击者的论证框架编码到命题逻辑系统中

Shuai Tang, Jiachao Wu, Ning Zhou

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

AI总结 本文提出将带有集合攻击者的论证框架编码到命题逻辑系统中，统一了高阶AFs和SETAFs，为AI和多智能体系统提供逻辑基础。

Comments 51 pages

LLM CHESS: Benchmarking Reasoning and Instruction-Following in LLMs through Chess

LLM CHESS: 通过国际象棋评估大语言模型的推理与指令遵循能力

Sai Kolasani, Maxim Saplin, Nicholas Crispino, Kyle Montgomery, Jared Quincy Davis, Matei Zaharia, Chi Wang, Chenguang Wang

机构 * UC Berkeley（加州大学伯克利分校） ； Independent Researcher（独立研究者） ； UC Santa Cruz（加州大学圣克鲁兹分校） ； Stanford University（斯坦福大学） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 LLM CHESS通过国际象棋评估大语言模型的推理与指令遵循能力，揭示了推理模型与非推理模型的显著差异，并提供了评估框架和公开排行榜。

Neural Network Optimal Power Flow via Energy Gradient Flow and Unified Dynamics

通过能量梯度流和统一动力学的神经网络最优功率流

Xuezhi Liu

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

AI总结 本文提出基于神经网络动力学和能量梯度流的OPF求解方法，通过无监督训练实现端到端的物理约束学习，解决传统OPF方法的效率和一致性问题。

Shielded Controller Units for RL with Operational Constraints Applied to Remote Microgrids

具有操作约束的强化学习控制器单元用于远程微电网

Hadi Nekoei, Alexandre Blondin Massé, Rachid Hassani, Sarath Chandar, Vincent Mai

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

AI总结 本文提出Shielded Controller Units（SCUs）用于强化学习中满足操作约束，通过分层结构确保约束满足，实现远程微电网优化中的燃料消耗降低24%。

List Replicable Reinforcement Learning

可复制的强化学习

Bohan Zhang, Michael Chen, A. Pavan, N. V. Vinodchandran, Lin F. Yang, Ruosong Wang

机构 * Peking University（北京大学） ； Iowa State University（爱荷华州立大学） ； University of Nebraska–Lincoln（内布拉斯加大学林肯分校） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 本文提出了一种可证明高效的表格RL算法，通过保证列表复杂度保持在多项式范围内，解决强化学习中的可复制性问题，并通过创新的规划策略和状态可达性测试机制提升算法稳定性。

An Approach to Joint Hybrid Decision Making between Humans and Artificial Intelligence

人与人工智能联合混合决策方法

Jonas D. Rockbach, Sven Fuchs, Maren Bennewitz

机构 * Human-Machine Systems, Fraunhofer FKIE（人机系统，弗劳恩霍夫 FKIE） ； Humanoid Robots Lab, University of Bonn（人形机器人实验室，波恩大学） 纠错

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

AI总结 本文提出了一种联合混合智能框架，旨在整合人类与人工智能的异质能力，通过联合代理工程和设计模式实现决策代理的协同优化。

Exploring System 1 and 2 communication for latent reasoning in LLMs

探索用于大语言模型中潜在推理的系统1和系统2通信

Julian Coda-Forno, Zhuokai Zhao, Qiang Zhang, Dipesh Tamboli, Weiwei Li, Xiangjun Fan, Lizhu Zhang, Eric Schulz, Hsiao-Ping Tseng

机构 * Meta 纠错

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

AI总结 本研究探讨了大语言模型中潜在推理的双架构通信方法，发现联合微调比增加通道容量更有效，但需设计明确的目标和训练计划以提升推理能力。

An Empirical Study on the Effectiveness of Incorporating Offline RL As Online RL Subroutines

对将离线强化学习作为在线强化学习子例程效果的实证研究

Jianhai Su, Jinzhu Luo, Qi Zhang

机构 * University of South Carolina（南卡罗来纳大学） 纠错

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

AI总结 本文通过实证研究探讨了将离线强化学习作为在线强化学习子例程的效果，发现其有效性取决于任务性质，并提出技术提升效果，同时指出现有在线微调方法效果不佳。

Graph Distance as Surprise: Free Energy Minimization in Knowledge Graph Reasoning

图距离作为惊喜：知识图谱推理中的自由能最小化

Gaganpreet Jhajj, Fuhua Lin

机构 * School of Computing（计算学院） ； Information Systems（信息系统） ； Athabasca University（亚伯达大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 本文提出利用图距离最小化惊喜来改进知识图谱推理，通过连接自由能原理与KG系统，探索图距离在生成模型中的应用及其对语法结构的影响。

Comments Accepted to NORA Workshop at NeurIPS 2025

Modality-Augmented Fine-Tuning of Foundation Robot Policies for Cross-Embodiment Manipulation on GR1 and G1

模态增强的基座机器人策略微调用于GR1和G1跨躯体操作

Junsung Park, Hogun Kee, Songhwai Oh

机构 * Department of Electrical and Computer Engineering, Seoul National University（电气与计算机工程系，首尔国立大学） 纠错

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

AI总结 本文提出了一种模态增强的微调方法，通过多模态数据提升机器人策略在不同躯体上的性能，显著提高了任务成功率。

Comments 8 pages, 10 figures

Physics-Constrained Neural Dynamics: A Unified Manifold Framework for Large-Scale Power Flow Computation

具有物理约束的神经动力学：一种统一的流形框架用于大规模功率流计算

Xuezhi Liu

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

AI总结 本文提出一种基于流形几何和梯度流的神经物理功率流求解方法，通过无监督训练实现端到端的物理约束学习。