AI Agent

A Multi-Agent, Policy-Gradient approach to Network Routing

一种多智能体、策略梯度方法用于网络路由

Nigel Tao, Jonathan Baxter, Lex Weaver

机构 * Department of Computer Science, The Australian National University（计算机科学系，澳大利亚国立大学） ； WhizBang! Labs（WhizBang!实验室） 纠错

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

AI总结 本文提出了一种多智能体策略梯度方法，用于改进网络路由性能，通过惩罚次优行为以提升收敛效率。

Planning without Search: Refining Frontier LLMs with Offline Goal-Conditioned RL

无需搜索的规划：通过离线目标条件强化学习精炼前沿大语言模型

Joey Hong, Anca Dragan, Sergey Levine

机构 * UC Berkeley（伯克利大学） 纠错

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

AI总结 通过目标条件价值函数引导LLM推理，实现高效多轮交互规划，优于传统RL微调和提示方法。

Comments Published at NeurIPS 2025; 18 pages, 4 figures, 2 tables

PARC: An Autonomous Self-Reflective Coding Agent for Robust Execution of Long-Horizon Tasks

PARC：一种自主自反思编码代理，用于稳健执行长周期任务

Yuki Orimo, Iori Kurata, Hodaka Mori, Ryuhei Okuno, Ryohto Sawada, Daisuke Okanohara

机构 * PARC 纠错

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

AI总结 PARC是一种自主自反思编码代理，通过自我评估和反馈机制实现长周期任务的稳健执行，展示了AI在自主科学分析中的潜力。

Reason-Plan-ReAct: A Reasoner-Planner Supervising a ReAct Executor for Complex Enterprise Tasks

原因-计划-行动：一种监督ReAct执行器的推理-规划器用于复杂企业任务

Gianni Molinari, Fabio Ciravegna

专题命中 规划决策 ：agentic(abstract,comments)；agent(abstract)；autonomous agent(abstract)；planning(abstract)

AI总结 RP-ReAct通过分离战略规划与低层执行，提升企业复杂任务处理的可靠性和效率。

Comments 11 pages, 1 figure, 2 tables, Workshop AAAI 2026 agentic AI Benchmarks and Applications for Enterprise Tasks

Prediction-Driven Motion Planning: Route Integration Strategies in Attention-Based Prediction Models

基于预测的运动规划：注意力预测模型中的路线整合策略

Marlon Steiner, Royden Wagner, Ömer Sahin Tas, Christoph Stiller

机构 * Institute of Measurement and Control Systems, Karlsruhe Institute of Technology (KIT)（测量与控制系统研究所，卡尔斯鲁厄理工学院） ； FZI Research Center for Information Technology（信息技术研究所以） 纠错

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

AI总结 本文提出基于注意力机制的运动预测模型，通过整合导航信息提升预测与规划任务的性能。

Comments In Proceedings of the IEEE International Conference on Intelligent Transportation Systems (ITSC), Gold Coast, AUSTRALIA, 18-21 November 2025

CuES: A Curiosity-driven and Environment-grounded Synthesis Framework for Agentic RL

CuES: 一种基于好奇心和环境导向的代理强化学习合成框架

Shinji Mai, Yunpeng Zhai, Ziqian Chen, Cheng Chen, Anni Zou, Shuchang Tao, Zhaoyang Liu, Bolin Ding

机构 * Tongyi Lab , Alibaba Group（通义实验室，阿里巴巴集团） 纠错

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

AI总结 CuES通过好奇心驱动和环境导向的方法自动生成任务，提升代理强化学习的可扩展性和性能。

Autonomous Agents and Policy Compliance: A Framework for Reasoning About Penalties

自主代理与政策合规：一种用于考虑处罚的推理框架

Vineel Tummala, Daniela Inclezan

机构 * Miami University（迈阿密大学） 纠错

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

AI总结 本文提出了一种基于逻辑编程的框架，用于政策感知的自主代理，通过引入惩罚机制提高决策的合规性和可解释性。

Comments 27 pages, 5 figures

SPRINT: Enabling Interleaved Planning and Parallelized Execution in Reasoning Models

SPRINT: 使推理模型能够实现交错规划与并行执行

Emil Biju, Shayan Talaei, Zhemin Huang, Mohammadreza Pourreza, Azalia Mirhoseini, Amin Saberi

机构 * Stanford University（斯坦福大学） ； Microsoft（微软） ； Google（谷歌） 纠错

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

AI总结 SPRINT通过动态识别并利用并行化机会，使推理模型在复杂任务中提升效率，减少序列token生成量。

Comments Published at NeurIPS 2025. Emil Biju, Shayan Talaei, and Zhemin Huang contributed equally to this work

VICoT-Agent: A Vision-Interleaved Chain-of-Thought Framework for Interpretable Multimodal Reasoning and Scalable Remote Sensing Analysis

VICoT-Agent：一种用于可解释多模态推理和可扩展遥感分析的视觉交织思维链框架

Chujie Wang, Zhiyuan Luo, Ruiqi Liu, Can Ran, Shenghua Fan, Xi Chen, Chu He

机构 * Wuhan University（武汉大学） ； University of Toronto（多伦多大学） 纠错

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

AI总结 VICoT-Agent通过视觉交织思维链框架实现多模态推理和遥感分析，采用堆栈结构和模块化工具集提升推理效率，并通过推理堆栈蒸馏方法降低模型复杂度，显著提升推理透明度和执行效率。

Driving is a Game: Combining Planning and Prediction with Bayesian Iterative Best Response

驾驶是一场游戏：结合规划与预测的贝叶斯迭代最佳回应

Aron Distelzweig, Yiwei Wang, Faris Janjoš, Marcel Hallgarten, Mihai Dobre, Alexander Langmann, Joschka Boedecker, Johannes Betz

机构 * University of Freiburg（弗赖堡大学） ； Bosch Center for Artificial Intelligence（博世人工智能中心） ； Technical University of Munich（慕尼黑技术大学） ； Klaris AI 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 BIBeR通过结合运动预测与博弈论规划，实现自动驾驶中的交互感知和双向适应，提升复杂交通场景下的规划性能。

Safety Reinforced Model Predictive Control (SRMPC): Improving MPC with Reinforcement Learning for Motion Planning in Autonomous Driving

安全增强型模型预测控制（SRMPC）：利用强化学习改进自动驾驶中的运动规划MPC

Johannes Fischer, Marlon Steiner, Ömer Sahin Tas, Christoph Stiller

专题命中 规划决策 ：planning(title,abstract)

AI总结 本研究提出安全增强型MPC，利用强化学习改进自动驾驶中的运动规划，通过约束强化学习确保安全性和性能

Journal ref 2023 IEEE 26th International Conference on Intelligent Transportation Systems (ITSC), Bilbao, Spain, 2023, pp. 2811-2818

Penalty-Free SDDP: Feasibility Cuts for Robust Multi-Stage Stochastic Optimization in Energy Planning

无惩罚SDDP：面向能源规划中鲁棒多阶段随机优化的可行性切片

Guilherme Freitas, Luiz Carlos da Costa Junior, Tiago Andrade, Alexandre Street

专题命中 规划决策 ：planning(title)

AI总结 本文提出无惩罚SDDP方法，通过引入未来可行性函数解决多阶段随机优化中的可行性问题，实现自动处理不可行性并提高结果的经济解释性。

Comments 8 pages, 1 figure, 1 table

ContactRL: Safe Reinforcement Learning based Motion Planning for Contact based Human Robot Collaboration

ContactRL: 基于接触的人机协作中的安全强化学习运动规划

Sundas Rafat Mulkana, Ronyu Yu, Tanaya Guha, Emma Li

机构 * School of Computing Science, University of Glasgow（计算科学学院，格拉斯哥大学） 纠错

专题命中 规划决策 ：planning(title)

AI总结 ContactRL通过力反馈强化学习实现安全高效的物理协作，提升人机协作任务的安全性和效率。

Comments 8 pages, 7 figures

On the topological complexity of directed parametrized motion planning

有向参数化运动规划的拓扑复杂度

Sutirtha Datta, Navnath Daundkar, Abhishek Sarkar

专题命中 规划决策 ：planning(title)

AI总结 本文研究了有向参数化运动规划的拓扑复杂度，引入了相关概念并探讨了其与拓扑机器人学中其他不变量的关系。

Comments 18 pages, We have added some new remarks and computations

Hierarchical Vision Language Action Model Using Success and Failure Demonstrations

基于成功与失败示范的分层视觉语言行动模型

Jeongeun Park, Jihwan Yoon, Byungwoo Jeon, Juhan Park, Jinwoo Shin, Namhoon Cho, Kyungjae Lee, Sangdoo Yun, Sungjoon Choi

机构 * Department of Artificial Intelligence, Korea University（韩国大学人工智能系） ； Kim Jaechul Graduate School of AI, KAIST（金在拙人工智能研究生院，韩国科学技术院） ； Department of Aerospace Engineering, Seoul National University（首尔国立大学航空航天工程系） ； Departmnet of Statistics, Korea University（韩国大学统计系） ； NAVER AI Lab（NAVER人工智能实验室） 纠错

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

AI总结 VINE通过分层强化学习框架，利用失败数据提升视觉语言行动模型的鲁棒性和执行能力。

Comments https://vine-vla.github.io/

BookRAG: A Hierarchical Structure-aware Index-based Approach for Retrieval-Augmented Generation on Complex Documents

BookRAG: 一种面向复杂文档的基于层次结构的索引方法用于检索增强生成

Shu Wang, Yingli Zhou, Yixiang Fang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

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

AI总结 BookRAG通过构建层次化索引结构，提升复杂文档在问答任务中的检索与生成性能。

Prior preferences in active inference agents: soft, hard, and goal shaping

主动推断代理中的先验偏好：软、硬和目标塑造

Filippo Torresan, Ryota Kanai, Manuel Baltieri

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

AI总结 本文研究了主动推断代理中偏好分布的定义方式，探讨了硬/软目标和目标塑造对导航任务性能的影响。

Comments 41 pages, 23 figures

Safe and Sustainable Electric Bus Charging Scheduling with Constrained Hierarchical DRL

安全且可持续的电动巴士充电调度与受约束的分层深度强化学习

Jiaju Qi, Lei Lei, Thorsteinn Jonsson, Dusit Niyato

机构 * College of Engineering, University of Guelph（圭尔夫大学工程学院） ； EthicalAI ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） 纠错

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

AI总结 本文提出了一种安全且可持续的电动巴士充电调度方法，采用受约束的分层深度强化学习框架，通过整合拉格朗日松弛实现安全与成本的优化。

Principled RL for Diffusion LLMs Emerges from a Sequence-Level Perspective

从序列层面视角出发的扩散大语言模型原理化强化学习

Jingyang Ou, Jiaqi Han, Minkai Xu, Shaoxuan Xu, Jianwen Xie, Stefano Ermon, Yi Wu, Chongxuan Li

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（北京大模型与智能治理研究重点实验室） ； Engineering Research Center of Next-Generation Intelligent Search and Recommendation, MOE（下一代智能搜索与推荐工程技术研究中心） ； Stanford University（斯坦福大学） ； Lambda, Inc（Lambda公司） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出ESPO，一种基于序列级优化的原理化强化学习框架，用于提升扩散大语言模型的生成能力，通过ELBO作为似然代理，显著优于token级方法。

Les Dissonances: Cross-Tool Harvesting and Polluting in Pool-of-Tools Empowered LLM Agents

Les Dissonances：池中工具赋能LLM代理中的跨工具采集与污染

Zichuan Li, Jian Cui, Xiaojing Liao, Luyi Xing

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

AI总结 本文提出了一种新型威胁XTHP，揭示了LLM代理中多工具整合带来的安全风险，并通过Chord工具验证了75%的现实世界工具存在此漏洞。

Comments Network and Distributed System Security (NDSS) Symposium 2026

Better World Models Can Lead to Better Post-Training Performance

更好的世界模型可以导致更好的训练后性能

Prakhar Gupta, Henry Conklin, Sarah-Jane Leslie, Andrew Lee

机构 * University of Michigan（密歇根大学） ； Princeton University（普林斯顿大学） ； Harvard University（哈佛大学） 纠错

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

AI总结 本研究通过比较不同世界建模策略，发现显式建模能提升Transformer的状态表示质量，从而增强强化学习后训练的效果。

Online Learning-based Adaptive Beam Switching for 6G Networks: Enhancing Efficiency and Resilience

基于在线学习的自适应波束切换用于6G网络：提升效率与韧性

Seyed Bagher Hashemi Natanzi, Zhicong Zhu, Bo Tang

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

AI总结 本文提出基于在线深度强化学习的自适应波束切换方法，通过增强状态表示和稳定性导向奖励函数，提升6G网络的链路稳定性和数据速率。

SETS: Leveraging Self-Verification and Self-Correction for Improved Test-Time Scaling

SETS：利用自我验证和自我校正以提高测试时间扩展

Jiefeng Chen, Jie Ren, Xinyun Chen, Chengrun Yang, Ruoxi Sun, Jinsung Yoon, Sercan Ö Arık

机构 * Google Cloud AI Research（谷歌云人工智能研究） 纠错

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

AI总结 SETS通过结合并行与顺序技术，利用LLMs的自我改进能力，在无需模型训练的情况下提升测试时间扩展性能。

Comments Published in Transactions on Machine Learning Research (11/2025)

From Pixels to Prose: Advancing Multi-Modal Language Models for Remote Sensing

从像素到 prose：推进遥感多模态语言模型

Xintian Sun, Benji Peng, Charles Zhang, Fei Jin, Qian Niu, Junyu Liu, Keyu Chen, Ming Li, Pohsun Feng, Ziqian Bi, Ming Liu, Xinyuan Song, Yichao Zhang

机构 * Simon Fraser University（西蒙弗雷泽大学） ； University of Minnesota - Twin Cities（明尼苏达大学双城分校） ； Kyoto University（京都大学） ； Georgia Institute of Technology（佐治亚理工学院） ； National Taiwan Normal University（台湾师范大学） ； Purdue University（普渡大学） ； Emory University（埃默里大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） 纠错

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

AI总结 本文探讨了多模态语言模型在遥感中的应用，分析了其技术基础、挑战及未来发展方向，强调了其在环境监测和灾害响应中的重要作用。

Comments 10 pages, 1 figure

AI Deception: Risks, Dynamics, and Controls

AI欺骗：风险、动态与控制

Boyuan Chen, Sitong Fang, Jiaming Ji, Yanxu Zhu, Pengcheng Wen, Jinzhou Wu, Yingshui Tan, Boren Zheng, Mengying Yuan, Wenqi Chen, Donghai Hong, Alex Qiu, Xin Chen, Jiayi Zhou, Kaile Wang, Juntao Dai, Borong Zhang, Tianzhuo Yang, Saad Siddiqui, Isabella Duan, Yawen Duan, Brian Tse, Jen-Tse, Huang, Kun Wang, Baihui Zheng, Jiaheng Liu, Jian Yang, Yiming Li, Wenting Chen, Dongrui Liu, Lukas Vierling, Zhiheng Xi, Haobo Fu, Wenxuan Wang, Jitao Sang, Zhengyan Shi, Chi-Min Chan, Eugenie Shi, Simin Li, Juncheng Li, Jian Yang, Wei Ji, Dong Li, Jinglin Yang, Jun Song, Yinpeng Dong, Jie Fu, Bo Zheng, Min Yang, Yike Guo, Philip Torr, Robert Trager, Yi Zeng, Zhongyuan Wang, Yaodong Yang, Tiejun Huang, Ya-Qin Zhang, Hongjiang Zhang, Andrew Yao

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

AI总结 本文探讨了AI欺骗的风险、动态及控制，提出欺骗循环模型，分析欺骗出现机制与处理方法，并提出缓解策略与审计方法以应对AI安全挑战。

Sat2Flow: A Structure-Aware Diffusion Framework for Human Flow Generation from Satellite Imagery

Sat2Flow: 一种结构感知的扩散框架，用于从卫星图像生成人类流量

Xiangxu Wang, Tianhong Zhao, Wei Tu, Bowen Zhang, Guanzhou Chen, Jinzhou Cao

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

AI总结 Sat2Flow通过结构感知的扩散框架，利用卫星图像生成结构一致的OD流量，解决了现有方法对辅助数据依赖和空间拓扑变化敏感的问题。

Comments 9 pages, 5 figures

The Duality of Generative AI and Reinforcement Learning in Robotics: A Review

生成式人工智能与强化学习在机器人中的双重性：综述

Angelo Moroncelli, Vishal Soni, Marco Forgione, Dario Piga, Blerina Spahiu, Loris Roveda

机构 * SUPSI（瑞士苏黎世联邦理工学院） 纠错

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

AI总结 本文综述了生成式人工智能与强化学习在机器人中的双重性，探讨了两者的整合方法、挑战及未来研究方向。

Comments Submitted for publication to Information Fusion

Journal ref Information Fusion Volume 129, May 2026, 104003

Hierarchical Deep Research with Local-Web RAG: Toward Automated System-Level Materials Discovery

分层深度研究与本地Web RAG：迈向自动化系统级材料发现

Rui Ding, Rodrigo Pires Ferreira, Yuxin Chen, Junhong Chen

机构 * Pritzker School of Molecular Engineering, University of Chicago（芝加哥大学普利兹克分子工程学院） ； Chemical Sciences and Engineering Division, Argonne National Laboratory（阿贡国家实验室化学科学与工程 division） ； Department of Computer Science, University of Chicago（芝加哥大学计算机科学系） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出一种分层深度研究代理，通过本地Web RAG和DToR机制，实现低成本高质的自动化系统级材料发现。

Comments A preliminary version appeared in The AI for Accelerated Materials Discovery (AI4Mat) Workshop at NeurIPS 2025

PosterCopilot: Toward Layout Reasoning and Controllable Editing for Professional Graphic Design

PosterCopilot: 向专业图形设计中的布局推理与可控编辑迈进

Jiazhe Wei, Ken Li, Tianyu Lao, Haofan Wang, Liang Wang, Caifeng Shan, Chenyang Si

机构 * PRLab, Nanjing University（南京大学PRLab） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

专题命中 规划决策 ：workflow(abstract)

AI总结 PosterCopilot通过三阶段训练策略和完整工作流程，实现专业图形设计中布局推理与可控编辑的提升。

Comments Project page: https://postercopilot.github.io/

A Novel Approach to Tomato Harvesting Using a Hybrid Gripper with Semantic Segmentation and Keypoint Detection

一种基于语义分割和关键点检测的新型番茄采摘方法

Shahid Ansari, Mahendra Kumar Gohil, Yusuke Maeda, Bishakh Bhattacharya

机构 * TSTS 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种结合语义分割和关键点检测的新型番茄采摘系统，通过混合机械手和智能控制实现高效、安全的采摘