AI Agent

Idea-Gated Transformers: Enforcing Semantic Coherence via Differentiable Vocabulary Pruning

Idea-Gated Transformers: 通过可微分词汇修剪强制语义一致性

Darshan Fofadiya

机构 * Darshan Fofadiya（独立研究者） 纠错

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

AI总结 Idea-Gated Transformers通过可微分词汇修剪机制，实现语义一致性，提升语言模型的领域保留能力与生成可控性。

Comments Code available at https://github.com/DarshanFofadiya/idea-gated-transformers/tree/main

DAPO: Design Structure-Aware Pass Ordering in High-Level Synthesis with Graph Contrastive and Reinforcement Learning

DAPO：面向高阶综合的结构感知流程排序设计

Jinming Ge, Linfeng Du, Likith Anaparty, Shangkun Li, Tingyuan Liang, Afzal Ahmad, Vivek Chaturvedi, Sharad Sinha, Zhiyao Xie, Jiang Xu, Wei Zhang

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Indian Institute of Technology (Palakkad)（印度理工学院（帕拉卡德）） ； Indian Institute of Technology (Goa)（印度理工学院（果阿）） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.LG

AI总结 DAPO通过对比学习和强化学习，实现高阶综合中设计结构感知的流程排序，提升优化策略的效率和准确性。

Comments Accepted by DATE 2026

Two-dimensional Decompositions of High-dimensional Configurations for Efficient Multi-vehicle Coordination at Intelligent Intersections

高维配置的二维分解用于智能交叉口多车辆高效协调

Amirreza Akbari, Johan Thunberg

机构 * Department of Electrical and Information Technology (EIT), Lund University（电气与信息学院（EIT）、卢德大学） 纠错

专题命中 工具调用 ：planning(abstract)

AI总结 本文提出了一种基于二维分解的高维配置方法，用于智能交叉口多车辆高效协调，通过减少计算复杂性提升轨迹规划效率。

SpecpolFlow: a new software package for spectropolarimetry using Python

SpecpolFlow：一种用于光谱偏振测量的新型Python软件包

Colin P. Folsom, Christiana Erba, Veronique Petit, Shaquann Seadrow, Patrick Stanley, Tali Natan, Bonnie Zaire, Mary E. Oksala, Federico Villadiego Forero, Robin Moore, Marisol Catalan Olais

专题命中 工具调用 ：workflow(abstract)

AI总结 SpecpolFlow 是一种基于 Python 的新型软件包，用于光谱偏振测量，提供数据处理、分析和可视化工具，支持恒星磁场研究。

Comments Submitted to the Journal of Open Source Software

Journal ref Journal of Open Source Software 10 (2025) 7891

TriFlow: A Progressive Multi-Agent Framework for Intelligent Trip Planning

TriFlow：一种渐进式多智能体框架用于智能行程规划

Yuxing Chen, Basem Suleiman, Qifan Chen

机构 * The University of Sydney（悉尼大学） ； 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)；planning(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 TriFlow通过检索、规划和治理三阶段流程，实现了在严格约束下高效生成个性化行程的智能规划框架。

Comments 4 pages, 3 figures

EpiPlanAgent: Agentic Automated Epidemic Response Planning

EpiPlanAgent：基于代理的自动化疫情响应规划

Kangkun Mao, Fang Xu, Jinru Ding, Yidong Jiang, Yujun Yao, Yirong Chen, Junming Liu, Xiaoqin Wu, Qian Wu, Xiaoyan Huang, Jie Xu

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Center For Disease Control and Prevention（上海市疾病预防控制中心） 纠错

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

AI总结 EpiPlanAgent利用大语言模型和多代理框架，实现自动化疫情响应规划，显著提升计划完整性并减少开发时间。

A-LAMP: Agentic LLM-Based Framework for Automated MDP Modeling and Policy Generation

A-LAMP：基于代理的大型语言模型框架用于自动马尔可夫决策过程建模与策略生成

Hong Je-Gal, Chan-Bin Yi, Hyun-Suk Lee

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

AI总结 A-LAMP通过基于代理的大型语言模型自动将自然语言任务描述转换为马尔可夫决策过程并生成策略，提升了自动化建模和策略生成的效率与准确性。

Comments NeurIPS 2025 Workshop: Multi-Turn Interactions in Large Language Models. 26 pages, 8 figures

Octopus: Agentic Multimodal Reasoning with Six-Capability Orchestration

Octopus: 六种能力协同的代理多模态推理

Yifu Guo, Zishan Xu, Zhiyuan Yao, Yuquan Lu, Jiaye Lin, Sen Hu, Zhenheng Tang, Huacan Wang, Ronghao Chen

机构 * Sun Yat-sen University（中山大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 Octopus通过六种能力协同实现多模态代理推理，有效提升复杂任务中的自主探索与动态能力选择能力。

Channel Knowledge Map Enabled Low-Altitude ISAC Networks: Joint Air Corridor Planning and Base Station Deployment

通道知识图谱赋能的低空ISAC网络：联合空域走廊规划与基站部署

Jiaxuan Li, Yilong Chen, Fan Liu, Jie Xu

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出利用通道知识图谱进行低空ISAC网络的联合空域走廊规划与基站部署，通过分层网格分解算法降低部署成本并确保覆盖。

Automated Penetration Testing with LLM Agents and Classical Planning

基于LLM代理和经典规划的自动化渗透测试

Lingzhi Wang, Xinyi Shi, Ziyu Li, Yi Jiang, Shiyu Tan, Yuhao Jiang, Junjie Cheng, Wenyuan Chen, Xiangmin Shen, Zhenyuan LI, Yan Chen

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出CHECKMATE框架，结合增强的经典规划与LLM代理，提升渗透测试能力、稳定性和效率。

Your plan may succeed, but what about failure? Investigating how people use ChatGPT for long-term life task planning

你的计划可能成功，但失败呢？探究人们如何利用ChatGPT进行长期生活任务规划

Ben Wang, Jiqun Liu

专题命中 规划决策 ：planning(title,abstract)

AI总结 研究探讨人们如何利用ChatGPT进行长期生活任务规划，发现AI在结构化目标和生成想法方面有帮助，但输出缺乏个性化和适应性，需用户主动调整。

AI-Trader: Benchmarking Autonomous Agents in Real-Time Financial Markets

AI-Trader: 评估实时金融市场中的自主代理

Tianyu Fan, Yuhao Yang, Yangqin Jiang, Yifei Zhang, Yuxuan Chen, Chao Huang

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

AI总结 AI-Trader通过实时评估LLM在金融市场的表现，揭示了自主代理在风险控制和流动性中的关键局限性。

Driving Through Uncertainty: Risk-Averse Control with LLM Commonsense for Autonomous Driving under Perception Deficits

在不确定性中驾驶：利用大语言模型常识实现风险厌恶控制以应对自动驾驶中的感知缺陷

Yuting Hu, Chenhui Xu, Ruiyang Qin, Dancheng Liu, Amir Nassereldine, Yiyu Shi, Jinjun Xiong

机构 * University at Buffalo（布法罗大学） ； University of Notre Dame（诺特尔大学） 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LLM-RCO框架，利用大语言模型整合人类驾驶常识，以提升自动驾驶在感知缺陷下的风险规避与适应性控制能力。

Towards Trustworthy Multi-Turn LLM Agents via Behavioral Guidance

通过行为指导实现可信的多轮大语言模型代理

Gonca Gürsun

机构 * Gonca Gürsun（独立研究者） 纠错

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

AI总结 本文提出一种框架，通过行为指导使大语言模型代理在多轮任务中实现可靠和可验证的行为。

Comments Accepted to AAAI 2026 Workshop on Trust and Control in Agentic AI (TrustAgent)

Motif-2-12.7B-Reasoning: A Practitioner's Guide to RL Training Recipes

Motif-2-12.7B-Reasoning: 一个实践者在强化学习训练配方中的指南

Junghwan Lim, Sungmin Lee, Dongseok Kim, Taehyun Kim, Eunhwan Park, Jeesoo Lee, Jeongdoo Lee, Junhyeok Lee, Wai Ting Cheung, Dahye Choi, Minsu Ha, Jaeheui Her, Jaeyeon Huh, Hanbin Jung, Changjin Kang, Beomgyu Kim, Minjae Kim, Taewhan Kim, Youngrok Kim, Hyukjin Kweon, Haesol Lee, Kungyu Lee, Dongpin Oh, Yeongjae Park, Bokki Ryu, Dongjoo Weon

机构 * Motif Technologies（Motif技术公司） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.AI

AI总结 Motif-2-12.7B-Reasoning通过综合训练配方，在复杂推理和长上下文理解中实现性能媲美更大参数模型，提供开源模型和可扩展的推理能力蓝图。

Referring Change Detection in Remote Sensing Imagery

遥感图像中的指称变化检测

Yilmaz Korkmaz, Jay N. Paranjape, Celso M. de Melo, Vishal M. Patel

机构 * Johns Hopkins University（约翰霍普金斯大学） ； DEVCOM U.S. Army Research Laboratory（美国陆军研究实验室） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出指称变化检测方法，通过自然语言提示实现遥感图像中特定类别的变化检测，并引入两阶段框架提升数据生成效率。

Comments 2026 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV)

Towards Logic-Aware Manipulation: A Knowledge Primitive for VLM-Based Assistants in Smart Manufacturing

面向逻辑感知的操控：一种用于智能制造中基于VLM助手的知识原语

Suchang Chen, Daqiang Guo

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种面向智能制造的基于VLM助手的知识原语，通过定义对象为中心的操控-逻辑模式，实现了在制造单元中执行复杂操控任务的逻辑感知和高效规划。

Comments 8 pages, 2 figures, submitted to the 2026 IFAC World Congress

FutureX: Enhance End-to-End Autonomous Driving via Latent Chain-of-Thought World Model

FutureX: 通过潜在链式思维世界模型增强端到端自动驾驶

Hongbin Lin, Yiming Yang, Yifan Zhang, Chaoda Zheng, Jie Feng, Sheng Wang, Zhennan Wang, Shijia Chen, Boyang Wang, Yu Zhang, Xianming Liu, Shuguang Cui, Zhen Li

机构 * FNii-Shenzhen（FNii深圳分部） ； SSE, CUHK-Shenzhen（SSE，CUHK深圳分校） ； Xpeng Motors（小鹏汽车） ； MiroMind AI（MiroMind人工智能） ； Xidian University（西安电子科技大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 FutureX通过链式思维世界模型增强端到端自动驾驶，提升复杂场景下的运动规划质量与安全性。

Real-Time QP Solvers: A Concise Review and Practical Guide Towards Legged Robots

实时QP求解器：一种简洁回顾与面向腿部机器人的实用指南

Van Nam Dinh

机构 * Institute of Science and Technology（科技研究院） ； Vinh University（文大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文综述了实时QP求解器，分析了其在腿部机器人中的应用，探讨了不同求解器的性能与适用场景，强调了求解器、任务与硬件之间的协同作用。

Comments 12 pages, 1 figure, 2 tables

Estimating Object Physical Properties from RGB-D Vision and Depth Robot Sensors Using Deep Learning

基于RGB-D视觉和深度机器人传感器利用深度学习估计物体物理特性

Ricardo Cardoso, Plinio Moreno

机构 * Ricardo Pedreiras Cardoso ； Plinio Moreno 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出结合深度图像和RGB图像的数据，利用深度学习方法估计物体质量，通过合成数据集提升模型性能。

CREW-WILDFIRE: Benchmarking Agentic Multi-Agent Collaborations at Scale

CREW-WILDFIRE：大规模代理协作基准测试

Jonathan Hyun, Nicholas R Waytowich, Boyuan Chen

机构 * Duke University（杜克大学） ； Army Research Laboratory（陆军研究实验室） 纠错

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

AI总结 CREW-WILDFIRE是一个开源基准测试，用于评估大规模多代理协作的可扩展性、鲁棒性和协作能力，通过真实复杂的野火响应场景推动多代理Agentic AI的研究发展。

Comments Our project website is at: http://generalroboticslab.com/CREW-Wildfire

From Bits to Boardrooms: A Cutting-Edge Multi-Agent LLM Framework for Business Excellence

从比特到董事会：一种面向企业卓越的多智能体大语言模型框架

Zihao Wang, Junming Zhang

机构 * College of Artificial Intelligence and Automation（人工智能与自动化学院） ； Hohai University（河海大学） 纠错

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

AI总结 BusiAgent是一种基于多智能体框架的LLM，通过整合CTMDP、熵度量和Stackelberg博弈等创新技术，提升企业决策的效率与质量。

Comments Accepted by ECAI 2025

Understanding LLM Agent Behaviours via Game Theory: Strategy Recognition, Biases and Multi-Agent Dynamics

通过博弈论理解LLM代理行为：策略识别、偏差与多代理动态

Trung-Kiet Huynh, Duy-Minh Dao-Sy, Thanh-Bang Cao, Phong-Hao Le, Hong-Dan Nguyen, Phu-Quy Nguyen-Lam, Minh-Luan Nguyen-Vo, Hong-Phat Pham, Phu-Hoa Pham, Thien-Kim Than, Chi-Nguyen Tran, Huy Tran, Gia-Thoai Tran-Le, Alessio Buscemi, Le Hong Trang, The Anh Han

机构 * Faculty of Information and Technology, Ho Chi Minh City University of Science (HCMUS), Vietnam（信息科技学院，胡志明市科学大学（HCMUS）） ； Vietnam National University - Ho Chi Minh City (VNU-HCM), Vietnam（越南国家大学-胡志明市（VNU-HCM）） ； Faculty of Computer Science and Engineering, Ho Chi Minh City University of Technology (HCMUT), Vietnam（计算机科学与工程学院，胡志明市技术大学（HCMUT）） 纠错

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

AI总结 本文通过扩展FAIRGAME框架，系统评估LLM在重复社会困境中的行为，揭示其策略识别、偏差及多代理动态，为AI治理和安全多代理系统设计提供方法论基础。

AgentBalance: Backbone-then-Topology Design for Cost-Effective Multi-Agent Systems under Budget Constraints

AgentBalance：在预算约束下为多智能体系统设计成本有效的Backbone-then-Topology架构

Shuowei Cai, Yansong Ning, Hao Liu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

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

AI总结 AgentBalance通过Backbone-then-Topology设计，在预算约束下提升多智能体系统的成本效益

InterAgent: Physics-based Multi-agent Command Execution via Diffusion on Interaction Graphs

InterAgent：基于物理的多智能体命令执行通过交互图上的扩散

Bin Li, Ruichi Zhang, Han Liang, Jingyan Zhang, Juze Zhang, Xin Chen, Lan Xu, Jingyi Yu, Jingya Wang

机构 * ShanghaiTech University（上海科技大学） ； University of Pennsylvania（宾夕法尼亚大学） ； ByteDance（字节跳动） ； Stanford University（斯坦福大学） ； InstAdapt 纠错

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

AI总结 InterAgent通过交互图上的扩散模型实现了基于物理的多智能体协调控制，能够从文本提示中生成连贯且物理合理的多代理行为。

Comments Project page: https://binlee26.github.io/InterAgent-Page

Agent-Based Modular Learning for Multimodal Emotion Recognition in Human-Agent Systems

基于代理的模块化学习：人类-代理系统中多模态情感识别

Matvey Nepomnyaschiy, Oleg Pereziabov, Anvar Tliamov, Stanislav Mikhailov, Ilya Afanasyev

机构 * Research Center of the Artificial Intelligence Institute, Innopolis University（人工智能研究所研究中心，因诺波利斯大学） ； ITMO University（ITMO大学） ； Saint Petersburg Electrotechnical University ``LETI''（圣彼得堡电工大学『LETI』） 纠错

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

AI总结 本文提出了一种基于代理的模块化学习框架，用于多模态情感识别，通过自主代理协调实现灵活、高效的训练和维护。

Comments 14 pages, 4 figures

VoI-aware Scheduling Schemes for Multi-Agent Formation Control

面向多智能体编队控制的VoI感知调度方案

Federico Chiariotti, Marco Fabris

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

AI总结 本文提出一种基于VoI和AoI的多智能体编队控制调度方案，通过轻量级策略提升编队精度，实验显示最坏情况下的编队保持度提高20%。

Comments 6 pages, 4 figures, 2 tables, accepted at the 1st Joint Conference on Computers, Cognition and Communication, Padua, Italy, Sep. 15-18, 2025

Journal ref in IFAC-PapersOnLine Volume 59, Issue 27, 2025, Pages 13-18

Evaluating Cooperative Resilience in Multiagent Systems: A Comparison Between Humans and LLMs

评估多智能体系统中的合作韧性：人类与大语言模型的比较

Manuela Chacon-Chamorro, Juan Sebastián Pinzón, Rubén Manrique, Luis Felipe Giraldo, Nicanor Quijano

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

AI总结 本文通过比较人类与LLM在合作韧性中的表现，发现人类通过交流能有效提升合作韧性，而LLM在无交流时表现低于人类。

Comments Supplementary material in https://github.com/mavivi95/resilience_humans_vs_LLM/blob/main/Supplementary_File.pdf

Aragog: Just-in-Time Model Routing for Scalable Serving of Agentic Workflows

Aragog: 为可扩展的代理工作流服务的即时模型路由

Yinwei Dai, Zhuofu Chen, Anand Iyer, Ravi Netravali

专题命中 工作流自动化 ：agentic(title,abstract)；workflow(abstract)

AI总结 Aragog通过动态配置调整提升工作流服务吞吐量和降低延迟，保持准确性。

Agentic Operator Generation for ML ASICs

面向ML ASICs的代理操作生成

Alec M. Hammond, Aram Markosyan, Aman Dontula, Simon Mahns, Zacharias Fisches, Dmitrii Pedchenko, Keyur Muzumdar, Natacha Supper, Mark Saroufim, Joe Isaacson, Laura Wang, Warren Hunt, Kaustubh Gondkar, Roman Levenstein, Gabriel Synnaeve, Richard Li, Jacob Kahn, Ajit Mathews

专题命中 工作流自动化 ：agentic(title,abstract)

AI总结 TritorX通过代理AI系统生成适用于新兴加速器平台的PyTorch ATen内核，强调覆盖范围和正确性，成功生成481个内核并通过测试。