AI Agent

Grammar Search for Multi-Agent Systems

多智能体系统的语法搜索

Mayank Singh, Vikas Yadav, Shiva Krishna Reddy Malay, Shravan Nayak, Sai Rajeswar, Sathwik Tejaswi Madhusudhan, Eduardo Blanco

机构 * University of Arizona（亚利桑那大学） ； ServiceNow（ServiceNow公司） ； Mila - Quebec AI Institute（魁北克AI研究院） 纠错

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

AI总结 本研究提出了一种结构化框架，通过固定组件生成多智能体系统，在数学和问答领域优于现有方法，且更经济高效。

Evaluating Small Language Models for Agentic On-Farm Decision Support Systems

评估小型语言模型用于农场代理决策支持系统

Enhong Liu, Haiyu Yang, Miel Hostens

专题命中 工具调用 ：agentic(title,abstract)；分类 cs.AI

AI总结 本文评估了小型语言模型在乳牛养殖决策支持系统中的可行性，开发了集成多个代理的 AI 系统，并展示了 Qwen-4B 在多数任务中的优异表现。

Characterisation of Hamamatsu R11065-20 PMTs for use in the SABRE South NaI(Tl) Crystal Detectors

Hamamatsu R11065-20光电倍增管在SABRE南半球NaI(Tl)晶体探测器中的特性分析

O. Stanley, W. J. D. Melbourne, P. Urquijo, E. Barberio, V. U. Bashu, L. J. Bignell, I. Bolognino, G. Brooks, S. S. Chhun, F. Dastgiri, M. B. Froehlich, T. Fruth, G. Fu, G. C. Hill, R. S. James, K. Janssens, S. Kapoor, G. J. Lane, K. T. Leaver, P. McGee, P. C. McNamara, J. McKenzie, L. J. McKie, M. Mews, L. J. Milligan, K. J. Rule, F. Scutti, Z. Slavkovska, A. E. Stuchbery, B. Suerfu, G. N. Taylor, A. G. Williams, Y. Xing, Y. Y. Zhong

专题命中 工具调用 ：tool use(abstract)

AI总结 本文研究了Hamamatsu R11065-20 PMTs在SABRE南半球NaI(Tl)晶体探测器中的特性，开发了预校准程序和机器学习方法以提高背景排除效率。

Journal ref JINST 20 P07052 (2025)

Hierarchical Multi-agent Large Language Model Reasoning for Autonomous Functional Materials Discovery

分层多智能体大语言模型推理用于自主功能材料发现

Samuel Rothfarb, Megan C. Davis, Ivana Matanovic, Baikun Li, Edward F. Holby, Wilton J. M. Kort-Kamp

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

AI总结 MASTER通过多代理协作提升材料发现的自主性，利用大语言模型进行推理驱动的原子模拟优化，减少90%的计算需求。

Comments Keywords: Multi-agent reasoning; Large language models; Active learning; AI-driven simulation; Materials discovery; Density functional theory; Surface chemistry

Beyond Task Completion: An Assessment Framework for Evaluating Agentic AI Systems

超越任务完成：评估智能体AI系统的框架

Sreemaee Akshathala, Bassam Adnan, Mahisha Ramesh, Karthik Vaidhyanathan, Basil Muhammed, Kannan Parthasarathy

机构 * SERC, IIIT-Hyderabad（IIIT-海得拉巴的SERC） ； MontyCloud Inc（MontyCloud公司） 纠错

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

AI总结 本文提出一个端到端的智能体评估框架，旨在评估智能体AI系统的行为，而不仅仅是任务完成度。

A4-Agent: An Agentic Framework for Zero-Shot Affordance Reasoning

A4-Agent: 一种用于零样本 affordance 推理的代理框架

Zixin Zhang, Kanghao Chen, Hanqing Wang, Hongfei Zhang, Harold Haodong Chen, Chenfei Liao, Litao Guo, Ying-Cong Chen

机构 * HKUST(GZ)（香港科技大学（广州）） ； HKUST（香港科技大学） ； SJTU（上海交通大学） ； Knowin 纠错

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

AI总结 A4-Agent 提出一种无需训练的代理框架，通过三个阶段的流水线实现零样本 affordance 推理，优于现有监督方法。

MCTS-EP: Empowering Embodied Planning with Online Preference Optimization

MCTS-EP：通过在线偏好优化增强具身规划

Hang Xu, Zang Yu, Yehui Tang, Pengbo Hu, Yuhao Tang, Hao Dong

机构 * School of Management, Fudan University, Shanghai, China（复旦大学管理学院） ； Independent Researcher（独立研究者） ； CFCS, School of Computer Science, Peking University, Beijing, China（计算机科学系，北京大学） ； PKU-AgiBot Lab, Peking University, Beijing, China（北京大学） 纠错

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

AI总结 MCTS-EP通过结合大语言模型与蒙特卡洛树搜索，实现具身智能体的在线偏好优化，提升多模态任务的性能表现。

Reformulation Techniques for Automated Planning: A Systematic Review

用于自动规划的改写技术：系统综述

Diaeddin Alarnaouti, George Baryannis, Mauro Vallati

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

AI总结 本文系统综述了自动规划中改写技术的研究，旨在提供该领域全面视角并促进未来研究。

Comments Accepted and to appear in The Knowledge Engineering Review (KER), 2023

Journal ref The Knowledge Engineering Review 38 (2023) e9

WAM-Flow: Parallel Coarse-to-Fine Motion Planning via Discrete Flow Matching for Autonomous Driving

WAM-Flow：通过离散流匹配实现自动驾驶的并行粗到细路径规划

Yifang Xu, Jiahao Cui, Feipeng Cai, Zhihao Zhu, Hanlin Shang, Shan Luan, Mingwang Xu, Neng Zhang, Yaoyi Li, Jia Cai, Siyu Zhu

机构 * Fudan University（复旦大学） ； Yinwang Intelligent Technology Co., Ltd（英伟达智能科技有限公司） 纠错

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

AI总结 WAM-Flow通过离散流匹配实现自动驾驶的并行粗到细路径规划，结合几何感知目标和并行生成，提升闭环性能。

Comments 18 pages, 11 figures. Code & Model: https://github.com/fudan-generative-vision/WAM-Flow

Interactive Motion Planning for Human-Robot Collaboration Based on Human-Centric Configuration Space Ergonomic Field

基于以人为核心的配置空间人体工学场的人机协作交互运动规划

Chenzui Li, Yiming Chen, Xi Wu, Tao Teng, Sylvain Calinon, Darwin Caldwell, Fei Chen

机构 * Department of Mechanical and Automation Engineering, T-Stone Robotics Institute, The Chinese University of Hong Kong（机械与自动化工程系，T-Stone机器人研究所，香港中文大学） ； Idiap Research Institute（Idiap研究所） ； Department of Advanced Robotics, Istituto Italiano di Tecnologia（先进机器人系，意大利Istituto Italiano di Tecnologia） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出基于配置空间人体工学场的运动规划方法，通过高效算法构建人体工学场并集成到阻抗控制机器人中，实验表明其在协作任务中有效降低人体工学成本和肌肉激活，提升人机协作效率。

Comments 10 pages, 9 figures

Simulation-Guided Planning of a Target Trial Emulated Cluster Randomized Trial for Mass Small-Quantity Lipid Nutrient Supplementation Combined with Expanded Program on Immunization in Rural Niger

用于尼日农村地区大规模小剂量脂质营养补充与扩大免疫计划的靶向试验仿真实验设计

Shomoita Alam, Nathaniel Dyrkton, Susan Shepherd, Ibrahim Sana, Kevin Phelan, Jay JH Park

专题命中 规划决策 ：planning(title,abstract)

AI总结 本研究通过模拟引导设计方法，探讨在尼日农村地区大规模小剂量脂质营养补充与扩大免疫计划中，如何通过非随机集群试验仿真实验设计提高五联疫苗接种率。

Near Time-Optimal Hybrid Motion Planning for Timber Cranes

接近时间最优的混合运动规划用于木工起重机

Marc-Philip Ecker, Bernhard Bischof, Minh Nhat Vu, Christoph Fröhlich, Tobias Glück, Wolfgang Kemmetmüller

机构 * Automation & Control Institute (ACIN), TU Wien（自动化与控制研究所（ACIN），维也纳技术大学） ； Center for Vision, Automation & Control, AIT Austrian Institute of Technology GmbH（视觉、自动化与控制中心，奥地利技术研究所） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种针对液压驱动木工起重机的混合运动规划方法，通过改进的 VP-STO 算法和碰撞成本公式，实现了时间最优且无碰撞的运动规划。

Comments Accepted at ICRA 2025

Verification-Guided Context Optimization for Tool Calling via Hierarchical LLMs-as-Editors

通过分层大语言模型作为编辑器进行工具调用的验证引导上下文优化

Henger Li, Shuangjie You, Flavio Di Palo, Yiyue Qian, Ayush Jain

专题命中 规划决策 ：tool use(abstract)；workflow(abstract)；分类 cs.AI、cs.SE；agentic(comments)

AI总结 通过分层LLM作为编辑器，验证引导上下文优化提升工具调用的准确性和泛化能力。

Comments Accepted by AAAI 2026 Workshop on Agentic AI Benchmarks and Applications for Enterprise Tasks

MAPS$^2$: Multi-Robot Autonomous Motion Planning under Signal Temporal Logic Specifications

MAPS$^2$：在信号时间逻辑规范下多机器人自主运动规划

Mayank Sewlia, Christos K. Verginis, Dimos V. Dimarogonas

机构 * Division of Decision and Control, School of EECS, KTH Royal Institute of Technology, Stockholm, Sweden.（决策与控制系，瑞典皇家理工学院） ； Division of Signals and Systems, Department of Electrical Engineering, Uppsala University, Uppsala, Sweden.（信号与系统系，乌普萨拉大学） 纠错

专题命中 规划决策 ：planning(title)

AI总结 MAPS$^2$通过分布式算法实现多机器人在信号时间逻辑规范下的自主运动规划，提供概率保证的任何时间算法，能够迭代优化轨迹并满足STL约束。

Journal ref The International Journal of Robotics Research. 2025;0(0)

RecGPT-V2 Technical Report

RecGPT-V2 技术报告

Chao Yi, Dian Chen, Gaoyang Guo, Jiakai Tang, Jian Wu, Jing Yu, Mao Zhang, Wen Chen, Wenjun Yang, Yujie Luo, Yuning Jiang, Zhujin Gao, Bo Zheng, Binbin Cao, Changfa Wu, Dixuan Wang, Han Wu, Haoyi Hu, Kewei Zhu, Lang Tian, Lin Yang, Qiqi Huang, Siqi Yang, Wenbo Su, Xiaoxiao He, Xin Tong, Xu Chen, Xunke Xi, Xiaowei Huang, Yaxuan Wu, Yeqiu Yang, Yi Hu, Yujin Yuan, Yuliang Yan, Zile Zhou

机构 * RecGPT Team（RecGPT 团队） 纠错

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

AI总结 RecGPT-V2通过多代理系统、元提示框架、受约束强化学习和代理作为裁判框架，提升推荐系统意图推理的效率和准确性，实现60%的GPU消耗降低和11.46%的NER提升。

Model-First Reasoning LLM Agents: Reducing Hallucinations through Explicit Problem Modeling

基于模型的推理语言模型代理：通过显式问题建模减少幻觉

Annu Rana, Gaurav Kumar

机构 * Stanford AI Professional Program（斯坦福AI专业项目） ； IESE EMBA Program（IESE EMBA项目） 纠错

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

AI总结 本文提出基于模型的推理方法，通过显式问题建模减少LLM在复杂规划任务中的幻觉和不一致性。

LoopBench: Discovering Emergent Symmetry Breaking Strategies with LLM Swarms

LoopBench: 通过LLM群体发现涌现的对称性打破策略

Ali Parsaee, Yashar Talebirad, Csongor Szepesvári, Vishwajeet Ohal, Eden Redman

机构 * University of Alberta（阿尔伯塔大学） ； Network for Applied Technology（应用技术网络） 纠错

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

AI总结 LoopBench通过LLM群体研究分布式对称性打破策略，揭示先进模型在解决死锁问题上的能力。

Comments 11 pages, 3 figures, submitted to ANTS 2026

Reasoning-Style Poisoning of LLM Agents via Stealthy Style Transfer: Process-Level Attacks and Runtime Monitoring in RSV Space

通过隐蔽的风格迁移进行LLM代理的推理风格污染：过程级攻击与运行时监控在RSV空间中

Xingfu Zhou, Pengfei Wang

机构 * college of computer science, National University of Defense Technology（计算机科学学院，国防科技大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 本研究提出推理风格污染攻击，通过隐蔽方式改变LLM代理的推理风格，导致性能下降并绕过内容过滤，提出运行时监控方法应对该漏洞。

LAPPI: Interactive Optimization with LLM-Assisted Preference-Based Problem Instantiation

LAPPI：基于LLM的偏好驱动问题实例化交互优化

So Kuroki, Manami Nakagawa, Shigeo Yoshida, Yuki Koyama, Kozuno Tadashi

机构 * Sakana AI ； University of California, Davis（加州大学戴维斯分校） ； OMRON SINIC X Corporation（OMRON SINIC X公司） ； University of Tokyo（东京大学） 纠错

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

AI总结 LAPPI通过LLM辅助用户将模糊偏好转化为明确的优化问题，提升终端用户在旅行计划等任务中的问题实例化效率和解决方案质量。

ChartAgent: A Chart Understanding Framework with Tool Integrated Reasoning

ChartAgent: 一种集成工具推理的图表理解框架

Boran Wang, Xinming Wang, Yi Chen, Xiang Li, Jian Xu, Jing Yuan, Chenglin Liu

机构 * College of Artificial Intelligence, Nankai University（人工智能学院，南开大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), Institution of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室（MAIS），自动化研究所，中国科学院） ； Zhongguancun Academy（中关村学院） ； State Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 ChartAgent通过集成工具推理框架提升图表理解的鲁棒性与可追溯性。

Geospatial Soil Quality Analysis: A Roadmap for Integrated Systems

地理土壤质量分析：集成系统的路线图

Habiba Ben Abderrahmane, Slimane Oulad-Naoui, Benameur Ziani

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

AI总结 本文提出了一种整合GIS、遥感和机器学习的统一土壤质量评估框架，旨在提升土壤质量分析的透明性和可扩展性。

How K-12 Educators Use AI: LLM-Assisted Qualitative Analysis at Scale

K-12教育工作者如何使用AI：大规模LLM辅助定性分析

Alex Liu, Lief Esbenshade, Shawon Sarkar, Victor Tian, Zachary Zhang, Kevin He, Min Sun

机构 * University of Washington（华盛顿大学） ； Hensun Innovation（翰森创新） 纠错

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

AI总结 本研究通过大规模LLM辅助分析，探讨K-12教育工作者在教学中使用AI工具的模式与方法，揭示其教学推理过程并为教育工具设计提供依据。

Hybrid Cognitive IoT with Cooperative Caching and SWIPT-EH: A Hierarchical Reinforcement Learning Framework

混合认知物联网与协作缓存及SWIPT-EH：一种分层强化学习框架

Nadia Abdolkhani, Walaa Hamouda

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出一种分层强化学习框架，用于优化混合认知物联网网络中的能量收集、缓存、功率控制和频谱接入，提升网络性能。

Comments Published in IEEE Internet of Things Journal (Early Access), 2025. This arXiv version is the authors' accepted manuscript

Journal ref IEEE Internet of Things Journal, Early Access, 2025

CoLD Fusion: A Real-time Capable Spline-based Fusion Algorithm for Collective Lane Detection

CoLD Fusion: 一种基于样条的实时车道检测集体感知算法

Jörg Gamerdinger, Sven Teufel, Georg Volk, Oliver Bringmann

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种基于样条的实时车道检测集体感知算法，通过车辆间通信扩展感知范围，实现200%的感知范围扩展。

Comments Accepted at IEEE IV 2023

Vector Prism: Animating Vector Graphics by Stratifying Semantic Structure

向量棱柱：通过分层语义结构来动画化向量图形

Jooyeol Yun, Jaegul Choo

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种通过分层语义结构来提升向量图形动画质量的框架，通过统计汇总弱预测来恢复语义，从而提高VLMs动画生成的连贯性和准确性。

Comments yeolj00.github.io/personal-projects/vector-prism

Helium Range Viability for Online Range Probing in Mixed Carbon-Helium Beams

氦的范围可行性用于混合碳-氦束在线范围探测

Jennifer J. Hardt, Alexander A. Pryanichnikov, Oliver Jäkel, Joao Seco, Niklas Wahl

专题命中 规划决策 ：planning(abstract)

AI总结 本研究提出混合碳-氦束用于在线范围探测，通过优化残余氦范围和使用范围移位器提高检测能力，以提升肺癌治疗的监测效果。

Journal ref Med Phys. 2025;52:e70194

Trajectory Tracking for Multi-Manipulator Systems in Constrained Environments

在受限环境中多机械臂系统的轨迹跟踪

Mayank Sewlia, Christos K. Verginis, Dimos V. Dimarogonas

机构 * Division of Decision and Control, Department of Electrical Engineering, KTH Royal Institute of Technology（决策与控制系，电气工程系，皇家理工学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种多速率规划与控制框架，用于在受限环境中实现多机械臂系统的协同轨迹跟踪。

Hierarchical Deep Reinforcement Learning for Robust Access in Cognitive IoT Networks under Smart Jamming Attacks

分层深度强化学习在智能干扰攻击下的认知物联网网络中可靠接入

Nadia Abdolkhani, Walaa Hamouda

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出分层深度强化学习框架，用于在智能干扰攻击下实现认知物联网网络中的可靠频谱接入。

Comments Accepted at IEEE Global Communications Conference (GlobeCom 2025). This is the authors' accepted manuscript version

MMhops-R1: Multimodal Multi-hop Reasoning

MMhops-R1: 多模态多跳推理

Tao Zhang, Ziqi Zhang, Zongyang Ma, Yuxin Chen, Bing Li, Chunfeng Yuan, Guangting Wang, Fengyun Rao, Ying Shan, Weiming Hu

专题命中 规划决策 ：planning(abstract)

AI总结 MMhops-R1通过动态规划和多模态知识整合，提升多跳推理能力，提出新型mRAG框架并提供挑战性基准。

Comments Acceped by AAAI 2026

VesSAM: Efficient Multi-Prompting for Segmenting Complex Vessel

VesSAM: 高效多提示分割复杂血管

Suzhong Fu, Rui Sun, Xuan Ding, Jingqi Dong, Yiming Yang, Yao Zhu, Min Chang Jordan Ren, Delin Deng, Angelica Aviles-Rivero, Shuguang Cui, Zhen Li

机构 * FNii-Shenzhen, CUHK-Shenzhen（FNii-Shenzhen，CUHK-Shenzhen） ； School of Science and Engineering, CUHK-Shenzhen（CUHK-Shenzhen科学与工程学院） ； Zhejiang University（浙江大学） ； Boston University（波士顿大学） ； Vanderbilt University（范德比大学） ； Tsinghua University（清华大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 VesSAM通过多提示编码器和轻量级解码器提升血管分割性能，实现比现有方法更高的Dice和IoU指标，同时参数更少且泛化能力更强。