AI Agent

Accurate Table Question Answering with Accessible LLMs

利用可及的大规模语言模型实现准确的表格问答

Yangfan Jiang, Fei Wei, Ergute Bao, Yaliang Li, Bolin Ding, Yin Yang, Xiaokui Xiao

机构 * National University of Singapore（新加坡国立大学） ； Alibaba Group（阿里巴巴集团） ； Mohamed bin Zayed University of Artificial Intelligence（莫卧儿 bin 赞德人工智能大学） ； Hamad Bin Khalifa University（哈马德 bin 哈利法大学） 纠错

专题命中 工具调用 ：agent(abstract)；workflow(abstract)；multi-agent(abstract)；分类 cs.CL

AI总结 本文提出Orchestra多智能体方法，利用小型开源LLMs高效解决表格问答问题，实现高质量且低成本的TQA性能。

Comments accepted for publication in the Proceedings of the IEEE International Conference on Data Engineering (ICDE) 2026

Time-Scaling Is What Agents Need Now

现在智能体需要时间扩展

Zhi Liu, Guangzhi Wang

机构 * CareerInternational Research Team（CareerInternational研究团队） 纠错

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

AI总结 本文提出时间扩展概念，旨在通过扩展时间路径提升智能体的深度推理和问题解决能力，无需增加静态参数。

FragmentRetro: A Quadratic Retrosynthetic Method Based on Fragmentation Algorithms

FragmentRetro: 基于碎片算法的二次逆合成方法

Yu Shee, Anthony M. Smaldone, Anton Morgunov, Gregory W. Kyro, Victor S. Batista

机构 * Yale University（耶鲁大学） 纠错

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

AI总结 FragmentRetro是一种基于碎片算法的二次逆合成方法，通过碎片组合和指纹筛选实现二次复杂度，提升逆合成规划的效率和解决率。

Comments Code available on GitHub https://github.com/randyshee/FragmentRetro Documentation is available https://fragment.batistalab.com/

High-Fidelity Simulations of Two Miscible Fluids in Small Scale Turbulent Mixers Using a Variational Multiscale Finite Element Method

利用变分多重尺度有限元法进行小尺度湍流混合器中两种混溶流体的高保真模拟

Dongjie Jia, Mohammad Majidi, Kurt D. Ristroph, Arezoo Ardekani

专题命中 工具调用 ：tool use(abstract)

AI总结 本研究利用变分多重尺度有限元法对两种湍流混合器进行高保真模拟，揭示了湍流起始、能量衰减和混合性能的差异，为优化混合条件提供依据。

Learning and Optimizing the Efficacy of Spatio-Temporal Task Allocation under Temporal and Resource Constraints

学习和优化在时间和资源约束下的时空任务分配效能

Jiazhen Liu, Glen Neville, Jinwoo Park, Sonia Chernova, Harish Ravichandar

机构 * Georgia Institute of Technology, USA（佐治亚理工学院） 纠错

专题命中 工具调用 ：planning(abstract)

AI总结 本文提出E-ITAGS算法，通过主动学习高效优化多机器人系统的时空任务分配效能，同时满足时间和资源约束。

Comments The journal extension version of our conference paper: arXiv:2404.07902, which has been accepted by ISRR 2024

Hierarchical Preemptive Holistic Collaborative Systems for Embodied Multi-Agent Systems: Framework, Hybrid Stability, and Scalability Analysis

分层抢先整体协作系统用于具身多智能体系统：框架、混合稳定性与可扩展性分析

Ting Peng

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

AI总结 本文提出分层抢先整体协作框架，通过分解全局协调问题提升具身多智能体系统的安全性和可扩展性。

The Path Ahead for Agentic AI: Challenges and Opportunities

代理AI的未来之路：挑战与机遇

Nadia Sibai, Yara Ahmed, Serry Sibaee, Sawsan AlHalawani, Adel Ammar, Wadii Boulila

机构 * Robotics and Internet-of-Things (RIOTU) Lab, Prince Sultan University, Riyadh, Saudi Arabia（机器人与物联网（RIOTU）实验室，普森大学，利雅得，沙特阿拉伯） 纠错

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

AI总结 本文探讨了代理AI从被动生成到自主行动的转变，分析了其技术挑战与核心方法，并提出了实现自主行为的关键研究方向。

Think-on-Graph 3.0: Efficient and Adaptive LLM Reasoning on Heterogeneous Graphs via Multi-Agent Dual-Evolving Context Retrieval

Think-on-Graph 3.0: 通过多智能体双进化上下文检索实现高效自适应的异构图LLM推理

Xiaojun Wu, Cehao Yang, Xueyuan Lin, Chengjin Xu, Xuhui Jiang, Yuanliang Sun, Hui Xiong, Jia Li, Jian Guo

机构 * IDEA Research, International Digital Economy Academy（IDEA研究院，国际数字经济学院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； DataArc Tech Ltd.（数据弧科技有限公司） ； Hithink RoyalFlush Information Network Co., Ltd（慧思皇家Flush信息网络有限公司） 纠错

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

AI总结 Think-on-Graph 3.0通过多智能体双进化上下文检索机制，实现高效自适应的异构图LLM推理，提升轻量级模型在复杂推理任务中的性能。

Comments add: reranker agent and experiments

Understanding Multi-Agent Reasoning with Large Language Models for Cartoon VQA

通过大型语言模型理解多智能体推理用于漫画视觉问答

Tong Wu, Thanet Markchom

机构 * University of Reading（阅读大学） 纠错

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

AI总结 本文提出多智能体LLM框架，用于解决漫画图像中视觉抽象和叙事上下文的VQA问题，通过三个智能体协作提升推理能力。

InfiAgent: An Infinite-Horizon Framework for General-Purpose Autonomous Agents

InfiAgent: 通用自主代理的无限时间 horizon 框架

Chenglin Yu, Yuchen Wang, Songmiao Wang, Hongxia Yang, Ming Li

机构 * The University of Hong Kong（香港大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 InfiAgent 通过外部化持久状态实现无限时间 horizon 任务的稳定推理，无需任务特定微调即可在长时间任务中超越传统方法。

RobotDiffuse: Diffusion-Based Motion Planning for Redundant Manipulators with the ROP Obstacle Avoidance Dataset

RobotDiffuse: 基于扩散模型的冗余机械臂运动规划与ROP障碍避让数据集

Xudong Mou, Xiaohan Zhang, Tiejun Wang, Tianyu Wo, Cangbai Xu, Ningbo Gu, Rui Wang, Xudong Liu

机构 * School of Computer Science and Engineering, Beihang University, Beijing, China（北京航空航天大学计算机科学与工程学院） ； School of Software, Beihang University, Beijing, China（北京航空航天大学软件学院） ； Hangzhou Innovation Institute, Beihang University, Hangzhou, China（北京航空航天大学杭州创新研究院） 纠错

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

AI总结 RobotDiffuse通过扩散模型实现冗余机械臂运动规划，结合物理约束与点云编码器，并发布ROP数据集提升障碍避让性能。

Compositional Monte Carlo Tree Diffusion for Extendable Planning

组合蒙特卡洛树扩散用于可扩展规划

Jaesik Yoon, Hyeonseo Cho, Sungjin Ahn

机构 * KAIST（韩国科学技术院） ； SAP（SAP公司） ； NYU（纽约大学） 纠错

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

AI总结 C-MCTD通过引入三个互补组件，将规划从单轨迹优化提升到完整计划组合推理，实现更高效和可扩展的规划方法。

Comments 24 pages, 4 figures, NeurIPS 25 Spotlight

An Informative Planning Framework for Target Tracking and Active Mapping in Dynamic Environments with ASVs

面向动态环境的目标跟踪与主动建图的 informative 规划框架

Sanjeev Ramkumar Sudha, Marija Popović, Erlend M. Coates

机构 * Norwegian University of Science and Technology (NTNU)（挪威科学与技术大学） ； MAVLab, Faculty of Aerospace Engineering, TU Delft（MAVLab，航空航天工程学院，代尔夫特理工大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种结合动态占用网格建图和信息规划方法的框架，用于在动态环境中主动跟踪和建图漂浮目标，通过时空预测网络提升目标跟踪性能。

Comments Accepted for publication in Robotics and Automation Letters (RA-L)

Making Infeasible Tasks Feasible: Planning to Reconfigure Disconnected 3D Environments with Movable Objects

使不可行的任务可行：通过可移动物体重新配置断开的3D环境进行规划

Samarth Kalluraya, Yiannis Kantaros

机构 * Department of Electrical and Systems Engineering, Washington University in St. Louis（华盛顿大学圣路易斯分校电子工程与系统工程系） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出BRiDGE规划器，通过重新配置可移动物体解决断开3D环境中不可达目标区域的导航问题。

Rethinking Secure Semantic Communications in the Age of Generative and Agentic AI: Threats and Opportunities

在生成式和代理式AI时代重新思考安全语义通信：威胁与机遇

Shunpu Tang, Yuanyuan Jia, Zijiu Yang, Qianqian Yang, Ruichen Zhang, Jun Du, Jihong Park, Zhiguo Shi, Jiming Chen

专题命中 规划决策 ：agentic(title,abstract)

AI总结 本文探讨了生成式和代理式AI时代语义通信的安全与隐私挑战，分析了生成式AI和代理式AI对窃听威胁的影响，并提出设计隐私保护语义通信系统的机会。

LiCoMemory: Lightweight and Cognitive Agentic Memory for Efficient Long-Term Reasoning

LiCoMemory: 轻量级和认知代理记忆用于高效的长期推理

Zhengjun Huang, Zhoujin Tian, Qintian Guo, Fangyuan Zhang, Yingli Zhou, Di Jiang, Zeying Xie, Xiaofang Zhou

专题命中 规划决策 ：agentic(title,abstract)

AI总结 LiCoMemory通过轻量级分层图和时间感知检索提升长期对话推理效率和准确性

ReCode: Unify Plan and Action for Universal Granularity Control

ReCode：统一计划与行动以实现通用粒度控制

Zhaoyang Yu, Jiayi Zhang, Huixue Su, Yufan Zhao, Yifan Wu, Mingyi Deng, Jinyu Xiang, Yizhang Lin, Lingxiao Tang, Yuyu Luo, Bang Liu, Chenglin Wu

机构 * DeepWisdom ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Renmin University of China（中国人民大学） ； Zhejiang University（浙江大学） ； Université de Montréal & Mila（蒙特利尔大学及Mila） 纠错

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

AI总结 ReCode通过递归代码生成统一规划与行动，实现通用粒度控制，提升智能体在不同决策粒度上的灵活性和效率。

Causal-Enhanced AI Agents for Medical Research Screening

因果增强的医疗研究筛查AI代理

Duc Ngo, Arya Rahgoza

专题命中 规划决策 ：AI agent(title)；分类 cs.AI

AI总结 本文提出一种因果图增强的AI代理，用于医疗研究筛选，通过显式因果推理和双层知识图谱提升系统综述的准确性和可解释性。

Comments for submission to The 39th Canadian Conference on Artificial Intelligence

ProSoftArena: Benchmarking Hierarchical Capabilities of Multimodal Agents in Professional Software Environments

ProSoftArena：在专业软件环境中评估多模态智能体分层能力的基准测试

Jiaxin Ai, Yukang Feng, Fanrui Zhang, Jianwen Sun, Zizhen Li, Chuanhao Li, Yifan Chang, Wenxiao Wu, Ruoxi Wang, Mingliang Zhai, Kaipeng Zhang

机构 * Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Lab（上海人工智能实验室） 纠错

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

AI总结 ProSoftArena通过构建专业软件环境下的多模态智能体能力评估基准，揭示了智能体在复杂专业工作流任务中的性能瓶颈和改进方向。

ORPR: An OR-Guided Pretrain-then-Reinforce Learning Model for Inventory Management

ORPR：一种基于OR的预训练后再强化学习模型用于库存管理

Lingjie Zhao, Xue Yu, Yongzhi Qi, Hao Hu, Jianshen Zhang, Yingzheng Ma, Shuyu Han, Wei Qi, Zuo-Jun Max Shen

机构 * Department of Industrial Engineering, Tsinghua University（清华大学工业工程系） ； Supply Chain Tech Team Y, JD.com（京东供应链技术团队） ； Faculty of Engineering and Faculty of Business and Economics, The University of Hong Kong（香港大学工程学院和商学院） 纠错

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

AI总结 本文提出一种基于OR的预训练后再强化学习模型，通过结合领域知识和结构化优化逻辑，提升库存管理的决策效率与成本效益。

EComStage: Stage-wise and Orientation-specific Benchmarking for Large Language Models in E-commerce

EComStage：面向电商大语言模型的分阶段和方向特定基准测试

Kaiyan Zhao, Zijie Meng, Zheyong Xie, Jin Duan, Yao Hu, Zuozhu Liu, Shaosheng Cao

机构 * The University of Tokyo（东京大学） ； Zhejiang University（浙江大学） ； Xiaohongshu Inc.（小红书公司） 纠错

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

AI总结 EComStage提出一个分阶段和方向特定的电商大语言模型基准测试，评估LLM在感知、规划和行动阶段的表现，揭示不同规模和类型的模型在电商场景中的优势与不足。

Comments preprint

UltraLogic: Enhancing LLM Reasoning through Large-Scale Data Synthesis and Bipolar Float Reward

UltraLogic: 通过大规模数据合成和双极浮点奖励增强大语言模型推理

Yile Liu, Yixian Liu, Zongwei Li, Yufei Huang, Xinhua Feng, Zhichao Hu, Jinglu Hu, Jianfeng Yan, Fengzong Lian, Yuhong Liu

机构 * Hunyuan, Tencent（腾讯 Hunyuan） ； Waseda University（早稻田大学） 纠错

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

AI总结 UltraLogic通过大规模数据合成和双极浮点奖励机制，提升大语言模型的推理能力，强调任务多样性和难度匹配对训练效率的促进作用。

Comments 19 pages, 6 figures, 7 tables

Efficient Context Scaling with LongCat ZigZag Attention

高效上下文扩展与LongCat ZigZag注意力

Chen Zhang, Yang Bai, Jiahuan Li, Anchun Gui, Keheng Wang, Feifan Liu, Guanyu Wu, Yuwei Jiang, Defei Bu, Li Wei, Haihang Jing, Hongyin Tang, Xin Chen, Xiangzhou Huang, Fengcun Li, Rongxiang Weng, Yulei Qian, Yifan Lu, Yerui Sun, Jingang Wang, Yuchen Xie, Xunliang Cai

机构 * Meituan, China（美团，中国） 纠错

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

AI总结 LongCat ZigZag Attention通过稀疏化全注意力模型，提升长上下文处理效率，实现高效长期推理和代理能力。

Comments 10 pages, 3 figures, 3 tables

CMDAR: A Chinese Multi-scene Dynamic Audio Reasoning Benchmark with Diverse Challenges

CMDAR：一个包含多样挑战的中文多场景动态音频推理基准

Hui Li, Changhao Jiang, Hongyu Wang, Ming Zhang, Jiajun Sun, Zhixiong Yang, Yifei Cao, Shihan Dou, Xiaoran Fan, Baoyu Fan, Tao Ji, Tao Gui, Qi Zhang, Xuanjing Huang

机构 * College of Computer Science and Artificial Intelligence, Fudan University（计算机科学与人工智能学院，复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； IEIT Systems Co Ltd（IEIT系统有限公司） 纠错

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

AI总结 CMDAR是一个中文多场景动态音频推理基准，旨在评估模型在复杂音频推理任务中的表现，通过精心设计的问题-答案对和多样化音频片段，揭示现有音频语言模型在复杂推理任务中的局限性。

Comments 25 pages, 7 figures

Bridging the Plausibility-Validity Gap by Fine-Tuning a Reasoning-Enhanced LLM for Chemical Synthesis and Discovery

通过微调增强推理的LLM弥合合理性-有效性差距以用于化学合成与发现

Malikussaid, Hilal Hudan Nuha, Isman Kurniawan

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

AI总结 通过微调增强推理的LLM，提升化学合成与发现的合理性-有效性，实现高准确率和透明高效的方法。

Comments 8 pages, 1 equation, 5 tables, to be published in IEEE MCSoC 2025, unabridged version exists as arXiv:2507.07328v1

Journal ref Proc. 2025 IEEE 18th Int. Symp. Embedded Multicore/Many-core SoCs (MCSoC), 2025, pp. 538-545

ChemBART: A Pre-trained BART Model Assisting Organic Chemistry Analysis

ChemBART：一种用于有机化学分析的预训练BART模型

Kenan Li, Yijian Zhang, Jin Wang, Haipeng Gan, Zeying Sun, Xiaoguang Lei, Hao Dong

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

AI总结 ChemBART是一种基于SMILES的预训练模型，通过反应导向的预训练解决多种化学任务，提升合成规划效率。

Textual Explanations and Their Evaluations for Reinforcement Learning Policy

强化学习策略的文本解释及其评估

Ahmad Terra, Mohit Ahmed, Rafia Inam, Elena Fersman, Martin Törngren

机构 * Ericsson Research（爱立信研究） ； Ericsson AB（爱立信公司） ； KTH Royal Institute of Technology（皇家理工学院） ； Uppsala University（乌普萨拉大学） ； Global AI Accelerator（全球人工智能加速器） ； Ericsson Inc.（爱立信公司） 纠错

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

AI总结 本文提出了一种新的XRL框架，通过生成文本解释并转换为透明规则，提升解释质量并进行评估，以解决现有方法的局限性。

Less is more: Probabilistic reduction is best explained by small-scale predictability measures

少即是多：概率性缩减最好由小规模可预测性度量解释

Cassandra L. Jacobs, Andrés Buxó-Lugo, Anna K. Taylor, Marie Leopold-Hooke

机构 * Department of Linguistics, University at Buffalo（语言学系，布法罗大学） ； Department of Psychology, University at Buffalo（心理学系，布法罗大学） ； Department of Computer Science and Engineering, University at Buffalo（计算机科学与工程系，布法罗大学） 纠错

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

AI总结 本文探讨了语言模型概率与认知现象关系中所需上下文量，证明n-gram表示可作为认知规划的单位。

A High-Fidelity Digital Twin for Robotic Manipulation Based on 3D Gaussian Splatting

基于3D高斯点云的高保真机器人操作数字孪生

Ziyang Sun, Lingfan Bao, Tianhu Peng, Jingcheng Sun, Chengxu Zhou

机构 * Department of Computer Science, University College London（计算机科学系，伦敦大学学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出基于3D高斯点云的高保真数字孪生框架，通过语义融合和高效几何转换方法，实现快速、可靠的机器人操作

Comments Under review of Journal of Robot Learning

Lesion Segmentation in FDG-PET/CT Using Swin Transformer U-Net 3D: A Robust Deep Learning Framework

利用Swin Transformer U-Net 3D进行FDG-PET/CT病变分割：一种稳健的深度学习框架

Shovini Guha, Dwaipayan Nandi

机构 * Machine Learning (of Aff.) Institute of Engineering（人工智能与机器学习研究所） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出SwinUNet3D框架，结合Transformer与U-Net，实现FDG-PET/CT病变分割，提升分割精度与效率。

Comments 8 pages, 3 figures, 3 tables