AI Agent

From Values to Frameworks: A Qualitative Study of Ethical Reasoning in Agentic AI Practitioners

从价值到框架：关于代理AI从业者伦理推理的定性研究

Theodore Roberts, Bahram Zarrin

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

AI总结 本文通过定性研究揭示代理AI从业者在伦理推理中的三种框架：用户、设计和伦理，强调需管理这些框架以确保伦理结果。

Comments 10 pages, 2 charts, 1 heatmap

PROTEA: Securing Robot Task Planning and Execution

PROTEA：保障机器人任务规划与执行的安全性

Zainab Altaweel, Mohaiminul Al Nahian, Jake Juettner, Adnan Siraj Rakin, Shiqi Zhang

专题命中 规划决策 ：planning(title,abstract)

AI总结 PROTEA通过LLM-as-a-Judge机制评估机器人任务计划的安全性，解决维度和历史挑战，提升任务规划系统的鲁棒性和安全性。

A primer on treatment planning aspects for temporally modulated pulsed radiation therapy

脉冲时间调制放射治疗治疗计划方面的入门指南

Christian Velten, Adam Bayliss, Jiayi Huang, Wolfgang A. Tomé

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文介绍了时间调制脉冲放射治疗的治疗计划方法，强调了VMAT在优化剂量均匀性和适应性方面的优势，以及3D-CRT在提高治疗可及性方面的贡献。

A multi-objective mixed integer linear programming model for supply chain planning of 3D printing

面向3D打印供应链规划的多目标混合整数线性规划模型

Amirreza Talebi

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种多目标混合整数线性规划模型，用于优化3D打印供应链规划，旨在最小化生产提前和延迟，同时最大化机器利用率，并通过数值示例分析了最佳边选择对结果的影响。

Transporting a Dirac mass in a mean field planning problem

在均场规划问题中运输一个狄拉克质量

Pierre Cardaliaguet, Sebastian Munoz, Alessio Porretta

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文研究了初始密度为狄拉克质量的均场规划问题，证明了解的唯一性及自相似收敛性，并通过李雅普诺夫泛函分析解在初始时间附近的行为。

COVR:Collaborative Optimization of VLMs and RL Agent for Visual-Based Control

COVR：视觉控制中视觉语言模型与强化学习代理的协同优化

Canming Xia, Peixi Peng, Guang Tan, Zhan Su, Haoran Xu, Zhenxian Liu, Luntong Li

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

AI总结 COVR通过协同优化视觉语言模型与强化学习代理，利用RL生成数据提升VLM语义推理能力，并通过动作先验引导策略学习，实现视觉控制任务中的高效优化。

Comments The paper was accepted by the Fortieth AAAI Conference on Artificial Intelligence (AAAI-26)

On Angels and Demons: Strategic (De)Construction of Dynamic Models

关于天使与恶魔：动态模型的战略（破坏）构建

Davide Catta, Rustam Galimullin, Munyque Mittelmann

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

AI总结 本文提出三种逻辑用于研究动态图拓扑中策略的构建与破坏，探讨了其表达能力和模型检查复杂性。

Comments This is an extended version of the paper with the same title that will appear in the proceedings of AAMAS 2026. This version contains a technical appendix with proof details

Tool-Augmented Policy Optimization: Synergizing Reasoning and Adaptive Tool Use with Reinforcement Learning

工具增强的策略优化：通过强化学习协同推理与自适应工具使用

Wenxun Wu, Yuanyang Li, Guhan Chen, Linyue Wang, Hongyang Chen

专题命中 规划决策 ：tool use(title)；分类 cs.AI

AI总结 TAPO通过强化学习整合多跳推理与自适应工具调用，提升模型在知识密集型和计算密集型任务中的性能。

Adaptive Science Operations in Deep Space Missions Using Offline Belief State Planning

利用离线信念状态规划实现深空任务的自适应科学操作

Grace Ra Kim, Hailey Warner, Duncan Eddy, Evan Astle, Zachary Booth, Edward Balaban, Mykel J. Kochenderfer

机构 * Department of Aeronautics and Astronautics, Stanford University, Stanford, CA, 94305, USA（斯坦福大学航空航天系） ； Intelligent Systems Division, NASA Ames Research Center, Moffett Field, CA, 94035, USA（美国航空航天局阿姆斯研究中心智能系统分部） 纠错

专题命中 规划决策 ：planning(title)；分类 cs.AI

AI总结 本文提出基于POMDP的离线信念状态规划方法，用于深空任务中自适应科学仪器调度，通过整合贝叶斯网络提升数据可解释性与计算效率，并在Enceladus Orbilander任务中验证了其有效性。

Comments 7 pages, 4 tables, 5 figures, accepted in IEEE ISPARO 2025 (V2 - grammatical edits, also mispelled conference year)

Lost in the Noise: How Reasoning Models Fail with Contextual Distractors

陷入噪声中：推理模型在上下文干扰中的失败

Seongyun Lee, Yongrae Jo, Minju Seo, Moontae Lee, Minjoon Seo

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

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

AI总结 本文提出RARE方法，通过激励识别噪声中的有用信息，提升模型在上下文干扰下的鲁棒性，揭示增加计算量反而导致噪声环境下性能下降的反比例趋势。

Comments Preprint

TimeGNN-Augmented Hybrid-Action MARL for Fine-Grained Task Partitioning and Energy-Aware Offloading in MEC

时间图神经网络增强的混合动作多智能体强化学习用于MEC中的细粒度任务划分和能耗感知卸载

Wei Ai, Yun Peng, Yuntao Shou, Tao Meng, Keqin Li

机构 * College of Computer and Mathematics（计算机与数学学院） ； Central South University of Forestry and Technology（林业与技术中央南大学） ； Department of Computer Science（计算机科学系） ； State University of New York（纽约州立大学） 纠错

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

AI总结 本文提出TG-DCMADDPG算法，结合时间图神经网络和多智能体强化学习，优化MEC中的细粒度任务划分与能耗感知卸载。

GROKE: Vision-Free Navigation Instruction Evaluation via Graph Reasoning on OpenStreetMap

GROKE: 通过OpenStreetMap上的图推理进行无视觉导航指令评估

Farzad Shami, Subhrasankha Dey, Nico Van de Weghe, Henrikki Tenkanen

机构 * Aalto University（阿alto大学） ； Ghent University（根特大学） 纠错

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

AI总结 GROKE提出一种基于OpenStreetMap的无视觉导航指令评估框架，通过图推理和拓扑导航提升评估精度与可扩展性。

Comments Under Review for ACL 2026

NL2Dashboard: A Lightweight and Controllable Framework for Generating Dashboards with LLMs

NL2Dashboard: 一种轻量且可控的基于LLM生成仪表盘的框架

Boshen Shi, Kexin Yang, Yuanbo Yang, Guanguang Chang, Ce Chi, Zhendong Wang, Xing Wang, Junlan Feng

机构 * Jiutian Research, China Mobile（九天研究，中国移动） 纠错

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

AI总结 NL2Dashboard通过分析-呈现解耦原理，提出轻量可控的仪表盘生成框架，实现高效视觉质量和高可控性。

Automatic Question Generation for Intuitive Learning Utilizing Causal Graph Guided Chain of Thought Reasoning

利用因果图引导的推理链生成自动问题以促进直观学习

Nicholas X. Wang, Neel V. Parpia, Aaryan D. Parikh, Aggelos K. Katsaggelos

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

AI总结 本文提出利用因果图引导的推理链和多智能体架构，生成准确且符合课程要求的问题，以提高直观学习的效果。

Collab-Solver: Collaborative Solving Policy Learning for Mixed-Integer Linear Programming

Collab-Solver: 混合整数线性规划的协同求解策略学习

Siyuan Li, Yifan Yu, Zhihao Zhang, Mengjing Chen, Fangzhou Zhu, Tao Zhong, Peng Liu, Jianye Hao

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Huawei Noah's Ark Lab（华为诺亚实验室） 纠错

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

AI总结 Collab-Solver通过多智能体协同策略学习框架提升混合整数线性规划的求解效率和解质量。

SGDrive: Scene-to-Goal Hierarchical World Cognition for Autonomous Driving

SGDrive: 场景到目标层次化世界认知用于自动驾驶

Jingyu Li, Junjie Wu, Dongnan Hu, Xiangkai Huang, Bin Sun, Zhihui Hao, Xianpeng Lang, Xiatian Zhu, Li Zhang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Li Auto Inc.（利汽车公司） ； Tongji University（同济大学） ； University of Surrey（Surrey大学） 纠错

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

AI总结 SGDrive通过构建驾驶特定的知识层次结构，改进了视觉语言模型在自动驾驶中的轨迹规划能力，实现了在导航模拟基准上的最佳性能。

Bi-Mem: Bidirectional Construction of Hierarchical Memory for Personalized LLMs via Inductive-Reflective Agents

Bi-Mem: 通过归纳-反思代理双向构建层次化记忆以实现个性化大语言模型

Wenyu Mao, Haosong Tan, Shuchang Liu, Haoyang Liu, Yifan Xu, Huaxiang Ji, Xiang Wang

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

AI总结 Bi-Mem通过归纳-反思代理双向构建层次化记忆，解决对话噪声和记忆幻觉问题，提升个性化大语言模型的问答性能。

Credible Plan-Driven RAG Method for Multi-Hop Question Answering

可信计划驱动的RAG方法用于多跳问答

Ningning Zhang, Chi Zhang, Zhizhong Tan, Xingxing Yang, Weiping Deng, Wenyong Wang

机构 * Macau University of Science and Technology（澳门科学技术大学） 纠错

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

AI总结 PAR-RAG通过引入复杂性感知的计划生成和双验证机制，提升了多跳问答任务中的推理稳定性和事实一致性，实现了更可靠的问答性能。

Comments 24 pages, 7 figures

Neural Nonmyopic Bayesian Optimization in Dynamic Cost Settings

动态成本环境下的神经非短视贝叶斯优化

Sang T. Truong, Duc Q. Nguyen, Willie Neiswanger, Ryan-Rhys Griffiths, Stefano Ermon, Nick Haber, Sanmi Koyejo

机构 * Stanford University（斯坦福大学） ； National University of Singapore（新加坡国立大学） ； University of Southern California（南加州大学） ； FutureHouse, Inc.（FutureHouse公司） 纠错

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

AI总结 LookaHES通过整合神经策略，实现动态成本环境下的非短视贝叶斯优化，提升复杂决策空间中的长视图优化能力。

Comments 32 pages, 20 figures, 13 tables

DiFFPO: Training Diffusion LLMs to Reason Fast and Furious via Reinforcement Learning

DiFFPO：通过强化学习训练扩散大语言模型以快速且高效地推理

Hanyang Zhao, Dawen Liang, Wenpin Tang, David Yao, Nathan Kallus

机构 * Columbia University（哥伦比亚大学） ； Netflix 纠错

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

AI总结 DiFFPO通过强化学习训练扩散大语言模型，使其在推理速度和准确性上取得平衡，提升推理效率和性能。

LLM-based Zero-shot Triple Extraction for Automated Ontology Generation from Software Engineering Standards

基于大型语言模型的零样本三元组提取用于从软件工程标准自动生成本体

Songhui Yue

机构 * Computer Science Department（计算机科学系） ； Charleston Southern University（查尔斯顿南方大学） 纠错

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

AI总结 本文提出基于LLM的零样本三元组提取方法，用于从软件工程标准中自动生成本体，通过改进的工作流程和专家标注集验证了其有效性。

Comments Semantic Data Integration Workshop, held in conjunction with IEEE International Conference on Semantic Computing (IEEE ICSC 2026), accepted, 2026

Can Prompt Difficulty be Online Predicted for Accelerating RL Finetuning of Reasoning Models?

能否在线预测提示难度以加速推理模型的强化学习微调？

Yun Qu, Qi Wang, Yixiu Mao, Vincent Tao Hu, Björn Ommer, Xiangyang Ji

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 本研究提出MoPPS框架，通过贝叶斯方法在线预测提示难度，从而加速推理模型的强化学习微调过程。

On the universal definition of intelligence

关于智能的普遍定义

Joseph Chen

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

AI总结 本文提出扩展预测假说（EPH）作为人类和人工智能智能的普遍定义，通过区分预测能力并引入可获性概念，统一解释智能的多个方面。

Heterogeneous Multi-Expert Reinforcement Learning for Long-Horizon Multi-Goal Tasks in Autonomous Forklifts

异质多专家强化学习用于自主叉车的长周期多目标任务

Yun Chen, Bowei Huang, Fan Guo, Kang Song

机构 * State Key Laboratory of Engines, Tianjin University（天津大学内燃机状态重点实验室） 纠错

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

AI总结 HMER通过异质多专家强化学习框架，有效解决自主叉车在长周期多目标任务中的导航与操作冲突问题，提升任务成功率和操作效率。

Comments 9 pages

Benchmarking Autonomy in Scientific Experiments: A Hierarchical Taxonomy for Autonomous Large-Scale Facilities

在科学实验中评估自主性：为大规模用户设施设计的分层分类法

James Le Houx

机构 * University of Greenwich, Old Royal Naval College, Park Row, London, SE10 9LS, United Kingdom（格林威治大学，皇家海军学院，伦敦公园行，SE10 9LS，英国） ； ISIS Neutron & Muon Source, Rutherford Appleton Laboratory, Didcot, OX11 0QX, United Kingdom（ISIS中子与穆子源，拉瑟福德-苹果顿实验室，迪茨，OX11 0QX，英国） ； The Faraday Institution, Harwell Science and Innovation Campus, Didcot, OX11 0RA, United Kingdom（法拉第机构，哈威尔科学与创新校园，迪茨，OX11 0RA，英国） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 本文提出BASE分级，为大规模用户设施设计的分层分类法，旨在解决自主科学中的零样本部署与推理障碍问题，提供标准化评估实验工作流智能的指标。

Comments 12 pages, 2 figures, 2 tables

Fuzzy-Logic and Deep Learning for Environmental Condition-Aware Road Surface Classification

模糊逻辑与深度学习用于环境感知的路面分类

Mustafa Demetgul, Sanja Lazarova Molnar

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

AI总结 本文提出利用模糊逻辑和深度学习方法，基于天气和时间信息对道路表面进行分类，达到95%以上的准确率。

Comments This paper has been withdrawn by the authors because the manuscript was submitted before all authors reached a final agreement on the content and readiness of the work. The paper should not be cited

Agile Tradespace Exploration for Space Rendezvous Mission Design via Transformers

通过变换器实现空间交汇任务设计的敏捷贸易空间探索

Yuji Takubo, Daniele Gammelli, Marco Pavone, Simone D'Amico

机构 * Dept. of Aeronautics & Astronautics Stanford University（航空与航天系 斯坦福大学） 纠错

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

AI总结 本文提出基于变换器的框架，实现快速生成多目标交汇任务的帕累托最优轨迹，提升任务设计效率与灵活性。

Comments 14 pages, 7 figures

Learning Minimally-Congested Drive Times from Sparse Open Networks: A Lightweight RF-Based Estimator for Urban Roadway Operations

从稀疏开放网络中学习最小拥堵行驶时间：一种轻量级基于射频的估计器用于城市道路运营

Adewumi Augustine Adepitan, Christopher J. Haruna, Morayo Ogunsina, Damilola Olawoyin Yussuf, Ayooluwatomiwa Ajiboye

机构 * Sid and Reva Dewberry Department of Civil, Environmental, and Infrastructure Engineering, George Mason University, 4400 University Dr, Fairfax, VA 22030, USA（Sid和Reva Dewberry土木、环境与基础设施工程系，乔治·马歇尔大学） ； Brussels Research and Innovation Center for Green Technologies (BRING VZW), Brussels, Belgium（布鲁塞尔绿色技术研究与创新中心（BRING VZW）） ； Department of Computer Science, George Mason University, Fairfax, VA 22030, USA（计算机科学系，乔治·马歇尔大学） ； Department: Electrical engineering, KFUPM（电子工程系，科威特石油大学） 纠错

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

AI总结 本文提出一种基于射频的轻量级估计器，用于从稀疏开放网络中学习最小拥堵行驶时间，通过整合道路网络数据和稀疏操作特征，提升交通预测的准确性和实用性。

A Recommendation System-Based Framework for Enhancing Human-Machine Collaboration in Industrial Timetabling Rescheduling: Application in Preventive Maintenance

基于推荐系统的工业时间表重排增强人机协作框架：预防性维护的应用

Kévin Ducharlet, Liwen Zhang, Sara Maqrot, Houssem Saidi

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

AI总结 本文提出基于推荐系统的框架，用于提升工业时间表重排中的人机协作效率，通过九个实际案例验证启发式方法在平衡解决方案质量和计算时间方面的效果。

Journal ref 26th IFIP WG 5.5 SOCOLNET Working Conference on Virtual Enterprises, PRO-VE 2025, Oct 2025, Porto, Portugal. pp.363-381

A Review of Urban Resilience Frameworks: Transferring Knowledge to Enhance Pandemic Resilience

城市韧性框架综述：将知识转移以增强大流行病韧性

Yue Sun, Ryan Weightman, Anye Shi, Timur Dogan, Samitha Samaranayake

专题命中 规划决策 ：planning(abstract,comments)

AI总结 本文综述城市韧性框架，探讨城市形态与大流行病韧性关系，提出理论与定量方法结合的分析，以提升城市应对未来危机的能力。

Comments Urban resilience, urban form, pandemic resilience, COVID-19, urban planning, analysis frameworks