AI Agent

Project Synapse: A Hierarchical Multi-Agent Framework with Hybrid Memory for Autonomous Resolution of Last-Mile Delivery Disruptions

Project Synapse：一种具有混合记忆的分层多智能体框架，用于自主解决最后一公里配送中断

Arin Gopalan Yadav, Varad Dherange, Kumar Shivam

机构 * Department of Computer Science Engineering（计算机科学与工程系） ； Vellore Institite of Technology University（韦洛尔理工学院） 纠错

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

AI总结 Project Synapse通过混合记忆的分层多智能体框架，实现对最后一公里配送中断的自主解决，利用LangGraph管理复杂工作流，并通过基准数据集和LLM-as-a-Judge协议验证性能。

Comments We propose and evaluate a hierarchical LLM-driven multi-agent framework for adaptive disruption management in last-mile logistics, integrating planning, coordination, and natural-language reasoning. The system is validated through simulation-based experiments and qualitative analysis. Includes figures and tables. 33 pages

D$^2$Plan: Dual-Agent Dynamic Global Planning for Complex Retrieval-Augmented Reasoning

D$^2$Plan: 双智能体动态全局规划用于复杂检索增强推理

Kangcheng Luo, Tinglang Wu, Yansong Feng

机构 * Peking University（北京大学） 纠错

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

AI总结 D$^2$Plan通过双智能体协作提升复杂检索增强推理的连贯性和抗干扰能力。

RAGShaper: Eliciting Sophisticated Agentic RAG Skills via Automated Data Synthesis

RAGShaper: 通过自动化数据合成激发复杂的代理RAG技能

Zhengwei Tao, Bo Li, Jialong Wu, Guochen Yan, Huanyao Zhang, Jiahao Xu, Haitao Mi, Wentao Zhang

机构 * Peking University（北京大学） ； Tencent AI Lab（腾讯人工智能实验室） 纠错

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

AI总结 RAGShaper通过自动化数据合成构建高质量RAG任务和代理轨迹，提升模型在复杂检索任务中的鲁棒性。

AgriAgent: Contract-Driven Planning and Capability-Aware Tool Orchestration in Real-World Agriculture

AgriAgent：面向现实农业的合同驱动规划与能力感知工具编排

Bo Yang, Yu Zhang, Yunkui Chen, Lanfei Feng, Xiao Xu, Nueraili Aierken, Shijian Li

机构 * State Key Laboratory of Brain–Machine Intelligence（脑机智能国家重点实验室） ； College of Computer Science and Technology, Zhejiang University（计算机科学与技术学院，浙江大学） 纠错

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

AI总结 AgriAgent通过合同驱动规划和能力感知工具编排，提升现实农业中复杂任务的执行成功率和鲁棒性。

MemoBrain: Executive Memory as an Agentic Brain for Reasoning

MemoBrain: 作为推理代理的执行记忆脑

Hongjin Qian, Zhao Cao, Zheng Liu

机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） 纠错

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

AI总结 MemoBrain通过构建依赖感知的记忆模型，实现对长周期推理轨迹的显式认知控制，提升工具增强代理的推理连贯性和任务对齐性。

Comments Our codes are in https://github.com/qhjqhj00/MemoBrain

GraphSearch: Agentic Search-Augmented Reasoning for Zero-Shot Graph Learning

GraphSearch: 基于代理的搜索增强推理用于零样本图学习

Jiajin Liu, Yuanfu Sun, Dongzhe Fan, Qiaoyu Tan

机构 * Department of Computer Science, New York University (Shanghai)（计算机科学系，纽约大学（上海）） 纠错

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

AI总结 GraphSearch通过图感知查询规划器和检索器实现零样本图学习，无需任务特定微调，提升图结构推理效率。

Comments 16 pages, 5 pages

Sparsity Is Necessary: Polynomial-Time Stability for Agentic LLMs in Large Action Spaces

稀疏性是必要的：大规模动作空间中代理LLM的多项式时间稳定性

Angshul Majumdar

机构 * Angshul Majumdar（独立研究者） 纠错

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

AI总结 研究提出稀疏代理控制框架，通过多项式时间稳定性理论解决大规模动作空间中LLM的稀疏性问题，证明稀疏表示在策略学习中的有效性及密集策略类的样本需求。

UNCAP: Uncertainty-Guided Neurosymbolic Planning Using Natural Language Communication for Cooperative Autonomous Vehicles

UNCAP：基于自然语言通信的不确定性引导神经符号规划

Neel P. Bhatt, Po-han Li, Kushagra Gupta, Rohan Siva, Daniel Milan, Alexander T. Hogue, Sandeep P. Chinchali, David Fridovich-Keil, Zhangyang Wang, Ufuk Topcu

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 UNCAP通过自然语言通信和不确定性引导方法，提升多车辆协同自动驾驶系统的可扩展性和安全性。

Journal ref AAMAS 2026

COSINT-Agent: A Knowledge-Driven Multimodal Agent for Chinese Open Source Intelligence

COSINT-Agent: 一种面向中文开源情报的知识驱动多模态智能体

Wentao Li, Congcong Wang, Xiaoxiao Cui, Zhi Liu, Wei Guo, Lizhen Cui

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

AI总结 COSINT-Agent通过整合多模态大语言模型与实体-事件-场景知识图谱，提升中文开源情报的多模态推理能力与情报生成效率。

Comments This manuscript (arXiv:2503.03215) is being withdrawn at the supervisor's request. The content is preliminary and needs further internal revision and approval before public release. We will resubmit a revised version after completion. Apologies for the inconvenience

From Agent-Based Markov Dynamics to Hierarchical Closures on Networks: Emergent Complexity and Epidemic Applications

从基于代理的马尔可夫动力学到网络上的分层闭合：涌现的复杂性与流行病应用

A. Y. Klimenko, A. Rozycki, Y. Lu

专题命中 规划决策 ：agent(title,abstract)

AI总结 本文提出了一种基于代理的SIR流行病动态模型，通过马尔可夫过程和分层闭合方法分析网络中的随机传播，探讨了网络拓扑和系统复杂性对流行病传播的影响。

Comments 22 pages, 10 figures

Journal ref Entropy 2026, 28(1), 63

Hybrid Centralized Distributed Control for Lifelong MAPF over Wireless Connections

混合集中式分布式控制用于无线连接下的终身MAPF

Jinghao Cao, Wanchun Liu, Yonghui Li, Branka Vucetic

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

AI总结 本文提出了一种混合集中式-分布式控制方案，用于解决无线连接下的终身MAPF问题，通过集中式云策略和机载GRU策略相结合，提高通信效率和路径规划安全性。

Comments 11pages, 9 figures

Contact-aware Path Planning for Autonomous Neuroendovascular Navigation

具有接触意识的自主神经内血管导航路径规划

Aabha Tamhankar, Ron Alterovitz, Ajit S. Puri, Giovanni Pittiglio

机构 * FuTURE Lab, Department of Robotics Engineering, Worcester Polytechnic Insitute (WPI)（沃思彻斯特理工学院未来实验室） ； Department of Computer Science, University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校计算机科学系） ； UMass Memorial Medical Center（马萨诸塞州纪念医疗中心） 纠错

专题命中 规划决策 ：planning(title)

AI总结 本文提出了一种高效的接触意识路径规划方法，用于自主神经内血管导航，实现了快速且精确的路径计算，具有亚毫米级的跟踪精度。

Comments 8 pages, 7 figures, IROS(R-AL)

Executable Ontologies in Game Development: From Algorithmic Control to Semantic World Modeling

可执行本体在游戏开发中的应用：从算法控制到语义世界建模

Alexander Boldachev

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

AI总结 本文提出利用可执行本体实现游戏开发中的语义世界建模，通过数据流条件实现任务中断，解决传统AI架构中的语义-过程鸿沟。

Comments 25 pages, 6 figures

Structured Debate Improves Corporate Credit Reasoning in Financial AI

结构化辩论提升金融AI中的企业信用推理

Yoonjin Lee, Munhee Kim, Hanbi Choi, Juhyeon Park, Seungho Lyoo, Woojin Park

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

AI总结 结构化辩论系统在金融AI中通过提升企业信用推理的严谨性和实用性，展示了更深入的分析能力，尽管计算时间较长。

Comments 18 pages, 4 figures, 2 algorithms, 2 tables, 4 appendices

VLingNav: Embodied Navigation with Adaptive Reasoning and Visual-Assisted Linguistic Memory

VLingNav：基于适应性推理和视觉辅助语言记忆的具身导航

Shaoan Wang, Yuanfei Luo, Xingyu Chen, Aocheng Luo, Dongyue Li, Chang Liu, Sheng Chen, Yangang Zhang, Junzhi Yu

机构 * Peking University（北京大学） ； Zhongguancun Academy（中关村学院） 纠错

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

AI总结 VLingNav通过引入适应性推理和视觉辅助语言记忆，实现了复杂具身导航任务中的高效导航与泛化能力。

Comments Project page: https://wsakobe.github.io/VLingNav-web/

JudgeRLVR: Judge First, Generate Second for Efficient Reasoning

JudgeRLVR: 先判后生成以实现高效推理

Jiangshan Duo, Hanyu Li, Hailin Zhang, Yudong Wang, Sujian Li, Liang Zhao

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，计算机学院，北京大学） ； CFCS, School of Computer Science, Peking University（计算机学院，北京大学） ； LLM-Core Xiaomi（小智LLM核心） 纠错

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

AI总结 JudgeRLVR通过先判后生成的双阶段方法，提升大型语言模型在数学领域内的推理效率与准确性。

Comments 16 pages, 5 figures

An Axiomatic Approach to General Intelligence: SANC(E3) -- Self-organizing Active Network of Concepts with Energy E3

一般智能的公理方法：SANC(E3) -- 具有能量E3的自组织概念网络

Daesuk Kwon, Won-gi Paeng

机构 * Hyntel, Inc.（Hyntel公司） 纠错

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

AI总结 SANC(E3)通过公理框架实现一般智能，统一感知、想象、预测等过程，基于能量函数E3的最小化。

Comments 20 pages, 3 tables

Autonomous Materials Exploration by Integrating Automated Phase Identification and AI-Assisted Human Reasoning

通过整合自动化相识别和AI辅助的人类推理实现自主材料探索

Ming-Chiang Chang, Maximilian Amsler, Duncan R. Sutherland, Sebastian Ament, Katie R. Gann, Lan Zhou, Louisa M. Smieska, Arthur R. Woll, John M. Gregoire, Carla P. Gomes, R. Bruce van Dover, Michael O. Thompson

机构 * Department of Materials Science and Engineering, Cornell University, Ithaca, NY 14853, United States（材料科学与工程系，康奈尔大学，Ithaca, NY 14853, United States） ； Department of Computer Science, Cornell University, Ithaca, NY 14853, United States（计算机科学系，康奈尔大学，Ithaca, NY 14853, United States） ； Joint Center for Artificial Photosynthesis, California Institute of Technology, Pasadena, CA 91125（人工光合作研究中心，加州理工学院，Pasadena, CA 91125） ； Cornell High Energy Synchrotron Source, Cornell University, Ithaca, NY 14850, United States（康奈尔高能同步辐射源，康奈尔大学，Ithaca, NY 14850, United States） 纠错

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

AI总结 通过整合自动化相识别和AI辅助的人类推理，实现自主材料探索，提升材料合成效率和发现新材料的能力。

Comments Main manuscript: 21 pages(including references), 6 figures. Supplementary Information: 12 pages, 9 figures, 1 table

Complexity of Faceted Explanations in Propositional Abduction

命题反向推理中分面解释的复杂性

Johannes Schmidt, Mohamed Maizia, Victor Lagerkvist, Johannes K. Fichte

机构 * Jönköping University（约克ping大学） ； Jönköping University, Linköping University（约克ping大学、林克比大学） ； Linköping University（林克比大学） 纠错

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

AI总结 本文研究了命题反向推理中分面解释的复杂性，提出通过分面分析来更细致地理解解释的异质性，并在Post框架中实现了几乎完全的刻画。

Comments This is the author's self-archived copy including detailed proofs. To appear in Theory and Practice of Logic Programming (TPLP), Proceedings of the 41st International Conference on Logic Programming (ICLP 2025)

Journal ref Theory and Practice of Logic Programming 25 (2025) 775-793

Learning from Demonstrations via Capability-Aware Goal Sampling

通过能力感知的目标采样学习示范

Yuanlin Duan, Yuning Wang, Wenjie Qiu, He Zhu

机构 * Rutgers University（罗格斯大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 Cago通过动态跟踪智能体能力，选择略高于当前能力的目标，提升学习效率和性能。

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

Journal ref 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

CoMa: Contextual Massing Generation with Vision-Language Models

CoMa：基于视觉-语言模型的上下文体量生成

Evgenii Maslov, Valentin Khrulkov, Anastasia Volkova, Anton Gusarov, Andrey Kuznetsov, Ivan Oseledets

机构 * FusionBrain Lab（融合大脑实验室） ； Innopolis University（因诺普里斯大学） ； Institute of Numerical Mathematics（数值数学研究所） 纠错

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

AI总结 CoMa提出基于视觉-语言模型的自动化框架，生成基于功能需求和场地背景的建筑体量，引入CoMa-20K数据集并验证了VLMs在生成上下文敏感体量选项中的潜力。

Comments Code and dataset will be released later

Exploiting DINOv3-Based Self-Supervised Features for Robust Few-Shot Medical Image Segmentation

利用基于DINOv3的自监督特征进行鲁棒的小样本医学图像分割

Guoping Xu, Jayaram K. Udupa, Weiguo Lu, You Zhang

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

AI总结 本文提出DINO-AugSeg框架，利用DINOv3特征结合小波域增强和上下文融合，提升小样本医学图像分割的鲁棒性。

Comments 36 pages, 11 figures

Rethinking Recurrent Neural Networks for Time Series Forecasting: A Reinforced Recurrent Encoder with Prediction-Oriented Proximal Policy Optimization

重新思考用于时间序列预测的循环神经网络：一种面向预测的强化编码器

Xin Lai, Shiming Deng, Lu Yu, Yumin Lai, Shenghao Qiao, Xinze Zhang

机构 * School of Management, Huazhong University of Science and Technology（华中科技大学管理学院） ； Center for Applied Mathematics, École des Ponts ParisTech（巴黎高等理工学院应用数学中心） ； School of Mechanical Engineering, Dalian Jiaotong University（大连交通大学机械工程学院） ； School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出RRE-PPO4Pred方法，通过强化编码器和改进的PPO算法提升时间序列预测的准确性和模型能力。

Symbolic Learning of Interpretable Reduced-Order Models for Jumping Quadruped Robots

符号学习可解释的降阶模型用于跳跃四足机器人

Gioele Buriani, Jingyue Liu, Maximilian Stölzle, Cosimo Della Santina, Jiatao Ding

机构 * Department of Cognitive Robotics, Delft University of Technology（认知机器人学系，代尔夫特理工大学） ； Computer Science and Artificial Intelligence Laboratory (CSAIL), Massachusetts Institute of Technology（计算机科学与人工智能实验室（CSAIL），麻省理工学院） ； Institute of Robotics and Mechatronics, German Aerospace Center (DLR)（机器人与机电研究所，德国航空航天中心（DLR）） ； Department of Industrial Engineering, University of Trento（工业工程系，特伦托大学） 纠错

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

AI总结 本文提出结合线性自编码器和符号回归的方法，用于自动学习可解释的降阶模型，以提升四足机器人跳跃任务的性能。

Comments 8 pages

Journal ref IFAC Journal of Systems and Control, Volume 35, 2026, Page 100360, ISSN 2468-6018,

Interactive and Hybrid Imitation Learning: Provably Beating Behavior Cloning

交互式和混合模仿学习：可证明地超越行为克隆

Yichen Li, Chicheng Zhang

机构 * University of Arizona（亚利桑那大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 本文提出Warm Stagger方法，证明在按状态计算注释成本时，交互式和混合模仿学习可超越传统行为克隆方法。

Comments 42 pages, Accepted by NeurIPS 2025

The case for an Astrometric Mission Extension of Euclid. Extending Gaia by 6 magnitudes with Euclid covering one-third of the sky

欧几里得任务的测光任务扩展案。通过欧几里得覆盖三分之一天空，将Gaia的观测精度提升6个星等

Luigi "Rolly'' BEDIN

专题命中 规划决策 ：planning(abstract)

AI总结 通过欧几里得任务覆盖三分之一天空，将Gaia的观测精度提升6个星等，以获得更精确的恒星视差运动测量。

Comments 10(+App.2) pages, 3(+App.1) low-res. figures. Accepted for publication on Astronomy & Astrophysics (A&A) on 27th October 2025. Manuscript ID: AA57407-25. Comments are welcome

Journal ref A&A 704, A193 (2025)

A CASP-based Solution for Traffic Signal Optimisation

基于CASP的交通信号优化解决方案

Alice Tarzariol, Marco Maratea, Mauro Vallati

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出基于CASP的交通信号优化方法，通过编码和clingcon 3求解，实验证明其在提升解决方案质量方面的潜力。

Comments To appear in Theory and Practice of Logic Programming (TPLP), Proceedings of ICLP 2025

Journal ref Theory and Practice of Logic Programming 25 (2025) 794-812

Percentile-based probabilistic optimization for systematic and random uncertainties in radiation therapy

基于百分位的概率优化用于放疗中的系统性和随机不确定性

Albin Fredriksson, Erik Engwall, Jenneke de Jong, Johan Sundström

专题命中 规划决策 ：planning(abstract)

AI总结 本研究提出一种基于百分位的概率优化框架，用于提高放疗中目标覆盖与危及器官保护的平衡，通过显式控制临床目标满足概率，提升治疗效果。

Comments 15 pages, 5 figures

Cities at Play: Improving Equilibria in Urban Neighbourhood Games

城市中的游戏：在城市邻里游戏中改善均衡

Martin Gairing, Adrian Vetta, Zhanzhan Zhao

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种通过精心设计的小规模投资来改善城市邻里游戏均衡的方法，证明了通过调整效用函数可以提高社会福利。

Effective outdoor pathloss prediction: A multi-layer segmentation approach with weighting map

有效户外路径损耗预测：一种多层分割方法与加权地图

Yuan Gao, Tao Wen, Wenjing Xie, Jianbo Du, Yong Zeng, Dusit Niyato, Shugong Xu

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种基于 ResNet 的多层分割方法与加权地图，用于有效预测户外路径损耗，实验表明其在精度和计算效率上优于现有方法。