AI Agent

AstroReason-Bench: Evaluating Unified Agentic Planning across Heterogeneous Space Planning Problems

AstroReason-Bench: 评估跨异构空间规划问题的统一代理规划

Weiyi Wang, Xinchi Chen, Jingjing Gong, Xuanjing Huang, Xipeng Qiu

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

AI总结 AstroReason-Bench通过评估代理在复杂空间规划问题中的表现，揭示了通用规划在现实约束下的局限性。

CTHA: Constrained Temporal Hierarchical Architecture for Stable Multi-Agent LLM Systems

CTHA：用于稳定多智能体大语言模型系统的约束时间层次架构

Percy Jardine

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

AI总结 CTHA通过约束时间层次架构提升多智能体系统稳定性，减少故障级联并提高样本效率。

Towards Reliable ML Feature Engineering via Planning in Constrained-Topology of LLM Agents

通过LLM代理的受限拓扑规划实现可靠的机器学习特征工程

Himanshu Thakur, Anusha Kamath, Anurag Muthyala, Dhwani Sanmukhani, Smruthi Mukund, Jay Katukuri

机构 * Meta Menlo Park, CA（Meta 洛杉矶公园分校） ； JPMorgan Chase & Co.（摩根大通公司） 纠错

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

AI总结 本文提出了一种基于LLM代理的受限拓扑规划框架，通过多步骤生成代码提升特征工程的可靠性与效率，实验显示在数据集和实际应用中均取得显著改进。

Modular and Mobile Capacity Planning for Hyperconnected Supply Chain Networks

模块化与移动能力规划用于超连接供应链网络

Xiaoyue Liu, Walid Klibi, Benoit Montreuil

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出DSMMCP问题，通过模块化和移动能力规划提升供应链韧性，实现成本节约和可持续性。

Generative Scenario Rollouts for End-to-End Autonomous Driving

生成场景回放用于端到端自动驾驶

Rajeev Yasarla, Deepti Hegde, Shizhong Han, Hsin-Pai Cheng, Yunxiao Shi, Meysam Sadeghigooghari, Shweta Mahajan, Apratim Bhattacharyya, Litian Liu, Risheek Garrepalli, Thomas Svantesson, Fatih Porikli, Hong Cai

机构 * Qualcomm AI Research（高通人工智能研究） 纠错

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

AI总结 GeRo通过自回归回放策略，结合规划与生成，提升自动驾驶系统的长期推理和多代理规划能力。

Cooperative UAVs for Remote Data Collection under Limited Communications: An Asynchronous Multiagent Learning Framework

协同无人机在有限通信下的远程数据采集：一种异步多智能体学习框架

Cuong Le, Symeon Chatzinotas, Thang X. Vu

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

AI总结 本文提出一种异步多智能体学习框架，用于解决有限通信下无人机协同数据采集的轨迹和带宽分配优化问题，提升能效和任务完成效率。

Comments Accepted to IEEE Transactions on Wireless Communications

Approximately Optimal Global Planning for Contact-Rich SE(2) Manipulation on a Graph of Reachable Sets

近似最优的接触丰富SE(2)操作在可达集图上的全局规划

Simin Liu, Tong Zhao, Bernhard Paus Graesdal, Peter Werner, Jiuguang Wang, John Dolan, Changliu Liu, Tao Pang

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人学院） ； Robotics and AI Institute（机器人与人工智能研究所） ； CSAIL, Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室） 纠错

专题命中 规划决策 ：planning(title)；分类 cs.AI

AI总结 本文提出了一种近似最优的接触丰富SE(2)操作全局规划方法，通过构建可达集图实现高效运动规划，显著提升了任务效率和成功率。

Comments 17 pages, 14 figures; under submission to IEEE Transactions on Robotics

Reasoning Models Generate Societies of Thought

推理模型生成思想社会

Junsol Kim, Shiyang Lai, Nino Scherrer, Blaise Agüera y Arcas, James Evans

机构 * Google, Paradigms of Intelligence Team（谷歌，智能范式团队） ； University of Chicago（芝加哥大学） ； Santa Fe Institute（圣达菲研究所） 纠错

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

AI总结 推理模型通过模拟多代理互动生成思想社会，提升推理准确性与多样性，揭示了社会结构对问题解决的促进作用。

Probabilistic Mission Design for Neuro-Symbolic Unmanned Aircraft Systems

基于概率的方法用于神经符号无人机系统任务设计

Simon Kohaut, Benedict Flade, Daniel Ochs, Devendra Singh Dhami, Julian Eggert, Kristian Kersting

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

AI总结 本文提出概率任务设计（ProMis）方法，结合神经符号技术，用于在法律框架内导航无人驾驶航空器，通过混合概率逻辑程序和机器学习模型提升任务规划的可靠性和适应性。

Comments arXiv admin note: text overlap with arXiv:2406.03454

Policy alone is probably not the solution: A large-scale experiment on how developers struggle to design meaningful end-user explanations

仅靠政策可能不是解决办法：一项大规模实验，探讨开发者在设计有意义的终端用户解释时的困难

Nadia Nahar, Zahra Abba Omar, Jacob Tjaden, Inès M. Gilles, Fikir Mekonnen, Erica Okeh, Jane Hsieh, Christian Kästner, Alka Menon

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Yale University（耶鲁大学） ； Colby College（科尔比学院） ； Howard University（霍华德大学） ； Department of Sociology, Yale University（社会学系，耶鲁大学） 纠错

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

AI总结 研究发现，仅靠政策无法有效提升开发者设计面向终端用户的解释能力，需结合培训、工具和支持。

AviationLMM: A Large Multimodal Foundation Model for Civil Aviation

AviationLMM：民用航空的大规模多模态基础模型

Wenbin Li, Jingling Wu, Xiaoyong Lin. Jing Chen, Cong Chen

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

AI总结 AviationLMM旨在通过统一民用航空的异构数据流，提升航空安全与效率，推动可信且隐私保护的航空人工智能生态系统发展。

Comments Accepted by 2025 7th International Conference on Interdisciplinary Computer Science and Engineering (ICICSE 2025), Chongqing, China; 9 pages,1 figure,5 tables

Dynamics-Aligned Latent Imagination in Contextual World Models for Zero-Shot Generalization

情境世界模型中的动态对齐潜在想象用于零样本泛化

Frank Röder, Jan Benad, Manfred Eppe, Pradeep Kr. Banerjee

机构 * Institute for Data Science Foundations（数据科学基础研究所） 纠错

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

AI总结 DALI通过动态对齐潜在想象在情境世界模型中实现零样本泛化，通过自监督编码器预测前向动力学，连接感知与控制，提升情境适应能力。

Comments 36 pages, 6 figures, accepted to NeurIPS 2025

Value Improved Actor Critic Algorithms

价值改进的Actor-Critic算法

Yaniv Oren, Moritz A. Zanger, Pascal R. van der Vaart, Mustafa Mert Celikok, Matthijs T. J. Spaan, Wendelin Bohmer

机构 * Delft University of Technology（代尔夫特理工大学） ； University of Southern Denmark（南部丹麦大学） ； Department of Intelligent Systems（智能系统系） 纠错

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

AI总结 本文提出一种解耦策略与批评者评估策略的Actor-Critic算法，通过价值改进提升性能，适用于不同环境且计算成本低。

DecoupledESC: Enhancing Emotional Support Generation via Strategy-Response Decoupled Preference Optimization

解耦ESC：通过策略-回应解耦的偏好优化增强情感支持生成

Chao Zhang, Xin Shi, Xueqiao Zhang, Yifan Zhu, Yi Yang, Yawei Luo

机构 * Zhejiang University（浙江大学） 纠错

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

AI总结 本文提出了解耦ESC框架，通过策略-回应解耦的偏好优化方法，提升情感支持生成的质量与准确性。

Policy-Based Deep Reinforcement Learning Hyperheuristics for Job-Shop Scheduling Problems

基于策略的深度强化学习超启发式方法用于作业车间调度问题

Sofiene Lassoued, Asrat Gobachew, Stefan Lier, Andreas Schwung

机构 * South Westphalia University of Applied Sciences（西南菲利斯大学应用科学学院） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 本文提出基于策略的深度强化学习超启发式方法，通过动作预过滤和承诺机制优化作业车间调度，实验表明其优于传统方法和神经网络调度方法。

Sparse Data Tree Canopy Segmentation: Fine-Tuning Leading Pretrained Models on Only 150 Images

稀疏数据树冠分割：仅在150张图像上微调预训练模型

David Szczecina, Hudson Sun, Anthony Bertnyk, Niloofar Azad, Kyle Gao, Lincoln Linlin Xu

机构 * University of Waterloo（滑铁卢大学） ； University of Calgary（卡尔加里大学） 纠错

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

AI总结 本文评估了五种模型在低数据下的树冠分割表现，发现卷积模型在小数据情况下表现更优，而Transformer模型因数据需求高和任务差异表现欠佳。

Comments 4 pages, 2 figures

ARC Prize 2025: Technical Report

ARC 2025奖项：技术报告

François Chollet, Mike Knoop, Gregory Kamradt, Bryan Landers

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

AI总结 本文探讨了ARC-AGI-2基准竞赛中精炼循环对AGI进展的作用，分析了当前AI推理的局限性，并预览了ARC-AGI-3的交互推理挑战。

Sensor Placement for Urban Traffic Interpolation: A Data-Driven Evaluation to Inform Policy

城市交通插值中的传感器布置：一种数据驱动的评估以指导政策

Silke K. Kaiser

机构 * Data Science Lab, Hertie School（赫尔特学校数据科学实验室） ； Centre for Sustainability, Hertie School（赫尔特学校可持续发展中心） 纠错

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

AI总结 本研究通过数据驱动方法优化交通传感器布置，发现均匀空间覆盖与主动学习策略能显著降低预测误差，提升交通数据的实用性。

Discovery and Reinforcement of Tool-Integrated Reasoning Chains via Rollout Trees

发现与强化工具集成推理链 via 滚出树

Kun Li, Zenan Xu, Junan Li, Zengrui Jin, Jinghao Deng, Zexuan Qiu, Bo Zhou

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

AI总结 DART通过强化学习框架在长链推理中自发使用工具，无需人工标注，有效提升工具集成推理性能。

Epidemic Forecasting with a Hybrid Deep Learning Method Using CNN-LSTM With WOA-GWO Parameter Optimization: Global COVID-19 Case Study

利用CNN-LSTM与WOA-GWO参数优化的混合深度学习方法进行流行病预测：全球新冠病例研究

Mousa Alizadeh, Mohammad Hossein Samaei, Azam Seilsepour, Alireza Monavarian, Mohammad TH Beheshti

机构 * School of Engineering, RMIT Melbourne, Australia（墨尔本皇家理工大学工程学院） ； Tarbiat Modares University（塔里克·莫拉兹大学） ； Islamic Azad University, Central Tehran Branch（伊斯兰 Azad 大学中央德黑兰分校） ； Ferdowsi University of Mashhad（法尔多西大学） 纠错

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

AI总结 本文提出一种结合CNN-LSTM与WOA-GWO优化的混合深度学习方法，用于提高流行病预测的准确性，通过全球新冠病例数据验证其有效性。

Graph-Based Modeling and Decomposition of Hierarchical Optimization Problems

基于图的分层优化问题建模与分解

David L. Cole, Filippo Pecci, Omar J. Guerra, Harsha Gangammanavar, Jesse D. Jenkins, Victor M. Zavala

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种基于图的Benders分解框架，用于解决分层优化问题，通过图抽象实现复杂结构的分解与近似。

Comments 68 pages, 3 tables, 29 figures, updated abstract

Analyzing Residential Speeding Using Connected Vehicle Data: A Case Study in Charlottesville, VA Area

利用联网车辆数据分析住宅区超速行为：弗吉尼亚州夏洛特维尔地区案例研究

Shi Feng, B. Brian Park, Andrew Mondschein

专题命中 规划决策 ：planning(abstract)

AI总结 利用联网车辆数据分析住宅区超速行为，发现高风险路段和夜间超速问题，为交通安全管理提供新方法。

Balancing Economic Cost and Disease Impact: Optimization Models for Wolbachia-Based Dengue Control

平衡经济成本与疾病影响：基于沃尔巴奇体的登革热控制优化模型

Kyrho Corum, Renier Mendoza, Victoria May P. Mendoza, Arrianne Crystal Velasco

专题命中 规划决策 ：planning(abstract)

AI总结 本研究提出基于沃尔巴奇体的登革热控制优化模型，旨在平衡经济成本与疾病影响，通过数学模型和多目标优化减少释放沃尔巴奇体蚊群的成本和登革热住院费用。

Comments 27 pages, 12 figures, and 5 tables

Collaborative Continuum Robots: A Survey

协作连续机器人：综述

Xinyu Li, Qian Tang, Guoxin Yin, Gang Zheng, Jessica Burgner-Kahrs, Cesare Stefanini, Ke Wu

专题命中 规划决策 ：planning(abstract)

AI总结 本文综述了协作连续机器人在协作模式、结构设计、建模与控制方面的最新进展，并探讨了该领域的发展挑战与未来机遇。

TriDF: Triplane-Accelerated Density Fields for Few-Shot Remote Sensing Novel View Synthesis

TriDF: 三平面加速密度场用于少样本遥感新视角合成

Jiaming Kang, Keyan Chen, Zhengxia Zou, Zhenwei Shi

机构 * Beihang University（北航大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 TriDF通过高效混合3D表示，实现少样本遥感新视角合成，提升速度与渲染质量

Comments Corrected metadata formatting