AI Agent

SmartOracle -- An Agentic Approach to Mitigate Noise in Differential Oracles

SmartOracle -- 一种缓解差分预言机噪声的代理方法

Srinath Srinivasan, Tim Menzies, Marcelo D'Amorim

机构 * North Carolina State University（北卡罗来纳州立大学） 纠错

专题命中 工具调用 ：agentic(title,abstract)；workflow(abstract)；分类 cs.LG、cs.SE

AI总结 SmartOracle通过代理系统减少差分预言机噪声，提高模糊测试准确性并降低分析成本

Agentic-R: Learning to Retrieve for Agentic Search

Agentic-R: 为代理搜索学习检索

Wenhan Liu, Xinyu Ma, Yutao Zhu, Yuchen Li, Daiting Shi, Dawei Yin, Zhicheng Dou

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； Baidu Inc.（百度公司） 纠错

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

AI总结 本文提出了一种针对代理搜索的检索器训练框架，通过结合局部查询-段落相关性和全局答案正确性，提升多轮搜索性能。

SearchGym: Bootstrapping Real-World Search Agents via Cost-Effective and High-Fidelity Environment Simulation

SearchGym: 通过高效且高保真的环境模拟提升现实世界搜索代理

Xichen Zhang, Ziyi He, Yinghao Zhu, Sitong Wu, Shaozuo Yu, Meng Chu, Wenhu Zhang, Haoru Tan, Jiaya Jia

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

AI总结 SearchGym通过高效高保真的模拟环境提升搜索代理的鲁棒性和性能，实验表明其在多个基准测试中优于现有方法。

TEXterity -- Tactile Extrinsic deXterity: Simultaneous Tactile Estimation and Control for Extrinsic Dexterity

TEXterity -- 触觉外延操作：同时进行触觉估计与控制的外延操作

Sangwoon Kim, Antonia Bronars, Parag Patre, Alberto Rodriguez

机构 * MIT（麻省理工学院） ； Magna International Inc.（Magna国际公司） 纠错

专题命中 工具调用 ：tool use(abstract)

AI总结 TEXterity通过结合触觉估计与控制，实现手握物体的精确操控，提升外延操作的精度和适应性。

Comments project website: https://sites.google.com/view/texterity. arXiv admin note: substantial text overlap with arXiv:2401.10230

Agentic AI Meets Edge Computing in Autonomous UAV Swarms

代理AI遇见边缘计算在自主无人机群中

Thuan Minh Nguyen, Vu Tuan Truong, Long Bao Le

机构 * INRS, University of Québec（INRS大学、魁北克大学） 纠错

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

AI总结 本文提出利用LLM驱动的代理AI与边缘计算结合，提升无人机群在高风险场景中的自主性和任务效率。

MARBLE: Multi-Agent Reasoning for Bioinformatics Learning and Evolution

MARBLE: 多智能体推理用于生物信息学学习与进化

Sunghyun Kim, Seokwoo Yun, Youngseo Yun, Youngrak Lee, Sangsoo Lim

机构 * Division of AI Convergence, Dongguk University, Seoul, South Korea（东国大学人工智能融合系） ； AI Research Team, Ar-ge Inc., Seoul, South Korea（Ar-ge公司人工智能研究团队） ； Department of Biomedical Engineering, Dongguk University, Goyang-si, Gyeonggi-do, South Korea（东国大学生物医学工程系） ； Department of Computer Science and Artificial Intelligence, Dongguk University, Seoul, South Korea（东国大学计算机科学与人工智能系） 纠错

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

AI总结 MARBLE通过多智能体推理实现生物信息学模型的稳定优化，提升性能并保持鲁棒性。

Interoperable Architecture for Digital Identity Delegation for AI Agents with Blockchain Integration

面向AI代理的数字身份委托的互操作架构与区块链整合

David Ricardo Saavedra

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

AI总结 本文提出了一种支持AI代理在异构身份生态系统中实现安全委托的架构，通过可审计和最小特权的委托机制，提升数字身份系统的互操作性与可信度。

Comments 19 pages, 4 figures, 4 tables

Holmes: An Evidence-Grounded LLM Agent for Auditable DDoS Investigation in Cloud Networks

Holmes：一种基于证据的LLM代理，用于可审计的云网络DDoS调查

Haodong Chen, Ziheng Zhang, Jinghui Jiang, Qiang Su, Qiao Xiang

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

AI总结 Holmes是一种基于LLM的DDoS检测代理，通过结构化证据和可追溯的审计日志，实现云网络中可解释、可审计的DDoS调查。

BayesAgent: Bayesian Agentic Reasoning Under Uncertainty via Verbalized Probabilistic Graphical Modeling

BayesAgent: 通过 verbalized 概率图模型实现不确定性下的贝叶斯代理推理

Hengguan Huang, Xing Shen, Songtao Wang, Lingfa Meng, Dianbo Liu, David Alejandro Duchene, Hao Wang, Samir Bhatt

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

AI总结 BayesAgent 通过 verbalized 概率图模型实现不确定性下的贝叶斯代理推理，提升置信度校准和文本生成质量。

Comments Accepted to AAAI 2026

Case-Guided Sequential Assay Planning in Drug Discovery

基于案例的药物发现顺序试验计划

Tianchi Chen, Jan Bima, Sean L. Wu, Otto Ritter, Bingjia Yang, Xiang Yu

机构 * Decision Science, Merck & Co., Inc., USA（决策科学，默克公司，美国） ； MSD Czech Republic（MSD捷克共和国） ； Pharmacokinetics, Dynamics, Metabolism & Bioanalytical, Merck & Co., Inc., USA（药代动力学、动力学、代谢与生物分析，默克公司，美国） 纠错

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

AI总结 IBMDP通过基于案例的隐式模型和集合MCTS规划，在无模拟器环境下实现高效药物发现实验顺序设计。

On the Generalization Gap in LLM Planning: Tests and Verifier-Reward RL

在LLM规划中的泛化差距：测试与验证者奖励强化学习

Valerio Belcamino, Nicholas Attolino, Alessio Capitanelli, Fulvio Mastrogiovanni

机构 * Department of Informatics, Bioengineering, Robotics and Systems Engineering, University of Genoa（信息学、生物工程、机器人学和系统工程系，热那亚大学） ； AIKO S.r.l.（AIKO公司） 纠错

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

AI总结 本研究发现微调LLM在规划任务中存在显著的泛化差距，通过三种诊断干预揭示模型依赖领域特定模式而非可转移能力。

Comments 9 pages, 4 figures, 3 tables, 2 pages of supplementary materials. Submitted to a conference implementing a double-blind review process

"Just in Time" World Modeling Supports Human Planning and Reasoning

即时世界建模支持人类规划与推理

Tony Chen, Sam Cheyette, Kelsey Allen, Joshua Tenenbaum, Kevin Smith

机构 * MIT Department of Brain and Cognitive Sciences（麻省理工学院脑科学与认知科学系） ； UBC Departments of Computer Science and Psychology（不列颠哥伦比亚大学计算机科学与心理学系） 纠错

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

AI总结 本文提出'即时'框架，通过在线构建简化表示实现高效心理模拟，支持人类规划与推理。

Graph-Based Adaptive Planning for Coordinated Dual-Arm Robotic Disassembly of Electronic Devices (eGRAP)

基于图的自适应规划用于电子设备协同双臂机器人拆解（eGRAP）

Adip Ranjan Das, Maria Koskinopoulou

机构 * School of Engineering and Physical Sciences, Heriot-Watt University（工程与物理科学学院，赫瑞-沃德大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 eGRAP通过集成视觉、动态规划和双臂执行，实现了电子设备的自主拆解，具备实时自适应协调双臂任务的能力。

Comments 7 Pages, 8 Figures, 5 Tables

Contingency Planning for Safety-Critical Autonomous Vehicles: A Review and Perspectives

安全关键性自动驾驶的应急规划：综述与展望

Lei Zheng, Luyao Zhang, Peiqi Yu, Yifan Sun, Sergio Grammatico, Jun Ma, Changliu Liu

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文综述了安全关键性自动驾驶的应急规划，提出统一的混合控制框架，区分反应安全与主动安全范式，并指出内部故障与外部不确定性处理方法的差异。

Comments 23 pages, 6 figures

FARE: Fast-Slow Agentic Robotic Exploration

FARE：快速-缓慢代理机器人探索

Shuhao Liao, Xuxin Lv, Jeric Lew, Shizhe Zhang, Jingsong Liang, Peizhuo Li, Yuhong Cao, Wenjun Wu, Guillaume Sartoretti

机构 * Beihang University, China（北航大学） ； Department of Mechanical Engineering, National University of Singapore（机械工程系，新加坡国立大学） 纠错

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

AI总结 FARE通过结合大型语言模型和强化学习策略，实现了高效且稳健的机器人探索，显著提升了探索效率并验证了其在大规模建筑环境中的有效性。

CRAFT: Continuous Reasoning and Agentic Feedback Tuning for Multimodal Text-to-Image Generation

CRAFT：连续推理与代理反馈调优用于多模态文本到图像生成

V. Kovalev, A. Kuvshinov, A. Buzovkin, D. Pokidov, D. Timonin

专题命中 规划决策 ：agentic(title,abstract)

AI总结 CRAFT通过显式推理和反馈调优提升多模态生成模型的可靠性，实现可控且高效的文本到图像生成。

Comments 37 pages, 42 figures

EDEN: Efficient Dual-Layer Exploration Planning for Fast UAV Autonomous Exploration in Large 3-D Environments

EDEN：高效双层探索规划用于大三维环境中的快速无人机自主探索

Qianli Dong, Xuebo Zhang, Shiyong Zhang, Ziyu Wang, Zhe Ma, Haobo Xi

机构 * Institute of Robotics and Automatic Information System, College of Artificial Intelligence, Nankai University（机器人与自动信息系统研究所，人工智能学院，南开大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 EDEN提出一种高效双层探索规划方法，通过近似算法和曲率惩罚成本优化，提升大规模三维环境中的无人机探索效率与计算性能。

Comments nothing

Journal ref IEEE Transactions on Industrial Electronics 2026

Collision Probability Estimation for Optimization-based Vehicular Motion Planning

基于优化的车辆运动规划中的碰撞概率估计

Leon Tolksdorf, Arturo Tejada, Christian Birkner, Nathan van de Wouw

机构 * Department of Dynamics and Control, Eindhoven University of Technology（埃因霍温理工大学动力学与控制系） ； CARISSMA Institute of Safety in Future Mobility, Technische Hochschule Ingolstadt（未来移动安全研究所） ； TNO, Integrated Vehicle Safety（TNO集成车辆安全） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出了一种基于多圆形状近似的碰撞概率估计方法，用于优化车辆运动规划，以提高计算效率和安全性。

Comments 14 pages, 7 figures

Reinforcement Learning for Chain of Thought Compression with One-Domain-to-All Generalization

基于单领域到全领域泛化的强化学习进行思维链压缩

Hanyu Li, Jiangshan Duo, Bofei Gao, Hailin Zhang, Sujian Li, Xiaotie Deng, Liang Zhao

机构 * CFCS, School of Computer Science, Peking University（计算机学院，北京大学） ； 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） ； LLM-Core Xiaomi（小米LLM-Core） 纠错

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

AI总结 本文提出了一种基于单领域到全领域泛化的强化学习方法，通过样本级软强化学习压缩思维链推理，有效减少响应长度并提升跨领域泛化能力。

RegFreeNet: A Registration-Free Network for CBCT-based 3D Dental Implant Planning

RegFreeNet: 一种无需配准的CBCT基3D牙科种植体规划网络

Xinquan Yang, Xuguang Li, Mianjie Zheng, Xuefen Liu, Kun Tang, Kian Ming Lim, He Meng, Jianfeng Ren, Linlin Shen

机构 * School of Artificial Intelligence, Shenzhen University, Shenzhen, China（人工智能学院，深圳大学） ； School of Computer Science, University of Nottingham Ningbo China, Ningbo, China（计算机学院，诺丁汉大学宁波分校） ； Department of Stomatology, Shenzhen University General Hospital, Shenzhen, China（口腔科，深圳大学附属医院） 纠错

专题命中 规划决策 ：planning(title)

AI总结 RegFreeNet通过遮蔽种植体区域，无需配准即可构建大规模多中心种植体数据集，并利用坡度感知网络实现高精度种植体位置预测。

Deceptive Sequential Decision-Making via Regularized Policy Optimization

通过正则化策略优化实现欺骗性序列决策

Yerin Kim, Alexander Benvenuti, Bo Chen, Mustafa Karabag, Abhishek Kulkarni, Nathaniel D. Bastian, Ufuk Topcu, Matthew Hale

机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； United States Military Academy（美国军事学院） 纠错

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

AI总结 本文提出三种正则化策略，用于在策略优化中主动欺骗对手关于系统奖励的误解，从而在保持高累积奖励的同时误导对手。

Comments 18 pages, 5 figures

Facilitating Proactive and Reactive Guidance for Decision Making on the Web: A Design Probe with WebSeek

助力网页决策中的主动与反应式指导：基于WebSeek的设计探查

Yanwei Huang, Arpit Narechania

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

AI总结 WebSeek是一种混合初始化浏览器扩展，通过主动和反应式指导提升网页决策中的用户分析能力与透明度。

Comments Accepted by ACM CHI 2026

What Makes Low-Bit Quantization-Aware Training Work for Reasoning LLMs? A Systematic Study

是什么使低比特量化感知训练在推理大语言模型中有效？一项系统研究

Keyu Lv, Manyi Zhang, Xiaobo Xia, Jingchen Ni, Shannan Yan, Xianzhi Yu, Lu Hou, Chun Yuan, Haoli Bai

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Huawei Technologies（华为技术有限公司） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 本研究通过系统分析揭示了低比特量化感知训练在推理大语言模型中的有效性，提出优化工作流Reasoning-QAT，显著提升精度与效率。

A Curriculum-Based Deep Reinforcement Learning Framework for the Electric Vehicle Routing Problem

基于课程的学习的深度强化学习框架用于电动汽车路径规划问题

Mertcan Daysalilar, Fuat Uyguroglu, Gabriel Nicolosi, Adam Meyers

机构 * Industrial and Systems Engineering, University of Miami（工业与系统工程，迈阿密大学） ； Faculty of Engineering, Cyprus International University（工程学院，塞浦路斯国际大学） ； Engineering Management and Systems Engineering, Missouri University of Science and Technology（工程管理与系统工程，密苏里科学与技术大学） 纠错

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

AI总结 本文提出基于课程的学习深度强化学习框架，用于解决带有时间窗的电动汽车路径规划问题，通过分阶段训练提升稳定性与泛化能力。

RL-BioAug: Label-Efficient Reinforcement Learning for Self-Supervised EEG Representation Learning

RL-BioAug：用于自监督EEG表征学习的高效标签强化学习

Cheol-Hui Lee, Hwa-Yeon Lee, Dong-Joo Kim

机构 * Department of Brain and Cognitive Engineering, Korea University（脑科学与认知工程系，韩国大学） ； Interdisciplinary Program in Precision Public Health, Korea University（精准公共卫生跨学科项目，韩国大学） ； Department of Neurology, Korea University College of Medicine（神经病学系，韩国大学医学院） 纠错

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

AI总结 RL-BioAug通过高效强化学习策略提升EEG自监督表征学习性能，显著优于随机增强方法。

Scalable Anytime Algorithms for Learning Fragments of Linear Temporal Logic

可扩展的任意时间算法用于学习线性时序逻辑的片段

Ritam Raha, Rajarshi Roy, Nathanaël Fijalkow, Daniel Neider

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

AI总结 本文提出了一种可扩展的任意时间算法，用于高效学习线性时序逻辑的片段，解决了传统方法在规模和资源消耗上的限制。

V-CAGE: Context-Aware Generation and Verification for Scalable Long-Horizon Embodied Tasks

V-CAGE：面向可扩展长时间跨度具身任务的上下文感知生成与验证

Yaru Liu, Ao-bo Wang, Nanyang Ye

机构 * Department of Computer Science and Technology, University of Cambridge, Cambridge, England.（计算机科学与技术系，剑桥大学，剑桥，英格兰） ； Shanghai Jiao Tong University, Shanghai, China（上海交通大学，上海，中国） ； Wuhan University, Wuhan, Hubei, China（武汉大学，武汉，湖北，中国） 纠错

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

AI总结 V-CAGE通过上下文感知生成与验证框架，提升大规模具身任务数据集的物理和语义保真度，提高下游策略性能。

HiNS: Hierarchical Negative Sampling for More Comprehensive Memory Retrieval Embedding Model

HiNS：分层负采样用于更全面的记忆检索嵌入模型

Motong Tian, Allen P. Wong, Mingjun Mao, Wangchunshu Zhou

机构 * OPPO ； Zhejiang University（浙江大学） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.CL

AI总结 HiNS通过分层负采样方法提升记忆检索嵌入模型的检索保真度和泛化能力，在多个任务中取得显著性能提升。

Adaptive Fidelity Estimation for Quantum Programs with Graph-Guided Noise Awareness

具有图引导噪声意识的量子程序适应保真度估计

Tingting Li, Ziming Zhao, Jianwei Yin

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

AI总结 QuFid通过图引导噪声意识框架，实现量子程序的自适应保真度估计，有效降低测量成本并保持保真度精度。

Comments Published in AAAI 2026;

AdaTIR: Adaptive Tool-Integrated Reasoning via Difficulty-Aware Policy Optimization

AdaTIR: 通过难度感知策略优化实现自适应工具集成推理

Zhaiyu Fang, Ruipeng Sun

机构 * Trip.com Group（Trip.com集团） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.CL

AI总结 AdaTIR通过难度感知策略优化实现自适应工具集成推理，有效减少工具调用并提升推理准确性。

Comments under review