AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
通过大型语言模型进行多智能体学习路径规划
机构 * Shanghai International Studies University（上海国际 Studies 大学） ； East China Normal University（华东师范大学） ； Huaiyin Normal University（淮阴师范学院） ； City University of Macau（澳门城市大学）
专题命中 规划决策 ：agent(title,abstract)；planning(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 本研究提出基于LLMs的多智能体学习路径规划框架，通过角色与规则协作机制提升学习路径的透明性与可解释性，实验表明其在路径质量、知识一致性及认知负荷匹配方面优于传统方法。
DeepPlanning: 用可验证约束基准测试长周期代理规划
机构 * Alibaba Group（阿里巴巴集团）
专题命中 规划决策 ：planning(title,abstract)；agentic(title,abstract)；agent(abstract)；tool use(abstract)
AI总结 DeepPlanning是一个针对长周期代理规划的基准测试，通过多日旅行和多产品购物任务，评估代理在全局约束优化和局部约束推理中的能力。
RECAP：用于代理规划中意图理解的对话重写
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 RECAP通过对话重写提升代理规划中的意图理解，提出新基准和方法，验证重写对规划效用的提升。
Faramesh：一种协议无关的自主代理系统执行控制平面
机构 * The Faramesh Labs（弗拉梅什实验室）
专题命中 规划决策 ：agent(title,abstract)；autonomous agent(title,abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 Faramesh通过非可绕过的动作授权边界，实现自主代理系统执行时的强制授权和可预测治理。
Comments 40 pages, 10 figures. Preprint. Code: https://github.com/faramesh/faramesh-core
迈向基于MCP服务器生态系统的声明性代理层
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；tool use(abstract)；planning(abstract)
AI总结 本文提出了一种声明性代理层，旨在解决基于MCP服务器生态系统中代理工作流的可靠性问题，通过明确的架构结构提升任务执行的可验证性和可重复性。
Comments 12 pages, 3 figures
ChemNavigator: 基于代理AI的有机光催化剂设计规则发现
机构 * Luxembourg Institute of Science and Technology (LIST)（卢森堡科学技术研究所） ； University of Luxembourg（卢森堡大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；autonomous agent(abstract)；multi-agent(abstract)
AI总结 ChemNavigator通过代理AI自主发现有机光催化剂设计规则，推导出六个化学基础设计原则，为AI辅助材料发现提供新框架。
Sponge Tool Attack：针对工具增强代理推理的隐蔽低效攻击
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)
AI总结 Sponge Tool Attack通过重写输入提示，隐蔽地破坏工具增强代理推理的效率，验证了其在多种模型和工具上的有效性。
TelcoAI: 通过代理多模态检索增强生成技术推进3GPP技术规范搜索
机构 * Generative AI Innovation Center, Amazon Web Services (AWS)（生成式AI创新中心，亚马逊网络服务）
专题命中 规划决策 ：agentic(title,abstract)；planning(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 TelcoAI通过代理多模态检索增强生成技术，提升3GPP技术规范搜索的准确性和效率，实现87%的召回率和16%的性能提升。
Comments Accepted to IJCNLP-AACL 2025
基于图引导和轨迹优化的分层信息路径规划
机构 * Department of Electrical and Computer Engineering, University of Waterloo（滑铁卢大学电气与计算机工程系） ； National Research Council Canada（加拿大国家研究理事会）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)
AI总结 本文提出一种分层信息路径规划方法，结合图引导和轨迹优化，通过分段预算分配和样条细化，实现更低的后验不确定性与更快的运行速度。
MemWeaver: 为可追溯的长 horizon 代理推理编织混合记忆
机构 * Harbin Institute of Technology（哈尔滨理工大学） ； The University of New South Wales（新南威尔士大学） ； Macquarie University（麦考瑞大学） ； CSIRO’s Data61（澳大利亚联邦科学与工业研究组织Data61）
专题命中 规划决策 ：agentic(title)；agent(abstract)；分类 cs.CL
AI总结 MemWeaver通过编织混合记忆系统，提升长 horizon 代理推理的准确性与可追溯性，减少输入上下文长度
基于一次性采样骨架图的路径规划
机构 * Centro de Investigación en Matematicas (CIMAT), A.C.（数学研究所（CIMAT）） ； Unidad Profesional Interdisciplinaria en Ingeniería y Tecnologías Avanzadas (UPIITA), Instituto Politécnico Nacional (IPN)（跨学科工程与先进技术单位（UPIITA），墨西哥理工学院（IPN）） ； Centro de Innovación y Desarrollo Tecnológico en Cómputo (CIDETEC), Instituto Politécnico Nacional (IPN)（计算创新与技术发展中心（CIDETEC），墨西哥理工学院（IPN））
专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG
AI总结 本文提出基于SkelUnet的高效路径规划方法，通过一次性采样骨架图快速生成安全路径，提升导航效率和安全性。
Comments Submitted to IEEE Latin America Transactions
支付更少的泛化税：RL训练对LLM代理跨域泛化能力的研究
机构 * Meta Superintelligence Labs（Meta超智能实验室） ； FAIR at Meta（Meta的FAIR） ； Northwestern University（西北大学） ； The Ohio State University（俄亥俄州立大学） ； University of Pennsylvania（宾夕法尼亚大学）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；agentic(abstract)；分类 cs.AI、cs.LG
AI总结 本研究探讨了RL训练对LLM代理跨域泛化能力的影响，发现增加状态信息丰富度可提升泛化性能，同时指出建模选择对泛化能力的关键作用。
一种基于LLM代理的异构随机接入网络信息年龄优化框架
专题命中 规划决策 ：agent(title,abstract)
AI总结 本文提出Reflex-Core框架，通过LLM代理优化异构网络中的信息年龄，实现更高效的随机接入控制。
ARMOR: 为对抗攻击的鲁棒性进行方法编排与重参数化中的代理推理
专题命中 规划决策 ：agentic(title,abstract)
AI总结 ARMOR通过视觉语言模型引导的代理协作，提升对抗攻击的鲁棒性和跨架构迁移能力。
一种高效且成本效益高的以太坊智能合约审计代理框架
专题命中 规划决策 ：agentic(title)；agent(abstract)
AI总结 本文提出Heimdallr，一种高效且低成本的智能合约审计代理，通过四个创新技术实现高精度检测，减少分析时间和成本，发现多个零日漏洞并保护大量资金。
利用半正定规划的多准则逆鲁棒性在放射治疗计划中的应用
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文提出利用半正定规划解决放射治疗计划中的多准则逆鲁棒性问题，通过建模不确定性并优化治疗计划的鲁棒性与体积。
Comments 23 pages, 3 figures
一种用于快速碳离子治疗计划的AI剂量引擎
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文提出了一种基于AI的快速碳离子治疗剂量引擎，实现与MC模拟相当的精度，速度提升达400倍，支持在线自适应规划。
Turn-PPO：基于PPO的回合级优势估计以提升代理语言模型中的多回合强化学习
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Amazon（亚马逊）
专题命中 规划决策 ：agentic(title)；分类 cs.LG
AI总结 本研究提出turn-PPO，通过回合级MDP公式化提升多回合强化学习在代理语言模型中的表现，验证其在WebShop和Sokoban数据集上的有效性。
Journal ref EACL 2026
SQL-Trail: 多轮强化学习与交错反馈用于文本到SQL
机构 * Stanford University（斯坦福大学） ； Amazon Web Services（亚马逊网络服务）
专题命中 规划决策 ：agent(abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 SQL-Trail通过多轮强化学习与交错反馈提升文本到SQL的生成能力，实现更高效率和准确性。
语言模型中的地位层级
机构 * Brigham Young University–Hawaii ； COLUMBIA UNIVERSITY（哥伦比亚大学）
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL
AI总结 语言模型在多智能体环境中会因地位线索形成层级，高地位分配反而降低高能力模型的服从，揭示AI系统中的新兴社会行为。
通过条件转移估计和在线行为对齐实现通用模仿学习
机构 * King's College London（伦敦国王学院）
专题命中 规划决策 ：agent(abstract,comments)；分类 cs.AI、cs.LG；autonomous agent(comments)；multi-agent(comments)
AI总结 本文提出UfO方法，通过条件转移估计和在线行为对齐，实现无监督模仿学习，提升模型在未见场景中的泛化能力。
Comments The 25th International Conference on Autonomous Agents and Multi-Agent Systems (AAMAS 2026)
LLMs作为布局设计师：增强的空间推理用于内容感知布局生成
机构 * Virginia Tech（弗吉尼亚理工大学） ； Adobe Research（Adobe研究）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 LaySPA通过强化学习框架增强LLM的空间推理能力，实现内容感知布局生成，优于通用LLM和专用布局模型。
ReFuGe：基于LLM代理的关联数据库预测任务特征生成
机构 * KAIST（韩国科学技术院）
专题命中 规划决策 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 ReFuGe通过LLM代理生成关联数据库预测任务的特征，提升预测性能。
Comments Accepted in ACM WWW 2026 (Short Paper)
基于图神经网络的去中心化学习策略用于估计误差最小化
机构 * Rutgers University（罗格斯大学） ； Duke University（杜克大学） ； University of Pennsylvania（宾夕法尼亚大学）
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 本文提出基于图神经网络的去中心化学习策略，用于在动态多跳无线网络中最小化估计误差，通过理论分析和实验验证了策略的可转移性和鲁棒性。
MARO：从社交互动中学习更强的推理能力
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）
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 MARO通过多智能体社交环境提升大语言模型的推理能力，解决稀疏信号、角色分布不均和环境不稳定问题，实验显示其在社交推理和跨任务迁移上的显著效果。
生成AI在法律推理中的挑战
机构 * Tampere University（塔尔库大学） ； University of Helsinki（赫尔辛基大学）
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文探讨了生成AI在法律推理中的关键挑战，分析了现有AI技术在处理法律问题中的局限性，并提出分阶段采用技术以提升法律推理的严谨性。
基于分布式MPC的强化学习用于高效燃油车队控制与离散换挡过渡
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)
AI总结 本文提出基于强化学习的分布式MPC方法，用于高效燃油车队控制，通过简化连续优化问题和多智能体分解提升计算效率。
Comments 16 pages, 8 figures, submitted to Transaction on IEEE Transactions on Intelligent Transportation Systems
临床测试案例用于模型驱动剂量计算算法在192Ir HDR妇科 tandem 和 ring 放射治疗中的验证、质量保证和基准测试
专题命中 规划决策 ：planning(abstract)；workflow(abstract)
AI总结 本文提出了一种用于验证模型驱动剂量计算算法的临床测试案例，通过与蒙特卡洛模拟的对比，评估了算法的性能和局限性，为放射治疗提供基准和质量保证资源。
Comments Published in Medical Physics
离散时间多智能体系统协同最优输出跟踪：稳定化策略迭代框架
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)
AI总结 本文提出两种基于策略迭代的算法，用于离散时间多智能体系统的协同最优输出跟踪，通过稳定化策略迭代框架和Q学习框架实现高效稳定的控制方案。
Comments Published online in IEEE Transactions on Automatic Control, November 2025
Journal ref IEEE Transactions on Automatic Control, Early Access, pp. 1-8, 2025
推动人机协同建造中的即兴能力：分类与研究路线图
专题命中 规划决策 ：planning(abstract)；workflow(abstract)
AI总结 本文提出六级分类法，分析人机协同建造中即兴能力的发展现状与未来研究方向，指出技术、概念和方法学三方面障碍，建议通过增强现实、大语言模型和云系统提升人机协作水平。
Comments 73 pages, 8 figures
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈