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。
行动背后的缘由：通过代理归因揭示内部驱动因素
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Renmin University of China（中国人民大学） ； National University of Singapore（新加坡国立大学）
专题命中 工具调用 ：agentic(title,abstract)；agent(abstract)；tool use(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出通用代理归因框架，通过分层方法识别代理行为的内部驱动因素，提升代理系统的安全性和可问责性。
Doc2Spec: 通过语法归纳从自然语言生成形式化编程规范
机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
专题命中 工具调用 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.SE
AI总结 Doc2Spec通过语法归纳自动从自然语言生成形式化编程规范，提升了规范生成的可靠性和质量。
安全关键型LLM助手中的Agent2Agent威胁：以人为中心的分类
机构 * BMW Group Research（宝马集团研究） ； Technical University Munich（慕尼黑技术大学）
专题命中 工具调用 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文提出AgentHeLLM框架，通过分离资产识别与攻击路径分析，为安全关键型LLM助手提供以人为中心的威胁建模方法。
TaSA: 两种阶段深度预测学习 tactile 触觉衰减以改善抓握操作
机构 * Waseda University（早稻田大学）
专题命中 工具调用 ：tool use(abstract)
AI总结 TaSA通过两种阶段深度预测学习实现基于感觉衰减的触觉衰减，提升机械手在抓握操作中的灵巧性与触觉感知能力。
Comments 8 pages, 8 figures, 8 tables, ICRA2026 accepted
在城市搜索中应用地面机器人队伍：理解专业人员的操作挑战与设计机会
机构 * George Mason University（乔治·马歇尔大学） ； Virginia Tech（弗吉尼亚理工学院）
专题命中 工具调用 ：planning(abstract)
AI总结 本文探讨了在城市搜索中应用地面机器人队伍对公共安全专业人员操作挑战的影响，提出了减轻认知和体力负担的设计机会。
Comments Under review
位置：LLM代理可用性的真正障碍是代理的ROI
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Science and Technology of China（中国科学技术大学）
专题命中 规划决策 ：agent(title,abstract)；agentic(title,abstract)；autonomous agent(abstract)；planning(abstract)
AI总结 本文提出LLM代理可用性的核心问题在于其投资回报率，主张通过Z字型发展路径提升其在日常应用中的可用性和可扩展性。
抵制操纵机器人在表情包加密货币复制交易中的应用：一种基于多智能体的链式推理方法
机构 * UCL, Centre for Blockchain Technologies（伦敦大学区块链技术中心） ； The University of Hong Kong, FinTech Academy（香港大学金融科技学院） ； Nanyang Technological University（南洋理工大学）
专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 本文提出一种基于多智能体和链式推理的复制交易系统，以抵御操纵机器人，通过多模态大语言模型提升预测准确度和经济表现，实现加密货币投资的稳健收益。
Journal ref Proceedings of the ACM Web Conference 2026 (WWW'26)
现在午餐时间
专题命中 规划决策 ：agent(title,abstract)；planning(title,abstract)
AI总结 本文研究用户与主动代理的互动，探讨其在日常规划和自我反思中的作用，发现用户有不同反应模式并提出设计改进。
DeepAgent: 一种具有可扩展工具集的通用推理代理
机构 * Renmin University of China（中国人民大学） ； Xiaohongshu Inc.（小红书公司） ； Tsinghua University（清华大学）
专题命中 规划决策 ：agent(title,abstract)；tool use(abstract)；tool-use(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 DeepAgent通过自主记忆折叠机制和ToolPO强化学习策略，实现高效通用工具使用和长周期交互，优于现有基线方法。
Comments Accepted by WWW 2026
利用强化学习优化多碎片对接任务的使命规划
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；分类 cs.AI、cs.LG
AI总结 本研究提出基于强化学习的框架，用于优化多碎片清除任务的使命规划，通过自适应碰撞避让和高效任务规划提高任务效率和安全性。
Comments Accpeted at Conference: 15th IAA Symposium on Small Satellites for Earth System Observation At: Berlin
ProAct：交互环境中的代理前瞻性
机构 * Tencent Hunyuan（腾讯文言）
专题命中 规划决策 ：agentic(title)；agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 ProAct通过双阶段训练范式提升交互环境中的前瞻性推理能力，结合GLAD和MC-Critic实现更稳定的策略优化。
多模态音频视频理解的主动感知代理
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学）
专题命中 规划决策 ：agent(title,abstract)；planning(abstract)
AI总结 OmniAgent通过动态规划和音频引导感知范式，实现多模态细粒度推理，无需训练即超越现有模型性能。
Comments Website:https://kd-tao.github.io/OmniAgent/
评估基于学习的任务规划在主动清除任务中的鲁棒性和适应性
机构 * Faculty of Mathematics and Computer Science, Julius-Maximilians-Universität Würzburg（数学与计算机科学学院，维尔堡大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文评估了基于学习的任务规划在主动清除任务中的鲁棒性和适应性，比较了三种规划器在不同约束条件下的性能，发现领域随机化PPO在适应性上表现更优，而MCTS在处理约束变化时更稳定但计算成本高。
Comments Presented at Conference: International Conference on Space Robotics (ISPARO,2025) At: Sendai,Japan
城市中的隐形墙壁：设计LLM代理以通过社交媒体内容预测城市隔离体验
机构 * Department of Electronic Engineering, BNRist, Tsinghua University（电子工程系，BNRist，清华大学） ； Hong Kong University of Science（科学大学）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.CL
AI总结 本文提出了一种基于LLM的代理，通过社交媒体内容预测城市隔离体验，利用代码本整合多通道特征，提升预测准确性并促进社会包容性。
Comments 11 pages, 6 figures. This paper has been accepted at The ACM Web Conference 2026
贫困能否通过对抗歧视而减少？一种用于政策制定的基于代理的模型
机构 * Artificial Intelligence Research Institute, IIIA-CSIC（人工智能研究 institute，IIIA-CSIC） ； University of Notre Dame（诺丁汉大学）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI
AI总结 本文提出AABM模型，通过模拟发现aporophobia与财富不平等的关系，为对抗歧视的减贫政策提供新方向。
具备抗幻觉能力的安全规划与大语言模型
机构 * The University of Melbourne（墨尔本大学） ； Imperial College London（伦敦帝国理工学院）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出了一种抗幻觉的安全规划框架，通过迭代循环和上下文学习优化LLM决策，减少恢复时间30%。
Comments Accepted to IEEE/IFIP Network Operations and Management Symposium 2026. To appear in the conference proceedings
Mil-SCORE：大型语言模型中长上下文地理空间推理与规划的基准测试
机构 * University of Maryland, College Park MD, USA（马里兰大学） ； ERA Lab, University of South Florida, Tampa FL, USA（佛罗里达大学埃拉实验室） ； DEVCOM Army Research Laboratory, Aberdeen Proving Ground MD, USA（国防部陆军研究实验室） ； EEHPC Lab, Johns Hopkins University, Baltimore MD, USA（约翰霍普金斯大学EEHPC实验室）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.CL
AI总结 Mil-SCORE是首个针对复杂军事规划情景的多跳问题数据集，旨在评估大型语言模型在长上下文地理空间推理与规划中的能力。
Weaver：用于视频交织推理的端到端代理系统训练
专题命中 规划决策 ：agentic(title,abstract)
AI总结 Weaver通过端到端训练多模态推理代理系统，提升视频推理任务在长视频处理上的性能。
从沙子到豪宅：迈向自动化网络攻击仿真的方法：经典规划与大语言模型
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文提出Aurora系统，结合经典规划与大语言模型，实现自动化网络攻击仿真，生成大规模数据集并验证其在入侵检测系统中的有效性。
Comments This is the author-accepted version of a paper accepted at the Applied Cryptography and Network Security (ACNS 2026)
SAP-CoPE：基于基础设施传感器节点的社交意识规划使用协作姿态估计
机构 * Mechanical and Mechatronics Eng. Department, University of Waterloo（机械与机电工程系，滑铁库大学） ； Department of Data and Systems Engineering, University of Hong Kong（数据与系统工程系，香港大学） ； Mechanical Engineering Department, University of Alberta（机械工程系，阿尔伯塔大学）
专题命中 规划决策 ：planning(title,abstract)
AI总结 SAP-CoPE通过结合协作基础设施、3D人体姿态估计和基于MPC的社会意识运动规划，实现了在人类密集环境中自主系统的社会意识轨迹生成。
Comments This paper has been submitted to the IEEE Transactions on Automation Science and Engineering
VLN-Pilot: 大型视觉-语言模型作为自主室内无人机操作员
机构 * University Institute for Compute Research（计算研究大学研究所） ； University of Alicante（阿利坎特大学）
专题命中 规划决策 ：agent(abstract)；autonomous agent(abstract)；planning(abstract)
AI总结 VLN-Pilot利用大型视觉-语言模型实现自主室内无人机导航，通过自然语言指令和视觉感知结合，提高飞行任务的自主性和安全性。
超越人工规划：大型组织的座位分配
专题命中 规划决策 ：planning(title)；分类 cs.AI
AI总结 本文提出了一种端到端框架，利用概率道路图和快速探索随机树结合启发式搜索和动态规划，解决大型组织的分层座位分配问题，以提高座位安排的效率和优化程度。
对检索增强生成进行最小推理图剪枝以提高效率
机构 * Cornell University（康奈尔大学） ； University of Cambridge（剑桥大学） ； The University of Hong Kong（香港大学） ； HKUST（香港科技大学） ； University of British Columbia（不列颠哥伦比亚大学）
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.CL、cs.LG
AI总结 AutoPrunedRetriever通过最小推理图剪枝提升检索增强生成效率，实现更高效的知识密集型任务处理。
Bifrost: 通过引导战略轨迹填补上下文差距以实现自我改进智能体
专题命中 规划决策 ：agent(abstract)；autonomous agent(abstract)；分类 cs.LG
AI总结 Bifrost通过引导轨迹适应填补上下文差距，提升智能体在上下文转换中的自我改进能力。
LH-Deception：模拟和理解长周期交互中大语言模型的欺骗行为
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Zhejiang University（浙江大学） ； Amazon AGI（亚马逊人工智能研究院）
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.CL
AI总结 LH-Deception通过多智能体系统模拟长周期交互中的LLM欺骗行为，揭示欺骗的模型依赖性和对信任的侵蚀，为真实场景下的LLM评估提供基础。
Comments ICLR 2026
Among Us: 在模型协作系统中衡量并减轻恶意贡献
机构 * University of Washington（华盛顿大学） ； New York University（纽约大学）
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.CL
AI总结 研究针对模型协作系统中的恶意贡献问题，通过实验评估恶意模型的影响，并提出外部监督策略以缓解其影响。
Comments 19 pages, 15 tables, 4 figures
通过最佳反应映射进行动态博弈的数据驱动结构分解
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)
AI总结 本文提出了一种数据驱动的动态博弈结构分解方法，通过嵌入最佳反应映射作为约束，减少嵌套优化层，提升均衡计算效率和准确性。
Comments 11 pages, 6 figures, 5 tables, Submitted to RSS 2026
一种统一的多模态框架用于数据集构建和基于模型的ameloblastoma诊断
机构 * DiceMed ； School of Sciences (SOS), Indira Gandhi National Open University（印度甘地国家开放大学科学学院） ； School of Information, Florida State University（佛罗里达州立大学信息学院）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出了一种统一的多模态框架，用于构建ameloblastoma数据集并开发基于模型的诊断方法，通过多模态深度学习模型提高分类和手术规划的准确性。
基于感知的POMDP信念：具有视觉观测的POMDPs
机构 * Ruhr-University Bochum（博德姆鲁尔大学） ； Radboud University（拉德博德大学） ； Eindhoven University of Technology（埃因霍温理工大学） ； Ruhr University Bochum（博德姆鲁尔大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 本文提出基于感知的POMDP信念框架，通过图像分类器将视觉观测转化为状态分布，提升高维观测下的决策规划性能。
Comments Accepted at AAMAS 2026
TangramSR: 视觉-语言模型能否在连续几何空间中推理？
专题命中 规划决策 ：agent(abstract)；分类 cs.AI
AI总结 TangramSR通过测试时自我改进框架，结合上下文学习和奖励循环，提升视觉-语言模型在连续几何空间中的推理能力。
Comments 13 pages, 4 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