AI Agent

Position: The Real Barrier to LLM Agent Usability is Agentic ROI

位置：LLM代理可用性的真正障碍是代理的ROI

Weiwen Liu, Jiarui Qin, Xu Huang, Xingshan Zeng, Yunjia Xi, Jianghao Lin, Chuhan Wu, Yasheng Wang, Lifeng Shang, Ruiming Tang, Defu Lian, Yong Yu, Weinan Zhang

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） 纠错

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。

Resisting Manipulative Bots in Meme Coin Copy Trading: A Multi-Agent Approach with Chain-of-Thought Reasoning

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

Yichen Luo, Yebo Feng, Jiahua Xu, Yang Liu

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） 纠错

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)

"Having Lunch Now": Understanding How Users Engage with a Proactive Agent for Daily Planning and Self-Reflection

现在午餐时间

Adnan Abbas, Caleb Wohn, Arnav Jagtap, Eugenia H Rho, Young-Ho Kim, Sang Won Lee

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: A General Reasoning Agent with Scalable Toolsets

DeepAgent: 一种具有可扩展工具集的通用推理代理

Xiaoxi Li, Wenxiang Jiao, Jiarui Jin, Guanting Dong, Jiajie Jin, Yinuo Wang, Hao Wang, Yutao Zhu, Ji-Rong Wen, Yuan Lu, Zhicheng Dou

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） 纠错

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

Optimizing Mission Planning for Multi-Debris Rendezvous Using Reinforcement Learning with Refueling and Adaptive Collision Avoidance

利用强化学习优化多碎片对接任务的使命规划

Agni Bandyopadhyay, Gunther Waxenegger-Wilfing

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: Agentic Lookahead in Interactive Environments

ProAct：交互环境中的代理前瞻性

Yangbin Yu, Mingyu Yang, Junyou Li, Yiming Gao, Feiyu Liu, Yijun Yang, Zichuan Lin, Jiafei Lyu, Yicheng Liu, Zhicong Lu, Deheng Ye, Jie Jiang

机构 * Tencent Hunyuan（腾讯文言） 纠错

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。

Active Perception Agent for Omnimodal Audio-Video Understanding

多模态音频视频理解的主动感知代理

Keda Tao, Wenjie Du, Bohan Yu, Weiqiang Wang, Jian Liu, Huan Wang

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） 纠错

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/

Evaluating Robustness and Adaptability in Learning-Based Mission Planning for Active Debris Removal

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

Agni Bandyopadhyay, Günther Waxenegger-Wilfing

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） 纠错

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

Invisible Walls in Cities: Designing LLM Agent to Predict Urban Segregation Experience with Social Media Content

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

Bingbing Fan, Lin Chen, Songwei Li, Jian Yuan, Fengli Xu, Pan Hui, Yong Li

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） 纠错

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

Can Poverty Be Reduced by Acting on Discrimination? An Agent-based Model for Policy Making

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

Alba Aguilera, Nieves Montes, Georgina Curto, Carles Sierra, Nardine Osman

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） 纠错

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。

Hallucination-Resistant Security Planning with a Large Language Model

具备抗幻觉能力的安全规划与大语言模型

Kim Hammar, Tansu Alpcan, Emil Lupu

机构 * The University of Melbourne（墨尔本大学） ； Imperial College London（伦敦帝国理工学院） 纠错

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: Benchmarking Long-Context Geospatial Reasoning and Planning in Large Language Models

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

Aadi Palnitkar, Mingyang Mao, Nicholas Waytowich, Vinicius G. Goecks, Xiaomin Lin

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） 纠错

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: End-to-End Agentic System Training for Video Interleaved Reasoning

Weaver：用于视频交织推理的端到端代理系统训练

Yudi Shi, Shangzhe Di, Qirui Chen, Qinian Wang, Jiayin Cai, Xiaolong Jiang, Yao Hu, Weidi Xie

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。

From Sands to Mansions: Towards Automated Cyberattack Emulation with Classical Planning and Large Language Models

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

Lingzhi Wang, Zhenyuan Li, Yi Jiang, Zhengkai Wang, Xiangmin Shen, Wei Ruan, Yan Chen

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: Social-Aware Planning using Cooperative Pose Estimation with Infrastructure Sensor Nodes

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

Minghao Ning, Yufeng Yang, Shucheng Huang, Jiaming Zhong, Keqi Shu, Chen Sun, Ehsan Hashemi, Amir Khajepour

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） 纠错

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: Large Vision-Language Model as an Autonomous Indoor Drone Operator

VLN-Pilot: 大型视觉-语言模型作为自主室内无人机操作员

Bessie Dominguez-Dager, Sergio Suescun-Ferrandiz, Felix Escalona, Francisco Gomez-Donoso, Miguel Cazorla

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） 纠错

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。

Beyond Manual Planning: Seating Allocation for Large Organizations

超越人工规划：大型组织的座位分配

Anton Ipsen, Michael Cashmore, Kirsty Fielding, Nicolas Marchesotti, Parisa Zehtabi, Daniele Magazzeni, Manuela Veloso

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。

Pruning Minimal Reasoning Graphs for Efficient Retrieval-Augmented Generation

对检索增强生成进行最小推理图剪枝以提高效率

Ning Wang, Kuanyan Zhu, Daniel Yuehwoon Yee, Yitang Gao, Shiying Huang, Zirun Xu, Sainyam Galhotra

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） 纠错

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: Steering Strategic Trajectories to Bridge Contextual Gaps for Self-Improving Agents

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

Quan M. Tran, Zhuo Huang, Wenbin Zhang, Bo Han, Koji Yatani, Masashi Sugiyama, Tongliang Liu

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: Simulating and Understanding LLM Deceptive Behaviors in Long-Horizon Interactions

LH-Deception：模拟和理解长周期交互中大语言模型的欺骗行为

Yang Xu, Xuanming Zhang, Samuel Yeh, Jwala Dhamala, Ousmane Dia, Rahul Gupta, Sharon Li

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） 纠错

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: Measuring and Mitigating Malicious Contributions in Model Collaboration Systems

Among Us: 在模型协作系统中衡量并减轻恶意贡献

Ziyuan Yang, Wenxuan Ding, Shangbin Feng, Yulia Tsvetkov

机构 * University of Washington（华盛顿大学） ； New York University（纽约大学） 纠错

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

A Data Driven Structural Decomposition of Dynamic Games via Best Response Maps

通过最佳反应映射进行动态博弈的数据驱动结构分解

Mahdis Rabbani, Navid Mojahed, Shima Nazari

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

A Unified Multimodal Framework for Dataset Construction and Model-Based Diagnosis of Ameloblastoma

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

Ajo Babu George, Anna Mariam John, Athul Anoop, Balu Bhasuran

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） 纠错

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。

Perception-Based Beliefs for POMDPs with Visual Observations

基于感知的POMDP信念：具有视觉观测的POMDPs

Miriam Schäfers, Merlijn Krale, Thiago D. Simão, Nils Jansen, Maximilian Weininger

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） 纠错

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: Can Vision-Language Models Reason in Continuous Geometric Space?

TangramSR: 视觉-语言模型能否在连续几何空间中推理？

Yikun Zong, Cheston Tan

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

Learning to Plan & Schedule with Reinforcement-Learned Bimanual Robot Skills

学习计划与调度的强化学习双臂机器人技能

Weikang Wan, Fabio Ramos, Xuning Yang, Caelan Garrett

机构 * NVIDIA ； University of California San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 本文提出了一种基于强化学习的双臂机器人技能计划与调度框架，通过分层结构提升复杂任务的执行效率与协调性。

Rewarding Explainability in Drug Repurposing with Knowledge Graphs

利用知识图谱提升药物再利用中的可解释性

Susana Nunes, Samy Badreddine, Catia Pesquita

机构 * LASIGE, Faculty of Sciences, University of Lisbon（里斯本大学科学学院LASIGE） ； Sony AI（索尼人工智能） ； University of Trento（特伦托大学） ； Bruno Kessler Institute（布鲁诺·凯塞林研究所） 纠错

专题命中 规划决策 ：agent(abstract)；分类 cs.AI

AI总结 本文提出REx方法，利用知识图谱链接预测生成科学解释，通过奖励机制和领域本体学提升药物再利用的预测性能和解释质量。

Comments 9 pages, 4 figures, accepted at conference IJCAI 2025

Journal ref Proceedings of the Thirty-Fourth International Joint Conference on Artificial Intelligence (IJCAI-25), pp. 4624-4632, 2025

Hierarchical Subspaces of Policies for Continual Offline Reinforcement Learning

策略分层子空间用于持续离线强化学习

Anthony Kobanda, Rémy Portelas, Odalric-Ambrym Maillard, Ludovic Denoyer

专题命中 规划决策 ：agent(abstract)；分类 cs.LG

AI总结 HiSPO通过分层策略子空间实现持续离线强化学习，有效解决导航任务中的遗忘与可扩展性问题。

Certifiable Boolean Reasoning Is Universal

可验证的布尔推理是通用的

Wenhao Li, Anastasis Kratsios, Hrad Ghoukasian, Dennis Zvigelsky

机构 * University of Toronto（多伦多大学） ； McMaster University（麦基尔大学） ； Vector Institute（向量研究所） ； Scuola Normale Superiore di Pisa（比萨normal高等学院） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.LG

AI总结 本文提出了一种深度学习架构，能够确证性地推理并通用性地处理任何布尔任务，且在简单布尔任务中参数需求低。

Comments Submitted to COLT 2026

Feedback Control for Multi-Objective Graph Self-Supervision

多目标图自监督学习的反馈控制

Karish Grover, Theodore Vasiloudis, Han Xie, Sixing Lu, Xiang Song, Christos Faloutsos

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon（亚马逊） 纠错

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

AI总结 ControlG通过反馈控制框架解决多目标图自监督学习中的目标协调问题，通过时间分配优化提升性能并揭示学习驱动因素。